报文结构

有问题的电报记录在Telegram Listing参考文件中，从第97-115页开始。
电报由空格分隔的令牌组成，数字通常是十六进制的。首先，有一个可以称为报头的18个令牌。我已经简要地注解了您的示例中的报头：

Command type           sRA
Command                LMDscandata
Version                0
Device number          1
Serial number          151FDC8
Device status          0 0
Telegram counter       EC4B
Scan counter           EDD5
Time since startup     85BF655E
Time of transmit       85BF9621
Digital inputs         0 0
Digital outputs        3E 0
Reserved/layer angle   0
Scanning frequency     2710          (100 Hz)
Measurement frequency  21C           (54 kHz)

接下来是报文的可变部分，由8个部分组成。每个部分以计数标记开始，表示该部分由多少个数据块（如果有的话）组成。当传感器未配置为提供特定类型的数据时，计数将为0，紧接着是下一个部分。

# of encoder blocks         0
[<encoder info>]
# of 16-bit channel blocks  1
[<channel blocks>]
# of 8-bit channel blocks   0
[<channel blocks>]
Position                    0
[<position info>]
Device name                 0
[<name text>]
Comment                     0
[<comment text>]
Time                        0
[<timestamp>]
Events                      0 
[<event info>]

在您的情况下，情况很简单，因为只有1个16位通道数据块。该块的布局为：

Content                 DIST1     (Distance values of first pulse)
Scaling factor          3F800000  (1x)
Scale factor offset     00000000
Start angle             4A0E5     (30.3333 deg)
Angular step size       1A0B      (0.6667 deg)
Value count             B5        (181)
Data                    305 ... DC6

解析报文

有了这些，我们可以为您的特定传感器配置提供一个基本的解析器：

• 使用空格作为分隔符，将电报字符串拆分为令牌。
• 检查它是否是预期的命令类型和命令
• 检查是否有0个编码器有效负载块
• 检查是否正好有1个16位通道块
• 检查它是否为“DIST 1”块
• 确定使用的比例因子（1x或2x）
• 解析起始Angular 和Angular 步长，并将它们缩放到度
• 解析值计数
• 抓取适当数量的值标记，丢弃其余的**解析每个值，并按比例因子缩放
• 计算每个测量值对应的Angular （start_angle + step * n）

在普通Python中的一个粗略实现可能看起来像这样：

def parse_telegram(telegram):
    tokens = telegram.split(' ')
    assert(len(tokens) > (18 + 8)) # Minimum valid length
    header = tokens[:18]
    assert(header[0] == 'sRA') # Correct command type
    assert(header[1] == 'LMDscandata') # Correct command
    sections = tokens[18:]
    assert(int(sections[0]) == 0) # No encoder data
    assert(int(sections[1]) == 1) # Exactly 1 16-bit channel block
    assert(sections[2] == 'DIST1') # Expected distance data
    assert(sections[3] in ['3F800000', '40000000'])
    scale_factor = 1 if sections[3] == '3F800000' else 2
    assert(sections[4] == '00000000')
    start_angle = int(sections[5], 16) / 10000.0
    angle_step = int(sections[6], 16) / 10000.0
    value_count = int(sections[7], 16)
    values = list(map(lambda x: int(x, 16) * scale_factor, sections[8:8+value_count]))
    # The following could be cached to avoid recalculation
    # since it will be the same until sensor config is changed...
    angles = [start_angle + angle_step * n for n in range(value_count)]
    return (values, angles)

该函数返回一个由两个列表组成的元组--第一个包含距离，第二个包含相应的波束Angular 。我们可以使用matplotlib在极坐标图上绘制这个结果，看看它是否有意义：

Polar转Cartesian

将极坐标转换为笛卡尔坐标只需要应用一些基本的三角函数：
x = r × cos（θ）
y = r × sin（θ）
在普通Python中：

def to_cartesian(distances, angles):
    x = list(map(lambda r, t: r * math.cos(math.radians(t)), distances, angles))
    y = list(map(lambda r, t: r * math.sin(math.radians(t)), distances, angles))
    return (x, y)

再次，快速绘图以检查结果是否有意义：