ROS2 学习（二）工作空间，节点

工作空间介绍

workspace 是存放整个项目的大目录。

其中包含：

src：源码。

build：编译文件。

install：安装空间，存放编译成功后的目标文件。

log：日志。

我们新建一个工作空间目录，其中包含 src 目录，git clone https://gitee.com/guyuehome/ros2_21_tutorials.git 到 src 目录中。

在工作目录中安装依赖（通过 rosdepc），编译工作空间，设置环境变量。

代码功能包可以通过 ros 的 pkg create 功能创建。在 src 文件夹下执行：

$ ros2 pkg create --build-type ament_cmake learning_pkg_c
$ ros2 pkg create --build-type ament_python learning_pkg_python

C 功能包中包含 package.xml 和 CMakeLists.txt。package.xml 包含包基本信息和所需依赖，CMakeLists.txt 指明如何编译。

Python 功能包中包含 package.xml 和 Setup.cfg/Setup.py，Setup.py 中包含一些程序配置，入口节点等。

https://docs.ros.org/en/humble/Tutorials/Workspace/Creating-A-Workspace.html
https://docs.ros.org/en/humble/Tutorials/Creating-Your-First-ROS2-Package.html

节点

节点是机器人的基本单元，独立执行具体任务。他们可以是不同编程语言，运行在不同位置（云端，本地……）

Helloworld 案例

目标：隔0.5s输出一次 helloworld.

在 learning_node/learning_node/node_helloworld .py 案例中可以看到：

#!/usr/bin/env python3 
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2节点示例-发布“Hello World”日志信息, 使用面向过程的实现方式
"""import rclpy                                     # ROS2 Python接口库
from rclpy.node import Node                      # ROS2 节点类
import timedef main(args=None):                             # ROS2节点主入口main函数rclpy.init(args=args)                        # ROS2 Python接口初始化node = Node("node_helloworld")               # 创建ROS2节点对象并进行初始化while rclpy.ok():                            # ROS2系统是否正常运行node.get_logger().info("Hello World")    # ROS2日志输出time.sleep(0.5)                          # 休眠控制循环时间node.destroy_node()                          # 销毁节点对象    rclpy.shutdown()                             # 关闭ROS2 Python接口

rclpy：系统。

node：节点。

前面的部分都是固定的， import 包，定义 main 函数，初始化接口。

然后在 learning_node/setup.py 中：

from setuptools import setuppackage_name = 'learning_node'setup(name=package_name,version='0.0.0',packages=[package_name],data_files=[('share/ament_index/resource_index/packages',['resource/' + package_name]),('share/' + package_name, ['package.xml']),],install_requires=['setuptools'],zip_safe=True,maintainer='Hu Chunxu',maintainer_email='huchunxu@guyuehome.com',description='TODO: Package description',license='TODO: License declaration',tests_require=['pytest'],entry_points={'console_scripts': ['node_helloworld       = learning_node.node_helloworld:main','node_helloworld_class = learning_node.node_helloworld_class:main','node_object            = learning_node.node_object:main','node_object_webcam     = learning_node.node_object_webcam:main',],},
)

entry_points 入口点中包含了对应要编译的文件，才可以被 ros run 中找到 learning_node 功能包以及其中的程序，程序中的入口函数。

另一种编程方式（更推荐）是面向节点对象的编程方式。在 node_helloworld_class.py 中：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2节点示例-发布“Hello World”日志信息, 使用面向对象的实现方式
"""import rclpy                                     # ROS2 Python接口库
from rclpy.node import Node                      # ROS2 节点类
import time"""
创建一个HelloWorld节点, 初始化时输出“hello world”日志
"""
class HelloWorldNode(Node):def __init__(self, name):super().__init__(name)                       # ROS2节点父类初始化while rclpy.ok():                            # ROS2系统是否正常运行self.get_logger().info("Hello World")    # ROS2日志输出time.sleep(0.5)                          # 休眠控制循环时间def main(args=None):                                 # ROS2节点主入口main函数rclpy.init(args=args)                            # ROS2 Python接口初始化node = HelloWorldNode("node_helloworld_class")   # 创建ROS2节点对象并进行初始化node.destroy_node()                              # 销毁节点对象rclpy.shutdown()                                 # 关闭ROS2 Python接口

物品识别

识别图片中的红苹果。

#!/usr/bin/env python3 
# -*- coding: utf-8 -*-"""
@作者: 古月居(www.guyuehome.com)
@说明: ROS2节点示例-通过颜色识别检测图片中出现的苹果
"""import rclpy                            # ROS2 Python接口库
from rclpy.node import Node             # ROS2 节点类import cv2                              # OpenCV图像处理库
import numpy as np                      # Python数值计算库lower_red = np.array([0, 90, 128])     # 红色的HSV阈值下限
upper_red = np.array([180, 255, 255])  # 红色的HSV阈值上限def object_detect(image):hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)                               # 图像从BGR颜色模型转换为HSV模型mask_red = cv2.inRange(hsv_img, lower_red, upper_red)                          # 图像二值化contours, hierarchy = cv2.findContours(mask_red, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # 图像中轮廓检测for cnt in contours:                                                          # 去除一些轮廓面积太小的噪声if cnt.shape[0] < 150:continue(x, y, w, h) = cv2.boundingRect(cnt)                                      # 得到苹果所在轮廓的左上角xy像素坐标及轮廓范围的宽和高cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)                        # 将苹果的轮廓勾勒出来cv2.circle(image, (int(x+w/2), int(y+h/2)), 5, (0, 255, 0), -1)           # 将苹果的图像中心点画出来cv2.imshow("object", image)                                                    # 使用OpenCV显示处理后的图像效果cv2.waitKey(0)cv2.destroyAllWindows()def main(args=None):                                                              # ROS2节点主入口main函数rclpy.init(args=args)                                                         # ROS2 Python接口初始化node = Node("node_object")                                                     # 创建ROS2节点对象并进行初始化node.get_logger().info("ROS2节点示例：检测图片中的苹果")image = cv2.imread('/home/jingqing3948/Develop/ros/dev_ws/src/ros2_21_tutorials/learning_node/learning_node/apple.jpg')  # 读取图像object_detect(image)                                                            # 苹果检测rclpy.spin(node)                                                               # 循环等待ROS2退出node.destroy_node()                                                            # 销毁节点对象rclpy.shutdown()                                                               # 关闭ROS2 Python接口

1691975253963

也可以把 image 改成调用摄像头，来动态识别。

cap = cv2.VideoCapture(0)while rclpy.ok():ret, image = cap.read()          # 读取一帧图像if ret == True:object_detect(image)          # 苹果检测

当然，节点并不是孤立的，比如用摇杆控制游戏界面。