ROS：关于tf的探索（3）Adding a frame(Python)

本教程教你如何给tf添加额外的frame。

在前面的教程中，我们通过添加一个tf broadcaster和一个tf listener来重新创建龟图演示。 本教程将教你如何在tf树中添加一个额外的框架。 这非常类似于创建tf broadcaster，并将显示tf的一些功能。

1.为什么要添加frames

对于许多任务，更容易在局部框架内思考，例如。 更容易推断在激光扫描器中心的框架中的激光扫描。 tf允许您为系统中的每个传感器，连接件等定义本地框架。 并且，tf将处理所引入的所有框架变换。

2.在哪里添加frames

tf建立frames的树结构; 它不允许在frame结构中的闭环。 这意味着一个frame只有一个单亲，但它可以有多个孩子。 目前我们的tf树包含三个frame：world，turtle1和turtle2。 两只乌龟是world的孩子。 如果我们要向tf添加一个新frame，则三个现有frame中的一个需要是父frame，并且新frame将变为子frame。

3.如何添加一个frame

在我们的乌龟例子中，我们将添加一个新的frame到第一个乌龟。 这个框架将是第二只乌龟的“carrot”。

让我们先创建源文件。 转到我们为上一个教程创建的包：

 roscd learning_tf

3.1 The Code
创建 nodes/fixed_tf_broadcaster.py.，插入如下代码

#!/usr/bin/env python  
import roslib
roslib.load_manifest('learning_tf')

import rospy
import tf

if __name__ == '__main__':
    rospy.init_node('my_tf_broadcaster')
    br = tf.TransformBroadcaster()
    rate = rospy.Rate(10.0)
    while not rospy.is_shutdown():
        br.sendTransform((0.0, 2.0, 0.0),
                         (0.0, 0.0, 0.0, 1.0),
                         rospy.Time.now(),
                         "carrot1",
                         "turtle1")
        rate.sleep()

代码可执行

chmod +x nodes/fixed_tf_broadcaster.py

3.2 代码解释

    br.sendTransform((0.0, 2.0, 0.0),
                         (0.0, 0.0, 0.0, 1.0),
                         rospy.Time.now(),
                         "carrot1",
                         "turtle1")

这里我们创建了一个新的变换，该变换为从父级turtle1到子级carrot1的变换，carrot1距离turtle1偏移2米。

4.运行frame broadcaster

编辑start_demo.launch文件，加入如下代码

  <launch>
    ...
    <node pkg="learning_tf" type="fixed_tf_broadcaster.py"
          name="broadcaster_fixed" />
  </launch>

roslaunch learning_tf start_demo.launch

5.检查结果

因此，如果你驱动第一个乌龟，你注意到，即使我们添加了一个新的frame，行为没有改变从上一个教程。 这是因为添加额外的frame不会影响其他frame，我们的listener仍然使用先前定义的frame。 所以，让我们改变listener的行为。
打开nodes/ turtle_tf_listener.py文件，并用“/ carrot 1”替换“/ turtle1”：

(trans,rot) = listener.lookupTransform("/turtle2", "/carrot1", rospy.Time(0))

6.发布一个移动的frame

我们在本教程中发布的额外frame是一个固定的frame，不随时间改变相对于父frame。 但是，如果要发布移动frame，您可以更改broadcaster以随时间更改。 让我们改变carrot1 frame随时间相对于turtle1改变。
编辑nodes/fixed_tf_broadcaster.py

#!/usr/bin/env python  
import roslib
roslib.load_manifest('learning_tf')

import rospy
import tf
import math

if __name__ == '__main__':
    rospy.init_node('my_tf_broadcaster')
    br = tf.TransformBroadcaster()
    rate = rospy.Rate(10.0)
    while not rospy.is_shutdown():
        t = rospy.Time.now().to_sec() * math.pi
        br.sendTransform((2.0 * math.sin(t), 2.0 * math.cos(t), 0.0),
                         (0.0, 0.0, 0.0, 1.0),
                         rospy.Time.now(),
                         "carrot1",
                         "turtle1")
        rate.sleep()