5.5.4 数据可视化

Foxglove 可视化

使用 Foxglove Studio 对机器人话题数据进行实时可视化。

机器人端运行 foxglove_bridge，将话题数据通过 WebSocket 发布；上位机（PC）运行 Foxglove 客户端订阅并可视化。两者需处于同一网络中。

安装 Foxglove

上位机安装 Foxglove 桌面版或使用网页版，均可用任意账号登录：

桌面版：https://foxglove.dev/download
网页版：https://app.foxglove.dev

备注

使用网页版连接机器人（ws:// 明文连接）时，浏览器可能因安全策略拦截而无法连接；此时在网页右上角选择启用不安全脚本即可。

启动 foxglove_bridge

在开发计算单元（PC2，10.0.1.41）启动 foxglove_bridge（环境中已预装）：

# source 环境变量
source /opt/ros/humble/setup.bash
source ~/aimdk/install/setup.bash

# 启动 foxglove_bridge（默认配置文件）
ros2 launch foxglove_bridge foxglove_bridge_launch.xml

连接到机器人

在上位机的 Foxglove 桌面版 / 网页版中进入控制台，选择 打开连接。

选择 Foxglove WebSocket 协议（可连接 ROS 1、ROS 2 或自定义系统），将默认地址 ws://localhost:8765 中的 localhost 替换为目标机器 IP，点击打开建立连接。

添加面板

完成连接后，在右上角选择添加面板，根据目标 topic 选择相应面板——例如雷达点云选3D面板，TF 关系选变换树。

话题设置

单击对应面板，即可在左侧选择可视化所需的 topic、参考系等面板配置。

导入布局

除手动添加面板外，也可以直接导入预设布局（URDF 显示仅限桌面版）。在 Foxglove 右上角点击布局图标：

导入下面的配置文件（使用前需将配置文件中的 $URDF_DIR 改为本地 urdf 实际路径）：foxglove_layout.json

foxglove_layout.json（点击展开查看）

{
  "configById": {
    "Image!3uaqfl": {
      "cameraState": {
        "distance": 20,
        "perspective": true,
        "phi": 60,
        "target": [
          0,
          0,
          0
        ],
        "targetOffset": [
          0,
          0,
          0
        ],
        "targetOrientation": [
          0,
          0,
          0,
          1
        ],
        "thetaOffset": 60,
        "fovy": 45,
        "near": 0.5,
        "far": 5000
      },
      "followMode": "follow-pose",
      "scene": {},
      "transforms": {},
      "topics": {},
      "layers": {},
      "publish": {
        "type": "point",
        "poseTopic": "/move_base_simple/goal",
        "pointTopic": "/clicked_point",
        "poseEstimateTopic": "/initialpose",
        "poseEstimateXDeviation": 0.5,
        "poseEstimateYDeviation": 0.5,
        "poseEstimateThetaDeviation": 0.26179939
      },
      "synchronize": false,
      "imageMode": {
        "imageTopic": "/aima/hal/sensor/rgb_head_front_center/rgb_image/compressed",
        "calibrationTopic": "/aima/hal/sensor/rgb_head_front_center/camera_info"
      }
    },
    "TransformTree!1x6xlz3": {},
    "3D!4h2shil": {
      "cameraState": {
        "distance": 7.169718448166827,
        "perspective": true,
        "phi": 51.81818181819366,
        "target": [
          0,
          0,
          0
        ],
        "targetOffset": [
          1.925555282550379,
          -0.29000302203140244,
          -3.7627255213825705e-17
        ],
        "targetOrientation": [
          0,
          0,
          0,
          1
        ],
        "thetaOffset": 111.27272727272965,
        "fovy": 45,
        "near": 0.5,
        "far": 5000
      },
      "followMode": "follow-pose",
      "scene": {
        "transforms": {
          "visible": false
        },
        "ignoreColladaUpAxis": true,
        "meshUpAxis": "z_up"
      },
      "transforms": {},
      "topics": {
        "/aima/hal/sensor/lidar_chest_front/lidar_pointcloud": {
          "visible": true,
          "colorField": "intensity",
          "colorMode": "colormap",
          "colorMap": "turbo"
        },
        "/perception/debug/obstacle_cluster": {
          "visible": false
        },
        "/aima/hal/sensor/rgb_head_rear/camera_info": {
          "visible": false
        },
        "/aima/hal/sensor/rgb_head_front_center/rgb_image/compressed": {
          "visible": false,
          "cameraInfoTopic": "/aima/hal/sensor/rgb_head_front_center/camera_info"
        }
      },
      "layers": {
        "grid": {
          "visible": true,
          "drawBehind": false,
          "instanceId": "d3834cc3-4c3e-40a9-8929-a318e6037634",
          "layerId": "foxglove.Grid",
          "size": 10,
          "divisions": 10,
          "lineWidth": 1,
          "color": "#248eff",
          "position": [
            0,
            0,
            0
          ],
          "rotation": [
            0,
            0,
            0
          ]
        },
        "44530a1b-44f8-4bf8-beb2-0a9e2df95e96": {
          "controlMode": "transforms",
          "jointStatesTopic": "",
          "displayMode": "auto",
          "fallbackColor": "#ffffff",
          "showAxis": false,
          "axisScale": 1,
          "showOutlines": true,
          "opacity": 1,
          "visible": true,
          "instanceId": "44530a1b-44f8-4bf8-beb2-0a9e2df95e96",
          "layerId": "foxglove.Urdf",
          "label": "URDF",
          "sourceType": "filePath",
          "url": "",
          "filePath": "$URDF_DIR/x2_ultra.urdf",
          "parameter": "",
          "topic": "",
          "framePrefix": "",
          "order": 1
        }
      },
      "publish": {
        "type": "point",
        "poseTopic": "/move_base_simple/goal",
        "pointTopic": "/clicked_point",
        "poseEstimateTopic": "/initialpose",
        "poseEstimateXDeviation": 0.5,
        "poseEstimateYDeviation": 0.5,
        "poseEstimateThetaDeviation": 0.26179939
      },
      "synchronize": false,
      "imageMode": {},
      "followTf": "base_link"
    }
  },
  "globalVariables": {
    "globalVariable": 3
  },
  "userNodes": {},
  "playbackConfig": {
    "speed": 1
  },
  "layout": {
    "direction": "row",
    "first": {
      "first": "Image!3uaqfl",
      "second": "TransformTree!1x6xlz3",
      "direction": "column"
    },
    "second": "3D!4h2shil"
  }
}

该布局同时显示雷达点云、URDF、交互相机、TF 实时数据：

更多配置可参考 Foxglove 官方文档。

建图与重定位

高程图、动态障碍物等感知话题依赖建图与重定位就绪。前置条件：

机器人为稳定站立模式
以下 app 已启动（通常随系统自动启动，可通过 ros2 node list 确认）：
- slam —— 建图与重定位
- map_manager —— 地图管理
- perception —— 感知
- pnc —— 规划与控制
- auto_integrated —— 导航集成

警告

请勿进入开发者模式中的自主开发模式，否则上述 app 可能不会自动启动，导致感知话题无数据。

若前置未就绪，相关话题将无数据发布。可通过以下方式确认：

# 检查节点是否启动
ros2 node list | grep -E "slam|perception|pnc"

# 检查话题是否有数据（应有持续输出）
ros2 topic hz /perception/grid_map

感知可视化话题说明

话题名称	数据类型	描述	QoS	频率
`/perception/debug/left_fisheye_detection_viz`	`sensor_msgs/Image`	左目图像实例分割可视化结果（调试用，理解机器人识别到了什么）	`RELIABLE`+`VOLATILE`	10Hz
`/perception/debug/obstacle_semantic`	`sensor_msgs/PointCloud2`	语义点云（避障输入，区分可通行/障碍/行人）	`RELIABLE`+`VOLATILE`	10Hz
`/perception/grid_map`	`grid_map_msgs/GridMap`	高程图（地形可通行性，判断台阶/坑/斜坡）	`RELIABLE`+`VOLATILE`	10Hz
`/perception/debug/obstacle_polygon`	`visualization_msgs/MarkerArray`	动态障碍物（动态避障，追踪移动的人/物）	`RELIABLE`+`VOLATILE`	10Hz

所有话题 QoS 详细配置：history=keep_last, depth=10, reliability=reliable, durability=volatile

坐标系说明

机器人各部件坐标系遵循 ROS 标准的 FLU 约定（X 轴向前、Y 轴向左、Z 轴向上），详见坐标系。本章话题涉及两个关键坐标系：

坐标系	含义	特点
`map`	全局世界坐标系，由 SLAM 建图时确定	固定不动，Z 轴朝上，X/Y 在水平面；高程图、动态障碍物使用此坐标系
`gravity_aligned_base_link`	机器人本体坐标系（重力对齐）	随机器人移动而平移、转向而旋转；X 轴指向机器人正前方，Y 轴指向左侧，Z 轴指向上方；语义点云使用此坐标系

两者的关系：map 是固定的世界参考系，gravity_aligned_base_link 随机器人运动。机器人在 map 中的位置和朝向，通过 TF 变换 map → gravity_aligned_base_link 查询，例如：

# 查询机器人在全局地图中的位姿（平移=位置，旋转=朝向）
ros2 run tf2_ros tf2_echo map gravity_aligned_base_link

对可视化数据的影响：

高程图、动态障碍物等话题的坐标值是相对 map 的，方向固定于世界，不随机器人转向而变。
语义点云的坐标值是相对 gravity_aligned_base_link 的，随机器人转向而变化（X 轴始终指向机器人正前方）。
若需在两个坐标系间转换坐标，使用 TF（tf2_ros / tf2_geometry_msgs）。

图像实例分割可视化结果

绘制了左目图像的实例分割结果，包含类别名称、置信度、边界框、分割图等可视化信息。

语义点云

当前传感器 FOV 内的点云，frame_id 为 gravity_aligned_base_link（机器人本体坐标系，X 轴指向正前方，见上方坐标系说明）。使用颜色区分不同语义，各类别颜色（BGR）如下：

语义类别	BGR	颜色
可通行区域	`[237, 177, 32]`	蓝色
静态障碍物	`[126, 47, 142]`	紫色
行人	`[119, 172, 48]`	绿色

颜色值存储在 PointCloud2 的 rgb 字段中（float32 位域打包为 uint32，格式为 0x00RRGGBB），解包方式参考 ROS2 sensor_msgs_py/point_cloud2.py。

高程图

基于当前传感器输入生成的栅格高程图，frame_id 为 map（坐标系原点与方向固定，见上方坐标系说明），分辨率 0.05m，尺寸 8m×8m（160×160 栅格）。地图是一个跟随机器人移动的滑动窗口：每帧将窗口中心对准机器人位置（info.pose.position 即机器人在 map 下的位置），机器人始终位于图中心，实际覆盖范围为机器人周围约 ±4m；超出窗口的旧栅格数据会被丢弃。需要注意的是，平移的是地图窗口（可见范围），而非坐标系本身——各栅格的坐标值始终是 map 绝对坐标，不随机器人移动而变化。包含三个层：

层名	数据类型	内容
`elevation_map`	`float`	栅格高度值（`map` 坐标系下的 z，单位 m），由传感器点云逐帧融合；未观测栅格为 `NaN`
`variance_map`	`float`	高程方差，反映该栅格高度估计的不确定度；未观测为 `NaN`
`semantic_map`	`float`	语义类型，取 `SemanticType` 枚举值：可通行区域=`1`，静态障碍物=`2`，行人=`3`，其他障碍物=`4`；未观测为 `NaN`

每个栅格的语义由多帧观测累积得到：新观测会更新该栅格的语义置信度，长时间未观测的栅格置信度会逐渐降低。消息解析使用 GridMapRosConverter::fromMessage，参考 grid_map_ros 官方文档。

动态障碍物

每个障碍物对应 4 个 marker，按命名空间（ns）与类型（type）区分：

marker 命名空间（`ns`）	类型（`type`）	内容
`cylinder`	`CYLINDER`（3）	障碍物中心点位置，保存在 `marker.pose.position`
`arrow`	`ARROW`（0）	障碍物速度：方向保存在 `marker.pose.orientation`，速率大小保存在 `marker.scale.x`
`text`	`TEXT_VIEW_FACING`（9）	障碍物 ID 与速率大小，保存在 `marker.text`
`polygon`	`LINE_STRIP`（4）	二维包围多边形顶点，保存在 `marker.points`（末尾重复首顶点以闭合）

每个障碍物的 4 个 marker 共享同一种颜色，颜色按障碍物 ID 自动分配，与语义点云按类型着色的方式不同。

每条 MarkerArray 消息的 markers 数组按以下顺序构造：

先追加 4 个 action = DELETEALL（3）的 marker，分属上述 4 个命名空间，清空上一帧画面
再为每个障碍物依次追加 4 个 action = ADD（0）的 marker（cylinder → arrow → text → polygon）重绘当前帧

因此每条消息自包含完整画面，订阅者直接使用最新一帧替换即可，无需跨帧累积；话题以 10Hz 整帧刷新。所有 marker 的 header.frame_id 为 map（全局世界坐标系，见上方坐标系说明），header.stamp 为当前帧时间戳。与高程图不同，动态障碍物的坐标是 map 绝对坐标，不随机器人移动而平移或裁剪——只要传感器观测到的障碍物都会在 map 中标出，机器人位置不编码在消息中（需通过 TF 查询）。

图中细圆柱表示障碍物中心点（cylinder marker），外圈多边形表示障碍物轮廓（polygon marker）。

RSView 可视化

RSView 是 RoboSense 提供的激光雷达数据可视化工具，可实时显示 E1R 点云数据，也支持从 .pcap 文件离线回放。

软件功能

通过以太网实时显示数据
将实时数据记录保存为 PCAP 文件
从记录的 PCAP 文件中回放（不支持 .pcapng 格式）
多种可视化模式：距离、时间、水平角度、反射强度、激光线束序号等
用表格显示点的数据
将点云数据导出为 CSV 格式文件
测量距离工具
将回放数据的连续多帧同时显示
裁剪显示

安装 RSView

RSView 支持在 Windows 64 位、Ubuntu 18.04 及以上操作系统上运行。

从 RoboSense 官网下载最新版本：https://www.robosense.cn/resources-160

软件无需安装，解压后运行可执行文件即可使用。解压路径请勿出现中文字符。

在线模式

注意

在集成的 X2 机器人上，RSView 在线模式不可用——请改用 Foxglove / RViz 实时查看点云。原因有二：

单播：机器人上的 E1R 点云为单播，只发往机器人本机（如 10.11.1.1），同网段的其他电脑收不到这份数据；
端口被占：MSOP / DIFOP 端口（6699 / 7788）已被机器人 HAL 驱动独占，RSView 无法再 bind。

实时查看点云的正确方式：HAL 驱动已把雷达 UDP 实时转成 ROS topic，直接在 Foxglove 3D 面板（或 RViz）订阅即可——同源数据、同样实时、零改动、不打断机器人：

/aima/hal/sensor/lidar_chest_front/lidar_pointcloud   # sensor_msgs/PointCloud2

用法见上文「Foxglove 可视化」的添加面板 / 导入布局。若只想离线分析录制数据，见下文「离线回放（pcap 文件）」。

离线回放

通过 dumpcap 指定雷达网口抓包：

dumpcap -i sensor0 -f "udp port 6699 or udp port 7788" \
    -w ~/lidar_capture.pcap

在 RSView 中选择左上角 File → Open PCAP File，选择已录制的 .pcap 文件，并且选择对应的sensor type进行回放。

RViz 可视化

RViz 通过 DDS 直接订阅机器人话题，可实时观测机器人模型、运动行为、TF、雷达点云、地图等信息。

注意

RViz 依赖 DDS 网络直连，目前仅支持有线直连方式（无法跨 VPN / 无线），网口配置详见网络连接。

按网络连接完成有线直连、并设 ROS_DOMAIN_ID 与机器人一致后，启动 RViz2 即可：

source /opt/ros/humble/setup.bash
rviz2

TF、雷达点云、地图、运动行为等均通过 DDS 直接订阅，无需额外发布。当想查看 URDF（机器人模型）时，需另开一个终端发布 robot_description：

source install/local_setup.bash
ros2 run robot_state_publisher robot_state_publisher \
    --ros-args -p robot_description:="$(
      sed "s#filename=\"\\./meshes/#filename=\"file://$URDF_DIR/meshes/#g" \
      "$URDF_DIR/x2_ultra.urdf"
    )"  # $URDF_DIR 换成 urdf 文件实际路径

系统状态、日志、通信可视化

机器人调试 TUI 工具。SSH 友好，不需要图形界面。一个统一菜单驱动的 Textual app，把开发现场最常看的几类信息聚到一起，不依赖 rviz / Foxglove，纯终端可用。

主要功能

系统状态仪表盘（dash）

五格实时面板，集中展示五大子系统状态：
- MC Action：当前运动行为（如 STAND_DEFAULT / LOCOMOTION_DEFAULT）及运行/切换状态
- System：SystemState 业务状态（如 IN_READY / IN_MOVE）
- Faults / HDS：活跃诊断码、告警码、post-proc 信号计数及最近一条码
- PMU / Battery：PMU 温度、Orin 电压电流、电池容量、错误位
- Orin：Jetson Orin CPU/GPU/MEM/温度，由独立 orin-monitor 进程发布
日志聚合（logs）

将多路日志统一到一个 TUI 页面，支持实时查看、历史查询和过滤：
- ROS2 节点日志：~/.ros/log/<latest_session>/（默认源，可 --no-ros 跳过）
- 其他日志文件：--add-path FILE 添加
- 可选订阅：/rosout（--rosout，仅实时模式）
- 自动解析多种时间戳格式并统一时区
- 支持 --since 10m、"yesterday 18:00"、绝对时间等查询方式
- 支持过滤 DSL，如 level>=WARN node~=slam connect
通信可视化（comm）

展示当前 ROS graph 中的 topic / service；默认过滤隐藏 topic，行为与 ros2 topic list 一致。支持对选中 topic 按需测频，启动时零订阅负载，QoS 自动匹配发布者。
故障 / HDS（faults）

健康诊断系统专屏：
- Live：实时展示 Diag / Alert / PostProc 三类数据
- History：通过 GetHdsEventHistory 查询历史故障，支持按时间窗、状态、诊断码过滤和分页
Orin 监控发布器（orin-monitor）

独立 ROS2 节点，采集 Jetson Orin 的 CPU/GPU/MEM/温度等资源信息，并以 diagnostic_msgs/DiagnosticArray 发布到 /orin/stats。采集基于 psutil + tegrastats ，可供 dash、bag 记录或其他节点订阅。

统一入口：ros2 run robotop robotop 不带参数进菜单，方向键选屏，Enter 进入，子屏 q 回菜单，菜单 q 退出，Ctrl+C 任意位置强退。也可以走直接子命令：robotop dash / robotop logs --since 1h 等。

安装

依赖工作区已包含 aimdk_msgs、rclpy、diagnostic_msgs。运行时 Python 包装在用户目录：

pip3 install --user typer textual dateparser

构建：

cd ~/aimdk
colcon build --packages-select robotop
source ~/aimdk/install/setup.bash

注意：dash 的 Orin 卡片需要独立的 orin_monitor_node 后台发布 /orin/stats，否则会显示 stale：
ros2 run robotop orin_monitor_node

命令总览

命令	功能
`robotop` 或 `robotop menu`	顶层菜单，统一入口
`robotop dash`	系统状态面板（MC / System / Faults / PMU / Orin）
`robotop logs`	聚合 ROS / app 日志，实时或历史
`robotop comm`	topic/service 列表 + 按需测频
`robotop faults`	HDS 诊断/告警实时表；`--history` 走 GetHdsEventHistory
`robotop orin-monitor`	发布 `/orin/stats`（`diagnostic_msgs/DiagnosticArray`）

ros2 run robotop robotop                          # 进菜单（推荐）
ros2 run robotop robotop <subcmd> [options]       # 直接进某屏
ros2 run robotop orin_monitor_node                # 独立 node，适合 systemd

dash — 系统状态

ros2 run robotop robotop dash

五个卡片：

卡片	数据来源	说明
MC Action	`/aimdk_5Fmsgs/srv/GetMcAction`	当前 MC 模式 + 状态（RUNNING / TRANSITION / IDLE）
System	`/aimdk_5Fmsgs/srv/GetSystemState`	业务状态名（IN_READY / IN_MOVE 等）
Faults / HDS	`/aima/hds/{diag_code_list,alert_code_list,post_proc/signal}`	活跃 diag/alert 数 + 最近一条码
PMU / Battery	`/aima/hal/pmu/state`	PMU 温度、电压电流、电池容量、错误位
Orin	`/orin/stats`	需先启 orin_monitor_node

键位：q 回菜单，r 立即刷新，Ctrl+C 强退。卡片显示 [stale] 表示对应数据源没接通。

logs — 日志聚合

实时（默认）

ros2 run robotop robotop logs --follow
ros2 run robotop robotop logs -f --rosout                          # 加 /rosout 订阅
ros2 run robotop robotop logs -f --add-path ~/.aima/log/aima.log   # 加入 AIMA 日志
ros2 run robotop robotop logs -f --no-ros                          # 跳过 ROS session 日志源

默认源：最新 ROS session 的最新 .log 文件（~/.ros/log/<latest_session>/<最新>.log）。AIMA、AIMRT 等其他日志需用 --add-path 显式加入。

历史查询

ros2 run robotop robotop logs --since 1h
ros2 run robotop robotop logs --since 7d --level WARN
ros2 run robotop robotop logs --since "2026-06-04 14:00" --until "2026-06-04 16:00"
ros2 run robotop robotop logs --since 30m --grep "fall"

--since / --until 支持：相对（30s / 10m / 1h / 2d）、now、自然语言（"yesterday 18:00"）、绝对时间（"2026-06-04 14:00"）。

TUI 键位

键	动作
`/`	进顶部过滤输入框
`Esc`	退出过滤框回 log 区
`Enter`	应用当前过滤
`Ctrl+L`	清屏
`q`	退出

过滤 DSL：顶部输入框，空格分隔，全部命中才显示。

表达	含义
`error connect`	消息同时含 “error” 和 “connect”（大小写不敏感）
`level=ERROR`	等级正好等于 ERROR
`level>=WARN`	WARN 及以上（DEBUG < INFO < WARN < ERROR < FATAL）
`node~=slam`	来源含 “slam”
`source~=aima`	同上（`node~=` 的别名）

faults — HDS 故障

Live（默认）

ros2 run robotop robotop faults

三个 tab 分别对应：Diag（/aima/hds/diag_code_list）、Alert（/aima/hds/alert_code_list）、PostProc（/aima/hds/post_proc/signal）。

History

ros2 run robotop robotop faults --history --since 1h
ros2 run robotop robotop faults --history --since 1d --state active
ros2 run robotop robotop faults --history --diag-code 0x6300000001
ros2 run robotop robotop faults --history --alert-code battery_low --asc

参数	含义
`--since` / `--until`	时间窗，同 logs 解析规则
`--state all/active/recovered`	状态过滤
`--diag-code N`	按诊断码过滤（可重复）
`--alert-code STR`	按告警字符串过滤（可重复）
`--limit N`	最多返回条数（默认 200）
`--asc`	时间正序（默认倒序）

comm — 通信可视化

ros2 run robotop robotop comm                    # 默认与 ros2 topic list 一致
ros2 run robotop robotop comm --include-hidden   # 显示所有，含 _* 隐藏路径

两个 tab：Topics（列 M / topic / type / pub / sub / hz / count）和 Services（列 service / type）。

键	动作
`m`	toggle 测频：开始 subscribe + 计数 / 停止并销毁订阅
`M`	一键停掉所有正在测频的 topic
`/`	进顶部过滤栏（子串匹配 name 或 type）
`Esc`	退出过滤回表格
`r`	立即重新枚举
`q`	退出

orin-monitor — Orin 资源 publisher

ros2 run robotop orin_monitor_node               # 1 Hz，默认
ros2 run robotop orin_monitor_node --rate 2      # 2 Hz

采集基于 psutil + tegrastats。发布到 /orin/stats，类型 diagnostic_msgs/msg/DiagnosticArray。Key 包含：cpu_pct_avg、cpu_cores、cpu_pct_core_0..N、gpu_pct、mem_used_mb、mem_total_mb、mem_pct、temp_cpu、temp_gpu、temp_thermal、power_total_mw。

持久化运行（tmux）：

tmux new -d -s orin 'source /opt/ros/humble/setup.bash && source ~/aimdk/install/setup.bash && ros2 run robotop orin_monitor_node'
# 看输出：tmux attach -t orin  （Ctrl-b d 退出 attach，不杀进程）
# 停掉：tmux kill-session -t orin