1410 字
7 分钟
【ROS2】04 - 节点的编写
ROS2节点的代码结构（面向对象）
主程序
#!/usr/bin/env python3# -*- coding: utf-8 -*-
"""@作者: 古月居(www.guyuehome.com)@说明: ROS2节点示例-通过摄像头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(50)
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_webcam") # 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")
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
node.destroy_node() # 销毁节点对象 rclpy.shutdown() # 关闭ROS2 Python接口setup.py——节点的入口
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', ],ROS2话题的编写
发布者
#!/usr/bin/env python3# -*- coding: utf-8 -*-
"""@作者: 古月居(www.guyuehome.com)@说明: ROS2话题示例-发布图像话题"""
import rclpy # ROS2 Python接口库from rclpy.node import Node # ROS2 节点类from sensor_msgs.msg import Image # 图像消息类型from cv_bridge import CvBridge # ROS与OpenCV图像转换类import cv2 # Opencv图像处理库
"""创建一个发布者节点"""class ImagePublisher(Node):
def __init__(self, name): super().__init__(name) # ROS2节点父类初始化 self.publisher_ = self.create_publisher(Image, 'image_raw', 10) # 创建发布者对象（消息类型、话题名、队列长度） self.timer = self.create_timer(0.1, self.timer_callback) # 创建一个定时器（单位为秒的周期，定时执行的回调函数） self.cap = cv2.VideoCapture(0) # 创建一个视频采集对象，驱动相机采集图像（相机设备号） self.cv_bridge = CvBridge() # 创建一个图像转换对象，用于稍后将OpenCV的图像转换成ROS的图像消息
def timer_callback(self): ret, frame = self.cap.read() # 一帧一帧读取图像
if ret == True: # 如果图像读取成功 self.publisher_.publish( self.cv_bridge.cv2_to_imgmsg(frame, 'bgr8')) # 发布图像消息
self.get_logger().info('Publishing video frame') # 输出日志信息，提示已经完成图像话题发布
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 = ImagePublisher("topic_webcam_pub") # 创建ROS2节点对象并进行初始化 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接口订阅者
#!/usr/bin/env python3# -*- coding: utf-8 -*-
"""@作者: 古月居(www.guyuehome.com)@说明: ROS2话题示例-订阅图像话题"""
import rclpy # ROS2 Python接口库from rclpy.node import Node # ROS2 节点类from sensor_msgs.msg import Image # 图像消息类型from cv_bridge import CvBridge # ROS与OpenCV图像转换类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
"""创建一个订阅者节点"""class ImageSubscriber(Node): def __init__(self, name): super().__init__(name) # ROS2节点父类初始化 self.sub = self.create_subscription( Image, 'image_raw', self.listener_callback, 10) # 创建订阅者对象（消息类型、话题名、订阅者回调函数、队列长度） self.cv_bridge = CvBridge() # 创建一个图像转换对象，用于OpenCV图像与ROS的图像消息的互相转换
def object_detect(self, 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(10)
def listener_callback(self, data): self.get_logger().info('Receiving video frame') # 输出日志信息，提示已进入回调函数 image = self.cv_bridge.imgmsg_to_cv2(data, 'bgr8') # 将ROS的图像消息转化成OpenCV图像 self.object_detect(image) # 苹果检测
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 = ImageSubscriber("topic_webcam_sub") # 创建ROS2节点对象并进行初始化 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接口话题通信是异步单工通信，适合周期性发布逻辑固定的信息
在ROS系统中，话题通信数据的描述格式称之为消息，对应编程语言中数据结构的概念
话题的命令行操作
ros2 topic list # 查看话题列表ros2 topic info <topic_name> # 查看话题信息ros2 topic hz <topic_name> # 查看话题发布频率ros2 topic bw <topic_name> # 查看话题传输带宽ros2 topic echo <topic_name> # 查看话题数据ros2 topic pub <topic_name> <msg_type> <msg_data> # 发布话题消息虚拟机配置与开发机通信
虚拟器配置为桥接模式，且虚拟网络设置要配置与本机的有线网卡一置
Ubuntu22.04 使用 ip addr查看网络地址，或者ip a
【ROS2】04 - 节点的编写
http://www.turinblog.cn/posts/ros204---节点的编写/