Week 6：传感器介绍与 ROS2 KITTI 实验

本周学习机器人常见传感器和数据格式，包括激光雷达、相机图像、点云和自动驾驶数据集。课程通过 ROS2 与 KITTI 相关示例，让我理解机器人不仅需要运动控制，也需要从传感器中获取环境信息。

学习目标

• 了解激光雷达 LaserScan 数据的基本含义。
• 了解相机图像在机器人感知中的作用。
• 理解传感器数据通常通过 ROS2 topic 发布和订阅。
• 认识 KITTI 数据集在自动驾驶和机器人视觉研究中的用途。

代码说明

week6_sensor_summary.py 是一个小型传感器数据统计脚本。它模拟对激光雷达距离数组进行过滤，并输出有效数据数量、最小距离和最大距离。

运行方式：

python3 week6_sensor_summary.py

示例输出：

{'count': 4, 'min': 0.9, 'max': 2.4}

运行截图

课程内容摘要

本周围绕传感器与闭环控制展开。机器人如果只有预设速度，就只能开环运动；加入传感器反馈后，程序可以根据环境状态调整动作，例如发现障碍物后减速、转向或重新规划。课程中的 KITTI/传感器主题让我认识到图像、雷达、位姿等数据并不是孤立文件，而是控制逻辑的输入。作业中的脚本用于整理传感器实验理解，截图展示运行或资料整理结果，演示视频则把本周实验证据集中呈现，方便后续回看。

学习总结

通过 Week 6，我认识到传感器数据是机器人理解世界的基础。激光雷达可以提供周围障碍物距离，相机可以提供颜色、纹理和目标信息，而这些数据都需要通过程序进行解析和处理。后续 Week 10 的 OpenCV 实验和 Week 12 的手机摄像头测距，都建立在本周对传感器数据的初步认识之上。