NiceGUI项目中使用异步对话框与ROS2服务交互的实践
2025-05-19 11:38:55作者:蔡丛锟
背景介绍
在开发基于ROS2的图形用户界面(GUI)时,经常需要实现用户确认对话框与ROS2服务调用的交互。NiceGUI作为一个轻量级的Python Web GUI框架,提供了便捷的对话框功能,但在与ROS2服务结合使用时,会遇到一些技术挑战。
核心问题分析
当尝试在ROS2节点中集成NiceGUI对话框时,开发者常会遇到"无法确定当前槽位"的运行时错误。这主要是因为:
- ROS2服务回调运行在独立的线程中
- NiceGUI的UI操作需要特定的客户端上下文
- 同步服务调用与异步对话框之间存在协调问题
解决方案实现
基本架构设计
正确的实现方式需要以下几个关键组件:
- Future对象:用于在同步和异步代码之间传递结果
- 后台任务:处理异步对话框逻辑
- 客户端上下文:确保UI操作在正确的上下文中执行
代码实现示例
from concurrent.futures import Future
from threading import Thread
from nicegui import Client, background_tasks, ui
class OperatorGUI:
def __init__(self):
# 初始化对话框
with Client.auto_index_client as self.gui_client:
with ui.dialog() as self.confirm_dialog, ui.card():
ui.label('请确认操作')
with ui.row():
ui.button('确认', on_click=lambda _: self.confirm_dialog.submit(True))
ui.button('取消', on_click=lambda _: self.confirm_dialog.submit(False))
# 模拟ROS2服务回调
Thread(target=self.service_callback).start()
def service_callback(self):
# 创建Future用于获取结果
confirmation = Future()
# 在后台任务中运行对话框
background_tasks.create(self.show_dialog(confirmation))
# 等待结果(设置超时避免永久阻塞)
result = confirmation.result(timeout=30.0)
# 根据结果进行后续处理
print(f"用户选择: {result}")
async def show_dialog(self, future: Future):
with self.gui_client:
# 等待对话框结果
result = await self.confirm_dialog
# 根据结果发送通知
ui.notify('操作已确认' if result else '操作已取消',
type='positive' if result else 'negative')
# 设置Future结果
future.set_result(result)
关键技术点解析
-
上下文管理:使用
with Client.auto_index_client确保UI操作在正确的客户端上下文中执行 -
异步/同步桥接:通过
Future对象实现异步对话框结果向同步服务回调的传递 -
后台任务处理:使用
background_tasks.create确保对话框逻辑在正确的事件循环中执行 -
超时处理:为Future设置合理的超时时间,避免服务调用永久阻塞
实际应用建议
-
错误处理:在实际应用中应添加适当的错误处理,特别是对Future超时的处理
-
用户体验:考虑添加加载状态指示,让用户知道系统正在等待他们的输入
-
响应式设计:对话框内容可以根据服务请求的具体参数动态调整
-
日志记录:记录用户的选择和服务调用结果,便于后续分析和调试
总结
通过合理使用Future对象和后台任务,我们成功实现了NiceGUI对话框与ROS2服务的无缝集成。这种方法不仅解决了上下文问题,还保持了代码的清晰性和可维护性,为ROS2应用的GUI开发提供了可靠的技术方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.87 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
309
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1