ros2 自定义消息、服务、动作接口详细范例

在ROS2中,自定义消息(.msg)、服务(.srv)和动作(.action)接口是扩展系统功能的核心。以下以完整工程结构为例,详细说明定义、编译和使用的全流程:

1. 项目结构

custom_interfaces/
├── CMakeLists.txt
├── package.xml
├── msg/
│   ├── MyMessage.msg
│   └── ...
├── srv/
│   ├── MyService.srv
│   └── ...
└── action/
    ├── MyAction.action
    └── ...

user_pkg/  # 使用自定义接口的包
├── CMakeLists.txt
├── package.xml
├── src/
│   ├── publisher_node.cpp
│   ├── subscriber_node.cpp
│   ├── service_server.cpp
│   ├── service_client.cpp
│   ├── action_server.cpp
│   └── action_client.cpp
└── ...

2. 自定义接口定义

消息(.msg)

custom_interfaces/msg/MyMessage.msg:

int32 id
string data
float64[3] values
服务(.srv)

custom_interfaces/srv/MyService.srv:

# 请求部分
string query
---
# 响应部分
bool success
string result
动作(.action)

custom_interfaces/action/MyAction.action:

# 目标(Goal)
int32 target_value
---
# 结果(Result)
bool achieved
float64 final_position
---
# 反馈(Feedback)
float64 progress

3. 编译配置(custom_interfaces包)

CMakeLists.txt关键部分:

cmake_minimum_required(VERSION 3.8)
project(custom_interfaces)

find_package(ament_cmake REQUIRED)
find_package(rosidl_default_generators REQUIRED)

# 添加消息、服务、动作文件
rosidl_generate_interfaces(${PROJECT_NAME}
  "msg/MyMessage.msg"
  "srv/MyService.srv"
  "action/MyAction.action"
  DEPENDENCIES std_msgs
)

ament_package()

package.xml关键依赖:

<build_depend>rosidl_default_generators</build_depend>
<exec_depend>rosidl_default_runtime</exec_depend>
<member_of_group>rosidl_interface_packages</member_of_group>

4. 使用自定义接口(user_pkg包)

消息发布/订阅示例

发布者节点(publisher_node.cpp):

#include "rclcpp/rclcpp.hpp"
#include "custom_interfaces/msg/my_message.hpp"

int main(int argc, char **argv) {
   
   
  rclcpp::init(argc, argv);
  auto node = rclcpp::Node::make_shared("msg_publisher");
  auto pub = node->create_publisher<custom_interfaces::msg::MyMessage>("my_topic", 10);

  auto msg = custom_interfaces::msg::MyMessage();
  msg.id = 1;
  msg.data = "Hello ROS2";
  msg.values = {
   
   1.0, 2.0, 3.0};

  rclcpp::Rate loop_rate(1);
  while (rclcpp::ok()) {
   
   
    pub->publish(msg);
    loop_rate.sleep
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

老黄编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值