从Apollo record文件中提取坐标信息绘制地图轨迹

一、背景

自动驾驶技术的发展离不开大量真实道路数据的收集和分析。百度Apollo平台使用record文件格式记录车辆在实际道路测试中的各种传感器数据，包括定位信息、摄像头图像、激光雷达点云等。这些记录文件就像汽车的"黑匣子"，保存了车辆运行过程中的关键信息。

为什么我们需要提取轨迹信息呢？绘制车辆轨迹可以帮助我们：

• 可视化车辆行驶路径，直观了解测试路线
• 分析定位系统的精度，验证定位算法效果
• 复现测试场景，用于调试和优化
• 创建高精地图，为自动驾驶系统提供参考

本文将详细介绍如何从Apollo record文件中提取车辆的定位坐标信息，并绘制到地图上，让普通读者也能轻松掌握这项实用技能。

二、操作步骤

2.1 下载record文件并解压

首先我们需要获取Apollo平台提供的示例数据。百度Apollo开放平台提供了丰富的测试数据集，我们可以直接下载使用：

# 下载RGB传感器数据记录文件
https://apollo-system.bj.bcebos.com/dataset/6.0_edu/sensor_rgb.tar.xz

# 解压文件
tar -xvf sensor_rgb.tar.xz

为什么需要这一步？
record文件是Apollo系统的专有数据格式，包含了车辆在测试过程中收集的所有传感器信息。下载并解压后，我们就获得了绘制轨迹所需的原始数据。

2.2 查看record文件信息

在提取数据前，我们需要了解record文件包含哪些信息：

cyber_recorder info resources/records/bev_test.record

执行后输出：

record_file:    resources/records/bev_test.record
version:        1.0
duration:       19.221952 Seconds
begin_time:     2018-07-24-11:28:47
end_time:       2018-07-24-11:29:06
size:           5946901361 Bytes (5.538484 GB)
is_complete:    true
message_number: 7626
channel_number: 9
channel_info:
                /apollo/sensor/camera/CAM_FRONT_LEFT/image             224 messages: apollo.drivers.Image
                /apollo/localization/pose                             2963 messages: apollo.localization.LocalizationEstimate
                /tf                                                   2963 messages: apollo.transform.TransformStampeds
                /apollo/sensor/camera/CAM_FRONT/image                  224 messages: apollo.drivers.Image
                /apollo/sensor/camera/CAM_FRONT_RIGHT/image            217 messages: apollo.drivers.Image
                /apollo/sensor/camera/CAM_BACK_RIGHT/image             218 messages: apollo.drivers.Image
                /apollo/sensor/camera/CAM_BACK/image                   216 messages: apollo.drivers.Image
                /apollo/sensor/camera/CAM_BACK_LEFT/image              219 messages: apollo.drivers.Image
                /apollo/sensor/LIDAR_TOP/compensator/PointCloud2       382 messages: apollo.drivers.PointCloud

关键信息解析：

• /apollo/localization/pose 通道包含了2963条定位信息
• 每条定位信息使用 apollo.localization.LocalizationEstimate 格式
• 定位频率约为150Hz（2963条/19.2秒）

为什么需要这一步？
了解record文件的结构可以帮助我们确定哪些通道包含所需的位置信息。在这个例子中，我们将使用/apollo/localization/pose通道的数据来提取车辆位置。

2.3 查询Sunnyvale的经纬度

Apollo的示例数据通常采集于美国加州Sunnyvale地区。为了正确转换坐标，我们需要知道该地区的经纬度：

• 查询网址

为什么需要这一步？
Apollo系统使用UTM坐标系统（一种平面坐标系统），而地图绘制需要WGS84经纬度坐标（全球通用的地理坐标系统）。通过知道测试地点的经度，我们可以计算出正确的UTM带号，这是坐标转换的关键参数。

2.4 从record中提取position绘制地图轨迹

现在进入核心环节：编写Python脚本提取位置信息并绘制轨迹：

cat > extract_pos_plot_map_trajectory.py <<-'EOF'
import cv2
import sys
import sys
sys.path.append("/apollo/bazel-bin")
import numpy as np
from cyber.python.cyber_py3 import record
from modules.common_msgs.localization_msgs.localization_pb2 import LocalizationEstimate
from pyproj import Transformer
import folium
import webbrowser
from pyproj import Proj, transform

def longitude_to_utm_zone(longitude):
    """
    根据经度计算UTM带号
    :param longitude: 经度，范围 -180 至 180 （单位：度）
    :return: UTM带号，范围1~60
    """
    if not -180 <= longitude <= 180:
        raise ValueError("经度必须在-180到180之间")
    
    zone = int((longitude + 180) / 6) + 1
    if zone > 60:
        zone = 60  # 保证最大不超过60
    
    return zone

def utm_to_wgs84