📚 课程目录第2章 ROS2基础回顾

2、ROS2基础回顾：节点、话题、服务、动作、参数及工作空间构建方法

在进入语音控制与行为树开发之前，必须先夯实ROS2的五大核心通信原语与工程组织方式。ROS2（Robot Operating System 2）并非传统意义上的操作系统，而是一个分布式通信中间件，它负责协调机器人系统中多个进程（即可执行程序）之间的数据交换、任务调度与状态同步。本章将系统梳理节点（Node）、话题（Topic）、服务（Service）、动作（Action）、参数（Parameter）这五类基础概念，并详细演示如何从零构建一个标准的工作空间（Workspace）。理解这些内容，是后续实现关键词识别节点与行为树动作触发的基石。

上图展示了ROS2中节点与话题、服务、动作、参数之间的协作关系。节点是通信的参与者，话题用于持续的数据流，服务用于同步请求-应答，动作适用于长时任务，参数则提供运行时的配置能力。下面我们将逐一深入剖析。

2.1 节点：功能的基本载体

核心原理：节点是ROS2中可执行程序内部的功能单元。一个机器人系统通常由多个节点组成，例如语音识别节点、行为树决策节点、电机驱动节点等。每个节点负责单一职责，通过ROS2图（Graph）与其他节点通信。节点可以理解为“进程中的对象”，它通过rclcpp::Node（C++）或rclpy.Node（Python）类实例化。

操作流程：创建节点的基本步骤包括：初始化ROS2客户端库、创建节点对象、编写回调逻辑、调用spin()函数保持节点活跃。以下是一个最小C++节点示例：

#include "rclcpp/rclcpp.hpp"
int main(int argc, char** argv) {
    rclcpp::init(argc, argv);
    auto node = std::make_shared<rclcpp::Node>("voice_command_node");
    RCLCPP_INFO(node->get_logger(), "语音节点已启动");
    rclcpp::spin(node);
    rclcpp::shutdown();
    return 0;
}

案例拆解：在语音控制场景中，我们至少需要三个节点：麦克风采集节点（负责音频流）、关键词识别节点（负责语音特征提取与匹配）、行为树触发节点（负责决策与动作执行）。这三个节点通过话题和动作进行协作，节点间的解耦使得每个模块可以独立测试和替换。

经验提醒：节点命名必须全局唯一，建议使用模块名_功能名的格式，例如audio_capture_node、keyword_detect_node。在启动多个相同节点时，可以使用ros2 run pkg node --ros-args -r __node:=new_name重映射。

2.2 话题：异步数据流的骨干

核心原理：话题是ROS2中最常用的通信方式，采用发布-订阅模式。发布者（Publisher）向指定话题发送消息，订阅者（Subscriber）接收消息。话题通信是异步的、单向的、连续的，适合传感器数据、状态信息等高频数据流。消息类型由接口定义文件（.msg）定义，例如std_msgs/msg/String、sensor_msgs/msg/AudioData。

判断方法：当数据是“持续产生、持续消费”且不需要立即回复时，优先选择话题。例如，麦克风采集的音频帧（16kHz/16bit）以20ms为周期发布，关键词识别节点订阅该话题进行流式处理。

通信方式	同步性	方向	典型场景	QoS策略
话题	异步	单向	传感器数据、状态广播	Reliable/Best Effort
服务	同步	双向	开关控制、查询请求	默认可靠
动作	异步	双向	导航、机械臂运动	默认可靠

案例拆解：假设音频采集节点发布话题/audio_stream，消息类型为自定义的AudioFrame（包含时间戳、采样率、数据数组）。关键词识别节点订阅该话题，每收到一帧就执行VAD（语音活动检测）和关键词匹配。若识别到“小智小智”，则发布一个触发信号到/wake_word_trigger话题。这里话题的QoS应设置为Best Effort，因为音频帧丢失一帧不影响整体识别，但延迟必须低。

风险提示：话题通信没有应答机制，发布者无法确认订阅者是否收到。在关键控制指令中（如急停），不应使用话题，而应使用服务或动作。

2.3 服务：同步请求-应答模式

核心原理：服务采用客户端-服务器模式，客户端发送请求（Request），服务器处理并返回响应（Response）。服务是同步的，客户端会阻塞等待结果。服务适合一次性、短时、需要确认的操作，例如“开启LED灯”、“查询当前电量”。服务接口由.srv文件定义。

操作流程：定义服务接口后，服务器端需要创建Service并注册回调函数，客户端创建Client并调用async_send_request。以下是一个服务客户端的Python示例：

import rclpy
from rclpy.node import Node
from example_interfaces.srv import SetBool

class LightClient(Node):
    def __init__(self):
        super().__init__('light_client')
        self.cli = self.create_client(SetBool, '/set_light')
        while not self.cli.wait_for_service(timeout_sec=1.0):
            self.get_logger().info('等待服务...')
        self.req = SetBool.Request()
        self.req.data = True

    def send_request(self):
        self.future = self.cli.call_async(self.req)
        rclpy.spin_until_future_complete(self, self.future)
        return self.future.result()

案例拆解：在语音控制系统中，当关键词识别节点检测到“打开灯”指令时，可以调用/set_light服务。服务端（灯光控制节点）执行GPIO操作并返回成功/失败。由于服务是同步的，识别节点会等待结果，若超时（如2秒）则提示用户“指令执行失败”。

对比总结：话题适合“流式数据”，服务适合“请求-应答”。如果操作耗时超过5秒，或者需要中途取消，则必须使用动作。

2.4 动作：长时任务的解决方案

核心原理：动作（Action）是ROS2中用于处理长时间运行任务的通信机制，它由三部分组成：目标（Goal）、反馈（Feedback）、结果（Result）。客户端发送目标，服务器执行任务并周期性地发送反馈，最终返回结果。动作支持取消和超时控制，非常适合导航、机械臂运动、语音播报等场景。动作接口由.action文件定义。

操作流程：动作服务器需要实现execute_callback，客户端通过send_goal_async发送目标。以下是一个动作客户端的核心代码片段：

from action_tutorials_interfaces.action import Speak
action_client = node.create_action_client(Speak, '/speak')
goal_msg = Speak.Goal()
goal_msg.text = "你好，我是机器人"
send_goal_future = action_client.send_goal_async(goal_msg)
# 等待目标被接受
# 然后等待结果，期间可以收到反馈

案例拆解：在语音控制课程中，行为树动作触发节点会调用/speak动作来播报语音回复。假设用户说“向前走一米”，行为树节点发送导航目标给/navigate_to_pose动作服务器。在导航过程中，服务器持续反馈“剩余距离0.8米、0.5米...”，行为树节点可以根据反馈决定是否提前取消（例如检测到障碍物）。动作的取消机制是话题和服务无法提供的。

选型建议：当任务需要“进度反馈”或“可取消”时，直接选择动作。例如语音播报可以随时被新指令打断，这就是动作的典型应用。

2.5 参数：运行时的动态配置

核心原理：参数是ROS2中用于节点配置的键值对，支持整数、浮点、字符串、布尔、数组等类型。参数可以在节点启动时通过命令行设置，也可以在运行时动态修改。参数常用于配置采样率、识别阈值、话题名称等。

操作流程：声明参数使用declare_parameter，获取参数使用get_parameter。以下是一个参数配置示例：

# 声明参数
node.declare_parameter('sample_rate', 16000)
node.declare_parameter('keyword', '小智小智')
# 获取参数
sample_rate = node.get_parameter('sample_rate').value
keyword = node.get_parameter('keyword').value

案例拆解：在关键词识别节点中，我们将“唤醒词”和“识别灵敏度”设为参数。这样在部署到不同环境时，无需重新编译代码，只需修改yaml配置文件或启动命令：

ros2 run voice_bringup keyword_detect_node --ros-args -p keyword:=你好机器人 -p threshold:=0.85

常见误区：初学者常将参数用于高频数据传输，这是错误的。参数适合低频配置，不适合实时数据流。高频数据应使用话题。

2.6 工作空间构建与编译管理

核心原理：ROS2工作空间是一个包含多个功能包（Package）的目录结构，标准布局包括src（源码）、build（编译中间文件）、install（安装产物）、log（日志）。使用colcon工具进行编译，它替代了ROS1的catkin。

操作流程：构建工作空间的完整步骤如下：

创建工作空间目录：mkdir -p ~/ros2_ws/src
进入src目录创建功能包：ros2 pkg create voice_bringup --build-type ament_python
编写代码和配置文件（package.xml、setup.py、CMakeLists.txt）
回到工作空间根目录编译：colcon build --symlink-install
加载环境变量：source install/setup.bash

案例拆解：假设我们需要构建一个语音控制工作空间，包含三个功能包：audio_capture（采集）、keyword_detect（识别）、behavior_tree_trigger（行为树）。在src目录下创建三个包后，使用colcon build编译。如果某个包编译失败，可以单独编译该包：colcon build --packages-select keyword_detect。

目录	作用	注意事项
src	存放所有源码包	每个包必须包含package.xml
build	编译中间文件	无需手动修改，可删除
install	编译产物和可执行文件	需要source setup.bash
log	编译日志	用于排查编译错误

风险提示：在编译前务必确认已source ROS2环境：source /opt/ros/humble/setup.bash。否则会报“找不到rclcpp”等错误。另外，colcon build时建议加上--symlink-install参数，这样Python代码修改后无需重新编译即可生效。

总结复盘：本章回顾了ROS2的五大核心通信原语和工作空间构建方法。节点是功能载体，话题负责异步数据流，服务处理同步请求，动作管理长时任务，参数提供动态配置。在实际语音控制项目中，音频流使用话题传输，指令执行使用动作，参数配置用于调整识别阈值。掌握这些基础后，下一阶段我们将深入实现关键词识别节点，并将其与行为树无缝集成。