4、Publisher节点基础：创建ROS2包、编写Publisher节点、定义消息类型、使用rclpy/rclcpp实现周期发布

Publisher（发布者）是ROS2边缘AI节点体系中最基础、最核心的通信角色。在边缘计算场景中，传感器数据采集节点（如摄像头、激光雷达、IMU）通常以Publisher身份将原始数据或预处理结果周期性发布到主题（Topic）上，供其他节点（如感知算法节点、决策节点）订阅消费。理解Publisher节点的工程实现，是构建完整边缘AI推理链路的第一步。本章将围绕ROS2包创建、消息类型定义、rclpy与rclcpp两种客户端库的Publisher实现，以及周期发布机制展开系统讲解。

4.1 核心原理：ROS2包结构与消息类型系统

ROS2的软件单元是功能包（Package），一个标准的Publisher节点包必须包含package.xml（包元数据与依赖声明）和CMakeLists.txt（编译配置，Python包则为setup.py）。在边缘AI项目中，我们通常将传感器驱动、消息定义、节点实现分离到不同包中，以提升代码复用性。消息类型（Message Type）是Publisher与Subscriber之间的数据契约，ROS2使用IDL（Interface Definition Language）描述消息结构，以.msg文件存储。例如，定义一个携带时间戳和浮点数组的IMU消息：

# imu_data.msg
std_msgs/Header header
float32[3] linear_acceleration
float32[3] angular_velocity
float32[9] orientation_covariance

消息定义完成后，需要在CMakeLists.txt中通过rosidl_generate_interfaces()声明，编译时ROS2会自动生成C++（rclcpp）和Python（rclpy）的语言绑定。这一机制保证了跨语言节点通信的二进制兼容性。在边缘设备（如Jetson Orin、Raspberry Pi）上，消息类型定义应尽量精简，避免传输大体积的原始图像数据，通常做法是发布压缩后的编码帧或提取后的特征向量。

4.2 操作流程：从零创建Publisher节点

下面以C++（rclcpp）和Python（rclpy）两种语言为例，演示完整的Publisher节点创建流程。首先创建ROS2包：

# C++ 包
ros2 pkg create edge_publisher_cpp --build-type ament_cmake --dependencies rclcpp std_msgs sensor_msgs

# Python 包
ros2 pkg create edge_publisher_py --build-type ament_python --dependencies rclpy std_msgs sensor_msgs

编写C++ Publisher节点（publisher_node.cpp）：

#include <rclcpp/rclcpp.hpp>
#include <sensor_msgs/msg/imu.hpp>
using namespace std::chrono_literals;

class ImuPublisher : public rclcpp::Node {
public:
    ImuPublisher() : Node("imu_publisher") {
        publisher_ = this->create_publisher<sensor_msgs::msg::Imu>("/imu/data", 10);
        timer_ = this->create_wall_timer(10ms, std::bind(&ImuPublisher::timer_callback, this));
    }
private:
    void timer_callback() {
        auto msg = sensor_msgs::msg::Imu();
        msg.header.stamp = this->now();
        msg.linear_acceleration.x = 0.1f;
        publisher_->publish(msg);
    }
    rclcpp::Publisher<sensor_msgs::msg::Imu>::SharedPtr publisher_;
    rclcpp::TimerBase::SharedPtr timer_;
};

int main(int argc, char** argv) {
    rclcpp::init(argc, argv);
    rclcpp::spin(std::make_shared<ImuPublisher>());
    rclcpp::shutdown();
    return 0;
}

Python版本（publisher_node.py）：

import rclpy
from rclpy.node import Node
from sensor_msgs.msg import Imu

class ImuPublisher(Node):
    def __init__(self):
        super().__init__('imu_publisher')
        self.publisher_ = self.create_publisher(Imu, '/imu/data', 10)
        self.timer = self.create_timer(0.01, self.timer_callback)  # 10ms

    def timer_callback(self):
        msg = Imu()
        msg.header.stamp = self.get_clock().now().to_msg()
        msg.linear_acceleration.x = 0.1
        self.publisher_.publish(msg)

def main(args=None):
    rclpy.init(args=args)
    node = ImuPublisher()
    rclpy.spin(node)
    node.destroy_node()
    rclpy.shutdown()

编译与运行：C++包使用colcon build --packages-select edge_publisher_cpp，Python包无需编译。运行节点后，可用ros2 topic echo /imu/data验证发布数据。

4.3 案例拆解：边缘AI视觉节点的周期发布实战

以一个运行在Jetson Orin上的视觉检测Publisher为例，该节点从USB摄像头采集30fps的1080p图像，经过YOLO轻量化模型推理后，将检测结果（目标类别、边界框坐标、置信度）以自定义消息发布到/detection_result，供导航节点订阅。系统约束为：CPU占用率不超过40%，端到端延迟小于100ms。

初始现象与目标：直接使用sensor_msgs/Image发布原始图像，导致网络带宽占用高达120Mbps，且推理节点CPU占用率超过70%。目标是将带宽降至10Mbps以下，CPU占用率降至40%以内。

分析判断过程：通过ros2 topic hz /camera/image_raw和ros2 topic bw /camera/image_raw监测，发现原始图像Topic频率稳定在30Hz，但带宽极大。进一步用top命令定位CPU占用，发现图像序列化与传输占用了大量资源。

实际操作步骤：

1. 定义轻量级检测结果消息DetectionResult.msg，包含header、class_ids（int32[]）、scores（float32[]）、bboxes（float32[]，按[x,y,w,h]扁平化存储）。
2. 在Publisher节点中，将YOLO推理后的结果填充到自定义消息，发布频率保持30Hz。
3. 将原始图像Topic改为仅在有调试需求时通过参数动态开启（declare_parameter("publish_raw", false)）。
4. 配置QoS为RMW_QOS_POLICY_HISTORY_KEEP_LAST，depth设为5，避免订阅端处理不及时导致队列溢出。

结果对比：改造后，/detection_result的带宽降至约0.8Mbps，CPU占用率降至35%，端到端延迟稳定在65ms左右。代价是丢失了原始图像流，调试时需要额外开启，但满足了边缘部署的实时性约束。

4.4 常见误区与总结复盘

误区一：忽略QoS兼容性。Publisher与Subscriber的QoS策略必须兼容（如Reliable与Best Effort不互通），否则会导致通信静默失败。在边缘无线网络环境下，建议使用Best Effort降低重传延迟。

误区二：在回调中执行耗时操作。Publisher的定时器回调应只做消息封装和发布，不应包含图像编码、模型推理等耗时操作。否则会阻塞定时器，导致发布频率抖动。正确做法是使用独立线程处理数据，通过线程安全队列与Publisher交互。

误区三：消息定义粒度过粗或过细。将整个AI推理输出（包括特征图）放入一个消息会导致传输负担过重；而将每个检测框单独发布为独立消息又会增加Topic数量和管理复杂度。推荐的做法是使用数组字段聚合多个检测结果。

误区四：忘记时间戳同步。在边缘AI系统中，多个传感器Publisher必须使用统一的时钟源（如sensor_msgs/TimeReference），否则下游融合节点无法对齐数据。使用message_filters的ApproximateTimeSynchronizer可以近似同步不同频率的消息。