当前位置： 首页 > news >正文

【ROS2学习笔记】参数

news 2025/10/5 7:08:28

前言

本系列博文是本人的学习笔记，自用为主，不是教程，学习请移步其他大佬的相关教程。前几篇学习资源来自鱼香ROS大佬的详细教程，适合深入学习，但对本人这样的初学者不算友好，后续笔记将以@古月居的ROS2入门21讲为主，侵权即删。

一、学习目标

  1. 理解 ROS 参数的核心概念 ——“全局共享的数据字典”，能用生活例子快速联想
  2. 掌握参数的 5 个核心命令行操作（查看、读取、修改、保存、加载）
  3. 学会在代码中实现 “参数声明→读取→修改” 的完整流程
  4. 理解参数在实际场景中的作用（如动态调整视觉阈值），能独立用参数优化节点

二、ROS 参数是什么？

2.1 一句话说清：ROS 中的 “全局共享变量”

参数是 ROS 系统中跨节点共享的数据容器，相当于 “全局字典”—— 所有节点都能访问、读取甚至修改这些数据，不用通过话题 / 服务通信。比如：相机节点的 “分辨率”、视觉节点的 “颜色阈值”、机器人的 “最大速度”，都可以用参数存储，方便所有节点共用。

2.2 用生活 / 编程例子类比（秒懂）

类比场景对应 ROS 参数的逻辑例子
手机设置手机的 “亮度”“音量” 是全局参数，所有 APP 都能响应调亮屏幕后，微信、抖音的显示都变亮
编程全局变量多个函数共享一个变量，不用反复传参C++ 中global int speed=5，多个函数都能调用speed
字典（工具书）参数是 “键值对”（名字 = 值），按 “名字” 查 “值”键 =“robot_name”，值 =“mbot”；键 =“resolution”，值 =“1920x1080”

2.3 ROS 参数的 3 个核心特性（为什么好用？）

  1. 全局共享：一个参数可以被多个节点访问（比如 “相机分辨率” 参数，相机节点、视觉节点都能读）
  2. 动态可改：运行中能随时修改参数值，修改后其他节点能立刻获取最新值（不用重启节点）
  3. 类型丰富：支持常见数据类型（字符串、整数、浮点数、布尔值），满足大部分场景需求

三、参数的命令行操作（最常用，小白优先掌握）

ROS 参数的命令行工具非常直观，所有操作都以ros2 param开头，搭配小海龟案例实战，边练边记。

3.1 准备工作：启动小海龟节点

先打开 2 个终端，启动小海龟仿真器和键盘控制（后续所有命令都基于这个环境）：

# 终端1：启动小海龟仿真器（会创建很多参数，比如背景色、海龟速度）
ros2 run turtlesim turtlesim_node
# 终端2：启动键盘控制（可选，不影响参数操作）
ros2 run turtlesim turtle_teleop_key

3.2 5 个核心命令（语法 + 示例 + 预期效果）

整理成表格，小白照着练就能会：

命令语法功能说明小海龟案例示例预期输出 / 效果
ros2 param list查看系统中所有参数（按 “节点名→参数名” 分类）ros2 param list输出turtlesim.background_b（背景蓝通道）、turtlesim.background_g（背景绿通道）等
ros2 param describe <节点名> <参数名>查看某个参数的详细信息（类型、描述）ros2 param describe turtlesim background_b输出 “Type: integer”（整数类型）、“Description: Blue channel of the background color”（背景色蓝通道）
ros2 param get <节点名> <参数名>读取某个参数的当前值ros2 param get turtlesim background_b输出255（默认背景蓝通道是 255，对应蓝色背景）
ros2 param set <节点名> <参数名> <新值>修改某个参数的值（立即生效）ros2 param set turtlesim background_b 10小海龟窗口背景从 “蓝色” 变成 “深青色”（蓝通道从 255 降到 10）
ros2 param dump <节点名> >> <文件名>.yaml将某个节点的所有参数保存到 YAML 文件（方便备份）ros2 param dump turtlesim >> turtlesim_params.yaml在当前目录生成 turtlesim_params.yaml文件，包含所有背景色、海龟参数
ros2 param load <节点名> <文件名>.yaml从 YAML 文件加载参数（一次性恢复所有参数）1. 先改背景绿通道：ros2 param set turtlesim background_g 102. 加载文件：ros2 param load turtlesim turtlesim_params.yaml背景绿通道恢复为默认值 255，窗口背景变回原来的蓝色

3.3 补充：YAML 文件是什么？（小白不用深究，会用就行）

YAML 是一种 “易读的配置文件格式”，专门用来存储键值对数据，ROS 参数保存后默认用这种格式。比如刚才保存的 turtlesim_params.yaml文件内容（部分）：

turtlesim:ros__parameters:background_b: 255background_g: 255background_r: 255use_sim_time: false
  • 结构：节点名→ros__parameters→参数名: 值，清晰易懂，手动修改也很方便（比如把background_b改成 100，再加载就生效）。

四、代码实战：参数的 “声明→读取→修改”

命令行适合手动操作，而代码能让参数 “自动化”（比如节点启动时自动声明参数，定时读取参数）。下面通过 2 个案例，从简单到复杂掌握代码逻辑。

案例 1：基础参数操作（声明 + 定时读取 + 自动重置）

场景说明

创建一个节点：

  1. 启动时声明参数robot_name，默认值是mbot；
  2. 每 2 秒读取一次robot_name的值，打印日志；
  3. 读取后自动把参数重置为mbot（防止被手动修改后一直生效）。
步骤 1：创建功能包

先创建存放参数节点的功能包learning_parameter：

cd dev_ws/src  # 进入ROS工作空间的src目录
# 创建功能包，依赖rclpy（ROS2 Python核心库）和sensor_msgs（后续视觉案例用）
ros2 pkg create learning_parameter --build-type ament_python --dependencies rclpy sensor_msgs cv_bridge opencv-python numpy
步骤 2：代码实现（带逐行注释）

文件名：learning_parameter/param_declare.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
ROS2参数基础案例：
1. 声明参数robot_name（默认值mbot）
2. 每2秒读取参数并打印
3. 读取后自动重置参数为mbot
"""# 1. 导入需要的库
import rclpy                                     # ROS2 Python核心库（初始化、节点操作等）
from rclpy.node import Node                      # ROS2节点类（所有自定义节点必须继承）# 2. 定义参数节点类（继承Node）
class ParameterNode(Node):def __init__(self, name):"""构造函数：初始化节点、定时器、参数"""# 调用父类Node的构造函数，给节点起名字："param_declare"super().__init__(name)                                   # 2.1 创建定时器：每2秒执行一次timer_callback函数（周期=2秒，回调函数=定时器处理逻辑）# 作用：定时读取参数，避免节点启动后只读一次self.timer = self.create_timer(2, self.timer_callback)    # 2.2 声明参数：参数名=robot_name，默认值=mbot（如果没手动设置，就用这个默认值）# 声明后，这个参数会被注册到ROS系统的全局参数列表中self.declare_parameter('robot_name', 'mbot')             def timer_callback(self):"""定时器回调函数：每2秒执行一次，读取参数→打印→重置参数"""# 3.1 读取参数值：从ROS系统中获取robot_name的当前值# 步骤：get_parameter(参数名) → 获取参数对象 → get_parameter_value() → 获取参数值 → .string_value（转成字符串类型）robot_name_param = self.get_parameter('robot_name').get_parameter_value().string_value   # 3.2 打印日志：输出读取到的参数值（用info级别，绿色显示，清晰）self.get_logger().info(f'Hello {robot_name_param}!')     # 格式：Hello mbot! / Hello turtle!# 3.3 重置参数：将robot_name改回默认值mbot（防止手动修改后一直生效）# ① 创建新的参数对象：参数名=robot_name，类型=字符串，值=mbotnew_name_param = rclpy.parameter.Parameter('robot_name',   # 参数名rclpy.Parameter.Type.STRING,  # 参数类型（字符串）'mbot'          # 参数值)# ② 打包参数列表（set_parameters需要传入列表，支持一次改多个参数）all_new_parameters = [new_name_param]# ③ 发送参数修改请求，让ROS系统更新参数值self.set_parameters(all_new_parameters)                   # 3. 主入口函数：启动节点
def main(args=None):                                 rclpy.init(args=args)                            # 初始化ROS2 Python接口（必须第一步）node = ParameterNode("param_declare")            # 创建参数节点对象（节点名=param_declare）rclpy.spin(node)                                 # 启动节点循环（让节点一直运行，处理定时器）node.destroy_node()                              # 关闭节点（程序退出时释放资源）rclpy.shutdown()                                 # 关闭ROS2 Python接口
步骤 3：配置节点入口（让 ROS 找到程序）

打开learning_parameter/setup.py，在entry_points的console_scripts中添加节点入口（告诉 ROS “运行哪个命令对应哪个代码”）：

entry_points={'console_scripts': [# 格式："命令名 = 包名.文件名:main函数"'param_declare = learning_parameter.param_declare:main',],
},
步骤 4：编译与运行（验证效果）

  1. 编译功能包：

    cd dev_ws  # 回到工作空间根目录
colcon build --packages-select learning_parameter  # 只编译当前功能包（速度快）
source install/setup.bash  # 加载环境变量（每次编译后必须执行）

  2. 运行节点：

    ros2 run learning_parameter param_declare
# 预期输出：每2秒打印一次 "Hello mbot!"

  3. 手动修改参数（验证动态效果）：打开新终端，执行修改命令：

    source install/setup.bash  # 先加载环境变量
ros2 param set param_declare robot_name turtle  # 把robot_name改成turtle
    • 预期效果：原终端会先打印一次 "Hello turtle!"，下一次（2 秒后）恢复为 "Hello mbot!"（因为代码里有重置逻辑）。

案例 2：实战应用 —— 机器视觉阈值参数

场景说明

视觉识别中，“颜色阈值”（比如识别红色的 HSV 范围）对光线非常敏感：

  • 白天可能需要red_h_upper=180，晚上可能需要red_h_upper=150；
  • 每次改代码太麻烦，用参数动态调整，不用重启节点就能生效。

本案例实现：

  1. 视觉节点声明 2 个参数：red_h_upper（红色 HSV 上限，默认 0）、red_h_lower（红色 HSV 下限，默认 0）；
  2. 每次接收图像时，读取最新的阈值参数，用新阈值识别红色目标；
  3. 手动修改参数后，立刻能看到识别效果变化。
步骤 1：代码实现（带逐行注释）

文件名：learning_parameter/param_object_detect.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
ROS2参数实战案例：用参数动态调整视觉识别的红色阈值
功能：1. 订阅相机图像 2. 读取阈值参数 3. 用参数值识别红色目标 4. 显示识别结果
"""# 1. 导入需要的库
import rclpy                      # ROS2 Python核心库
from rclpy.node import Node       # ROS2节点类
from sensor_msgs.msg import Image # ROS标准图像消息类型（相机节点发布的图像）
from cv_bridge import CvBridge    # ROS图像与OpenCV图像的转换工具
import cv2                        # OpenCV库（图像处理、目标识别）
import numpy as np                # 数值计算库（处理图像数组）# 2. 初始化红色HSV阈值（初始值会被参数覆盖，这里只是占位）
lower_red = np.array([0, 90, 128])     # 红色HSV下限（H:色调，S:饱和度，V:亮度）
upper_red = np.array([180, 255, 255])  # 红色HSV上限# 3. 定义视觉识别节点类（继承Node）
class ImageSubscriber(Node):def __init__(self, name):"""构造函数：初始化节点、订阅者、参数"""super().__init__(name)                                  # 初始化节点，节点名=param_object_detect# 3.1 创建图像订阅者：订阅相机发布的"image_raw"话题self.sub = self.create_subscription(Image,                # 消息类型（ROS标准图像）'image_raw',          # 话题名（相机节点发布的图像话题）self.listener_callback, # 收到图像后的回调函数10                    # 消息队列长度（缓存10张图，避免卡顿）)# 3.2 创建CvBridge对象：将ROS图像（msg）转成OpenCV图像（array）self.cv_bridge = CvBridge()                            # 3.3 声明阈值参数：红色HSV的上下限（默认0，故意设为无效值，强迫手动修改）self.declare_parameter('red_h_upper', 0)  # 红色H通道上限（参数名=red_h_upper，默认0）self.declare_parameter('red_h_lower', 0)  # 红色H通道下限（参数名=red_h_lower，默认0）def object_detect(self, image):"""目标识别函数：读取参数→更新阈值→识别红色目标→显示结果"""# 4.1 读取阈值参数：从ROS系统获取最新的red_h_upper和red_h_lower# 注意：阈值是整数，所以用.integer_value转成int类型upper_red[0] = self.get_parameter('red_h_upper').get_parameter_value().integer_value    # 更新H通道上限lower_red[0] = self.get_parameter('red_h_lower').get_parameter_value().integer_value    # 更新H通道下限# 4.2 打印当前阈值：方便调试，确认参数是否生效self.get_logger().info(f'Get Red H Upper: {upper_red[0]}, Lower: {lower_red[0]}')# 4.3 图像处理：用最新阈值识别红色目标（OpenCV标准流程）hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)        # BGR（OpenCV默认）→ HSV（便于颜色分割）mask_red = cv2.inRange(hsv_img, lower_red, upper_red)   # 颜色分割：只保留红色区域（白色是目标，黑色是背景）# 轮廓检测：找到红色目标的边界（contours是轮廓列表）contours, hierarchy = cv2.findContours(mask_red, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)# 4.4 过滤小噪声，绘制目标轮廓和中心for cnt in contours:                                    if cnt.shape[0] < 150:  # 过滤面积太小的轮廓（避免把噪声当成目标）continue# 计算轮廓的外接矩形（x=左上角X，y=左上角Y，w=宽度，h=高度）(x, y, w, h) = cv2.boundingRect(cnt)                cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)  # 绘制轮廓（绿色，线宽2）# 绘制目标中心（绿色圆点，半径5，填充）cv2.circle(image, (int(x+w/2), int(y+h/2)), 5, (0, 255, 0), -1)# 4.5 显示识别结果（窗口名=object，每50ms刷新一次）cv2.imshow("object", image)                             cv2.waitKey(50)def listener_callback(self, data):"""图像订阅回调函数：收到相机图像→转成OpenCV格式→调用识别函数"""self.get_logger().info('Receiving video frame')     # 打印日志，提示已收到图像# 将ROS图像消息（data）转成OpenCV图像（格式=bgr8，对应OpenCV的BGR）image = self.cv_bridge.imgmsg_to_cv2(data, "bgr8")  self.object_detect(image)                            # 调用目标识别函数# 4. 主入口函数：启动节点
def main(args=None):                                   rclpy.init(args=args)                               # 初始化ROS2 Python接口node = ImageSubscriber("param_object_detect")       # 创建视觉节点对象（节点名=param_object_detect）rclpy.spin(node)                                    # 启动节点循环（处理图像订阅）node.destroy_node()                                 # 关闭节点cv2.destroyAllWindows()                             # 关闭OpenCV窗口（防止程序退出后窗口残留）rclpy.shutdown()                                    # 关闭ROS2 Python接口
步骤 2：更新节点入口（添加新节点）

打开learning_parameter/setup.py，在console_scripts中添加视觉节点的入口：

entry_points={'console_scripts': ['param_declare = learning_parameter.param_declare:main','param_object_detect = learning_parameter.param_object_detect:main',  # 新增视觉节点],
},
步骤 3：编译与运行（验证实战效果）

  1. 安装相机驱动（如果没有）：本案例用 USB 相机，需要先安装usb_cam包：

    sudo apt install ros-humble-usb-cam  # Humble是ROS2版本，其他版本替换成对应名称（如Iron）

  2. 编译功能包：

    cd dev_ws
colcon build --packages-select learning_parameter
source install/setup.bash

  3. 运行 3 个终端（分步骤验证）：

    终端序号命令功能 / 预期效果
    1ros2 run usb_cam usb_cam_node_exe启动 USB 相机，发布image_raw图像话题（相机正常工作时，会显示相机参数）
    2ros2 run learning_parameter param_object_detect启动视觉识别节点→打开object窗口→因阈值为 0，无法识别红色目标（窗口无绿色轮廓）
    3ros2 param set param_object_detect red_h_upper 180修改红色 H 通道上限为 180→终端 2 日志显示 “Upper: 180”→object窗口能识别红色目标（出现绿色轮廓）

  4. 进阶操作（优化阈值）：如果识别效果不好，可继续修改参数：

    # 调整红色H通道下限为0，上限为180（适合大部分红色目标）
ros2 param set param_object_detect red_h_lower 0
ros2 param set param_object_detect red_h_upper 180

五、参数命令行总结（复习必备）

将最常用的命令整理成 “速查表”，小白不用记语法，复习时看一眼就能用：

需求命令关键说明
看所有参数ros2 param list按节点分组，清晰查看
查某个参数的类型 / 描述ros2 param describe <节点> <参数>知道参数能不能改、是什么类型
读参数当前值ros2 param get <节点> <参数>验证参数是否正确
改参数值（立即生效）ros2 param set <节点> <参数> <值>动态调整，不用重启节点
备份节点的所有参数ros2 param dump <节点> >> <文件>.yaml换环境时直接加载，不用重新设置
恢复参数（从备份文件）ros2 param load <节点> <文件>.yaml快速恢复配置，适合多节点部署

六、复习要点（小白必背）

  1. 参数本质：ROS 的 “全局共享字典”，跨节点共用数据，不用通信。
  2. 核心命令：list（看）、get（读）、set（改）、dump（存）、load（载）。
  3. 代码三步骤：
    • 声明参数：self.declare_parameter(参数名, 默认值)
    • 读取参数：self.get_parameter(参数名).get_parameter_value().类型
    • 修改参数：self.set_parameters([参数对象列表])
  4. 实战场景：动态调整阈值、分辨率、速度等（避免反复改代码）。

通过 “基础参数案例” 掌握语法，通过 “视觉阈值案例” 理解用途，小白就能轻松用参数优化 ROS 节点啦！

http://www.dtcms.com/a/442376.html

相关文章：

  • 网站建设哪儿好营销策划方案的目的
  • 近世代数（抽象代数）详细笔记--群
  • Drawio 在软件开发中的应用实践：从 BPMN 编排到 Serverless 工作流自动部署
  • 鸿蒙NEXT系列之鸿蒙PC真机部署应用
  • 如何网上建设网站wordpress调用所有的标签
  • Go语言：Go 语言中的命令行参数操作详解
  • 做平台好还是自己建网站河北建设工程信息网公告怎么查询
  • 免费网站一级a做爰在免费线看网站优化能发外链的gvm网站大全
  • 详解Kafka2-进阶机制
  • 嵌入式开发学习日志34——stm32之RTC实时时钟系统
  • 蓝桥杯单片机进阶教程——蜂鸣器继电器
  • 美发店收银系统售后
  • 力扣hot100 | 动态规划2 | 139. 单词拆分、300. 最长递增子序列、152. 乘积最大子数组、416. 分割等和子集、32. 最长有效括号
  • 做外贸一般看什么网站卓越网站建设的优点
  • centos8安装docker【新】
  • LeetCode算法日记 - Day 61: 解数独、单词搜索(附带模版总结)
  • 李宏毅machine learning 2021学习笔记——transformer
  • hana C# 连接问题
  • 每日一个网络知识点：TCP/IP参考模型
  • 网站报价明细网络营销战略内容
  • springboot+vue会议室管理系统（源码+文档+调试+基础修改+答疑）
  • 不依赖WMI的硬件检测工具，数据更准、速度更快
  • k8s 部署 gitlab 公网无法访问排查
  • 昆明市住房和城乡建设局网站铜川网站建设哪家好
  • 国外医院网站设计微网站建设正规公司
  • 推广网站代码中国八大设计院排名
  • 【Nest】日志记录
  • 什么网站可以做汽车国际贸易php网站开发实例教程 课件
  • [Linux基础——Lesson11.Shell运行原理------王婆传媒]
  • 梦幻创意网站建设互动平台怎么注册