【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

在 NVIDIA DGX Spark部署 Stable Diffusion 3.5 并使用ComfyUI

在 NVIDIA DGX Spark部署 Stable Diffusion 3.5 并使用ComfyUI

📖 前言 随着 NVIDIA Blackwell 架构的问世,DGX Spark (Personal AI Supercomputer) 将桌面级 AI 算力推向了新的巅峰。这台怪兽级设备搭载了 GB200/GB10 级别的 GPU 和 NVIDIA Grace CPU (ARM64),并运行在最新的 CUDA 13 环境下。 然而,“最强硬件"往往伴随着"最难环境”。由于 Grace CPU 采用 ARM (aarch64) 架构,且 CUDA 13 过于前沿,传统的 PyTorch 安装方法极易失败。 本文将手把手教你如何在这台超级计算机上部署 Stable Diffusion

揭秘!AI应用架构师眼中的智能Web3应用开发框架精髓

揭秘!AI应用架构师眼中的智能Web3应用开发框架精髓 关键词:智能Web3应用, AI与区块链融合, 去中心化AI架构, 智能合约开发, Web3开发框架, AI模型链上集成, 去中心化应用(DApp)设计 摘要:当人工智能(AI)的"智慧大脑"遇上Web3的"去中心化灵魂",会碰撞出怎样的创新火花?本文将以AI应用架构师的第一视角,深入剖析智能Web3应用开发框架的核心精髓。我们将从"传统互联网到Web3的进化史"讲起,用生活类比揭开Web3与AI融合的神秘面纱,系统讲解智能Web3应用的"五脏六腑"架构设计、AI模型与区块链交互的"对话语言"、以及实战开发中的"避坑指南"。无论你是Web3开发者、AI工程师,还是对下一代互联网好奇的技术爱好者,这篇文章都将带你透过架构师的眼睛,看到智能Web3应用开发的全景蓝图—

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 遥感数据集 NWPU VHR-10数据集是 10个类别地理空间目标检测的挑战性数据集,共650张图片。 YOLO和COCO格式 数据集按默认划分比例:390张训练集、130张验证集、130张测试集。 手动标注了757架飞机、302艘船只、655个储罐、390个棒球场、524个网球场、159个篮球场、163个田径场、224个港口、124座桥梁和598辆车辆。 📊 一、数据集总体信息 项目描述数据集名称NWPU VHR-10(Northwestern Polytechnical University Very High Resolution 10-class Dataset)任务类型遥感图像中的地理空间目标检测(Object Detection in Remote Sensing Images)图像总数650 张(均为高分辨率遥感图像,源自 Google Earth 等平台)图像分辨率约 600×600

Clawdbot整合Qwen3:32B的低代码工作流:拖拽式Agent编排与条件分支

Clawdbot整合Qwen3:32B的低代码工作流:拖拽式Agent编排与条件分支 1. 为什么需要这个工作流:从“写代码”到“搭积木” 你有没有遇到过这样的情况:想让大模型帮自己自动处理一批客户咨询,但每次都要改Python脚本、调API参数、写if-else逻辑,改完还要测试、部署、查日志?或者想让AI根据用户提问类型自动走不同流程——比如问价格走报价分支,问售后走工单分支,问教程走知识库分支——可一想到要写状态机、维护路由表、处理异常跳转,就直接放弃了? Clawdbot + Qwen3:32B 的这套低代码工作流,就是为解决这类问题而生的。它不让你写一行后端逻辑,也不要求你懂FastAPI或LangChain内部机制。你只需要在界面上拖拽几个模块,连几条线,设几个判断条件,就能把一个320亿参数的大模型变成真正能干活的智能体(Agent)。 这不是概念演示,而是已经跑在生产环境里的真实配置:Qwen3:32B 模型私有部署在本地服务器,通过 Ollama 统一提供 API;Clawdbot 作为前端编排层,不碰模型推理,只负责“