没有机器人，如何学习ROS编程

ROS是目前最流行最全面的机器人操作系统，通过ROS上的编程学习，能够让我们切身体验各种机器人技术如何在现实中进行融合和使用。但是，一台支持ROS的机器人价格不菲，不像手机，说买就买。如果没有机器人，我们就没法学习ROS编程了吗？不可能！什么都不能阻挡我们拥抱ROS的热情和决心！这次就给同学们介绍一个开源的ROS机器人仿真项目，这个仿真项目集成了三维图形界面和物理惯性和碰撞引擎，脱离了物理世界的机器人实体，让我们坐着躺着就能把程序跑在一台ROS机器人上，看着它运动，看着它撞墙，看着它倒地……

一、开源项目网址

https://github.com/6-robot/wpr_simulation

注意：由于Indigo(Ubuntu 14.04)集成的Gazebo版本太过古老，已经失去维护无法使用。建议系统版本为Kinetic/Ubuntu 16.04以上版本。

二、开源项目的下载

在Ubuntu系统中，打开一个终端程序，输入如下指令下载项目源码：

cd catkin_ws/src git clone https://github.com/6-robot/wpr_simulation.git

其中“catkin_ws”为ROS的工作空间，请根据电脑的环境设置进行修改。这个项目的源码是从Github网站下载的，所以下载过程需要连接互联网。

源码下载完成后，运行如下指令进行源码工程的编译：

cd ~/catkin_ws catkin_make

 

这个开源工程，用到了Gazebo，如果之前安装的ROS是完整版本，则会很顺利的编译通过。如果编译过程中提示缺少某些依赖项，可以通过如下指令补充完整：

sudo apt-get install ros-kinetic-desktop-full

三、开源项目的使用

项目编译完成后，可以通过如下指令启动一个简单的仿真场景：

roslaunch wpr_simulation wpb_simple.launch

启动后，会弹出一个窗口，里面显示一台机器人，面对着一个柜子发呆：

这个就是仿真环境的主界面，可以看到界面的周围有很多的工具按钮和菜单列表，这些我们会在后续的教程中进行介绍，这次先跳过，直接进入ROS编程的正题。

四、和ROS程序的连接

仿真环境运行起来了，下面看看如何与ROS程序进行连接。这里准备了一个简单的速度控制程序作为例子，可以运行起来体验一下。保持刚才启动的仿真环境别关闭，在Ubuntu系统中再新打开一个终端，输入如下指令：

rosrun wpr_simulation demo_vel_ctrl

 

运行之后，可以看到机器人开始向前缓慢移动，直到撞上柜子……

 

五、示例程序源码解析

这个demo_vel_ctrl就是一个简单的ROS机器人速度控制程序，它的源代码位置：

~/catkin_ws/src/wpr_simulation/src/ demo_vel_ctrl.cpp

我们可以用Visual Studio Code之类的IDE打开这个源码文件：

#include <ros/ros.h> #include <geometry_msgs/Twist.h>   int main(int argc, char** argv) { ros::init(argc, argv, "demo_vel_ctrl");   ros::NodeHandle n; ros::Publisher vel_pub =  n.advertise<geometry_msgs::Twist>("/cmd_vel", 10);   while (ros::ok()) { geometry_msgs::Twist vel_cmd; vel_cmd.linear.x = 0.1; vel_cmd.linear.y = 0.0; vel_cmd.linear.z = 0.0; vel_cmd.angular.x = 0; vel_cmd.angular.y = 0; vel_cmd.angular.z = 0; vel_pub.publish(vel_cmd); ros::spinOnce(); }   return 0; }

(1) 代码的开始部分，先include了两个头文件，一个是ros的系统头文件，另一个是运动速度结构体类型geometry_msgs::Twist的定义文件；

(2) ROS节点的主体函数是int main(int argc, char** argv)，其参数定义和其他C++程序一样；

(3) main函数里，首先调用ros::init(argc, argv, "demo_vel_ctrl");进行该节点的初始化操作，函数的第三个参数是节点名称；

(4) 接下来声明一个ros::NodeHandle对象n，并用n生成一个广播对象vel_pub，调用的参数里指明了vel_pub将会在主题“/cmd_vel”里广播geometry_msgs::Twist类型的数据。我们对机器人的控制，就是通过这个广播形式实现的。这里就有一个疑问：为什么是往主题“/cmd_vel”里广播数据而不是其他的主题？机器人怎么知道哪个主题里是要执行的速度？
答案是：在ROS里有很多约定俗成的习惯，比如激光雷达数据发布主题通常是“/scan”，坐标系变换关系的发布主题通常是“/tf”，所以这里的机器人速度控制主题“/cmd_vel”也是这样一个约定俗成的情况。

(5) 为了连续不断的发送速度，使用一个while(ros::ok())循环，以ros::ok()返回值作为循环结束条件可以让循环在程序关闭时正常退出。

(6) 为了发送速度值，声明一个geometry_msgs::Twist类型的对象vel_cmd，并将速度值赋值到这个对象里。其中：

(7) vel_cmd.linear.x是机器人前后平移运动速度，正值往前，负值往后，单位是“米/秒”；

(8) vel_cmd.linear.y是机器人左右平移运动速度，正值往左，负值往右，单位是“米/秒”；

(9) vel_cmd.angular.z（注意angular）是机器人自转速度，正值左转，负值右转，单位是“弧度/秒”；

(10) 其他值对启智机器人来说没有意义，所以都赋值为零。

(11) vel_cmd赋值完毕后，使用广播对象vel_pub将其发布到主题“/cmd_vel”上去。机器人的核心节点会从这个主题接收我们发过去的速度值，并转发到硬件底盘去执行。

调用ros::spinOnce()函数给其他回调函数得以执行。

可以看到这是一个标准的ROS程序，在实体机器人上，它实现的是让机器人以0.1米/秒的速度往前推进，在这个仿真环境里，机器人也是执行了相同的行为。

六、和ROS系统工具的连接

在这个仿真环境里，是否可以正常的使用ROS的系统工具？我们来实践一下，启动一个Rviz工具，显示机器人采集到的传感器数据。为了省去繁琐的配置工作，这里我们直接下载一个现成的ROS机器人开源代码。打开一个新的终端程序，输入如下指令：

cd ~/catkin_ws git clone https://github.com/6-robot/wpb_home.git

 

下载完成后，再次进行编译：

cd ~/catkin_ws catkin_make

保持刚才启动的仿真环境别关闭，在Ubuntu系统新打开一个终端，输入如下指令：

roslaunch wpr_simulation wpb_rviz.launch

 

运行指令后，就会弹出ROS标配的图形显示界面Rviz，里面显示的就是仿真环境中的虚拟机器人所感知到的各种数据：

 

 

• 右侧主界面里显示的是机器人头部的立体相机采集到的三维点云。

• 柜子底部的红色点阵是机器人底盘激光雷达扫描到的障碍物边缘。

• 左下角的视频图像是机器人头部彩色相机采集到的数据。

在机器人运动的过程中，上述数据都会实时的变化，可以很直观的测试我们编写的机器人控制程序。

七、基于传感器数据的闭环控制

下面我们再看看一个复杂一点的例子，在一个标准的ROS程序里，获取机器人从仿真环境里采集到的数据，再反馈回去控制仿真环境里的虚拟机器人。整个程序的实现思路：

从如下地址可以找到这个程序的源代码文件：

~/catkin_ws/src/wpb_home/wpb_home_tutorials/ src/wpb_home_lidar_behavior.cpp

我们可以用Visual Studio Code之类的IDE打开这个源码文件：

#include <ros/ros.h> #include <std_msgs/String.h> #include <sensor_msgs/LaserScan.h> #include <geometry_msgs/Twist.h>   ros::Publisher vel_pub; static int nCount = 0;   void lidarCallback(const sensor_msgs::LaserScan::ConstPtr& scan) { int nNum = scan->ranges.size();   int nMid = nNum / 2; float fMidDist = scan->ranges[nMid]; ROS_INFO("Point[%d] = %f", nMid, fMidDist);   if (nCount > 0) { nCount--; return; }   geometry_msgs::Twist vel_cmd; if (fMidDist > 1.5f) { vel_cmd.linear.x = 0.05; } else { vel_cmd.angular.z = 0.3; nCount = 50; } vel_pub.publish(vel_cmd); }   int main(int argc, char** argv) { ros::init(argc, argv, "wpb_home_lidar_behavior");   ROS_INFO("wpb_home_lidar_behavior start!");   ros::NodeHandle nh; ros::Subscriber lidar_sub = nh.subscribe("/scan", 10, &lidarCallback); vel_pub = nh.advertise<geometry_msgs::Twist>("/cmd_vel", 10);   ros::spin(); }

源码解析：

(1) 代码的开头include了四个头文件：ros.h是ros的系统头文件；String.h是字符格式的定义文件，用来做文字输出；LaserScan.h是激光雷达的数据格式定义文件，用来装载雷达数据；Twist.h是机器运动速度消息包的格式定义文件，对应的Twist消息包格式如下：

其中linear是运动控制的线性分量，也就是机器人直线移动的分量，angular是机器人旋转运动的分量。这两个分量都是Vector3类型，其结构定义如下：

可见Vector3类型包含三个浮点数：x、y和z。对于linear来说，x、y和z对应的是沿X轴、Y轴和Z轴方向上的速度分量，分量数值单位为“米/秒”。对于angular来说，x、y和z对应的是以X轴、Y轴和Z轴为旋转轴的旋转速度分量，分量数值单位为“弧度/秒”。

(2) 程序接下来定义一个消息发布对象vel_pub，后面会用这个发布对象向机器人核心节点发送速度控制消息包。因为机器人转向行为需要维持一段时间，才能转到完全避开障碍物的方向，所以这里定义了一个int型变量nCount，用来调整机器人转向动作的时长。

(3) 定义一个回调函数void lidarCallback()，用来处理激光雷达数据。ROS每接收到一帧激光雷达数据，就会自动调用一次回调函数。雷达的测距数值会以参数的形式传递到这个回调函数里。

(4) 在回调函数void lidarCallback()中，参数scan是一个sensor_msgs::LaserScan格式的数据包，其数据格式定义如下：

其中float32[] ranges数组存放的就是激光雷达的测距数值。启智ROS机器人使用的是RPLidar A2型号激光雷达，其旋转一周测量360个距离值，所以在我们的代码里，ranges是一个360个成员的距离数组。

按照程序逻辑，我们需要的是机器人正前方的测距数值，根据激光雷达在机器人上的安装位置，激光雷达的扫描角度如下图所示：

从图中可知机器人正前方的激光射线角度为扫描角度范围的中间值，我们定义一个变量nNum，用来获取ranges数组的成员个数。再定义一个变量nMid，值为nNum的一半，由上图可知，nMid对应的激光雷达扫描线序即为机器人正前方的扫描线，以nMid作为下标从ranges数组里取到的值即为机器人正前方的雷达测距数值，我们将这个测距值保存到变量fMidDist中。fMidDist中的数值为一个小数，数值单位为“米”。我们使用ROS_INFO()将机器人正前方的雷达测距数值fMidDist显示到终端程序里，方便我们观察和调试。

接下来是对nCount的一个数值判断：如果nCount大于0，则将nCount减一，并直接return中断这个回调函数，让机器人维持之前的运动状态直到nCount递减到0。这就实现了通过给nCount赋值来控制机器人转向动作时长的功能。

程序里定义了一个geometry_msgs::Twist消息包vel_cmd，用来装载我们要发送的机器人运动控制量，然后根据fMidDist的数值大小来对vel_cmd进行不同的赋值。当fMidDist大于1.5时，也就是机器人正前方的障碍物距离大于1.5米的时候，我们给vel_cmd的x赋值0.05，控制机器人以0.05米/秒的速度缓慢向前移动；当fMidDist不大于1.5时，也就是机器人正前方的障碍物距离小于或等于1.5米的时候，我们给vel_cmd的z赋值0.3，控制机器人以0.3弧度/秒的速度原地向左旋转，同时对nCount赋值50，让机器人在后面的50次回调函数执行过程中都维持这个旋转动作。对vel_cmd赋值完毕后，通过vel_pub将其publish发布到相关主题上，启智ROS的核心节点会从主题中获得这个数据包，并按照我们赋值的速度对机器人底盘进行运动控制。

(5) 在主函数main()中，调用ros::init()，对这个节点进行初始化。

(6) 调用ROS_INFO()向终端程序输出字符串信息，以表明节点正常启动了。

(7) 定义一个ros::NodeHandle节点句柄nh，并使用这个句柄向ROS核心节点订阅“/scan”主题的数据，回调函数设置为之前定义的lidarCallback()。

(8) 使用节点句柄nh对vel_pub进行初始化，让其在主题“/cmd_vel”发布速度控制消息，启智ROS的核心节点会从这个主题获取vel_pub发布的消息，并控制机器人底盘执行消息包里的速度值。

(9) 调用ros::spin()对main()函数进行阻塞，保持这个节点程序不会结束退出。

这个程序在前面我们已经编译过了，这里直接执行即可。保持刚才启动的仿真环境别关闭，在Ubuntu系统新打开一个终端，输入如下指令：

rosrun wpb_home_tutorials wpb_home_lidar_behavior

这条指令会启动刚才的wpb_home_lidar_behavior程序。按照程序逻辑，会从激光雷达的“/scan”主题里不断获取激光雷达数据包，并把机器人正前方的激光雷达测距数值显示在终端程序里。终端里显示“Point[180] = xxxx”其中xxxx为一个浮点数，单位是“米”。比如“Point[180] = 2.626860”表示机器人正前方的激光雷达测距值为2.626860米。

 

这时切换到仿真环境界面，可以观察机器人的运行效果：

(1) 程序启动后，机器人开始以0.05米/秒的速度向前移动。

(2) 当机器人前方1.5米处出现障碍物时，机器人停止移动，以0.3弧度/秒的速度原地转动。

(3) 当机器人转到前方1.5米范围内没有障碍物时，停止转动，继续以0.05米/秒的速度向前移动。

八、问题反馈

至此，关于这个仿真项目的简单体验就介绍完了，如果同学们在安装和使用过程中遇到问题，可以在这个项目的Github主页上提交issuse，我们会及时回复，让其他遇到类似问题的小伙伴也能看到。提交issuse的方法：

(1) 在浏览器中打开项目的Github主页：

https://github.com/6-robot/wpr_simulation

(2) 点击分页栏的第二项“Issues”切换页面：

(3) 在“Issues”页面中点击“New issue”即可提交新的issuse：

九、后续更新

在这个系列后续的文章里，我们还会详细介绍Gazebo这个仿真环境的使用。同时这个开源项目也会继续持续更新，添加越来越多的新功能，比如SLAM环境建图、路径规划与导航、语音识别、人脸识别、物品识别、物品抓取……等等等等，也欢迎各位同学在“Issues”中给我们新的想法和反馈。

如果你喜欢这个项目，麻烦不要吝啬手中的鼠标，素质三连！赏给我们一颗小星星！您的满意是我们持续更新的最大动力！谢谢~~我们下次再见！(比心❤)

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！