提炼总结—ROS2机器人开发（第4章）（下）-EW帮帮网

写在最前面的话

为什么做该博客？该博客的特点是什么？
随着DeepSeek、ChatGPT等AI技术的崛起，促使机器人技术发展到了新的高度，诞生了宇树科技、特斯拉为代表的人形机器人，四足机器人等等，越来越多的科技巨头涌入机器人赛道，行业对于相关人才的需求也随之达到了顶峰。本博客的内容是替你阅读所有关于机器人的经典书籍，采用书籍瘦身计划，帮你提炼出核心内容，采用最通俗易懂的语言来解释原理，将书读薄。大大缩短学习时间，助你快速成为机器人时代的佼佼者。

文章目录

写在最前面的话
一、书籍介绍
二、第4章服务和参数—深入ROS2通信（提炼总结）

一、书籍介绍

《ROS2机器人开发从入门到实践》是一本从零基础到实战落地的机器人开发指南，通过"基础理论+工具详解+项目实战"的三阶学习路径，带你掌握机器人操作系统ROS2核心架构。书中不仅包含通信机制、URDF建模等必备知识，更有SLAM导航、机械臂控制等12个工业级案例，配合Git代码库和仿真环境配置指南，帮助开发者快速实现从算法仿真到真机部署的完整闭环。无论是学生、工程师还是科研人员，都能通过本书构建系统的ROS2开发能力，抢占机器人技术前沿阵地。
在这里插入图片描述

二、第4章服务和参数—深入ROS2通信（提炼总结）

4.3.3节客户端代码实现（提炼总结）

1、在demo_cpp_service/src下添加patrol_client.cpp，编写如下代码：

#include <cstdlib>
#include <ctime>
#include "rclcpp/rclcpp.hpp"
#include "chapt4_interfaces/srv/patrol.hpp"
#include <chrono>
using namespace std::chrono_literals;
using Patrol = chapt4_interfaces::srv::Patrol;
class PatrolClient : public rclcpp::Node
{
public:
PatrolClient() : Node("patrol_client")
  {
        patrol_client_ = this->create_client<Patrol>("patrol");
        timer_ = this->create_wall_timer(
            10s, std::bind(&PatrolClient::timer_callback, this));
            srand(time(NULL));

    }
    void timer_callback(){
        while (!patrol_client_->wait_for_service(std::chrono::seconds(1)))
        {
            if (!rclcpp::ok())
            {
                RCLCPP_ERROR(this->get_logger(), "Interrupted while waiting for the service. Exiting.");
                return;
            }
            RCLCPP_INFO(this->get_logger(), "Waiting for service to be ready...");
        }
        auto request = std::make_shared<Patrol::Request>();
        request -> target_x = rand() % 15;
        request -> target_y = rand() % 15;
        RCLCPP_INFO(this->get_logger(), "Sending request : (%f, %f)",request->target_x, request->target_y);
        patrol_client_->async_send_request(
            request, 
            [&](rclcpp::Client<Patrol>::SharedFuture result_future) -> void{
                auto response = result_future.get();
                if (response->result == Patrol::Response::SUCCESS)
                { 
                    RCLCPP_INFO(this->get_logger(), "SUCCESS");
                }else if(response -> result == Patrol::Response::FAIL){
                    RCLCPP_INFO(this->get_logger(), "FAIL");
                }
            });
        

    }

private:
  rclcpp::TimerBase::SharedPtr timer_;
  rclcpp::Client<Patrol>::SharedPtr patrol_client_;

};

int main(int argc, char **argv){
  rclcpp::init(argc, argv);
  auto node = std::make_shared<PatrolClient>();
  rclcpp::spin(node);
  rclcpp::shutdown();
  return 0;
}

2、在CMakeLists.txt中对patrol_client节点进行注册，新增如下内容：

add_executable(patrol_client src/patrol_client.cpp)
ament_target_dependencies(patrol_client rclcpp geometry_msgs turtlesim chapt4_interfaces)
install(TARGETS patrol_client DESTINATION lib/${PROJECT_NAME})

3、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

4、在chapt4_ws目录下，添加环境变量

source install/setup.bash

5、新建一个终端，在chapt4_ws目录下，运行服务端节点

ros2 run demo_cpp_service turtle_control

6、新建一个终端，运行节点

ros2 run turtlesim turtlesim_node

7、在chapt4_ws目录下，运行客户端节点

ros2 run demo_cpp_service patrol_client

在这里插入图片描述

至此C++服务通信学习完成，下面来学习参数通信

4.4节在Python节点中使用参数（提炼总结）

本节将结合参数通信机制，将人脸检测服务中采样次数和检测模型进行参数化

4.4.1节参数声明与设置（提炼总结）

将人脸检测服务中采样次数face_locations_upsample_times、检测模型model，从默认参数值，改成人脸检测服务节点的参数

1、修改src/demo_python_service/demo_python_service/face_detect_node.py文件，添加如下代码：

        self.declare_parameter('face_locations_upsample_times', 1)
        self.declare_parameter('face_locations_model', 'hog')
        self.model = self.get_parameter('face_locations_model').value
        self.upsample_times = self.get_parameter('face_locations_upsample_times').value

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、新建一个终端，在chapt4_ws目录下，运行服务端节点

ros2 run demo_python_service face_detect_node

5、打开新的终端，使用命令来查看参数

source install/setup.bash

ros2 param list

在这里插入图片描述
可以看到声明的两个参数已经被检测到了
6、可以使用如下命令，来设置人脸检测算法参数

ros2 param set /face_detection_node face_locations_model cnn

在这里插入图片描述
7、还可以在启动节点时指定参数的值，只需要使用–ros-args和-p来指定即可

ros2 run demo_python_service face_detect_node --ros-args -p face_locations_model:=cnn

4.4.2节订阅参数更新（提炼总结）

参数被设置后，要想第一时间获取参数更新并赋予值给对应的属性，需要订阅参数设置事件

1、修改src/demo_python_service/demo_python_service/face_detect_node.py文件，添加如下代码：

头文件添加：

from rcl_interfaces.msg import SetParametersResult

def__init__(self):添加

        self.add_on_set_parameters_callback(self.parameters_callback)

class FaceDetectorionNode(Node):添加

    def parameters_callback(self, parameters):
        for parameter in parameters:
            self.get_logger().info(f'参数{parameter.name}被修改为{parameter.value}')
            if parameter.name == 'face_locations_upsample_times':
                self.upsample_times = parameter.value
            if parameter.name == 'face_locations_model':
                self.model = parameter.value
        return SetParametersResult(successful=True)

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、在chapt4_ws目录下，运行服务端节点

ros2 run demo_python_service face_detect_node

5、打开新的终端，可以使用如下命令，来设置人脸检测算法参数

source install/setup.bash

ros2 param set /face_detection_node face_locations_model cnn

可以看到face_detect_node节点输出了设置信息
在这里插入图片描述
下面来学习在人脸检测客户端动态的修改服务端检测的模型参数

4.4.3节修改其他节点参数（提炼总结）

编写一个服务的客户端来修改其他节点的参数

1、修改src/demo_python_service/demo_python_service/face_detect_client_node.py文件，添加如下代码：

在头文件添加如下内容：

from cv_bridge import CvBridge
from rcl_interfaces.srv import SetParameters
from rcl_interfaces.msg import Parameter,ParameterValue,ParameterType

在class FaceDetectorClient(Node):添加如下内容：

    def call_set_parameters(self,parameters):
         client = self.create_client(SetParameters, '/face_detection_node/set_parameters')
         while not client.wait_for_service(timeout_sec=1.0):
             self.get_logger().info('等待服务启动...')
         request = SetParameters.Request()
         request.parameters = parameters
         future = client.call_async(request)
         rclpy.spin_until_future_complete(self, future)
         response = future.result()
         return response
    
    def update_detect_model(self, model):
         param = Parameter()
         param.name = 'face_locations_model'
         new_model_value = ParameterValue()
         new_model_value.type = ParameterType.PARAMETER_STRING
         new_model_value.string_value = model
         param.value = new_model_value
         response = self.call_set_parameters([param])
         for result in response.results:
             if result.successful:
                 self.get_logger().info(f'参数{param.name}设置为{model}')
             else:
                 self.get_logger().info(f'参数设置失败，原因为：{result.reason}')

在main添加如下内容：

def main(args=None):
        rclpy.init(args=args)
        face_detect_client = FaceDetectorClient()
        face_detect_client.update_detect_model('hog')
        face_detect_client.send_request()
        face_detect_client.update_detect_model('cnn')
        face_detect_client.send_request()
        rclpy.spin(face_detect_client)
        rclpy.shutdown()

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、在chapt4_ws目录下，运行客户端节点

ros2 run demo_python_service face_detect_client_node

5、在chapt4_ws目录下，运行服务端节点

source install/setup.bash

ros2 run demo_python_service face_detect_node

在这里插入图片描述
至此python中节点声明和设置参数的方法学习完毕

4.5节在C++节点中使用参数（提炼总结）

本节结合4.3节海龟巡逻项目，将服务端中控制器的比例系数k_和最大速度max_speed_参数化

4.5.1节参数声明与设置（提炼总结）

1、修改src/demo_cpp_service/src/turtle_control.cpp文件，添加如下代码：
在TurtleController() : Node(“turtle_controller”) {添加代码

            this->declare_parameter("k", 1.0);
            this->declare_parameter("max_speed", 1.0);
            this->get_parameter("k",k_);
            this->get_parameter("max_speed",max_speed_);

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、在chapt4_ws目录下，运行服务端节点

ros2 run demo_cpp_service turtle_control

5、在chapt4_ws目录下，使用命令查看参数

ros2 param list

在这里插入图片描述
可以看到节点中声明的参数已经被检测到了
6、使用如下命令来设置参数的值

ros2 param set /turtle_controller k 2.0

在这里插入图片描述
参数已经被重新设置了，此时节点中属性K_的值并没有被更新，实现动态更新需要订阅参数更新事件

4.5.2节接收参数事件（提炼总结）

1、修改src/demo_cpp_service/src/turtle_control.cpp文件，添加如下代码：
头文件添加：

#include "rcl_interfaces/msg/set_parameters_result.hpp"
using SetParametersResult = rcl_interfaces::msg::SetParametersResult;

在TurtleController() : Node(“turtle_controller”) {添加代码

            parameters_callback_handle_ = this->add_on_set_parameters_callback(
                [&](const std::vector<rclcpp::Parameter>& params)
                -> SetParametersResult{
                    for (auto param : params) {
                        RCLCPP_INFO(this->get_logger(), "更新参数%s值为：%f",
                            param.get_name().c_str(), param.as_double());
                        if (param.get_name() == "k") {
                            k_ = param.as_double();
                        }else if (param.get_name() == "max_speed") {
                            max_speed_ = param.as_double();
                        }
                    }
                    auto result = SetParametersResult();
                    result.successful = true;
                    return result;
                }
            );

在private：添加代码

        OnSetParametersCallbackHandle::SharedPtr parameters_callback_handle_;

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、在chapt4_ws目录下，运行服务端节点

ros2 run demo_cpp_service turtle_control

在这里插入图片描述
此时节点已经可以收到参数设置的事件了

4.5.3节修改其他节点的参数（提炼总结）

通过C++实现请求服务的方式实现对节点参数的设置

1、修改src/demo_cpp_service/src/patrol_client.cpp文件，添加如下代码：
头文件添加：

#include "rcl_interfaces/msg/parameter.hpp"
#include "rcl_interfaces/msg/parameter_value.hpp"
#include "rcl_interfaces/msg/parameter_type.hpp"
#include "rcl_interfaces/srv/set_parameters.hpp"
using SetP = rcl_interfaces::srv::SetParameters;

class PatrolClient : public rclcpp::Node添加

std::shared_ptr<SetP::Response> call_set_parameters(rcl_interfaces::msg::Parameter &parameter)
  { 
    auto param_client = this -> create_client<SetP>("/turtle_controller/set_parameters");
    while(!param_client -> wait_for_service(std::chrono::seconds(1)))
    {
        if(!rclcpp::ok())
        {
            RCLCPP_ERROR(this->get_logger(), "Interrupted while waiting for the service. Exiting.");
            return nullptr;
        }
        RCLCPP_INFO(this->get_logger(), "service not available, waiting again...");
    }
    auto request = std::make_shared<SetP::Request>();
    request -> parameters.push_back(parameter);
    auto future = param_client -> async_send_request(request);
    rclcpp::spin_until_future_complete(this->get_node_base_interface(), future);
    auto response = future.get();
    return response;
  }

  void update_server_param_k(double k){
    auto param = rcl_interfaces::msg::Parameter();
    param.name = "k";
    auto param_value = rcl_interfaces::msg::ParameterValue();
    param_value.type = rcl_interfaces::msg::ParameterType::PARAMETER_DOUBLE;
    param_value.double_value = k;
    param.value = param_value;
    auto response = call_set_parameters(param);
    if(response == nullptr){
        RCLCPP_WARN(this->get_logger(), "Failed to update parameter k");
        return ;
    }else {
        for(auto result : response->results){
            if(result.successful){
                RCLCPP_INFO(this->get_logger(), "Successfully updated parameter k");
            }else{
                RCLCPP_WARN(this->get_logger(), "Failed to update parameter k");
            }
        }
    }

  }

在main函数添加，如下内容：

  node -> update_server_param_k(1.5);

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、新建终端，在chapt4_ws目录下，运行服务端节点

ros2 run demo_cpp_service turtle_control

5、在chapt4_ws目录下，运行客户端节点

ros2 run demo_cpp_service patrol_client

在这里插入图片描述
至此管理节点参数全部学习完成

4.6节使用launch启动脚本（提炼总结）

launch是ROS2中用于启动和管理节点与进程的工具，不需要每次启动都单独打开终端和输入命令，可以一次启动多个节点

4.6.1节使用launch启动多个节点（提炼总结）

1、在src/demo_cpp_service/下创建launch文件夹，再创建文件demo.launch.py文件，编写如下代码：

import launch
import launch_ros

def generate_launch_description():
    action_node_turtle_control = launch_ros.actions.Node(
        package='demo_cpp_service',
        executable='turtle_control',
        output='screen',
    )
    action_node_patrol_client = launch_ros.actions.Node(
        package='demo_cpp_service',
        executable='patrol_client',
        output='log',
    )
    action_node_turtlesim_node = launch_ros.actions.Node(
        package='turtlesim',
        executable='turtlesim_node',
        output='both',
    )
    launch_description = launch.LaunchDescription([
        action_node_turtle_control,
        action_node_patrol_client,
        action_node_turtlesim_node
    ])
    return launch_description

2、在src/demo_cpp_service/CMakeLists.txt修改内容如下：

install(DIRECTORY launch DESTINATION share/${PROJECT_NAME})

3、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

4、在chapt4_ws目录下，添加环境变量

source install/setup.bash

5、新建终端，在chapt4_ws目录下，运行launch节点

ros2 launch demo_cpp_service demo.launch.py

此时打开了海龟模拟器界面，可以看到海龟正常巡逻了

在python功能包下创建launch文件的方法：
1、在功能包下创建launch文件夹，并编写文件
2、在setup.py文件中添加如下配置：

from glob import glob
    data_files=[
        ('share/' + package_name + '/launch', glob('launch/*.launch.py')),
    ]

4.6.2节使用launch传递参数（提炼总结）

1、修改demo.launch.py，添加如下内容：
def generate_launch_description()添加如下内容：

    action_declare_arg_max_speed = launch.actions.DeclareLaunchArgument(
        'launch_max_speed',
        default_value='0.5',
    )

在action_node_turtle_control = launch_ros.actions.Node添加如下内容：

parameters[{'max_speed':launch.substitutions.LaunchConfiguration('launch_max_speed',default='2.0')}],

在launch_description = launch.LaunchDescription添加如下内容：

action_declare_arg_max_speed,

2、在chapt4_ws目录下运行如下代码，构建功能包

colcon build

3、在chapt4_ws目录下，添加环境变量

source install/setup.bash

4、在chapt4_ws目录下，运行launch节点

ros2 launch demo_cpp_service demo.launch.py

5、、在终端输入命令查看max_speed参数值

ros2 param get /turtle_controller max_speed

6、在chapt4_ws目录下，重新运行launch节点

ros2 launch demo_cpp_service demo.launch.py launch_max_speed:=3.0

从而实现从启动命令传递参数的值

4.6.3节 launch使用进阶（提炼总结）

ROS2 Launch 动作、添加和替换组件介绍：
1、 Launch 动作（Actions）
作用：告诉 ROS2 在启动时要做什么。
常见动作：
启动节点（Node）：运行一个 ROS2 可执行程序（如 talker、listener）。
设置参数（SetParameter）：给节点传递参数（如 speed=2.0）。
条件控制（IfCondition）：只有满足条件时才启动某个节点（如 if use_camera:=true）。
2、添加组件（Adding Components）
作用：在启动时动态增加新的节点或功能。
常见方法：
直接添加：在 launch.py 里多写几个 Node。
导入其他 launch 文件：用 IncludeLaunchDescription 把另一个 launch 文件的内容合并进来（类似“复制粘贴”）。
3、替换组件（Replacing Components）
作用：修改或覆盖已有的节点配置（比如换参数、换节点）。
常见方法：
覆盖参数：在 launch 文件里重新定义参数（后面的会覆盖前面的）。
同名节点替换：如果两个节点名字相同，后启动的会替换先启动的。
YAML 参数覆盖：通过 YAML 文件动态修改参数。

4.7节小结与点评（提炼总结）

学习了服务通信
学习了参数通信
学习了launch工具
动作通信在实践中几乎不会用到，所以暂不介绍

提炼总结—ROS2机器人开发（第4章）（下）

写在最前面的话

文章目录

一、书籍介绍

二、第4章服务和参数—深入ROS2通信（提炼总结）

4.3.3节客户端代码实现（提炼总结）

4.4节在Python节点中使用参数（提炼总结）

4.4.1节参数声明与设置（提炼总结）

4.4.2节订阅参数更新（提炼总结）

4.4.3节修改其他节点参数（提炼总结）

4.5节在C++节点中使用参数（提炼总结）

4.5.1节参数声明与设置（提炼总结）

4.5.2节接收参数事件（提炼总结）

4.5.3节修改其他节点的参数（提炼总结）

4.6节使用launch启动脚本（提炼总结）

4.6.1节使用launch启动多个节点（提炼总结）

4.6.2节使用launch传递参数（提炼总结）

4.6.3节 launch使用进阶（提炼总结）

4.7节小结与点评（提炼总结）

网站公告

今日签到

热门文章

最新发布

提炼总结—ROS2机器人开发（第4章）（下）

写在最前面的话

文章目录

一、书籍介绍

二、第4章 服务和参数—深入ROS2通信（提炼总结）

4.3.3节 客户端代码实现（提炼总结）

4.4节 在Python节点中使用参数（提炼总结）

4.4.1节 参数声明与设置（提炼总结）

4.4.2节 订阅参数更新（提炼总结）

4.4.3节 修改其他节点参数（提炼总结）

4.5节 在C++节点中使用参数（提炼总结）

4.5.1节 参数声明与设置（提炼总结）

4.5.2节 接收参数事件（提炼总结）

4.5.3节 修改其他节点的参数（提炼总结）

4.6节 使用launch启动脚本（提炼总结）

4.6.1节 使用launch启动多个节点（提炼总结）

4.6.2节 使用launch传递参数（提炼总结）

4.6.3节 launch使用进阶（提炼总结）

4.7节 小结与点评（提炼总结）

网站公告

今日签到

热门文章

最新发布

二、第4章服务和参数—深入ROS2通信（提炼总结）

4.3.3节客户端代码实现（提炼总结）

4.4节在Python节点中使用参数（提炼总结）

4.4.1节参数声明与设置（提炼总结）

4.4.2节订阅参数更新（提炼总结）

4.4.3节修改其他节点参数（提炼总结）

4.5节在C++节点中使用参数（提炼总结）

4.5.1节参数声明与设置（提炼总结）

4.5.2节接收参数事件（提炼总结）

4.5.3节修改其他节点的参数（提炼总结）

4.6节使用launch启动脚本（提炼总结）

4.6.1节使用launch启动多个节点（提炼总结）

4.6.2节使用launch传递参数（提炼总结）

4.7节小结与点评（提炼总结）