简介：ROS2功能的学习我们还是在基于OpenAI的gym虚拟仿真环境中来完成，gym虚拟仿真环境安装请参考另一篇教程，这里不再重复说明，接下来我们开始创建一个ROS2的功能节点，并发布虚拟仿真环境小车摄像头的图像，然后利用rqt工具查看图像。
1、创建工作空间
与ROS1类似，ROS2也有工作空间的概念，所谓工作空间，实际就是一个目录结构按约定搭建的文件夹（我们这里的工作空间是指ros2_ws），ROS2的工作空间只需要提前创建src目录（功能包目录）即可，不需要初始化：
$ mkdir -p ~/ros2_ws/src
后续所有的功能包都在src目录下创建，编译要回到ros2_ws目录下，编译后,在工作空间内生成build、install、log目录。
2、创建功能包
进入功能包目录src
$ cd ros2_ws/src/
新建duckiebot功能包
$ ros2 pkg create duckiebot --build-type ament_python --node-name duckiebot_node --dependencies rclpy std_msgs sensor_msgs
| 命令 | 说明 |
| ros2 pkg create | ROS2功能包创建命令 |
| duckiebot | 所建功能包名称，可以放在最后 |
| —build-type ament_python | 指定编程语言，我们这里使用python |
| —node-name duckiebot_node | 指定要生成的源码文件，可以后期创建，但是手动创建需要手动配置 |
| —dependencies rclpy std_msgs sensor_msgs | 指定依赖模块，rclpy是python编程必选的， std_msgs和sensor_msgs是我们要用的消息模块，也可以不指定手动配置 |
创建完成后，目录结构如下图：
duckiebot_node.py就是自动生成的源码文件，内容如下：
def main():print('Hi from duckiebot.')if __name__ == '__main__':main()
3、编译并运行
ROS2编译需要用colcon工具，默认是没有安装的，需要手动安装：
$ sudo apt-get install python3-colcon-common-extensions -y
返回工作空间
$ cd .. 或者 $ cd ~/ros2_ws
编译所有功能包：
$ colcon build
为了提高工作效率，也可以指定要编译的功能包：
$ colcon build --packages-select duckiebot
编译后工作空间的目录结构：
设置环境变量：
$ source install/setup.bash
运行节点：
$ ros2 run duckiebot duckiebot_node
屏幕上输出：
Hi from duckiebot.
4、配置文件
上文提到在创建功能包时一些配置项可以手动配置，主要的配置项都在功能包内的setup.py和package.xml文件内：
setup.py内主要是指定源码文件及启动函数：
package.xml指定了编译方式和依赖项：
5、修改源码，本地显示虚拟仿真图像
修改duckiebot_node.py，加入虚拟仿真环境启动和图像显示功能：
#!/usr/bin/env python3import rclpy #ROS2的python实现库
from rclpy.node import Node #节点基类，所有节点都要继承Node类import gym #虚拟仿真环境基础实现库
from pyglet.window import key #python动画GUI库
from gym_duckietown.envs import DuckietownEnv #环境模型import cv2
import numpy as npclass DuckiebotNode(Node):def __init__(self, name):super().__init__(name)#初始化虚拟仿真环境参数，如果要切换地图，修改map_name的值self.env = DuckietownEnv(seed=1,map_name="udem1",draw_curve=False,draw_bbox=False,domain_rand=False,frame_skip=1,distortion=False,camera_rand=False,dynamics_rand=False)#初始化虚拟仿真环境self.env.reset()#定义一个定时器，通过定时器回调函数控制图像更新self.timer = self.create_timer(0.05, self.timer_callback)#定时器回调函数def timer_callback(self):#创建一个随机的action，让小车随机运动，#action是一个二元数组，两个元素分别代表小车的线速度和角速度#也可以自行指定action的值,例如：action = np.array([1,0])action = self.env.action_space.sample()#执行给定的动作，并返回当前状态#obs 是当前状态的图像数据#reward 是模拟器对小车当前状态计算出的奖励分数，可用来判断车辆状态好坏（强化学习中可以使用）#done 小车运行状态，出轨（行驶到禁止区域）、车祸（撞击到障碍物）、完成行驶任务（默认是1500次为一轮）返回true#info 小车当前状态的其他参数，可能会用到的是omega_r和omega_l，模拟小车的左右轮角速度obs, reward, done, info = self.env.step(action)#obs是rgb编码，opencv默认是bgr编码，转化颜色编码方式image = cv2.cvtColor(obs, cv2.COLOR_RGB2BGR)#显示图像cv2.imshow("image",image)cv2.waitKey(1)#出轨、车祸、完成任务时重置仿真环境if done:self.env.reset() def main(args=None):rclpy.init(args=args) #初始化客户端node = DuckiebotNode(name="duckiebot_node") #创建节点实例rclpy.spin(node=node) #运行节点实例rclpy.shutdown() #关闭节点
重新编译（每次修改源码文件，都需要重新编译）
$ colcon build --packages-select duckiebot
运行节点（在没有重启终端或者改变节点数量的情况下，可以不执行source命令）
$ ros2 run duckiebot duckiebot_node
正常情况下，会弹出图像窗口，显示一个随机运动的小车视角画面：
6、发布图像，并通过工具查看
上文我们在本地显示了仿真图像，更多内容请参考：ROS2学习笔记（三）-- 采集虚拟仿真环境图像并发布 - 古月居 (guyuehome.com)
