关于采用GPS数据解析后发布到robot_pose_ekf时报错的问题Covariance specified for measurement on topic gps is zero

**

组合惯导与里程计融合后，发布信息到robot_pose_ekf，报错显示Covariance specified for measurement on topic gps is zero的问题

**
1、解析原始GPS数据，一般提取经纬度、状态，按照sensor_msgs::NavSatFix 格式进行发布
2、robot_pose_ekf里面需要的gps数据格式与此不同，需要进行 GPS坐标与UTM坐标的转换
2.1 消息

gps_common定义了两个通用消息，供GPS驱动程序输出：gps_common/GPSFix和gps_common/GPSStatus。

在大多数情况下，这些消息应同时发布，并带有相同的时间戳。
2.2 utm_odometry_node节点

utm_odometry_node将经纬度坐标转换为UTM坐标。
2.3 订阅的话题

fix (sensor_msgs/NavSatFix)：GPS测量和状态
2.4 发布的话题

odom (nav_msgs/Odometry)：UTM编码的位置

参考原文链接：https://blog.csdn.net/learning_tortosie/article/details/103349907
https://blog.csdn.net/learning_tortosie/article/details/103349907
Github: http://wiki.ros.org/gps_common
3、转换后，robot_pose_ekf订阅gps话题，但是报错Covariance specified for measurement on topic gps is zero，是因为在一开始发布gps消息时候协方差矩阵对角线为0，因此，

方法1：在gps原始数据发布时，加入协方差矩阵

  sensor_msgs::NavSatFix gps_data;
                gps_data.header.stamp = ros::Time::now();
                gps_data.header.frame_id = "gps_link";

                gps_data.status.status= stoi(Status);
                ROS_INFO("gps_data.status.status:%d",gps_data.status.status);
                gps_data.latitude=stof(Lattitude);
                gps_data.longitude=stof(Longitude);
                gps_data.altitude=stof(Altitude);
                gps_data.position_covariance={
                  0.002,0.0,0.0,
                  0.0,0.002,0.0,
                  0.0,0.0,0.002};

方法2 参考
https://blog.csdn.net/skyrim_H/article/details/106636862
将`在这里插入代码片

void OdomEstimationNode::odomCallback(const OdomConstPtr& odom)
{

  *if (odom_covariance_(1,1) == 0.0){
        SymmetricMatrix measNoiseOdom_Cov(6);  measNoiseOdom_Cov = 0;
        measNoiseOdom_Cov(1,1) = pow(0.01221,2);  // = 0.01221 meters / sec
        measNoiseOdom_Cov(2,2) = pow(0.01221,2);  // = 0.01221 meters / sec
        measNoiseOdom_Cov(3,3) = pow(0.01221,2);  // = 0.01221 meters / sec
        measNoiseOdom_Cov(4,4) = pow(0.007175,2);  // = 0.41 degrees / sec
        measNoiseOdom_Cov(5,5) = pow(0.007175,2);  // = 0.41 degrees / sec
        measNoiseOdom_Cov(6,6) = pow(0.007175,2);  // = 0.41 degrees / sec
        odom_covariance_ = measNoiseOdom_Cov;
     }*



  my_filter_.addMeasurement(StampedTransform(odom_meas_.inverse(), odom_stamp_, base_footprint_frame_, "wheelodom"), odom_covariance_);
  
  ```````````````````````
};
`