ROS2核心概念之参数

在前面的文章，我们已经介绍了话题题、服务、动作三种通信机制，接下来呢我们再来介绍一种ROS系统中常用的数据传输方式——参数。
类似C++编程中的全局变量，可以便于在多个程序中共享某些数据，参数是ROS机器人系统中的全局字典，可以运行多个节点中共享数据。
一、通信模型

在机器视觉识别的时候，有很多参数都会影响视觉识别的效果；

在Node A相机驱动节点中，就需要考虑很多问题，相机连接到哪个USB端口，使用的图像分辨率是多少，曝光度和编码格式分别是什么，这些都可以通过参数设置，我们可以通过配置文件或者程序进行设置。
Node B节点中也是一样，图像识别使用的阈值是多少，整个图像面积很大，那个部分是我们关注的核心区域，识别过程是否需要美颜等等，就像我们使用美颜相机一样，我们可以通过滑动条或者输入框设置很多参数，不同参数设置后，都会改变执行功能的一些效果。
这就是参数的作用。
1.1 全局字典

在ROS系统中，参数是以全局字典的形态存在的，什么叫字典？
就像真实的字典一样，由名称和数值组成，也叫做键和值，合成键值。或者我们也可以理解为，就像编程中的参数一样，有一个参数名 ，然后跟一个等号，后边就是参数值了，在使用的时候，访问这个参数名即可。
1.2 可动态监控

在ROS2中，参数的特性非常丰富，比如某一个节点共享了一个参数，其它节点都可以访问，如果某一个节点对参数进行了修改，其它节点也有办法立刻知道，从而获取最新的数值。这在参数的高级编程中，我们都可能会用到。
二、参数案例

2.1 小海龟的参数

在小海龟的例程中，仿真器也提供了不少参数，我们一起来通过这个例程，熟悉下参数的含义和命令行的使用方法。
进入桌面系统，启动第一个终端，运行小海龟仿真器；

1. pi@NanoPC-T6:~/dev_ws$ ros2 run turtlesim turtlesim_node

复制代码

该指令将启动一个蓝色背景的海龟仿真器；
启动第二个终端，运行如下指令：

1. pi@NanoPC-T6:~/dev_ws$ ros2 run turtlesim turtle_teleop_key

复制代码

该指令将启动一个键盘控制节点，在该终端中点击键盘上的“上下左右”按键，就可以控制小海龟运动啦。
2.1.1 查看参数列表

当前系统中有哪些参数呢？我们可以启动一个终端，并使用如下命令查询：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param list
2. /teleop_turtle:
3.   qos_overrides./parameter_events.publisher.depth
4.   qos_overrides./parameter_events.publisher.durability
5.   qos_overrides./parameter_events.publisher.history
6.   qos_overrides./parameter_events.publisher.reliability
7.   scale_angular
8.   scale_linear
9.   use_sim_time
10. /turtlesim:
11.   background_b
12.   background_g
13.   background_r
14.   qos_overrides./parameter_events.publisher.depth
15.   qos_overrides./parameter_events.publisher.durability
16.   qos_overrides./parameter_events.publisher.history
17.   qos_overrides./parameter_events.publisher.reliability
18.   use_sim_time

复制代码

可以看到系统中有两个正在运行的节点：

• /teleop_turtle：键盘控制节点；
  
  
  
  • scale_linear：控制线性速度缩放比例；
    
  • scale_angular：控制角速度缩放比例；
    
  • use_sim_time：是否使用仿真时间；
    
  
  
• /turtlesim： 海龟仿真节点；
  
  
  
  • background_b：背景颜色的蓝色分量 (0-255)；
    
  • background_g：背景颜色的绿色分量 (0-255)；
    
  • background_r：背景颜色的红色分量 (0-255)；
    
  • use_sim_time：是否使用仿真时间。
    
  两个节点都有针对参数事件发布器的QoS覆盖参数：
  
  
  
  • qos_overrides./parameter_events.publisher.depth；
    
  • qos_overrides./parameter_events.publisher.durability；
    
  • qos_overrides./parameter_events.publisher.history；
    
  • qos_overrides./parameter_events.publisher.reliability。
    
  
  

2.1.2 参数查询与修改

2.1.2.1 获取参数值

如果想要查询或者修改某个参数的值，可以在param命令后边跟get或者set子命令。
获取键盘控制的速度参数：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param get /teleop_turtle scale_linear
2. Double value is: 2.0
3. pi@NanoPC-T6:~/dev_ws$ ros2 param get /teleop_turtle scale_angular
4. Double value is: 2.0

复制代码

获取小海龟仿真的背景颜色：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param get /turtlesim background_r
2. Integer value is: 69

复制代码

2.1.2.2 查看参数描述信息

查看某个参数的描述信息：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param describe /turtlesim background_b
2. Parameter name: background_b
3.   Type: integer
4.   Description: Blue channel of the background color
5.   Constraints:
6.     Min value: 0
7.     Max value: 255
8.     Step: 1

复制代码

2.1.2.3 设置参数值

让小海龟移动更快：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param set /teleop_turtle scale_linear 3.0
2. Set parameter successful
3. pi@NanoPC-T6:~/dev_ws$ ros2 param set /teleop_turtle scale_angular 3.0
4. Set parameter successful

复制代码

改变小海龟仿真背景颜色：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param set /turtlesim background_r 100
2. Set parameter successful
3. pi@NanoPC-T6:~/dev_ws$ ros2 param set /turtlesim background_g 50
4. Set parameter successful
5. pi@NanoPC-T6:~/dev_ws$ ros2 param set /turtlesim background_b 150
6. Set parameter successful

复制代码

2.1.3 参数文件保存与加载

一个一个查询/修改参数太麻烦了，不如试一试参数文件，ROS中的参数文件使用yaml格式，可以在param命令后边跟dump子命令，将某个节点的参数都保存到文件中，或者通过load命令一次性加载某个参数文件中的所有内容。
将某个节点的参数保存到参数文件中：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param dump /turtlesim >> turtlesim.yaml
2. pi@NanoPC-T6:~/dev_ws$ cat turtlesim.yaml
3. /turtlesim:
4.   ros__parameters:
5.     background_b: 150
6.     background_g: 50
7.     background_r: 100
8.     qos_overrides:
9.       /parameter_events:
10.         publisher:
11.           depth: 1000
12.           durability: volatile
13.           history: keep_last
14.           reliability: reliable
15.     use_sim_time: false

复制代码

一次性加载某一个文件中的所有参数：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param load /turtlesim turtlesim.yaml

复制代码

2.2 简单参数示例

接下来就要开始写程序了，在程序中设置参数和读取参数都比较简单，一两句函数就可以实现，我们先来体验一下这几个函数的使用方法。
我们首先创建my_learning_parameter的Python版本的功能包；

1. pi@NanoPC-T6:~/dev_ws$ cd src
2. pi@NanoPC-T6:~/dev_ws/src$ ros2 pkg create --build-type ament_python my_learning_parameter

复制代码

2.2.1 代码实现

打开my_learning_parameter功能包，在my_learning_parameter文件夹下创建param_declare.py；

1. """
2. ROS2参数示例-创建、读取、修改参数
4. @author: zy
5. @since : 2025/12/15
6. """
8. import rclpy                                     # ROS2 Python接口库
9. from rclpy.node import Node                      # ROS2 节点类
11. class ParameterNode(Node):
12.     def __init__(self, name):
13.         super().__init__(name)                                    # ROS2节点父类初始化
14.         self.timer = self.create_timer(2, self.timer_callback)    # 创建一个定时器（单位为秒的周期，定时执行的回调函数）
15.         self.declare_parameter('robot_name', 'mbot')              # 创建一个参数，并设置参数的默认值
17.     def timer_callback(self):                                      # 创建定时器周期执行的回调函数
18.         robot_name_param = self.get_parameter('robot_name').get_parameter_value().string_value   # 从ROS2系统中读取参数的值
20.         self.get_logger().info('Hello %s!' % robot_name_param)     # 输出日志信息，打印读取到的参数值
22.         new_name_param = rclpy.parameter.Parameter(                # 创建一个新的 Parameter 对象
23.             'robot_name',                                          # 参数名称
24.             rclpy.Parameter.Type.STRING,                           # 参数类型（字符串类型）
25.             'mbot'                                                 # 参数值
26.         )
27.         all_new_parameters = [new_name_param]
28.         self.set_parameters(all_new_parameters)                    # 将重新创建的参数列表发送给ROS2系统
30. def main(args=None):                                 # ROS2节点主入口main函数
31.     rclpy.init(args=args)                            # ROS2 Python接口初始化
32.     node = ParameterNode("param_declare")            # 创建ROS2节点对象并进行初始化
33.     rclpy.spin(node)                                 # 循环等待ROS2退出
34.     node.destroy_node()                              # 销毁节点对象
35.     rclpy.shutdown()                                 # 关闭ROS2 Python接口

复制代码

完成代码的编写后需要设置功能包的编译选项，让系统知道Python程序的入口，打开功能包的setup.py文件，加入如下入口点的配置：

1.     entry_points={
2.         'console_scripts': [
3.             'param_declare          = my_learning_parameter.param_declare:main',
4.         ],
5.     },

复制代码

2.2.2 编译运行

编译程序：

1. pi@NanoPC-T6:~/dev_ws$ colcon build --paths src/my_learning_parameter

复制代码

启动第一个终端，运行节点；

1. pi@NanoPC-T6:~/dev_ws$ ros2 run my_learning_parameter param_declare
2. [INFO] [1765804528.869092474] [param_declare]: Hello mbot!
3. [INFO] [1765804530.840071999] [param_declare]: Hello mbot!
4. [INFO] [1765804532.840587253] [param_declare]: Hello mbot!
5. ......
6. INFO] [1765804620.837805446] [param_declare]: Hello mbot!
7. [INFO] [1765804622.839387783] [param_declare]: Hello turtle!
8. .....

复制代码

再启动一个中断修改参数robot_name的值；

1. pi@NanoPC-T6:~/dev_ws$ ros2 param set param_declare robot_name turtle
2. Set parameter successful

复制代码

2.2.3 流程分析

总结一下，想要实现一个参数设置，代码的实现流程是这样做；

• 编程接口初始化；
  
• 创建节点并初始化；
  
• 声明参数，并在定时器读取、设置自己的参数；
  
• 销毁节点并关闭接口。
  

2.3 机器视觉应用

我们已经初步学会了参数的使用，如何在机器人中应用呢？
继续优化机器视觉的示例，物体识别对光线比较敏感，不同的环境大家使用的阈值也是不同的，每次在代码中修改阈值还挺麻烦，不如我们就把阈值提炼成参数，运行过程中就可以动态设置，不是大大提高了程序的易用性么？
说干就干，我们先来看下效果如何，这里我们使用两个节点；

• 机驱动节点：将驱动相机并发布图像话题，此时的话题数据使用的是ROS中标准定义的Image图像消息；
  
• 视觉识别节点：订阅图像数据，并运行视觉识别功能，识别目标的位置；
  

2.3.1 代码实现

在my_learning_parameter文件夹下创建param_object_detect.py；

1. """
2. ROS2参数示例-设置目标识别的颜色阈值参数
4. @author: zy
5. @since : 2025/12/15
6. """
8. import rclpy                      # ROS2 Python接口库
9. from rclpy.node import Node       # ROS2 节点类
10. from sensor_msgs.msg import Image # 图像消息类型
11. from cv_bridge import CvBridge    # ROS与OpenCV图像转换类
12. import cv2                        # Opencv图像处理库
13. import numpy as np                # Python数值计算库
15. lower_red = np.array([0, 90, 128])     # 红色的HSV阈值下限
16. upper_red = np.array([180, 255, 255])  # 红色的HSV阈值上限
18. """
19. 创建一个订阅者节点
20. """
21. class ImageSubscriber(Node):
22.   def __init__(self, name):
23.     super().__init__(name)                                  # ROS2节点父类初始化   
24.     self.sub = self.create_subscription(Image,              # 创建订阅者对象（消息类型、话题名、订阅者回调函数、队列长度）     
25.                   'image_raw', self.listener_callback, 10)
26.     self.cv_bridge = CvBridge()                             # 创建一个图像转换对象，用于OpenCV图像与ROS的图像消息的互相转换
28.     self.declare_parameter('red_h_upper', 0)                # 创建一个参数，表示阈值上限
29.     self.declare_parameter('red_h_lower', 0)                # 创建一个参数，表示阈值下限
31.   def object_detect(self, image):
32.     upper_red[0] = self.get_parameter('red_h_upper').get_parameter_value().integer_value    # 读取阈值上限的参数值
33.     lower_red[0] = self.get_parameter('red_h_lower').get_parameter_value().integer_value    # 读取阈值下限的参数值
34.     self.get_logger().info('Get Red H Upper: %d, Lower: %d' % (upper_red[0], lower_red[0])) # 通过日志打印读取到的参数值
36.     hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)                                        # 图像从BGR颜色模型转换为HSV模型
37.     mask_red = cv2.inRange(hsv_img, lower_red, upper_red)                                   # 图像二值化
38.     contours, hierarchy = cv2.findContours(mask_red, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)  # 图像中轮廓检测
39.     for cnt in contours:                                                                    # 去除一些轮廓面积太小的噪声
40.         if cnt.shape[0] < 150:
41.             continue
43.         (x, y, w, h) = cv2.boundingRect(cnt)                            # 得到苹果所在轮廓的左上角xy像素坐标及轮廓范围的宽和高
44.         cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)              # 将苹果的轮廓勾勒出来
45.         cv2.circle(image, (int(x+w/2), int(y+h/2)), 5, (0, 255, 0), -1) # 将苹果的图像中心点画出来
47.     cv2.imshow("object", image)                                         # 使用OpenCV显示处理后的图像效果
48.     cv2.waitKey(50)
50.   def listener_callback(self, data):
51.     self.get_logger().info('Receiving video frame')     # 输出日志信息，提示已进入回调函数
52.     image = self.cv_bridge.imgmsg_to_cv2(data, "bgr8")  # 将ROS的图像消息转化成OpenCV图像
53.     self.object_detect(image)                            # 苹果检测
55. def main(args=None):                                    # ROS2节点主入口main函数
56.     rclpy.init(args=args)                               # ROS2 Python接口初始化
57.     node = ImageSubscriber("param_object_detect")       # 创建ROS2节点对象并进行初始化
58.     rclpy.spin(node)                                    # 循环等待ROS2退出
59.     node.destroy_node()                                 # 销毁节点对象
60.     rclpy.shutdown()                                    # 关闭ROS2 Python接口

复制代码

完成代码的编写后需要设置功能包的编译选项，让系统知道Python程序的入口，打开功能包的setup.py文件，加入如下入口点的配置：

1.     entry_points={
2.         'console_scripts': [
3.             'param_declare          = my_learning_parameter.param_declare:main',
4.             'param_object_detect    = my_learning_parameter.param_object_detect:main',
5.         ],
6.     },

复制代码

2.3.2 编译运行

编译程序：

1. pi@NanoPC-T6:~/dev_ws$ colcon build --paths src/my_learning_parameter

复制代码

启动第一个终端，第一个节点是相机驱动节点，发布图像数据；

1. pi@NanoPC-T6:~/dev_ws$ ros2 run usb_cam usb_cam_node_exe --ros-args -p video_device:="/dev/video21"

复制代码

启动第二个终端，订阅图像数据，并运行视觉识别功能，识别目标的位置；

1. pi@NanoPC-T6:~/dev_ws$ ros2 run my_learning_parameter param_object_detect

复制代码

在视觉识别节点中，我们故意将视觉识别中红色阈值的上限设置为0；

1. lower_red = np.array([0, 90, 128])     # 红色的HSV阈值下限
2. upper_red = np.array([180, 255, 255])  # 红色的HSV阈值上限
4. ......
5.     self.declare_parameter('red_h_upper', 0)                # 创建一个参数，表示阈值上限
6.     self.declare_parameter('red_h_lower', 0)                # 创建一个参数，表示阈值下限
7. ......
8.     upper_red[0] = self.get_parameter('red_h_upper').get_parameter_value().integer_value    # 读取阈值上限的参数值
9.     lower_red[0] = self.get_parameter('red_h_lower').get_parameter_value().integer_value

复制代码

HSV是一种将RGB颜色表示为三个分量的颜色模型：

• H (Hue)：色相/色调 (0-180°)；
  
• S (Saturation)： 饱和度 (0-255)；
  
• V (Value)：明度/亮度 (0-255)；
  

如果不修改参数，将无法实现目标识别。为了便于调整阈值，我们在节点中将红色阈值的限位修改为了ROS参数，通过命令行修改该参数的值，就可以实现视觉识别啦；

1. pi@NanoPC-T6:~/dev_ws$ ros2 param set param_object_detect red_h_upper 180

复制代码

2.4 参数命令行操作

参数相关命令：

1. pi@NanoPC-T6:~/dev_ws$ ros2 param
2. usage: ros2 param [-h] Call `ros2 param <command> -h` for more detailed usage. ...
4. Various param related sub-commands
6. options:
7.   -h, --help            show this help message and exit
9. Commands:
10.   delete    Delete parameter
11.   describe  Show descriptive information about declared parameters
12.   dump      Show all of the parameters of a node in a YAML file format
13.   get       Get parameter
14.   list      Output a list of available parameters
15.   load      Load parameter file for a node
16.   set       Set parameter
18.   Call `ros2 param <command> -h` for more detailed usage.

复制代码

2.4.1 查看参数列表

1. pi@NanoPC-T6:~/dev_ws$ ros2 param list
2. /param_object_detect:
3.   red_h_lower
4.   red_h_upper
5.   use_sim_time
6. /usb_cam:
7.   auto_white_balance
8.   autoexposure
9.   autofocus
10.   ......

复制代码

可以看到我们实现的/param_object_detect节点有三个参数，其中：

• red_h_lower： 红色识别的最小色相阈值 (Hue lower)；
  
• red_h_upper：红色识别的最大色相阈值 (Hue upper)；
  
• use_sim_time ：是否使用仿真时间。
  

red_h_lower和red_h_upper我们在代码里有定义，而use_sim_time 是ROS 2节点的一个内置默认参数，所有节点都会自动拥有这个参数，即使没有在代码中声明它。
2.4.2 获取参数值

1. pi@NanoPC-T6:~/dev_ws$ ros2 param get /param_object_detect red_h_upper
2. Integer value is: 180

复制代码

2.4.3 查询参数信息

1. pi@NanoPC-T6:~/dev_ws$ ros2 param describe /param_object_detect red_h_lower
2. Parameter name: red_h_lower
3.   Type: integer
4.   Constraints:
5. pi@NanoPC-T6:~/dev_ws$ ros2 param describe /param_object_detect red_h_upper
6. Parameter name: red_h_upper
7.   Type: integer
8.   Constraints:

复制代码

2.4.4 设置参数值

1. pi@NanoPC-T6:~/dev_ws$ ros2 param set param_object_detect red_h_upper 180       

复制代码

参考文章
[1] 古月居ROS2入门教程学习笔记

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！