仿真机器人-深度学习CV和激光雷达感知(项目2)day5【作业1与答案1】

前言

💫你好，我是辰chen，本文旨在准备考研复试或就业
💫本文内容是我为复试准备的第二个项目
💫欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容
🌟 预置知识：基本Python语法，基本linux命令行使用

以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新)，欢迎大家的关注：

💥ACM-ICPC算法汇总【基础篇】
💥ACM-ICPC算法汇总【提高篇】
💥AIoT(人工智能+物联网)
💥考研
💥CSP认证考试历年题解

作业1

1. 用 rostopic 命令，让第二只小海龟也动起来
2. 创建功能包，实现 ROS 节点: 在随机位置生成一个小海龟，生成后，以随机速度、半径、方向(顺时针or逆时针)持续转圈。并使用 rgt_graph,rgt_topic 等工具查看，确保与自己的理解一致。
   ? 提示1:生成一个小海龟需要调用 turtlesim 功能包的服务，可以用 roscd turtlesim 进入该功能包，查看服务的定义。写代码时，用 from turtlesim.srv import Spawn, SpawnRequest, SpawnResponse 导入该服务。
   ? 提示2:创建功能包时，也要在依赖中加入 turtlesim，如 catkin_create_pkg homework std_msgsorospy turtlesim
   ? 提示3:生成小海龟后，要往哪个Topic 发送控制指令? Topic 的数据类型是什么? rostopic 命令可以查看当前有的 Topic 的数据类型，用 -h 参数自己探索一下吧😘
3. 将上述节点运行多个，生成多个小海龟。你遇到了什么问题?什么原因导致?能否想到解决方法?

答案1

1.操作命令行如下：

# 创建第一只小海龟
roscore
rosrun turtlesim turtlesim_node

# 让第一只小海龟一直转圈
rostopic pub -r 1 /turtle1/cmd_vel geometry_msgs/Twist "linear:
  x: 1.0
  y: 0.0
  z: 0.0
angular:
  x: 0.0
  y: 0.0
  z: 1.0"

# 创建第二只小海龟
rosservice call /spawn "x: 5.0
y: 3.0
theta: 0.0
name: ''" 

# 用 rostopic 命令让第二只小海龟一直转圈
rostopic pub -r 1 /turtle2/cmd_vel geometry_msgs/Twist "linear:
  x: 2.0
  y: 0.0
  z: 0.0
angular:
  x: 0.0
  y: 0.0
  z: 1.0"

---

2.分析问题要求：在随机位置生成一个小海龟，生成后，以随机速度、半径、方向(顺时针or逆时针)持续转圈。

两个关键：生成海龟，控制持续运动。

我们来思考一下这两个操作应该使用 Service 还是 Topic：
决定使用服务（Service）还是主题（Topic）通常取决于你想要进行的操作的性质和通信模式。在ROS中，服务和主题用于不同的通信模式：

使用服务（Service）:
当操作是请求-响应模式，即发送一个请求并期待一个响应，而这个操作不是连续进行的，应该使用服务。
服务适用于一次性的、离散的操作。比如，需要“生成一只小海龟”，这是一个一次性的操作，发送请求，服务完成操作并给出一个响应（比如成功或失败的消息，或者生成的海龟的ID）。
服务是同步的，客户端会在服务处理请求并返回响应之前阻塞（等待）。

使用主题（Topic）:
如果你的操作涉及连续的数据流或状态更新，你应该使用主题。
主题适用于发布/订阅模型，当信息源（发布者）有新的数据时，它会不断地发布消息，而感兴趣的接收方（订阅者）会接收这些消息。比如，传感器数据的发布，或者机器人位置的持续更新。
主题是异步的，数据的发布和接收是独立进行的，订阅者不会阻塞等待发布者发布消息。
例子中，“生成一只小海龟”是一个一次性的操作：请求生成海龟，然后操作完成。这种情况下，使用服务是合适的，因为发送一个请求并期待一个响应，这与服务的请求-响应模型相匹配。
如果操作是持续监控海龟的位置或状态如第二个需求：持续转圈，并且海龟的信息是持续变化的，那么使用主题会更合适，可以订阅一个主题，并持续接收海龟状态的更新。

综上，我们将问题分析为：使用 Service 创建一个海龟，使用 Topic 使得海龟持续转圈

之前有过介绍，生成海龟曾调用过 Spawn 这个服务，也就是说，我们不需要像之前介绍的那样建立一个 Service Client 以及一个 Service Server，我们只需要建立一个 Service Client 即可，至于 Service Server 节点，其实就是系统提供的 Spawn。

生成一个海龟可能遇到的问题：不知道用什么样的数据去调用服务【正确调用一个ROS服务的关键之一是知道该服务期望接收的参数（请求部分）以及它将返回的参数（响应部分）。每个ROS服务都有一个定义好的服务类型，这个服务类型定义了请求和响应的结构。】

解决思路：我们知道是有生成海龟这个服务在的（Spawn），关键在于如何调用：

roscore
rosrun turtlesim turtlesim_node
rossrv list
rossrv show turtlesim/Spawn

rosservice 更侧重于与运行中的服务进行交互和管理，而 rossrv 则更侧重于服务消息类型的查看和管理。

由此可以看到服务类型的定义：

--- 用来分割服务的请求和返回值

还有一个方法可以看到服务类型的定义：

roscd turtlesim/
ls
cd srv
ls
vim Spawn.srv

和第一种方法得到的结果是一样的，这里还有一行注释，意为 name 是可选的，不对 name 操作会自动创建一个无重的命名。

根据提示创建一个功能包：

cd ~/learn_ws/src
catkin_create_pkg turtle_work std_msgs rospy turtlesim

cd ..
catkin_make
source devel/setup.bash

#! /usr/bin/env python
# coding utf-8
import rospy
import random
import math
from geometry_msgs.msg import Twist
from turtlesim.srv import Spawn, SpawnRequest, SpawnResponse

if __name__ == '__main__':
    rospy.init_node("spawn_by_py")

    # 给服务传递的参数
    request = SpawnRequest()
    request.x = 8 * random.random()
    request.y = 8 * random.random()
    request.theta = math.pi * random.uniform(-1, 1)
    request.name = "own_turtle_1"

    # 请求服务
    rospy.loginfo('waitting for serviceL /spawn ...')
    rospy.wait_for_service('/spawn')

    try:
        service = rospy.ServiceProxy("/spawn", Spawn)
        response: SpawnResponse = service(request)
    except rospy.ServiceException as e:
        rospy.logerr(f'Service call failed: {e}')
        exit(-1)

    rospy.loginfo(f"spawn new turtle: {response.name}")

    # 创建速度控制的 Topic 发布者
    pub = rospy.Publisher(request.name+'/cmd_vel', Twist, queue_size=10)

    # 发布的信息变量
    control_msg = Twist()
    control_msg.linear.x = 5 * random.random()
    control_msg.angular.z = random.choice([1, -1]) * random.uniform(0.5, 5)

    rate = rospy.Rate(10)
    while not rospy.is_shutdown():
        rospy.loginfo(control_msg)
        pub.publish(control_msg)
        rate.sleep()

代码解释：

import rospy
import random
import math
from geometry_msgs.msg import Twist
from turtlesim.srv import Spawn, SpawnRequest, SpawnResponse

rospy: ROS 的 Python 库，用于节点初始化、消息发布等。
random: 生成随机数。
math: 数学函数库，此处用于访问 $\pi$ 值。
geometry_msgs.msg: ROS 标准消息类型，此处用于发送速度控制指令。
turtlesim.srv: Turtlesim 特有的服务类型，用于创建新的乌龟。

if __name__ == '__main__':
    rospy.init_node("spawn_by_py")

定义 Python 的主执行块。
初始化 ROS 节点，节点名为 “spawn_by_py”。

    request = SpawnRequest()
    request.x = 8 * random.random()
    request.y = 8 * random.random()
    request.theta = math.pi * random.uniform(-1, 1)
    request.name = "own_turtle_1"

创建 SpawnRequest 对象，并为其属性赋值。这些值用于设定新乌龟的初始位置（x 和 y 坐标，范围是 [0, 8]）和方向（theta，即朝向，范围是 [-$\pi$, $\pi$]），以及名称（“own_turtle_1”）。random.random() 用于生成一个随机浮点数。这个数在 0.0 到 1.0 之间（包含 0.0，但不包含 1.0）random.uniform(a, b) 用于生成一个随机浮点数 N，使得 a ≤ N ≤ b。其结果包括区间的两端点 a 和 b。math.pi * random.uniform(-1, 1) 故可以生成 [-$\pi$, $\pi$]

    rospy.loginfo('waitting for serviceL /spawn ...')
    rospy.wait_for_service('/spawn')

rospy.loginfo() 是 ROS 中的一个日志函数，用于打印信息级别的日志。在 ROS 中，日志有不同的级别，如 info, warn, error, 等等，以表示不同严重程度的信息。rospy.loginfo('waitting for serviceL /spawn ...') : rospy.loginfo 表示这是一条信息级别的日志，通常用于提供正常的程序运行信息。waiting for service /spawn … 是要打印的日志内容，通常用于告知用户程序正在等待 /spawn 服务可用。
调用rospy.wait_for_service等待 /spawn 服务可用。这是 Turtlesim 提供的服务，用于生成新的乌龟，

    try:
        service = rospy.ServiceProxy("/spawn", Spawn)
        response: SpawnResponse = service(request)
    except rospy.ServiceException as e:
        rospy.logerr(f'Service call failed: {e}')
        exit(-1)

创建一个服务客户端，连接到 /spawn 服务。如果服务调用成功，将返回一个SpawnResponse对象；如果服务调用失败（比如服务不可用），将打印错误信息并退出程序。
rospy.ServiceProxy: 这是一个在 ROS 中创建服务客户端的构造函数。服务客户端用于调用服务。第一个参数 "/spawn" : 这是服务的名称。第二个参数 Spawn: 这是服务的类型。
response: 这是一个变量，用于存储服务调用的响应。SpawnResponse: 这是响应的类型。在这种情况下，它是服务Spawn的响应部分。service(request) : 这是实际调用服务的部分。service是之前声明的服务客户端，request 是发送给服务的请求消息，它是一个 SpawnRequest 类型的对象，包含了创建新乌龟所需的数据（比如位置、方向和名称）。response: SpawnResponse，: 这个冒号在 Python 中用于类型注解，表示变量 response 应该是 SpawnResponse 类型。
rospy.logerr() 是 ROS 中的一个日志函数，用于在节点的日志中记录错误信息。

    rospy.loginfo(f"spawn new turtle: {response.name}")

打印日志，显示新生成的乌龟的名称。

    pub = rospy.Publisher(request.name+'/cmd_vel', Twist, queue_size=10)

创建了一个 ROS 发布者（Publisher），向一个特定的主题（Topic）发布消息（用于向控制乌龟移动的主题发送消息）request.name+'/cmd_vel ：这是打算发布消息的主题名：request.name 是一个字符串，包含了之前创建的乌龟的名称，'/cmd_vel' 是一个常用于控制机器人速度的标准 ROS 主题。它经常用于接收速度指令（如线性速度和角速度）。通过将这两部分连接起来，代码将会向特定乌龟的速度控制主题发送消息。Twist：这指定了将要发布到该主题的消息类型。Twist 是一个标准的 ROS 消息类型，它包含了线性和角速度向量，用于控制机器人的运动。queue_size=10：这个参数设置了发布者的队列大小。队列用于存储在实际发送之前准备发送的消息。queue_size=10 意味着如果出于某种原因消息不能立即发送（例如，订阅者没有迅速接收消息），那么最多可以存储10条消息。如果超过这个数量，最旧的消息将会被丢弃。
总的来说：这行代码创建了一个名为 pub 的新发布者，它会向特定乌龟的 cmd_vel 主题发布 Twist 类型的消息。这允许你的节点控制乌龟的移动，通过指定其线性和角速度。队列大小设置为10，意味着在极端情况下，它会在丢弃最旧消息前缓存最多10条消息。

    control_msg = Twist()
    control_msg.linear.x = 5 * random.random()
    control_msg.angular.z = random.choice([1, -1]) * random.uniform(0.5, 5)

因为题目要求的是转圈，所以它的线速度和角速度是固定的，随意取一次即可。
创建 Twist 类型的消息 control_msg，并为其线性和角速度赋随机值。线性速度（linear.x）范围是[0, 5]，角速度（angular.z）范围是[-5, -0.5] ∪ [0.5, 5]。random.choice([1, -1]) 会随机选择 1 或 -1，这代表一个方向（正向或负向）。random.uniform(0.5, 5) 生成一个随机的大小或强度。将这两个数相乘，结果是一个介于 -5 到 -0.5 或 0.5 到 5 之间的数，具体取决于第一部分选择的是 1 还是 -1。

    rate = rospy.Rate(10)

创建 Rate 对象，以 10Hz 的频率运行循环。

    while not rospy.is_shutdown():
        rospy.loginfo(control_msg)
        pub.publish(control_msg)
        rate.sleep()

主循环。在ROS没有关闭的情况下，不断执行以下操作：
打印 control_msg日志。
通过pub.publish发布control_msg到cmd_vel主题，控制乌龟的移动。
通过rate.sleep等待一段时间，以保持10Hz的循环频率。
pub.publish(control_msg)：
pub: 是之前创建的一个发布者（Publisher）对象。在ROS中，发布者用于发送消息给任何订阅了相应主题的节点。
.publish: .publish 是发布者对象的一个方法。这个方法用于实际发送消息。调用这个方法时，消息会被发送到创建发布者时指定的主题。
(control_msg): control_msg 是要发布的消息。由上述代码中的定义，control_msg 是一个 Twist 类型的消息
总的来说，pub.publish(control_msg) 这行代码是ROS通信机制中的核心操作之一，它允许节点之间通过主题来交换消息，这是实现分布式系统和模块化设计的关键。

此时我们可以再来看一下计算图：

roscore
rosrun turtlesim turtlesim_node
rosrun rqt_graph rqt_graph

运行一下看看效果：

chmod +x src/turtle_work/src/*
source devel/setup.bash
rosrun turtle_work work.py 

因为是随机生成的位置这些信息，可以再运行一次查看：

---

3.我们按照题目要求新建一个窗口再生成一只小海龟，会报错如下：

保存原因是第一次执行时（创建第二只海龟）创建了代码中 "own_turtle_1" 名字的海龟，再次调用的时候（创建第三只海龟）由于名字是一样的，所以会创建失败，因为是不能有重名的，在计算图中，所有的资源都需要唯一命名，解决方法见下篇博客。

---

上述所有内容出处如下，博主在此基础上仅为添加个人理解：
本项目为北大团队出品【项目三：深度学习&仿真机器人 - 丘丘老师】原创（部分代码为开源代码）。课程团队：B站ID【M学长的考研top帮】UID【3546580235848566】复试项目班QQ大群：885884619，负责人QQ：674799975