Python中基于Odometry时间戳同步Range Sensor数据的实现方案问询

核心思路 #

借助Pandas的索引重排与插值能力，将低频率测距传感器数据的时间轴对齐到高频率里程计的时间轴上，通过插值补全缺失的测距值，完成两路传感器数据的同步匹配。

步骤实现 #

1. 预处理时间戳格式 #

先清理时间戳中的逗号，转换为可计算的浮点型数值：

# 处理里程计时间戳
odometry_data['timestamp'] = odometry_data['timestamp'].str.replace(',', '').astype(float)
# 处理测距传感器时间戳
ranges_data['timestamp'] = ranges_data['timestamp'].str.replace(',', '').astype(float)

2. 设置时间戳为索引 #

将两个DataFrame的索引设为时间戳，为后续对齐和插值操作做准备：

odometry_data = odometry_data.set_index('timestamp')
ranges_data = ranges_data.set_index('timestamp')

3. 插值对齐测距数据 #

通过reindex将测距数据的索引替换为里程计的索引，再用interpolate完成缺失值的线性插值，同时处理首尾边界的缺失情况：

# 对齐到里程计时间轴并插值
interpolated_ranges = ranges_data.reindex(odometry_data.index).interpolate(
    method='linear',  # 线性插值适配连续变化的传感器数据
    limit_direction='both'  # 双向插值，覆盖首尾超出测距数据时间范围的情况
)

4. 合并得到同步数据 #

将插值后的测距数据与原始里程计数据合并：

# 合并两路数据
synced_data = odometry_data.join(interpolated_ranges)
# 可选：重置索引，将timestamp恢复为普通列
synced_data = synced_data.reset_index()

参数说明 #

• method='linear'：线性插值是传感器数据同步的常用方案，假设数据在采样点间呈线性变化，计算高效且符合多数场景需求；若需更平滑的结果，可替换为'spline'（样条插值）或'nearest'（最近邻插值）。
• limit_direction='both'：默认仅对中间缺失值插值，设置为both后会对首尾超出测距数据时间范围的里程计时间戳进行外插；若不想外插，可改为'nearest'直接取最近的已知测距值。

内容的提问来源于stack exchange，提问作者TantrixRobotBoy