【机器人】ROS2 功能包创建与 CMake 编译链路探秘

【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<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<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.txtsrc 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.xmlCMakeLists.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

人工智能:自然语言处理在社交媒体分析领域的应用与实战

人工智能:自然语言处理在社交媒体分析领域的应用与实战

人工智能:自然语言处理在社交媒体分析领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在社交媒体分析领域的应用场景和重要性 💡 掌握社交媒体分析的核心技术(如情感分析、话题检测、用户画像构建) 💡 学会使用前沿模型(如BERT、GPT-3)进行社交媒体文本分析 💡 理解社交媒体分析的特殊挑战(如数据量大、噪声多、实时性要求高) 💡 通过实战项目,开发一个社交媒体话题检测应用 重点内容 * 社交媒体分析的主要应用场景 * 核心技术(情感分析、话题检测、用户画像构建) * 前沿模型(BERT、GPT-3)在社交媒体分析中的使用 * 社交媒体分析的特殊挑战 * 实战项目:社交媒体话题检测应用开发 一、社交媒体分析的主要应用场景 1.1 情感分析 1.1.1 情感分析的基本概念 情感分析是对社交媒体文本中情感倾向进行分析和判断的过程。在社交媒体分析领域,情感分析的主要应用场景包括: * 品牌声誉管理:分析用户对品牌的情感倾向(如“正面评价”、“负面评价”

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

ToDesk 全新 ToClaw,正在把电脑交给AI去操作

这两年,AI 工具层出不穷,但大多数产品还停留在“能回答、会生成”的阶段:帮你写一段话、搜一份资料、整理一个思路,真正到了执行层,还是得你自己坐回电脑前,一个软件一个软件地点、一项任务一项任务地做。 这也是很多人对 AI 的真实感受——它会说,但不一定真能干活。而 ToDesk 新上线的 ToClaw,想解决的正是这个问题。 一、ToClaw 是什么? ToClaw 是一款基于 OpenClaw 深度定制、并与远程控制运行时深度结合的 AI 助手。它最大的不同,不只是“懂你说什么”,而是能直接在你的电脑上执行操作。 你只需要一句话,它就可以在电脑端完成对应动作:打开软件、点击按钮、填写表单、拖拽文件、整理资料、生成表格、汇总信息……很多原本需要人守在电脑前操作的工作,现在都可以交给 ToClaw

Altium Designer + AI:智能PCB设计新革命

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 点击'项目生成'按钮,等待项目生成完整后预览效果 输入框内输入如下内容: 创建一个演示AI辅助PCB设计的项目,展示Altium Designer中AI自动布线、元件优化布局和设计规则检查功能。项目应包含一个典型双面PCB设计案例,演示AI如何根据电路复杂度自动优化走线路径,减少交叉和过孔数量,同时满足EMC设计要求。提供可视化对比展示AI优化前后的设计差异,并生成性能对比报告。 最近在做一个双面PCB项目时,尝试了Altium Designer的AI辅助功能,发现它确实能大幅提升设计效率。作为一个经常被布线折磨的硬件工程师,这次体验让我对AI在电子设计自动化领域的应用有了全新认识。 1. 传统PCB设计流程的痛点 以前完成一个中等复杂度的双面板设计,至少需要3-5天时间。最耗时的环节就是手动布线和反复调整元件布局: * 需要不断切换层间过孔来避免走线交叉 * 高频信号线要手动做阻抗匹配和等长处理 * 每次修改原理图后都要重新调整大片走线 2. AI带来的三

如何用50张图片打造专属AI绘画风格?lora-scripts实战教学

如何用50张图片打造专属AI绘画风格?LoRA-Scripts实战教学 在数字艺术与生成式AI交汇的今天,越来越多创作者开始思考一个问题:如何让AI真正“学会”我的画风? 不是简单地输入“水墨风”或“赛博朋克”,而是无论生成什么主题,画面中都自然流露出属于你个人笔触、色彩偏好和构图逻辑的独特气质。这正是当前AIGC领域最令人兴奋的方向之一——个性化模型微调。 而在这条路上,有一个技术组合正悄然改变游戏规则:LoRA + 自动化训练脚本。尤其是像 lora-scripts 这类工具的出现,使得仅凭50张图片、一块消费级显卡,就能在几小时内训练出高质量的专属风格模型。 要理解这一切是如何实现的,我们不妨从一个实际场景出发:假设你是一位插画师,积累了近百幅手绘作品,风格统一、辨识度高。你想把这些“视觉DNA”注入Stable Diffusion,让它成为你的AI分身。传统做法是全量微调整个模型,但这不仅需要数万张数据、多张高端GPU,还极容易过拟合。有没有更轻量、高效的方案? 答案就是 LoRA(Low-Rank Adaptation)。 它不改动原始大模型权重,而是在关键层(如