使用Dora-rs项目实现ROS2与Dora的Marker消息桥接
2025-07-04 04:34:58作者:江焘钦
概述
Dora-rs是一个新兴的数据流编程框架,它提供了与ROS2系统的桥接能力。本文将详细介绍如何利用Dora-rs项目实现ROS2系统中的Marker消息类型在Dora框架中的发布,这对于需要在Dora环境中可视化数据的开发者来说非常有用。
Marker消息简介
Marker消息是ROS2中visualization_msgs包定义的一种消息类型,广泛用于在RViz等可视化工具中显示各种形状和标记。它支持多种基本形状如立方体、球体、箭头等,并可以设置位置、朝向、颜色、尺寸等属性。
Dora-rs中的ROS2桥接实现
Dora-rs项目通过其ros2_bridge模块提供了与ROS2系统的交互能力。要实现Marker消息的发布,需要以下几个关键步骤:
- 初始化ROS2上下文:创建ROS2运行环境
- 创建ROS2节点:在ROS2网络中注册一个节点
- 定义QoS策略:设置消息发布的质量服务参数
- 创建主题:指定要发布的Marker消息主题
- 创建发布者:用于实际发布消息的对象
Python实现详解
以下是使用Python在Dora中发布Marker消息的完整实现:
from typing import Callable, Optional
import pyarrow as pa
from dora import DoraStatus
import dora
import numpy as np
# 定义Marker消息数据结构
marker = pa.array(
[
{
"header": {"frame_id": "world"},
"ns": "my_namespace",
"id": np.int32(1),
"type": np.int32(0), # ARROW类型
"action": np.int32(0), # ADD动作
"lifetime": {"sec": np.int32(1), "nanosec": np.uint32(2)},
"pose": {
"position": {
"x": np.float64(1.0),
"y": np.float64(2.0),
"z": np.float64(3.0)
},
"orientation": {
"x": np.float64(0.0),
"y": np.float64(0.0),
"z": np.float64(0.0),
"w": np.float64(1.0)
}
},
"scale": {
"x": np.float64(1.0),
"y": np.float64(1.0),
"z": np.float64(1.0)
},
"color": {
"r": np.float32(1.0),
"g": np.float32(0.0),
"b": np.float32(0.0),
"a": np.float32(1.0)
},
"frame_locked": False,
"points": [{"x": np.float64(1.0), "y": np.float64(1.0), "z": np.float64(1.0)}],
"colors": [{"r": np.float32(1.0), "g": np.float32(1.0), "b": np.float32(1.0), "a": np.float32(1.0)}],
"texture_resource": "",
"uv_coordinates": [{}],
"text": "",
"mesh_resource": "",
"mesh_use_embedded_materials": False
}
]
)
class Operator:
def __init__(self) -> None:
# 初始化ROS2上下文
self.ros2_context = dora.experimental.ros2_bridge.Ros2Context()
# 创建ROS2节点
self.ros2_node = self.ros2_context.new_node(
"marker2ros",
"/ros2_bridge",
dora.experimental.ros2_bridge.Ros2NodeOptions(rosout=True),
)
# 设置QoS策略
self.topic_qos = dora.experimental.ros2_bridge.Ros2QosPolicies(
reliable=True, max_blocking_time=0.1
)
# 创建Marker主题
self.marker_data_topic = self.ros2_node.create_topic(
"/ros2_bridge/visualization_marker",
"visualization_msgs/Marker",
self.topic_qos,
)
# 创建发布者
self.marker_data_publisher = self.ros2_node.create_publisher(
self.marker_data_topic
)
def on_event(self, dora_event, send_output) -> DoraStatus:
if dora_event["type"] == "INPUT":
# 发布Marker消息
self.marker_data_publisher.publish(marker)
return DoraStatus.CONTINUE
关键点解析
-
数据结构定义:使用PyArrow库定义Marker消息的数据结构,注意各种数据类型的正确使用:
- 字符串类型直接使用Python字符串
- 数值类型使用对应的numpy类型
- 嵌套结构使用字典表示
-
ROS2节点配置:
- 节点名称和命名空间需要符合ROS2规范
- QoS策略决定了消息传输的可靠性和实时性
-
消息发布时机:在Operator的on_event方法中响应输入事件并发布消息
实际应用建议
- 动态Marker生成:可以根据实际需求动态修改Marker的属性,如位置、颜色等
- 性能优化:对于高频更新的Marker,可以考虑调整QoS策略
- 错误处理:增加对发布失败情况的处理逻辑
- 多Marker支持:通过修改id和ns字段实现多个Marker的同时显示
总结
通过Dora-rs项目的ROS2桥接功能,开发者可以方便地在Dora数据流中生成并发布ROS2的Marker消息,实现与RViz等可视化工具的无缝集成。这种集成方式既保留了Dora数据流编程的优势,又能利用ROS2丰富的可视化生态系统,为机器人开发和数据分析提供了强大的工具支持。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147