2、ROS2基础回顾：节点、话题、服务、动作、参数等核心通信机制，以及launch文件、tf树、bag录包等常用工具

在进入机器人安全避障与AI识别障碍物的实战之前，必须夯实ROS2的底层通信与工具链基础。ROS2（Robot Operating System 2）并非一个操作系统，而是一个分布式通信中间件，它负责协调机器人系统中各个独立进程（即节点）之间的数据交换、任务调度与状态同步。本章将系统梳理ROS2的五大核心通信机制（节点、话题、服务、动作、参数），并深入解析launch文件、tf树、bag录包这三个高频工程工具。理解这些机制的本质区别与适用场景，是后续配置Nav2代价地图、融合AI视觉识别结果的前提条件。

上图展示了ROS2中节点与四种通信机制的关系，以及三大常用工具在工程中的定位。节点是计算单元，话题、服务、动作、参数是节点间交互的“语言”，而launch、tf、bag则是支撑系统运行、感知与调试的工程化工具。下面逐一展开。

2.1 节点与话题：异步数据流的基石

核心原理

节点（Node）是ROS2中可执行的最小计算单元，每个节点负责特定的功能，例如读取激光雷达数据、处理AI模型推理、控制电机转速等。节点之间通过话题（Topic）进行异步通信。话题采用发布/订阅模式（Pub/Sub），一个节点可以发布数据到某个话题，同时多个节点可以订阅该话题获取数据。这种设计实现了解耦：发布者不需要知道谁在订阅，订阅者也不需要知道数据来自哪里。

话题通信的核心是消息（Message），消息是数据类型定义，例如sensor_msgs/msg/LaserScan用于表示激光扫描数据，sensor_msgs/msg/Image用于表示图像数据。在避障场景中，AI视觉节点通常发布sensor_msgs/msg/Image话题，而Nav2代价地图节点则订阅该话题以获取障碍物信息。

判断方法或操作流程

在工程中，判断一个通信场景是否适合使用话题，可以参考以下标准：

• 数据流向：数据是持续产生的流式数据（如传感器数据、视频帧）还是偶发的一次性请求？流式数据优先选择话题。
• 实时性要求：是否需要低延迟的连续更新？话题的异步特性适合高频数据，但无法保证送达时间。
• 通信模式：是否需要一对多广播？话题天然支持多个订阅者。

操作流程通常包括：创建发布者（create_publisher）、创建订阅者（create_subscription）、定义消息类型、编写回调函数处理接收到的数据。在命令行中，可以使用ros2 topic list查看当前所有话题，ros2 topic echo /topic_name查看话题内容，ros2 topic hz /topic_name查看发布频率。

案例拆解：AI视觉障碍物检测节点

假设我们正在开发一个基于YOLOv5的障碍物识别节点，该节点订阅摄像头图像话题/camera/image_raw，经过推理后发布障碍物位置信息到/ai/obstacles话题。关键代码片段如下：

class AiDetector(Node):
    def __init__(self):
        super().__init__('ai_detector')
        self.sub = self.create_subscription(
            Image, '/camera/image_raw', self.image_callback, 10)
        self.pub = self.create_publisher(
            ObstacleArray, '/ai/obstacles', 10)

    def image_callback(self, msg):
        # 将ROS图像消息转为OpenCV格式
        cv_img = self.bridge.imgmsg_to_cv2(msg, 'bgr8')
        # 执行YOLOv5推理，得到障碍物列表
        obstacles = self.model.detect(cv_img)
        # 发布障碍物消息
        self.pub.publish(obstacles)

在这个案例中，/camera/image_raw是输入话题，/ai/obstacles是输出话题。Nav2代价地图节点订阅/ai/obstacles，将AI识别结果融合到代价地图中。这种基于话题的流水线设计，使得每个节点可以独立开发、测试和替换，例如将YOLOv5换成其他模型，只需修改ai_detector节点，不影响其他模块。

常见误区与总结

总结：话题是ROS2中最常用的通信方式，适合高频、单向、流式数据。在避障系统中，传感器数据、AI识别结果、速度指令等均通过话题传递。理解QoS配置是避免数据丢失的关键。

2.2 服务与动作：同步请求与长时任务

核心原理

服务（Service）采用客户端/服务器（Client/Server）模式，是一种同步通信机制。客户端发送请求（Request），服务器处理并返回响应（Response）。服务适合一次性、短时、需要确认结果的操作，例如“开启/关闭某个传感器”、“查询当前机器人状态”。

动作（Action）是ROS2中用于处理长时间任务的通信机制，它基于话题和服务构建，但增加了反馈（Feedback）和取消（Cancel）能力。动作客户端发送目标（Goal），服务器执行过程中持续发布反馈，最终返回结果（Result）。动作适合导航、机械臂运动等耗时任务。

判断方法或操作流程

选择服务还是动作，可以从以下维度判断：

操作流程：服务使用ros2 service list查看，ros2 service call /service_name package/srv/Type "args"调用。动作使用ros2 action list查看，ros2 action send_goal /action_name package/action/Type "args"发送目标。

案例拆解：Nav2中的动作通信

在Nav2导航中，机器人从当前位置移动到目标点是一个典型的动作任务。导航栈提供/navigate_to_pose动作服务器，客户端（如任务调度节点）发送目标点坐标，服务器执行路径规划与跟踪，并持续发布反馈（如当前进度、剩余距离）。如果遇到动态障碍物，客户端可以发送取消请求，服务器停止导航。

在避障场景中，动作机制的价值在于：当AI识别到前方有障碍物时，可以取消当前导航目标，重新规划路径。这种“目标-反馈-取消”的闭环，比单纯的话题通信更可靠。

常见误区与总结

总结：服务适合短时同步操作，动作适合长时可控任务。在避障系统中，动作用于导航控制，服务用于配置查询，两者互补。

2.3 参数与launch文件：配置与编排

核心原理

参数（Parameter）是ROS2中用于节点配置的键值对机制。每个节点可以声明自己的参数，参数可以在节点启动时通过launch文件设置，也可以在运行时动态修改。参数适合存储不经常变化的配置，如PID系数、传感器阈值、AI模型路径等。

launch文件是ROS2中用于启动多个节点和配置参数的自动化脚本。它使用Python编写（.launch.py），可以定义节点启动顺序、参数传递、条件判断、命名空间等。在复杂机器人系统中，launch文件是系统集成的核心工具。

操作流程

参数操作流程：在节点中声明参数（declare_parameter），获取参数（get_parameter），在launch文件中设置参数（Node(parameters=[{'param_name': value}])）。运行时可以使用ros2 param set /node_name param_name value动态修改。

launch文件编写流程：创建Python文件，导入launch和launch_ros模块，定义generate_launch_description()函数，返回LaunchDescription对象。例如：

from launch import LaunchDescription
from launch_ros.actions import Node

def generate_launch_description():
    return LaunchDescription([
        Node(package='ai_detector', executable='ai_detector_node',
             parameters=[{'model_path': '/models/yolov5.pt'}]),
        Node(package='nav2_costmap_2d', executable='nav2_costmap_2d',
             parameters=['costmap_params.yaml']),
    ])

案例拆解：避障系统多节点启动

在避障系统中，launch文件需要同时启动摄像头驱动、AI识别节点、Nav2导航栈、代价地图节点等。通过launch文件，可以统一设置参数，例如AI模型的置信度阈值、代价地图的膨胀半径、传感器帧率等。这样，每次启动系统只需执行一条命令：ros2 launch robot_bringup avoidance.launch.py。

常见误区与总结

总结：参数和launch文件是系统配置与启动的基石。合理的参数设计能提高系统灵活性，launch文件则简化了多节点系统的部署。

2.4 tf树与bag录包：坐标变换与数据回放

核心原理

tf树（Transform Tree）是ROS2中管理坐标系变换关系的工具。机器人系统中存在多个坐标系，如世界坐标系（map）、机器人基座坐标系（base_link）、激光雷达坐标系（laser）、摄像头坐标系（camera_link）等。tf树维护了这些坐标系之间的变换关系（平移和旋转），任何节点都可以查询任意两个坐标系之间的变换。

bag录包（ros2 bag）是ROS2中用于录制和回放话题数据的工具。它可以将指定话题的数据记录到文件中，之后可以回放这些数据，用于算法调试、离线测试、问题复现等。

操作流程

tf树操作：使用ros2 run tf2_tools view_frames生成tf树PDF文件，使用ros2 run tf2_ros tf2_echo map base_link查看两个坐标系间的变换。在代码中，使用tf2_ros.Buffer和TransformListener监听并查询变换。

bag录包操作：录制所有话题：ros2 bag record -a；录制指定话题：ros2 bag record /camera/image_raw /scan；回放：ros2 bag play bag_file。

案例拆解：AI障碍物坐标转换

AI视觉识别节点检测到障碍物在图像中的像素坐标，但代价地图需要的是世界坐标系下的位置。此时，需要利用tf树进行坐标变换：首先将像素坐标转换为摄像头坐标系下的3D点，然后通过tf查询camera_link到map的变换，最终得到障碍物在世界坐标系中的位置。这个过程涉及多次坐标变换，tf树提供了统一的查询接口。

在调试过程中，如果发现AI识别的障碍物位置与激光雷达检测结果不一致，可以使用bag录包同时录制图像、激光数据和tf变换，然后离线回放，逐步分析是哪一步坐标变换出错。

常见误区与总结

总结：tf树是空间感知的骨架，bag录包是调试的利器。在避障系统开发中，善用这两个工具可以大幅提升问题定位效率。

2.5 综合对比与工程实践建议

在工程实践中，建议遵循以下原则：

1. 通信选型：优先使用话题传递高频数据，使用动作控制长时任务，使用服务处理短时请求。
2. 配置管理：将静态配置放入参数，通过launch文件统一管理，避免硬编码。
3. 调试习惯：在开发初期就使用bag录包记录关键话题，便于后期回溯问题。
4. 坐标规范：严格遵循REP-103标准定义坐标系方向，避免坐标混乱。