ROS2学习笔记，案例实现记录——10.节点node

前言

在学习了ROS 2官方教程之后，我决定以自导自演的方式，给自己出题来实践所学知识，以加深对ROS 2的各个概念和使用方式的理解。我将把我的学习过程记录在博客中，并将代码放在我的GitHub仓库中https://github.com/YuAndWang/ROS2_Case（当然博客中也会贴上代码），后面有新的案例将会放到对应的章节之后，供大家参考和学习。

欢迎━(｀∀´)ノ亻! 大家一起出题，一起探讨！希望我的实践过程对你理解ROS 2有所帮助。如果你有任何问题或建议，欢迎提出！谢谢~~~

10.节点node

节点是ROS 2中最基本的通信单元。

10.1案例1：object_recognition_node

我想实现使用OpenCV库进行图像识别并显示识别结果。它加载一张图片，对其进行颜色识别，然后在图像中绘制识别结果的轮廓并显示出来。

实现过程如下：

建立功能包

打开一个新的终端，进入到我的工作空间目录，并且应该在 src 目录中创建包，而不是在工作空间的根目录中创建包。因此，进入到 my_ws/src，并运行包创建命令：

cd my_ws/src
ros2 pkg create --build-type ament_python object_recognition_node_py

节点 object_recognition.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
@作者: 王仰旭
@说明: 使用OpenCV进行图像识别并显示识别结果的节点代码, 无发布消息
"""

import rclpy
from rclpy.node import Node
import cv2
import numpy as np                                  # Python数值计算库

lower_red = np.array([0, 90, 128])
upper_red = np.array([180, 255, 255])

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
    cv2.imshow("mask_red", mask_red)
    contours, hierarchy = cv2.findContours(mask_red, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)  # 图像中轮廓检测

    for cnt in contours:                # 去除轮廓面积太小的噪声
        if cnt.shape[0] < 150:
            continue
        
        (x, y, w, h) = cv2.boundingRect(cnt)
        cv2.drawContours(image, [cnt], -1, (0, 0, 255), 2)
        cv2.circle(image, (int(x+w/2), int(y+h/2)), 5, (0, 255, 0), -1)

    cv2.imshow("object", image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def main(args=None):
    rclpy.init(args=args)
    node = Node("object_recognition_node")

    node.get_logger().info("Start Imread...")
    # 因编译后可执行文件在install中，不与图片同文件夹，只能用绝对路径，或把照片复制过去
    image = cv2.imread("/home/wang/my_ws/src/object_recognition_node_py/object_recognition_node_py/apple.jpg")
    object_detect(image)

    rclpy.spin(node)
    node.destroy_node()
    rclpy.shutdown()

if __name__ == '__main__':
    main()

代码解释说明：

该节点使用OpenCV库进行图像识别并显示识别结果。它加载一张图片，对其进行颜色识别，然后在图像中绘制识别结果的轮廓并显示出来。

在object_detect函数中，图像首先被转换为HSV颜色模型，然后通过阈值操作将感兴趣的颜色区域提取出来。接着使用轮廓检测函数cv2.findContours对二值化图像中的轮廓进行检测。然后，根据轮廓的面积大小过滤掉噪声，并在原图像中绘制出识别结果的轮廓和圆心。

在main函数中，我们初始化ROS 2 Python接口，并创建了一个节点对象。然后，使用OpenCV的imread函数加载一张图片，传递给object_detect函数进行识别和绘制。最后，使用rclpy.spin函数循环等待ROS 2退出，然后销毁节点对象并关闭ROS 2 Python接口。

请注意，由于编译后的可执行文件位于install目录中，与图片不在同一个文件夹中，所以代码中使用了绝对路径来加载图片。在运用时需要根据实际情况修改图片路径。

配置package.xml文件

<?xml version="1.0"?>
<?xml-model href="http://download.ros.org/schema/package_format3.xsd" schematypens="http://www.w3.org/2001/XMLSchema"?>
<package format="3">
  <name>object_recognition_node_py</name>
  <version>0.0.0</version>
  <description>object recognition using rclpy</description>
  <maintainer email="wangyx6432@gmail.com">wang</maintainer>
  <license>BSD</license>

  <test_depend>ament_copyright</test_depend>
  <test_depend>ament_flake8</test_depend>
  <test_depend>ament_pep257</test_depend>
  <test_depend>python3-pytest</test_depend>

  <export>
    <build_type>ament_python</build_type>
  </export>
</package>

配置setup.py文件

记得这里需要在setup.py文件中添加入口点（entry points），以便能够通过命令行运行你的节点。

from setuptools import setup

package_name = 'object_recognition_node_py'

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='wang',
    maintainer_email='wangyx6432@gmail.com',
    description='object recognition using rclpy',
    license='BSD',
    tests_require=['pytest'],
    entry_points={
        'console_scripts': [
            'object_recognition = object_recognition_node_py.object_recognition:main',
        ],
    },
)

检查setup.cfg文件

setup.cfg文件用于配置ROS 2的包安装和开发时的相关设置。检查一下是否正确配置了安装和开发时的脚本目录。这里会告诉setuptools把编译后的可执行文件放在lib中，因为运行时ros2 run命令将会在那里寻找它们。

[develop]
script_dir=$base/lib/object_recognition_node_py
[install]
install_scripts=$base/lib/object_recognition_node_py

编译

cd my_ws/
colcon build

运行

打开新终端，刷新环境

source ~/my_ws/install/setup.bash

ros2 run object_recognition_node_py object_recognition

效果图