【机器人】ROS2 功能包创建与 CMake 编译链路探秘

优质文章学习记录

— 8 min read
【机器人】ROS2 功能包创建与 CMake 编译链路探秘
请添加图片描述
在这里插入图片描述
🔥大奇个人主页 ：https://blog.ZEEKLOG.net/m0_75192474?type=blog
⚡本文所属专栏：https://blog.ZEEKLOG.net/m0_75192474/category_13131150.html

ros2 pkg create 是 ROS2（Robot Operating System 2）中用于快速初始化功能包的官方核心命令行工具。其核心作用是自动生成功能包所需的完整目录结构、配置文件及可选示例节点，避免手动创建文件和配置的繁琐操作，大幅提升开发效率。

该命令支持两种主流构建类型（C++/Python），可直接指定依赖包、维护者信息、开源协议等关键配置，生成的功能包完全符合 ROS2 官方规范，可直接用于编译、运行及后续开发扩展

⏰ 创建工作空间

首先需要再主目录中新建一个文件夹，带src目录

mkdir-p test_ws/src &&cd test_ws/src

📸 创建功能包命令参数详解

命令基本格式

基础语法（必填项与可选参数分离，清晰易懂）：

ros2 pkg create [可选参数]<功能包名称>

关键说明：

  • <功能包名称>：必填项，自定义功能包名称，需遵循 ROS2 命名规范（小写英文、可搭配下划线，禁止大写、特殊符号及中文）。
  • [可选参数]：用于配置功能包的构建类型、依赖、创建路径、描述信息等，按需选择使用。

基础配置参数

  • --help：显示该命令的所有参数说明及使用方法，快速查阅帮助信息后退出。
  • --package-name ：显式指定功能包名称，用于解决“目录名与包名不一致”的场景，优先级高于默认目录名（也可以直接写名字不加该参数）
  • --description：设置功能包的描述信息，描述内容将写入 package.xml 的 <description> 标签，便于他人理解包的用途。
  • --license：指定功能包的开源协议，常用协议：Apache-2.0、MIT、BSD，协议信息写入 package.xml
  • --maintainer：设置功能包维护者的姓名，写入 package.xml 的 <maintainer> 标签，便于后续维护和沟通。

核心构建类型参数（必选）

  • --build-type ament_cmake：构建类型为C++ 包，

默认构建类型，自动生成 CMakeLists.txt、src 目录（用于存放 C++ 源码），支持 C++ 节点开发、自定义消息编译等

ros2 pkg create my_cpp_pkg --build-type ament_cmake
  • --build-type ament_python :构建类型为Python 包

自动生成 setup.py、setup.cfg、功能包同名目录（用于存放 Python 源码），支持 Python 节点开发，语法简洁、开发效率高。

依赖配置参数

--dependencies ：参数用于指定功能包依赖的其他 ROS2 包，创建包时会自动将依赖写入 package.xml和 CMakeLists.txt避免手动配置依赖导致的编译错误，是开发中最常用的参数之一

  • rclcpp：C++ 节点开发核心依赖
  • rclpy：Python 节点开发核心依赖
  • std_msgs：标准消息类型依赖（如 String、Int32）
  • sensor_msgs：传感器消息依赖（如激光雷达、IMU 数据）
  • geometry_msgs：几何消息依赖（如速度、姿态、坐标）
  • rosidl_default_generators：自定义消息（.msg/.srv）编译依赖
ros2 pkg create my_nav_pkg --build-type ament_cmake --dependencies rclcpp std_msgs sensor_msgs

创建基础 C++ 包

ros2 pkg create my_cpp_node \\ --build-type ament_cmake \\--dependencies rclcpp std_msgs \\ --node-name my_first_node \\--description"ROS2 C++ 基础节点包，用于演示简单消息发布"\\--license MIT \\--maintainer"Zhang San"\\ --maintainer-email "[email protected]"\\ --destination-directory ./src

创建基础 Python 包

ros2 pkg create my_py_node \\ --build-type ament_python \\--dependencies rclpy \\ --node-name my_py_node \\--description"ROS2 Python 基础节点包"\\--license Apache-2.0

创建自定义消息接口包

ros2 pkg create my_custom_msgs \\ --build-type ament_cmake \\--dependencies rosidl_default_generators std_msgs \\--description"ROS2 自定义消息包，用于定义专属消息类型"\\--license MIT

创建导航相关 C++ 包

ros2 pkg create my_navigation \\ --build-type ament_cmake \\--dependencies rclcpp geometry_msgs nav2_msgs sensor_msgs \\--description"ROS2 导航功能包，用于机器人路径规划与控制"\\ --destination-directory ./src

🌗 CMakeLists.txt 相关语法

CMakeLists.txt 是 ROS2 C++ 功能包（ament_cmake 类型）的核心构建配置文件，负责定义编译规则、依赖管理、目标安装等，

  • find_package(<依赖包> REQUIRED)

查找当前功能包依赖的 ROS2 包或第三方库，REQUIRED 表示该依赖是必需的，找不到会直接报错；若依赖多个包，可分多行书写。

find_package(ament_cmake REQUIRED)find_package(rclcpp REQUIRED)find_package(std_msgs REQUIRED)
  • ament_package()

ROS2 专属核心指令，标记当前包为 ament 包，用于生成 package.xml 关联配置、注册包到 ament 索引，必须放在 CMakeLists.txt 的最后一行，且每个包只能调用一次。

  • add_executable(<节点名> <源码路径>)

将指定的 C++ 源码文件编译为可执行节点，<节点名> 是编译后生成的可执行文件名称，<源码路径> 是 .cpp 文件的相对路径（通常在 src 目录下），这是最后可以ros2 run的依据

add_executable(talker src/talker.cpp)
  • ament_target_dependencies(<节点名> <依赖包>...)

为可执行节点或库绑定依赖包，自动处理依赖包的头文件路径和编译宏，替代传统的 target_include_directories 指令，简化配置，必须在 add_executable 之后调用。

ament_target_dependencies(talker rclcpp std_msgs)
  • target_link_libraries(<节点名> <库文件>...)

将指定的库文件（如自定义消息类型支持库、第三方库）链接到可执行节点，常用于链接自定义消息的类型支持库

  • rosidl_generate_interfaces(<包名> <消息文件> [DEPENDENCIES <依赖包>])

ROS2 自定义消息（.msg/.srv/.action）编译核心指令，用于解析消息文件、生成对应的 C++/Python 代码和头文件，若消息依赖其他包（如 std_msgs），需通过 DEPENDENCIES 声明。

rosidl_generate_interfaces(${PROJECT_NAME} msg/MyMsg.msg DEPENDENCIES std_msgs)
  • rosidl_get_typesupport_target(<变量名> <包名> "rosidl_typesupport_cpp")

查找当前包生成的自定义消息 C++ 类型支持库，将其赋值给指定变量，便于后续通过 target_link_libraries 链接到节点，是 ROS2 Humble 及以后的推荐写法。

  • install(TARGETS <节点名/库名> DESTINATION <路径>)

该命令式将生成的可执行节点安装在指定路径，这是后续ros2 run xxx的关键，ROS2 规范路径为 lib/${PROJECT_NAME}（节点/库）、include/${PROJECT_NAME}（头文件）

◀️ package.xml 相关语法

package.xml 是 ROS2 功能包的元数据配置文件，用于声明包的基本信息、依赖关系、维护者信息等，ROS2 编译工具（colcon）通过该文件识别包的类型、依赖和构建规则，

基础信息标签

标签说明
name声明功能包名称，必须与 CMakeLists.txt 中 project() 指令的包名一致，遵循 ROS2 命名规范（小写、英文、下划线）。
version声明包的版本号，遵循语义化版本规范（主版本号.次版本号.修订号，如 1.0.0），用于版本管理和迭代。
description简要描述功能包的用途和功能，便于他人理解包的作用，支持简单的文本描述。
maintainer声明包的维护者信息，必须包含 email 属性（邮箱地址），标签内容为维护者姓名，可多个维护者。
license声明包的开源协议，常用协议：Apache-2.0、MIT、BSD，需填写标准协议名称，可多个协议标签。

依赖关系标签

  • <buildtool_depend>

构建工具依赖，声明构建该包所需的工具包，C++ 包默认依赖 ament_cmake，Python 包默认依赖 ament_python，是必需依赖。

<buildtool_depend>ament_cmake</buildtool_depend>
  • <build_depend>

构建依赖，声明编译该包时所需的依赖包（如头文件、编译宏），仅在构建阶段生效，运行时无需依赖。

<build_depend>rclcpp</build_depend>
  • <exec_depend>

执行依赖，声明运行该包时所需的依赖包（如库文件、节点），仅在运行阶段生效，构建时无需依赖。

<exec_depend>std_msgs</exec_depend>
  • <depend>

通用依赖，等价于同时声明 build_depend、exec_depend 和 test_depend，适用于“构建、运行、测试都需要”的依赖，简化配置。

<depend>rclcpp</depend>
  • <test_depend>

测试依赖，声明运行包的测试用例时所需的依赖包（如 gtest、ament_lint_auto），仅在测试阶段生效。

<test_depend>ament_lint_auto</test_depend><test_depend>ament_lint_common</test_depend>
  • <member_of_group>

将包归类到指定组，ROS2 自定义消息包必须添加该标签，值为 rosidl_interface_packages，告诉编译系统该包是接口包

<member_of_group>rosidl_interface_packages</member_of_group>

Read more

AI员工——OpenCode、OpenClaw+Ollama的安装与配置

AI员工——OpenCode、OpenClaw+Ollama的安装与配置

人工智能(AI)相关的知识内容解析https://coffeemilk.blog.ZEEKLOG.net/article/details/158647749?spm=1001.2014.3001.5502 一、OpenCode的介绍与安装配置  1.1、OpenCode介绍 OpenCode的介绍序号Opencode介绍说明1opencode是什么OpenCode是一款开源AI编码代理工具，可在终端（TUI）、桌面应用和 IDE扩展中使用，支持多种大语言模型、上下文感知，主打隐私优先。2opencode的定位 《1》不是IDE插件，而是独立智能体(Agent)，可理解上下文，规划任务、执行代码修改并验证结果。 《2》不是大语言模型本身，而是模型调度层，支持75+的大语言模型提供商（如：Claude、GPT、Gemini、本地的Llama、Qwen等）。 《3》采用MIT协议开源，社区活跃。
架构大揭秘：单 Agent vs. 多 Agent，你的 AI 团队该怎么组建？

架构大揭秘：单 Agent vs. 多 Agent，你的 AI 团队该怎么组建？

架构大揭秘：单 Agent vs. 多 Agent，你的 AI 团队该怎么组建？ 文章目录 * 架构大揭秘：单 Agent vs. 多 Agent，你的 AI 团队该怎么组建？ * 前言：AI 世界的“单打独斗”与“团队协作” * 一、专业解读：Agent 的“独行侠”与“群英会” * 1.1 单 Agent：披荆斩棘的“全能战士” * 1.2 多 Agent：分工协作的“梦之队” * 1.3 核心对比：单 Agent vs.

从Prompt到成片仅需2.3秒，Seedance 2.0如何重构AIGC工作流？——头部客户实测ROI提升340%，但90%团队尚未启用映射热更新模式

第一章：Seedance 2.0语义理解与视频生成映射的技术本质 Seedance 2.0 的核心突破在于将自然语言语义空间与高保真视频表征空间建立可微、对齐且可泛化的双向映射。该映射并非简单地将文本嵌入向量输入扩散模型，而是通过分层语义解耦机制，在动词时态、空间关系、主体属性、镜头运动四个正交维度上构建结构化语义图谱，并驱动时空潜在变量的协同演化。 语义解析的层级化建模 系统首先调用轻量级语义角色标注（SRL）模块提取谓词-论元结构，继而通过多头跨模态注意力对齐视觉先验知识库（如 Kinetics-700 动作本体与 COCO-Spatial 关系图谱）。该过程确保“她缓缓旋转并伸展手臂”被分解为： * 主语：“她” → 对应人体姿态关键点拓扑约束 * 动作序列：“旋转”（轴向角速度）、“伸展”（关节角度增量）→ 驱动运动轨迹生成器 * 副词修饰：“缓缓” → 映射至帧间光流平滑度损失权重 视频生成的隐空间对齐策略 Seedance 2.0 引入语义-视觉对比学习（SVCL）损失，强制文本编码器输出与视频潜在码（来自

开发者实操手册：Qwen3-Embedding-4B + llama.cpp部署教程

开发者实操手册：Qwen3-Embedding-4B + llama.cpp部署教程 1. 引言 随着大模型在语义理解、信息检索和知识管理等场景的广泛应用，高质量的文本向量化能力成为构建智能系统的核心基础。通义千问团队于2025年8月开源了 Qwen3-Embedding-4B ——一款专为高效文本嵌入设计的中等规模双塔模型。该模型以4B参数量实现了对32k长文本的支持，输出2560维高精度向量，并在MTEB多项基准测试中超越同尺寸模型。 本文将围绕 Qwen3-Embedding-4B 的本地化部署实践展开，重点介绍如何结合 llama.cpp 和 vLLM + Open WebUI 构建一个可交互、高性能的知识库服务系统。无论你是想在消费级显卡（如RTX 3060）上运行语义搜索，还是希望搭建支持多语言、长文档的企业级知识引擎，本教程都能提供完整可落地的技术路径。 2. Qwen3-Embedding-4B 模型特性解析 2.1 核心架构与技术亮点 Qwen3-Embedding-4B 是阿里云 Qwen3 系列中专注于「文本向量化」任务的专用模型，采用标准的 De