仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】

这篇具有很好参考价值的文章主要介绍了仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言

💫你好,我是辰chen,本文旨在准备考研复试或就业
💫本文内容是我为复试准备的第二个项目
💫欢迎大家的关注,我的博客主要关注于考研408以及AIoT的内容
🌟 预置知识:基本Python语法,基本linux命令行使用

以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新),欢迎大家的关注:

💥ACM-ICPC算法汇总【基础篇】
💥ACM-ICPC算法汇总【提高篇】
💥AIoT(人工智能+物联网)
💥考研
💥CSP认证考试历年题解

简单例程

运行小海龟仿真

打开虚拟机,进入Vscode,创建一个新窗口和新终端
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

启动节点

在终端依次运行如下指令

roscore
rosrun turtlesim turtlesim_node
rosrun turtlesim turtle_teleop_key

roscore :启动 Master 节点
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
启动后把Master这个界面放到一边,再开一个终端,运行 rosrun turtlesim turtlesim_node,结果如下,rosrun 后面跟了两个参数,其中 turtlesim 就是功能包的名字,turtlesim_node 就是可执行文件的名字,对应着 src 中的一个文件叫做 turtlesim_node,用 rosrun 就把这个文件跑起来了,跑起来的结果就是出现了一个小海龟,接着再跑下一个节点

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
把终端拆分:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
运行第二个节点:rosrun turtlesim turtle_teleop_key,如此,两个节点就都启动好了,第一个节点是一个可视化的模拟器,第二个节点是可以用键盘去控制小海龟(用箭头键移动海龟,按q退出控制)
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
注意我们在控制小海龟进行移动的时候,最后一次点击需要停留在第二个节点所在的终端。
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

查看计算图

我们的两个节点是在两个终端运行的,但是却协同运行,我们可以查看一下计算图:

rosrun rqt_graph rqt_graph

继续拆分终端后运行 rosrun rqt_graph rqt_graph 结果如下:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
如图,有两个椭圆,即有两个节点,有一个方框,即有一个 Topic,Topic 的名字叫做 /turtle1/cmd_vel,该 Topic 由节点 /teleop_turtle 发布,由 /turtlesim 订阅,每按下一次键盘都会有一个 Topic 发布,并被另一节点接收。

也就是说,海归模拟器只要收到了 /turtle1/cmd_vel 这个 Topic 之后,就会让海龟去做相应的移动,即只要有该 Topic 发出,海龟就可以移动,即不一定必须通过 /teleop_turtle 这个节点发出,下面试一下不通过 /teleop_turtle 节点直接发送该 Topic

发布 Topic

# -r 参数设置发送频率, 不带 -r 参数则只发送一次,我们让海龟动起来的话需要持续的发送,1为1Hz,即每秒发1次
rostopic pub -r 1 /turtle1/cmd_vel ...

按q退出,新建终端:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
使用 -h 可以查看命令的使用方式:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
写命令行多用 Tab 补全,可以查看目前有哪些 Topic:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
可以看到目前不止一个 Topic,当然我们需要的 /turtle1/cmd_vel 也在其中,但是我们刚刚的图中却仅显示了一个 Topic,这是因为我们只选择了 active(活跃:有发布者有订阅者)的 Topic,选择 all 即可查看其余的 Topic:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
可以看到,/turtle1/color_senor 和 /turtle1/pose 这两个 Topic 只有发布者,没有订阅者,剩余的 Topic 是用来做系统调试的,关掉 Debug:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
接下来回到正题:用 Topic 直接控制小海龟:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
再按下 Tab 会自动补全 Topic 的数据类型(知道了 Topic 的名字就知道了它的数据类型):
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
再按下 Tab 会自动补全要发送的内容(数据类型如何定义 ROS 也是知道的):
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
类型由两个字段组成:linear : 线性线速度,angular : 角速度(均是三维),现在让它往前走:前是x轴,让它转圈,转圈就是z轴:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
可以看到小海龟不停的在转圈:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
刷新计算图:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
就会发现之前的节点 /teleop_turtle 没有了(之前按q退出了),多了一个命令行工作自动创建的一个节点 /rostopic_7836_1705655818540,但本质上,当前计算图和之前的计算图的拓扑结构没有什么区别。

Topic演示到此结束,按 Ctrl C 停止,接下来演示 Service
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

调用 Serviece

rosservice list
rosservice call /spawn ...

同样,我们可以用 -h 进行查看:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
其中的 list 就是列举当前活跃的 Service,继续查看:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
如下就是 turtle1 创建的 Service
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
/spawn 用来新建一个机器人,就是新建一个海龟的意思

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
再按下 Tab,自动补全调用服务需要的参数:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
可以看到有 x,y,z 这样的参数,x,y,z就是新的小海龟出生的位置坐标,theta就是朝向,可以修改部分值然后进行创建:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
坐标的定义:x,y轴就是在最左下角的位置,这样,我们就通过调用 Service 创建了一个海龟,再来看一下计算图的变化:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
可以看到就有了两个海龟。

关掉所有终端,Ctrl C
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

用 Python 发布和接收 Topic

上面我们讲述了用命令行区发送 Topic,当然我们也可以用代码去发送(以后大多也是用代码进行发送)

创建工作空间

新开一个终端,依次执行如下命令

# 在用户目录下创建工作空间
cd ~
mkdir -p learn_ws/src

# 在工作空间的根目录编译
cd learn_ws/
catkin_make

-p 递归创建

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
找到我们创建好的文件夹:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

创建功能包,编译

新开一个终端,依次执行如下命令

# 进入工作空间的src文件夹
cd ~/learn_ws/src

# 创建功能包,指定名称、依赖
catkin_create_pkg learn_topic std_msgs rospy

# 回到工作空间根目录编译,每加入一个功能包都要重新编译
cd ..
catkin_make

# 编译后,setup文件会更新,需要重新source
source devel/setup.bash

执行完catkin_create_pkg learn_topic std_msgs rospy 可以看到左侧多了 learn_topic 以及其内的 src 以及相关文件
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

编写 Topic Publisher 节点

src下新建一个Python文件talker.py
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

#! /usr/bin/env python
import rospy
from std_msgs.msg import String

def talker():
    # 向 ROS Master 注册名为 talker 的节点
    rospy.init_node('talker')

    # 创建 Topic 发布者, Topic 名称为 test_msg, 数据类型为 String, 消息队列长度为10
    pub = rospy.Publisher('test_msg', String, queue_size=10)

    # 定义 2Hz 的 rate 变量, 即每次 sleep 时长为 0.5s
    rate = rospy.Rate(2)

    # 在节点没有关闭时,执行循环
    while not rospy.is_shutdown():
        msg = f'Hello ROS! From talker, at {rospy.get_time()}'

        # 在终端打印日志
        rospy.loginfo(msg)

        # 发布 Topic 
        pub.publish(msg)

        # 等待 0.5s
        rate.sleep()
    
    rospy.loginfo('Talker exist.')

if __name__ == '__main__':
    talker()    

记得写完后保存代码

解释如下:

#! /usr/bin/env python

该代码不可缺少,为指定用Python区运行代码,否则ROS可能不知道

rospy.init_node('talker')

向 Master 注册一个节点,运行到这一行时,计算图里就会多一个叫做 talker 的节点

pub = rospy.Publisher('test_msg', String, queue_size=10)

每一个 Topic 都要用名字以及类型去定义,此外这里还指定了一个消息队列长度,这是因为 Topic 是异步通信,发送者是只管发,至于接收者是否及时接收到,接收的速度够不够对于发送者而言都是不知道的,这里 queue_size=10 就意味着在接收者有一个队列,长度为10,每次发的消息都会送入队列中,每次接收者取消息都会出队,如果设为 0,即队列无限长,此时如果发布的速度比接收的速度快,就会导致队列越来越长,最后爆内存,如果设为 1 那么实时性就会比较高,即会取到最新的 Topic 信息

rate = rospy.Rate(2)  # 作用就是为了后续的 sleep()
rate.sleep()
while not rospy.is_shutdown():

没有关闭就会进入循环,关闭条件如在终端中按下Ctrl C

msg = f'Hello ROS! From talker, at {rospy.get_time()}'
rospy.loginfo(msg)
pub.publish(msg)
rate.sleep()

获取一个时间戳并打印、发布,然后睡眠0.5s后继续发

编写 Topic Subscriber 节点

src下新建一个Python文件listener.py

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

#! /usr/bin/env python
import rospy
from std_msgs.msg import String

def get_test_msg(data):
    # data.data 中是 Topic 数据
    rospy.loginfo(f'Listener get msg: {data.data}')

def listener():
    rospy.init_node('listener')

    # 创建 Topic 订阅者, 订阅名为 test_msg 的 Topic, 数据类型为 String, 收到 Topic 后的回调函数是 get_test_msg
    rospy.Subscriber('test_msg', String, get_test_msg)

    # 防止程序提前退出,等到节点关闭时再退出
    rospy.spin()

if __name__ == '__main__':
    listener()

记得写完后保存代码

解释如下:

rospy.init_node('listener')

注册节点

rospy.Subscriber('test_msg', String, get_test_msg)

告诉 Master 想要订阅 test_msg 这个 Topic,类型是 String,回调函数为 get_test_msg

回调函数是一种在编程中常见的模式,特别是在处理异步事件或消息传递时。它基本上是一个被传递到另一个函数或方法中的函数,然后在适当的时刻被调用。回调函数的概念是核心的一部分,特别是在消息订阅和事件处理方面。

简单理解回调函数:设函数A是回调函数,还有另一个函数是函数B,所谓回调函数,就是因为A是函数B的一个参数,当有特定的事件发生时,函数B会执行函数A

在这里,get_test_msg 是一个回调函数。当 test_msg 话题上接收到一个新消息时,ROS 会自动调用 get_test_msg 函数,并将接收到的消息作为参数传递给这个函数。这样,你就可以在 get_test_msg 函数内定义当接收到消息时你希望执行的操作。

rospy.spin()

我们可以对这句代码 Ctrl 左键 查看其源码:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
其实可以看到就是让它睡 0.5s,和我们 talker 中写的一样,其实目的就是为了防止程序退出,因为退出了的话,你创建的 Subscriber 也就被销毁了,这个进程就没了,不能再处理;所以如果本身有一个循环,如编写 Topic Publisher 中的那样,就不需要再 spin(),没有循环的话,如编写 Topic Subscriber 这样,就要调用一下 spin()

def get_test_msg(data):

这个函数的参数 data 就是我们拿到的 Topic

rospy.loginfo(f'Listener get msg: {data.data}')

打印拿到的数据

运行节点

新建一个终端

# 新建的 Python 文件,需要添加运行权限
chmod +x src/learn_topic/src/*

# 运行
roscore
rosrun learn_topic talker.py
rosrun learn_topic listener.py

# 工具
rosrun rqt_graph rqt_graph   # 下面只演示了这个工具
rosrun rqt_topic rqt_topic

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
拆分终端,输入 source devel/setup.bash(启动 Master,因为刚刚的 Master关了),继续按上述代码运行:

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
新建终端,输入 source devel/setup.bash
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

可以看到可以正常的发出 Topic 和接收 Topic

新建一个终端:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
rqt_topic 可以用可视化的方式把现在有的 Topic 都显示出来,✔代表接收这个 Topic:
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
就会显示它的带宽,以及他的频率为 2Hz(就是我们当初设置的那样),展开后可以查看 Type 和 Value
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

自定义消息类型

上述中,我们用的是 String,只是发布了一个很简单的字符串,我们再很多条件下是需要自定义消息类型的,去应对更复杂的需求:

  1. .msg文件:描述 ROS 消息的文本文件,是一种编程语言无关的接口,用于为不同编程语言的消息生成源代码
  2. .srv文件:与msg文件类似,但用来描述一个 Service,包括请求参数和返回值两部分
  3. 可用的数据类型
    • int8, int16, int32, int64(加uint*)
    • float32, float64
    • string
    • time, duration
    • 变长数组 <type>[],定长数组 <type>[N]
    • 其他自定义类型,即支持类型嵌套

使用自定义消息类型的 Topic:

1.在上面创建的工作空间,新建功能包

cd src
catkin_create_pkg custom_msg std_msgs rospy

创建名为:custom_msg 的功能包,有两个依赖:std_msgs、rospy

2.在功能包的 msg 文件夹下,创建 robot_state.msg 文件
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
注:文件名必须叫这个名,在该文件下输入下述代码

string name
uint8 id
float64 speed
float64[2] position

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

记得写完后保存代码

这里就是编程无关的语言了,接下来,就是要让 ROS 去编译这个文件,然后自动生成,这些数据类型它在 Python 下面对应的这些代码和类型是什么,这些都是自动完成的

3.修改 package.xml,添加依赖项,用于生成自定义类型的源代码(C++,Python等)

注意找对 package,每个功能包里都有一个 package
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
把如下代码添入 package 中:

<build_depend>message_generation</build_depend>
<exec_depend>message_runtime</exec_depend>

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

4.修改 CMakeLists.txt,在编译时自动生成源代码(不要直接复制,逐项修改)

注意找对 CmakeLists,每个功能包里都有一个 CmakeLists

# 在 find_package 中添加 message_generation, 修改后如下:
find_package(catkin REQUIRED COMPONENTS
  rospy
  std_msgs
  message_generation
)

# 在 catkin_package 中添加 CATKIN_DEPENDS message_runtime,修改后如下:
catkin_package(
#  INCLUDE_DIRS include
#  LIBRARIES custom_msg
   CATKIN_DEPENDS rospy std_msgs message_runtime
#  DEPENDS system_lib
)

# 解除 add_message_files 的注释, 添加 .msg文件,修改后如下:
add_message_files(
  FILES
  robot_state.msg
)

# 解除 generate_messages 的注释, 修改后如下:
generate_messages(
  DEPENDENCIES
  std_msgs
)

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

5.编译

cd ..     # 就是来到 learn_ws 下
catkin_make

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

6.编写发布节点

此代码相当于是 Topic 中的 Talker

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

#! /usr/bin/env python
import rospy
from custom_msg.msg import robot_state

def pub_state():
    rospy.init_node('robot_state_publisher')
    pub = rospy.Publisher('robot_state', robot_state, queue_size=10)
    rate = rospy.Rate(1)

    pos = [0, 0]
    speed = 0.5

    while not rospy.is_shutdown():
        msg = robot_state()
        msg.id = 0
        msg.name = 'qrobo'
        msg.position = pos
        msg.speed = speed
        pub.publish(msg)

        pos[0] += 0.5
        rate.sleep()

if __name__ == '__main__':
    pub_state()

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

记得写完后保存代码

注意这个代码运行的话不会有输出的:因为代码中没有让打印日志之类的信息,运行代码前要记得要给新建的 Python 文件添加运行权限。
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

7.(可选)将编译的源代码加入 VSCode 的 Python 依赖路径,这一步只是为了写代码时 VSCode 能进行补全、分析和跳转,不影响代码运行。此操作每个工作空间做一次就可以

在下图标准位置填入下述代码:

,"${workspaceFolder}/devel/lib/python3/dist-packages"

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

用 Python 注册和调用 Serviece

新建功能包

新开一个终端:

cd src
catkin_create_pkg learn_service std_msgs rospy

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

在 srv 文件夹下,创建 AddTwoNum.srv 文件

--- 上面是请求参数,下面是返回参数

int64 A
int64 B
---
int64 Sum

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

同上节,修改 package.xml 和 CMakeLists.txt 文件后编译

注意找对 package,每个功能包里都有一个 package
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

把如下代码添入 package 中:

<build_depend>message_generation</build_depend>
<exec_depend>message_runtime</exec_depend>

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

注意找对 CmakeLists,每个功能包里都有一个 CmakeLists

# 在 find_package 中添加 message_generation, 修改后如下:
find_package(catkin REQUIRED COMPONENTS
  rospy
  std_msgs
  message_generation
)

# 在 catkin_package 中添加 CATKIN_DEPENDS message_runtime,修改后如下:
catkin_package(
#  INCLUDE_DIRS include
#  LIBRARIES custom_msg
   CATKIN_DEPENDS rospy std_msgs message_runtime
#  DEPENDS system_lib
)

# 解除 add_service_files 的注释, 添加 .srv文件,修改后如下:
add_service_files(
  FILES
  AddTwoNum.srv
)


# 解除 generate_messages 的注释, 修改后如下:
generate_messages(
  DEPENDENCIES
  std_msgs
)

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

编写 Service 服务器代码

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶
记得写完后保存代码

#! /usr/bin/env python
import rospy
from learn_service.srv import AddTwoNum, AddTwoNumRequest, AddTwoNumResponse

# AddTwoNum 的处理函数,参数为 AddTwoNumRequest, 返回 AddTwoNumResponse
def handle_add_two_num(req: AddTwoNumRequest):
    sum = req.A + req.B
    rospy.loginfo(f'{req.A} + {req.B} = {sum}')
    return AddTwoNumResponse(sum)

if __name__ == '__main__':
    rospy.init_node('add_two_num_server')

    # 创建 Service 服务器, 类型为 AddTwoNum, 处理函数为 handle_add_two_num
    rospy.Service('add_two_num', AddTwoNum, handle_add_two_num)
    rospy.loginfo('add_two_num server ready.')
    rospy.spin()

编写 Service 客户端代码

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

#! /usr/bin/env python
import rospy
from learn_service.srv import *

def add_two_num_client(a, b):
    # 等待该 Service 在 Master 中注册
    rospy.loginfo('waitting for service: add_two_num ...')
    rospy.wait_for_service('add_two_num')

    # 捕获可能发生的错误
    try:
        # 请求服务
        service = rospy.ServiceProxy('add_two_num', AddTwoNum)
        res: AddTwoNumResponse = service(a, b)
        return res.Sum
    except rospy.ServiceException as e:
        rospy.logerr(f'Service call failed: {e}')

if __name__ == '__main__':
    rospy.init_node('add_two_num_client')

    a = 2
    b = 3
    rospy.loginfo(f'request service: {a} + {b}')

    res = add_two_num_client(a, b)
    rospy.loginfo(f'get response: {res}')

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

记得写完后保存代码

部分代码解释:

rospy.wait_for_service('add_two_num')

欲调用 add_to_num 这个 Service,如果此刻没有的话,程序就会在这一步停住,等待其注册

service = rospy.ServiceProxy('add_two_num', AddTwoNum)

这行代码创建了一个服务代理,名为 servicerospy.ServiceProxy 是创建服务代理的方法。这个代理允许你通过一个简单的本地函数调用来调用远程服务。
add_two_num 是你想要连接的服务的名称。
AddTwoNum 是服务的类型,它是一个自动生成的 Python 类,用于表示服务的请求和响应结构。
一旦这个代理被创建,你就可以像调用本地函数一样调用服务。

res: AddTwoNumResponse = service(a, b)

这行代码实际上是在调用服务。当你使用 service 代理并传入参数 a 和 b 时,客户端会向服务器发送一个 AddTwoNumRequest 消息,并等待服务器响应一个 AddTwoNumResponse 消息。
service(a, b) 调用服务并传入参数 a 和 b。这相当于发送一个包含这些参数的服务请求。
res: AddTwoNumResponse 这部分是类型注解,它指明变量 res 应该是一个 AddTwoNumResponse 类型的实例。这不是调用服务必需的,但它有助于代码的可读性和类型检查。
服务的调用是阻塞的,这意味着程序将在这一行暂停执行,直到服务响应被接收或发生错误。

运行代码

记得要给代码添加权限,以及编译代码:

catkin_make   # 编译代码
chmod +x src/learn_service/src/*   # 给代码加运行权限
roscore
source devel/setup.bash   # 新建的终端要运行该命令
rosrun learn_service server.py
source devel/setup.bash   # 新建的终端要运行该命令
rosrun learn_service client.py

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶

仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】,仿真机器人-深度学习CV和激光雷达感知,考研,# 复试项目,机器人,深度学习,人工智能,CV,ROS,项目,自动驾驶


上述所有内容出处如下,博主在此基础上仅为添加个人理解:
本项目为北大团队出品【项目三:深度学习&仿真机器人 - 丘丘老师】原创(部分代码为开源代码)。课程团队:B站ID【M学长的考研top帮】UID【3546580235848566】复试项目班QQ大群:885884619,负责人QQ:674799975文章来源地址https://www.toymoban.com/news/detail-811607.html

到了这里,关于仿真机器人-深度学习CV和激光雷达感知(项目2)day04【简单例程】的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 强化学习:MuJoCo机器人强化学习仿真入门(1)

        声明 :我们跳过mujoco环境的搭建,搭建环境不难,可自行百度 下面开始进入正题(需要有一定的python基础与xml基础):  下面进入到建立机器人模型的部分: 需要先介绍URDF模型文件和导出MJCF格式  介绍完毕,下面开始进行mujoco仿真: 首先将这4个文件复制到.mujoco/muj

    2024年01月24日
    浏览(51)
  • [机器人相关学习记录] KUKA 的仿真工具

    KUKA Sim Pro v3.1.2 和 Workvisual 的区别 项目 KUKA Sim Pro v3.1.2 Workvisual 功能 专注于机器人仿真和编程 集成机器人仿真、编程和监控 适用场景 适用于机器人研发、调试和教育 适用于机器人生产、调试、维修和管理 界面 简洁,侧重于机器人仿真和编程操作 更为全面,包含机器人状态

    2024年04月27日
    浏览(42)
  • ROS学习笔记16:机器人系统建模与仿真

    一、概述: 1.机器人系统仿真:         是通过计算机对实体机器人系统进行模拟的技术,在 ROS 中,仿真实现涉及的内容主要有三:对机器人建模(URDF)、创建仿真环境(Gazebo)以及感知环境(Rviz)等系统性实现。 (1)仿真优势:低成本、高效、高安全性。 (2)仿真缺陷:仿

    2024年02月09日
    浏览(45)
  • (无人机方向)ros学习之路ROS 机器人系统仿真_导航仿真概述

    一:导航仿真概述 导航是机器人系统中最重要的模块之一,比如现在较为流行的服务型室内机器人,就是依赖于机器人导航来实现室内自主移动的,本章主要就是介绍仿真环境下的导航实现,主要内容有: 导航相关概念 导航实现:机器人建图(SLAM)、地图服务、定位、路径规划…

    2024年02月02日
    浏览(55)
  • 干货 | 浅谈机器人强化学习--从仿真到真机迁移

    “ 对于机器人的运动控制,强化学习是广受关注的方法。本期技术干货,我们邀请到了小米工程师——刘天林,为大家介绍机器人(以足式机器人为主)强化学习中的sim-to-real问题及一些主流方法。 ” 一、前言 设计并制造可以灵活运动的足式机器人,一直是工程师追逐的梦

    2024年02月05日
    浏览(38)
  • 机器人仿真-gazebo学习笔记(4)xacro和传感器添加

    URDF文件不具备代码复用的特性(在上一篇文章也能发现,其实左右轮是极其相似的但还是要单独描述),一个复杂的机器人模型会拥有大量了的传感器和关节组件,这时候使用URDF文件就太难阅读了。精简化、可复用、模块化的xacro文件来了。 1.优势: ·精简模型代码: xacro是一

    2024年02月06日
    浏览(58)
  • 大象机器人人工智能套装2023版深度学习协作机器人、先进机器视觉与应用场景

    介绍当前的版本 今天我们要介绍的是aikit2023,aikit2023是aikit的全新升级版。 AIkit 2023 是一套集视觉,定位抓取、自动分拣模块为一体的入门级人工智能套装。 该套装基于python平台,可通过开发软件实现机械臂的控制,简单易学,能够快速入门学习人工智能基础知识,启发创新

    2024年02月13日
    浏览(61)
  • 竞赛项目 深度学习的智能中文对话问答机器人

    🔥 优质竞赛项目系列,今天要分享的是 基于深度学习的中文对话问答机器人 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/postgraduate 整个项目分为 数据清洗 和 建立模型两个部分。 (1)主要定义了seq2seq这样

    2024年02月13日
    浏览(52)
  • 【深度学习】大模型卷到机器人上了

    当一项变革性技术出现后,以此为基础的技术就会像雨后春笋般蔓延。 就像Transformer出现后,以此为基础的大语言模型ChatGPT,视觉基础模型Segment Anything相继横空出世,并展现出强大的涌现能力。生成式AI可谓百花齐鸣,争相绽放。 继纯语言,纯视觉大模型后,多模态大模型

    2024年02月07日
    浏览(34)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包