对于ROS小车底盘地图数据需要知道的点
1.整幅地图处于第三象限

2.坐标值代表距离，单位米。
3.分辨率单位（米/像素）
因此通过地图坐标得到像素坐标的办法：
像素坐标=(实时坐标-初始坐标)/分辨率
实时坐标的获取：
触发条件：定时反馈；300ms一次。
返回的json数据中
pose 车子当前的位置坐标，x,y为x,y轴上的坐标，yaw为航向角。
初始坐标：
触发条件：获得地图数据时反馈获得发送get命令反馈。

返回的json数据中
pose x、y表示机器人实际初始位置坐标,yaw为航向角
resolution 地图分辨率,表演一个像素点间隔表示0.05m
机器人在图片中的像素像素坐标位置为：

下面接着给大家介绍下ROS中的坐标系定义

ROS最常用到的三个坐标系是：map、odom、base_link。

base_link描述的就是机器人当前时刻的位姿，是移动的坐标系。

odom是机器人运动的参考坐标系，是固定不动的（world fixed frame）。坐标系原点设为机器人的运动起始点，那么机器人的位姿是相对于odom来描述的。

map是世界坐标系，是固定不动的（world fixed frame）。可以在机器人所在的环境中随意指定一个点作为世界坐标系原点，规定其具体的朝向，那么分布在不同地方的所有的机器人和其他设备（包括激光雷达、相机等等）的坐标都可以统一到这个坐标系下。map可以和odom重合，也可以不重合，取决于实际需要。通过map和odom之间的变换，可以得到机器人相对于世界坐标系的位姿。

REP105提到：

The map frame is not continuous, meaning the pose of a mobile platform in the map frame can change in discrete jumps at any time.
In a typical setup, a localization component constantly re-computes the robot pose in the map frame based on sensor observations, therefore eliminating drift, but causing discrete jumps when new sensor information arrives.

这里指的应该是SLAM中的回环检测在发现回环后，通过非线性优化消除视觉里程计的累积误差时，可能会顺带着把机器人的起始位姿给优化了，比如机器人在世界坐标系中的初始坐标是(1,2,3)，优化后变成（1.1,2.2,3.3），而机器人起始位姿和世界坐标系之间的关系是固定的，那么世界坐标系也会随着跳到一个新的位置，这就是文中说到的“discrete jumps”。这有两个解决方案：

优化时保持第一个位姿固定优化所有位姿，但是要对优化后的所有位姿做一个变换，使得第一个位姿恢复原样。

注意在odom下表达的位姿没有上述问题，因为不管怎么优化，总是设置机器人起始位置在odom坐标系下就是(0,0,0)，后面的位姿也都是相对于这个来计算，因此odom坐标系本身不会跳变。

REP（ROS Enhancement Proposal）第103条款推荐坐标系的x轴指向前方，y轴指向左方，z轴指向上方。这和相机坐标系有所区别，通常是x轴指向右方，y轴指向下方，z轴指向前方