[具身智能-78]:ROS2 DDS的发布者、订阅者、服务服务器、服务客户端、动作服务器、动作客户端,它们是节点的能力,分别运行在各自的节点中。

news2026/3/25 4:54:23
在 ROS 2 的架构中节点 (Node)是基本的执行单元和拥有者。这里提到的所有通信角色发布者、订阅者、服务服务器/客户端、动作服务器/客户端本质上都是节点内部的功能模块或对象。它们不是独立的进程也不是独立运行的线程虽然它们可能由不同的线程执行回调它们依附于节点而存在。1. 核心关系节点是“容器”其他是“组件”你可以这样形象地理解节点 (Node) 一个运行中的程序实例或者更准确地说是程序中的一个逻辑单元。发布者/订阅者/服务/动作 这个程序实例内部创建的功能接口。生命周期绑定当节点被创建create_node并启动时这些能力才被初始化。当节点被关闭destroy_node或进程结束时这些能力自动销毁它们占用的资源内存、网络连接、DDS实体被释放。你无法在节点之外单独拥有一个“漂浮”的发布者。2. 代码层面的体现在 C (rclcpp) 或 Python (rclpy) 代码中这种包含关系非常清晰C 示例:cppclass MyNode : public rclcpp::Node { public: MyNode() : Node(my_node) { // 1. 发布者是节点的一个成员变量 pub_ this-create_publisherstd_msgs::msg::String(topic_name, 10); // 2. 订阅者是节点的一个成员变量并绑定到节点的执行器 sub_ this-create_subscriptionstd_msgs::msg::String( topic_name, 10, std::bind(MyNode::callback, this, std::placeholders::_1)); // 3. 服务服务器是节点的一个成员变量 srv_ this-create_serviceexample_interfaces::srv::AddTwoInts( service_name, std::bind(MyNode::handle_service, this, std::placeholders::_1, std::placeholders::_2)); // 4. 动作服务器也是节点的一部分 action_server_ rclcpp_action::create_serverexample_interfaces::action::Fibonacci( this, action_name, ...); } private: // 所有这些指针都生活在节点类的内部 rclcpp::Publisherstd_msgs::msg::String::SharedPtr pub_; rclcpp::Subscriptionstd_msgs::msg::String::SharedPtr sub_; rclcpp::Serviceexample_interfaces::srv::AddTwoInts::SharedPtr srv_; rclcpp_action::Serverexample_interfaces::action::Fibonacci::SharedPtr action_server_; void callback(const std_msgs::msg::String::SharedPtr msg) { /* ... */ } void handle_service(...) { /* ... */ } };Python 示例:pythonclass MyNode(rclpy.node.Node): def __init__(self): super().__init__(my_node) # 所有能力都作为 self 的属性存在 self.pub_ self.create_publisher(String, topic_name, 10) self.sub_ self.create_subscription(String, topic_name, self.callback, 10) self.srv_ self.create_service(AddTwoInts, service_name, self.handle_service) # ...3. 它们是如何“运行”的执行器 Executor 的作用虽然它们定义在节点内部但它们需要执行器 (Executor)来驱动其被动行为发布者 (Publisher)通常是主动的。它在发送数据。你在代码中调用pub_-publish(msg)时它立即工作。它不需要执行器轮询但需要节点提供的底层上下文。订阅者 (Subscriber)是被动的。它在等待数据。节点的执行器会不断轮询底层的DDS 接收队列。一旦发现有新数据到达该订阅者对应的通道执行器就会触发你注册的回调函数。服务/动作服务器同样是被动等待请求。执行器检测到请求后调用处理函数。服务/动作客户端发送请求后进入等待响应状态执行器负责监听响应并触发完成回调。结论如果没有节点调用spin()(启动执行器)订阅者、服务器和客户端将无法处理任何传入的数据或请求尽管它们在内存中已经存在。4. 为什么要这样设计这种设计带来了几个关键优势资源管理自动化节点销毁时自动清理所有相关的发布/订阅关系防止资源泄漏。命名空间继承节点通常有一个命名空间如/robot1/sensor。节点内创建的所有主题、服务、动作会自动加上这个前缀无需手动拼接字符串保证了全局命名的模块化。参数共享节点内的所有组件可以方便地访问该节点的参数Parameters实现统一配置。逻辑内聚将相关的功能如“激光雷达驱动”节点包含“发布扫描数据”和“提供重置服务”封装在一个逻辑单元中符合高内聚低耦合的软件工程原则。总结发布者、订阅者、服务、动作→→ 是节点的能力/属性。运行位置→→ 它们运行在节点的上下文中占用节点的内存依赖节点的执行器进行调度。独立性→→ 它们不能脱离节点独立存在。这正是 ROS 2 组件化设计的核心思想。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2434945.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…