ROS 2 机器人编程精通：第四版技术详解与实战指南

3.3 Nav2 导航栈

Nav2 是 ROS 2 的工业级导航解决方案，包含全局规划器（A*/Dijkstra）、局部规划器（DWB）及恢复行为。支持 SLAM Toolbox 建图，可保存 .pgm 地图文件。

// 调用导航服务
auto client = std::make_shared<Nav2GoToPose::Async>();
auto goal = Nav2GoToPose::Goal();
goal.pose = createPose(1.0, 0.0, 0.0);
client->async_send_goal(goal);

3.4 MoveIt 2 机械臂操作

MoveIt 2 提供运动规划、碰撞检测及逆运动学求解功能。通过 Setup Assistant 生成配置包后，可在 Rviz2 中进行可视化测试。

auto move_group = std::make_shared<moveit::planning_interface::MoveGroupInterface>(plan_context);
move_group->setPoseTarget(createPose(0.5, 0.2, 0.3));
move_group->move();

四、感知系统与 AI 集成

4.1 视觉数据处理

感知栈开发需关注 RGB-D 相机（如 RealSense）的数据流。利用 cv_bridge 将 ROS 图像转换为 OpenCV 格式，使用 pcl_conversions 处理点云。

from pcl_conversions import pcl2_to_ros, ros_to_pcl
def depth_callback(depth_msg):
    depth_cloud = ros_to_pcl(depth_msg)
    seg = depth_cloud.make_segmenter()

4.2 深度传感器实战

RealSense D455 适用于室内场景，Ouster LiDAR 更适合室外自动驾驶。深度图转 3D 坐标计算需注意相机内参矩阵的校准。

4.3 高性能加速

NVIDIA ISAAC ROS 利用 GPU 加速图像处理，但在 Jazzy 版本中需注意兼容性。若暂不支持，可使用原生 colcon 优化编译选项或 rclcpp 的 Intra-Process 通信减少延迟。

五、高级应用与未来趋势

5.1 无人机与嵌入式

结合 PX4 固件与 MAVROS 节点，可实现无人机的自主飞行控制。树莓派等嵌入式平台也可运行 Micro-ROS，构建轻量级机器人系统。

5.2 LLM 与大模型接口

探索将大型语言模型（LLM）接入 ROS 2 代理，实现自然语言指令解析。可通过 REST API 调用云端服务，或本地部署轻量化模型。

5.3 强化学习与 CI/CD

在 Isaac Lab 等仿真环境中训练深度强化学习策略，并通过 CI/CD 流水线自动化测试与部署。这有助于提升机器人系统的鲁棒性与可维护性。

六、总结

本书涵盖了从底层驱动到上层决策的完整技术栈。通过掌握 ros2_control、Nav2、MoveIt 2 及感知 AI 技术，开发者能够构建从简单移动机器人到复杂智能系统的解决方案。建议持续关注 ROS 2 社区更新，以适应快速迭代的技术生态。