ROS与机器人控制

　　其实现在看起来，ROS并不难，不管是配置的文件，或者是编程语言都不是新的，只是把它们整合成一个机器人控制系统里。但是我当时要学习的东西很多，所处的环境特殊，自己又毫无心情，所以并没有深入学习，真是非常遗憾。

![image-20250804151818947](/Users/kun/Library/Application Support/typora-user-images/image-20250804151818947.png)

操作系统

　　ROS的运行环境是Linux系统，我用过Ubuntu16.0，Debian9.0，不同版本系统下可运行的ROS版本不同。

ROS目前使用较多的版本是Melodic、Kinetic和Indigo，分别对应Ubuntu系统18.0、16.0、14.0。Indigo使用最多，最稳定，但是现在已经停止维护和开发，因此本教程在Ubuntu16.0上安装 Kinetic。

RTOS

rtos与嵌入式linux的区别：

1.实时性

实时性即保证任务在特定时间内完成。衡量一个实时操作系统坚固性的重要指标，是系统从接收一个任务，到完成该任务所需的时间，其时间的变化称为**抖动**。

可以依抖动将实时操作系统分为两种：硬实时操作系统及软实时操作系统，硬实时操作系统比软实时操作系统有更少的抖动：

硬实时操作系统必须使任务在确定的时间内完成。
软实时操作系统能让绝大多数任务在确定时间内完成。

实时性是嵌入式RTOS与嵌入式Linux最本质的区别。

实时性对比：

嵌入式RTOS：硬实时（μs级响应），中断延迟通常<10μs。具有强实时性，采用抢占式多任务调度算法，能确保关键任务在严格的时间期限内完成，响应时间可预测，适用于对实时性要求极高的场景，如工业自动化控制、航空航天等
嵌入式Linux：Linux是作为通用操作系统开发的，其内核在实时处理能力上先天不足，需通过CONFIG_PREEMPT_RT补丁优化实时性，默认软实时（延迟>50μs），。虽然经过实时补丁等改进可实现一定的实时性，但本质上是分时操作系统，其内核不是专门为实时性设计，在处理高实时性任务时，响应时间存在不确定性，一般用于对实时性要求不苛刻的场景

内核架构

操作系统内核根据架构来分，可分为：宏内核（Monolithic kernel）、微内核（Microkernel）、混合内核（Hybrid kernel）。

**宏内核（Monolithic kernel）：**宏内核被视作为运行在单一地址空间的单一的进程，内核提供的所有服务，都以特权模式，在这个大型的内核地址空间中运作，这个地址空间被称为内核态（kernel space）。
**微内核（Monolithic kernel）：**微核心的设计理念，是将系统服务的实现，与系统的基本操作规则区分开来。它实现的方式，是将核心功能模块化，划分成几个独立的进程，各自运行，这些进程被称为服务（service）。所有的服务进程，都运行在不同的地址空间。
**混合内核（Hybrid kernel）：**混合内核结合了宏内核与微内核两种内核架构。混合内核的基本设计理念，是以微内核架构来设计操作系统内核，但在实现上则采用宏内核的作法。混合内核实质上是微内核，只不过它让一些微核结构执行在用户空间的代码执行在内核空间，这样让内核的执行效率更高些。

内核架构对比：

嵌入式RTOS：多为微内核（如Zephyr），无虚拟内存管理（无MMU），系统调用为直接函数调用。内核通常很精简，只包含基本的任务调度、内存管理、中断处理等功能，以保证系统的高效运行和快速响应，可根据具体需求进行高度定制。
嵌入式Linux：宏内核，依赖MMU实现虚拟内存，需用户/内核态切换（syscall接口）。内核相对庞大复杂，支持多用户、多任务，具备完善的内存管理、进程调度、文件系统等功能，提供了丰富的系统服务和接口，但也因此占用更多的资源。

资源需求

嵌入式RTOS：由于内核精简，对硬件资源要求较低，可在资源有限的微控制器（MCU）等设备上运行，如一些简单的传感器节点、小型智能设备等。
嵌入式Linux：因功能丰富、内核复杂，需要较多的硬件资源支持，通常运行在具有一定处理能力和内存空间的微处理器（MPU）上，如工业控制计算机、智能终端等。

安全性

嵌入式RTOS：系统功能相对单一，代码量小，经过严格的测试和验证，安全漏洞相对较少，且可针对特定安全需求进行定制化设计，适用于对安全性要求极高的安全关键系统。
嵌入式Linux：开源特性使其容易受到安全威胁，不过开源也便于社区及时发现和修复安全漏洞。同时，通过安全增强技术如SELinux等可提高其安全性，适用于对安全性有一定要求但非绝对安全关键的场景。

学习难度/开发难度

嵌入式RTOS：学习和开发相对简单，其功能集中在实时任务处理，开发框架和API相对简洁，开发者主要关注任务的划分、调度和通信等，适合初学者和对实时性开发经验较少的人员。
嵌入式Linux：学习和开发难度较大，涉及内核原理、文件系统、网络协议等复杂知识，开发过程需要掌握多种工具和技术，如交叉编译、内核裁剪、驱动开发等，对开发者的技术水平和经验要求较高

核心内容

嵌入式RTOS：核心是实时任务调度和管理，确保任务在规定时间内完成，重点关注任务的优先级分配、时间片管理以及任务间的同步与通信。
嵌入式Linux：核心是提供一个通用的、功能丰富的操作系统平台，支持多种应用开发，包括文件系统管理、网络服务、设备驱动等，以满足不同领域的多样化需求。

网络能力

嵌入式RTOS：网络功能相对较弱，需集成轻量级协议（如LwIP）。通常只支持基本的网络协议，如简单的TCP/IP协议栈，以满足实时数据传输需求，对于复杂的网络应用支持有限。
嵌入式Linux：具有强大的网络功能，支持完整的网络协议栈，包括TCP/IP、UDP等多种协议，能轻松实现网络服务器、网络客户端等复杂网络应用，适用于需要频繁进行网络通信的设备，如网络路由器、智能网关等。

开发方式

嵌入式RTOS：开发方式相对简单，通常使用特定的集成开发环境（IDE），如IAR、Keil等，配合相应的开发板进行开发。开发环境配置相对容易，主要关注任务的编写和调试。
嵌入式Linux：开发方式较为复杂，需要搭建交叉编译环境，涉及到宿主机和目标机之间的通信和协作。常用的开发工具有GCC、Make等，开发过程需要进行内核编译、驱动开发、文件系统制作等多个环节，开发环境的搭建和配置相对繁琐。

学习资料

嵌入式RTOS：学习资料相对丰富，主要集中在特定的RTOS产品手册、官方文档以及一些专业的嵌入式开发书籍上。
嵌入式Linux：学习资料非常丰富，有大量的书籍、在线文档、开源项目以及活跃的社区论坛，如Linux内核官方文档、Linux公社等，开发者可以方便地获取各种技术知识和解决方案。

运行功耗

嵌入式RTOS：由于系统简单，在运行时可以根据任务需求灵活控制硬件资源的使用，能较好地实现低功耗管理，支持μA级休眠模式（STOP/STANDBY），动态电压频率调节（DVFS）优化能耗。适用于电池供电的设备，如物联网传感器节点等。
嵌入式Linux：因内核复杂，需要持续运行多个后台进程和服务，对硬件资源的使用相对较多，运行功耗一般较高（通常>100mW），但通过一些节能技术和优化措施，如电源管理框架（如CPUFreq），也可在一定程度上降低功耗，适合插电设备。

启动速度

嵌入式RTOS：毫秒级启动，启动速度快，内核初始化时间短，能在短时间内完成系统启动并进入工作状态，满足一些对快速启动有要求的应用场景，如工业控制中的紧急响应设备。
嵌入式Linux：秒级启动，启动过程涉及U-Boot引导、内核加载、文件系统挂载、服务启动等多个环节，启动速度相对较慢，一般需要几秒到几十秒的时间，不过对于一些非实时性要求高的设备，如智能电视等，启动速度的影响相对较小。

驱动开发

嵌入式RTOS：驱动开发相对简单，通常针对特定硬件平台提供简洁的驱动接口，开发者只需根据硬件特性和RTOS的要求编写基本的驱动程序，主要关注硬件的初始化和数据传输等功能。
嵌入式Linux：驱动开发较为复杂，需要深入理解Linux内核的驱动模型，如设备树、字符设备驱动、块设备驱动等，开发过程需要遵循严格的内核编程规范，涉及到大量的内核代码编写和调试工作。

应用开发

嵌入式RTOS：应用开发主要围绕实时任务展开，注重任务的逻辑实现和时间控制，开发语言一般以C、C++为主，开发框架相对简单，主要用于实现特定的实时控制功能。
嵌入式Linux：应用开发更加多样化，支持多种编程语言，如C、C++、Python等，可借助丰富的库和框架进行开发，能实现包括图形界面、网络应用、数据处理等在内的复杂应用。

图形用户界面开发

嵌入式RTOS：本身对图形用户界面（GUI）的支持有限，若要实现GUI，需要额外添加专用的轻量级GUI库（如LVGL、emWin），且功能相对简单，适用于对界面要求不高的设备，如简单的工业控制终端。
嵌入式Linux：有丰富的GUI库和工具，如Qt、GTK等，能开发出功能强大、界面美观的图形用户界面，适用于智能终端、车载信息娱乐系统等对用户体验要求较高的设备。

岗位发展路线、前景

嵌入式RTOS：岗位发展路线主要集中在实时控制系统开发、硬件驱动工程师等方向，随着工业自动化、智能制造等领域的发展，对掌握嵌入式RTOS技术的人才需求持续增长，尤其是在汽车电子、航空航天等高端制造业，具有较好的发展前景。
嵌入式Linux：岗位发展路线较为广阔，可从事内核开发工程师、系统移植工程师、应用开发工程师等多种岗位。在物联网、人工智能、智能交通等热门领域有广泛应用，市场需求大，发展前景良好，且由于技术难度较高，相关人才的薪资待遇也相对较高。

ROS安装

完整的教程其实在ROS官网都有，本文旨在梳理

在Ubuntu下打开命令行窗口，

更新应用市场

sudo apt-get update

安装ROS内核、rviz、2D/3D simulator、robot-generic libraries、navigation and 2D/3D perception

sudo apt-get install ros-kinetic-desktop-full

安装ROS依赖包

sudo rosdep init
rosdep update

注：ROS自带python语言环境

安装

echo "source /opt/ros/kinetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

工作空间/文件夹

Workspace下一般有三个文件夹，

src放代码文件，

build文件夹和devel文件夹是编译后生成的文件。

install是安装空间

log是日志空间

catkin_init_workspace

catkin make //编译目标文件，生成可执行文件

source ~/catkin_ws/devel/setup.bash //刷新工作环境

rosdep

rosdep 是一种 ROS 的依赖管理工具，用于识别和安装构建 ROS 包所需的系统依赖项。它不是一个包管理器，而是一个元包管理器，它根据当前 ROS 发行版和系统平台，找到并调用系统包管理器（如 apt 或 dnf）来实际安装缺失的依赖

常用命令：

rosdep init: 初始化 rosdep，使其能够理解您的系统和 ROS 发行版。通常在首次安装 ROS 或设置新工作区时运行此命令。
rosdep update: 更新 rosdep 的依赖信息。这确保 rosdep 知道最新可用的依赖项。
rosdep install: 安装 ROS 包所需的所有系统依赖。
- rosdep install -r --from-paths src --ignore-src: 这是在构建 ROS 工作区时常用的命令。它会检查 src 目录下的所有包，并安装它们在本地源文件中声明的依赖项。
- -r: 表示在遇到错误时不要退出。
- --from-paths src: 指定要安装依赖的源文件位于 src 目录中。
- --ignore-src: 告诉 rosdep 忽略在 src 目录中找到的包的依赖，只安装外部依赖。

功能包

ros2 pkg create --build-type ament-cmake learning-pkg
ros2 pkg create --build-type ament-python learning-pkg

ROS Master与Node

roscore

rosrun

Launch 文件

roslaunch .launch

rostopic

<ros.h>

URDF

标准标记语言文件，与xml语言类似

stl

https://urdf.d-robotics.cc/

SLAM

MoveIt

https://moveit.ai/

Gazebo

使用docker安装Gazebo

# 使用官方的ROS镜像作为基础镜像
FROM ros:noetic-ros-base

# 添加ROS源
RUN echo "deb http://packages.ros.org/ros/ubuntu focal main" > /etc/apt/sources.list.d/ros1-latest.list

# 导入ROS的公钥
RUN apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

# 更新apt包列表
RUN apt-get update

# 安装 RViz 和其他 ROS 工具
RUN apt-get install -y \
    ros-noetic-rviz \
    ros-noetic-xacro \
    ros-noetic-joint-state-publisher-gui \
    ros-noetic-robot-state-publisher

# 安装 Gazebo 11 和相关的开发包
RUN apt-get install -y \
    gazebo11 \
    libgazebo11-dev

# 安装 Gazebo ROS 包
RUN apt-get install -y \
    ros-noetic-gazebo-ros-pkgs \
    ros-noetic-gazebo-ros-control

# 设置容器的主命令为bash终端
CMD ["/bin/bash"]

使用 Gazebo 时，了解其基本概念非常重要，这有助于你更好地理解和使用这个仿真平台。以下是 Gazebo 的一些基本概念及其简短的解释：

模型（Models）: 模型是 Gazebo 中的基本构建块，它们代表物理对象，如机器人、建筑物或其他任何物体。每个模型都有与之相关的几何、视觉和物理属性。
世界（Worlds）: 世界是模型存在和交互的环境。它包括一系列的模型，以及描述这些模型如何相互作用的物理属性（例如，重力和摩擦）。
插件（Plugins）: 插件允许用户扩展 Gazebo 的功能。通过编写插件，用户可以创建新的物理引擎、传感器模型、控制器等。
传感器（Sensors）: 传感器是模拟真实世界传感器的虚拟设备，例如相机、雷达或激光雷达。它们可以感知仿真世界中的其他模型和环境。
视觉和物理属性: 模型在 Gazebo 中具有视觉和物理属性。视觉属性决定模型看起来如何，而物理属性（例如质量和惯性）决定模型如何在仿真环境中运动。
通信接口（Communication Interfaces）: Gazebo 提供了一些通信接口，如 ROS（机器人操作系统）集成，以便用户可以控制和监视仿真。

开始使用 Gazebo 之前，熟悉其用户界面和基本功能是很重要的。这将帮助你更高效地使用这个工具。下面是 Gazebo 用户界面和基本功能的简要概述：

主界面: Gazebo 的主界面包含了一个视图窗口，显示了你的仿真世界。你可以通过鼠标和键盘控制来旋转、平移和缩放视图。
工具栏: 位于主界面顶部的工具栏提供了许多常用功能的快捷方式，如启动/暂停仿真、重置仿真、保存世界等。
模型库: 通过模型库，你可以浏览和插入预先创建的模型到你的世界中。你也可以保存自己创建的模型到模型库中。
插件和控件: Gazebo 支持多种插件和控件，让你能够自定义用户界面并添加新功能。
属性面板: 属性面板显示了当前选定对象的属性和设置。你可以在这里修改模型、传感器和其他对象的属性。
主题和布局: Gazebo 允许你通过更改主题和布局来自定义界面的外观和布局。
日志和错误输出: 通过日志窗口，你可以查看仿真的日志输出和任何错误或警告。

在 Gazebo 中，模型库提供了一种方便的方式来访问和共享仿真模型。你可以从模型库中加载预先创建的模型，也可以将自己创建的模型保存到模型库中。以下是如何从 Gazebo 的模型库中加载基本模型的步骤：

打开模型库: 在 Gazebo 的主界面中，点击左侧选项卡中的 Insert 来打开模型库。
浏览和选择模型: 在模型库窗口中，你可以看到一个模型列表。这些模型可能是本地保存的，也可能是从在线模型库加载的。点击你想要的模型，例如 ground_plane 或 sun。
加载模型: 选择你想要的模型后，点击“插入”按钮，或者直接拖拽模型到仿真窗口中。模型会被加载到你的仿真世界中。
保存世界 (可选): 如果你想保存包含新模型的世界，可以通过菜单 File -> Save World As... 来保存你的世界到一个新文件。

编写控制程序

#!/usr/bin/env python3

import rospy
from geometry_msgs.msg import Wrench

def apply_force():
    # Initialize the node
    rospy.init_node('force_applier', anonymous=True)
    
    # Create a publisher to send force commands
    pub = rospy.Publisher('/force', Wrench, queue_size=10)
    
    # Create a Wrench message to send force and torque commands
    cmd = Wrench()
    cmd.force.x = 0.0
    cmd.force.y = 0.0
    cmd.force.z = 0.0
    cmd.torque.x = 0.0
    cmd.torque.y = 0.0
    cmd.torque.z = 0.6  # Apply a torque of 0.6 N*m about the z-axis
    
    rate = rospy.Rate(10)  # 10 Hz
    while not rospy.is_shutdown():
        # Publish the command
        pub.publish(cmd)
        rate.sleep()

if __name__ == '__main__':
    try:
        apply_force()
    except rospy.ROSInterruptException:
        pass

Rviz

http://tr-ros-tutorial.readthedocs.io/zh-cn/latest/_source/simulation/gazebo_and_rviz.html

ROS2

![image-20250922091934131](/Users/kun/Library/Application Support/typora-user-images/image-20250922091934131.png)

命令行精简

实时性

ROS 1：原生不支持硬实时（Hard Real-Time），其通信机制引入的非确定性延迟，使其不适合对时间敏感的应用（如无人驾驶和手术机器人）。
ROS 2：通过DDS和对实时操作系统的兼容性，提供了原生实时计算能力。其可配置的QoS策略和执行管理机制，能够实现有界延迟和抖动控制，更好地支持时间敏感型任务

多机器人支持

ROS 1：处理多机器人系统较为复杂，需要复杂的网络配置，且依赖于ROS主节点。
ROS 2：得益于DDS的分布式特性，支持无缝的点对点通信，使得多机器人系统（例如机器人集群）的扩展变得更加容易

节点（Nodes）

ROS 1：一个可执行文件通常对应一个节点。后来引入的nodelet机制允许在同一进程中运行多个节点，但实现更复杂。
ROS 2：**组件（components）**的概念被引入核心，允许在同一进程中运行多个节点。这有助于提高进程间通信效率，特别是在资源受限的硬件上。

构建系统和工作空间

ros1使用catkin作为其构建空间

ros2使用colcon作为构建系统

语言支持

ROS 1：C++和Python有各自独立的后端实现。
ROS 2：C++和Python使用共享的底层客户端库API（rclcpp和rclpy），确保不同语言下的功能一致性。

rosbag

rosbag 是 ROS（Robot Operating System）中的一种数据记录与回放工具，用来保存和重放机器人运行时产生的各种消息数据。简单来说，它就像“黑匣子”，能把机器人运行时的传感器、话题消息、控制指令等全部记录下来，方便后期调试和复现实验。

## 记录
ros2 bag record /turtle1/cmd_vel

## 回放
ros2 bag play rosbag2_2025_09_18-13_01_53/

RQT

rqt 是 ROS 官方提供的一个基于 Qt 的 GUI 框架，本质上是一个插件管理和可视化平台。

它的设计理念是：ROS 系统是分布式的，节点、话题、服务、参数等很多，调试和监控光靠命令行不直观，因此需要一个统一的图形化工具箱来观察和操作。

sim2real

https://zhuanlan.zhihu.com/p/106216904

sim2real的全称是simulation to reality，是强化学习的一个分支，同时也属于transfer learning的一种。主要解决的问题是机器人领域中，直接让机器人或者机械臂在现实环境中与环境进行交互、采样时，会出现以下两个比较严重的问题：

采样效率太低（在用强化学习算法解决机器人相关问题时，所需要的样本量一般会达到上千万，在现实环境中采集如此数量级的样本要耗费几个月的时间）
安全问题（由于强化学习需要通过智能体在环境中进行大范围的随机采样来进行试错，因而在某些时刻其做出的行为可能会损伤机器人自身，例如手臂转动角度过大或者避障任务中由于碰撞造成的不可逆损伤等等；也可能会损害周围的环境甚至生物）

但是如果我们在模拟器中进行强化学习算法的训练，以上两个问题均可迎刃而解。但是，这里同样会存在一个问题，由于模拟器对于物理环境的建模都是存在误差的，因而在模拟环境中学习到的最优策略是否可以直接在现实环境中应用呢？答案往往是否定的，我们把这个问题称为 “reality gap”。而sim2real的工作就是去尝试解决这个问题。

这里值得注意的一点是，虽然这个方向叫做sim2real，其实其中的所有的算法都可以直接应用在sim2sim，real2real等的任务中。

sim2real中的典型工作大致可以分为以下五类：

Domain Adaption 主要是通过学习一个模拟环境以及现实环境共同的状态到隐变量空间的映射，在模拟环境中，使用映射后的状态空间进行算法的训练；因而在迁移到现实环境中时，同样将状态映射到隐含空间后，就可以直接应用在模拟环境训练好的模型了。
Progressive Network 利用一类特殊的Progressive Neural Network来进行sim2real。其主要思想类似于cumulative learning，从简单任务逐步过渡到复杂任务（这里可以认为模拟器中的任务总是要比现实任务简单的）。
Inverse Dynamic Model 通过在现实环境中学习一个逆转移概率矩阵来直接在现实环境中应用模拟环境中训练好的模型。
Domain Randomization 对模拟环境中的视觉信息或者物理参数进行随机化，例如对于避障任务，智能体在一个墙壁颜色、地板颜色等等或者摩擦力、大气压强会随机变化的模拟环境中进行学习。

Towards Adapting Deep Visuomotor Representations from Simulated to Real Environments[arXiv 2015] Eric Tzeng, Coline Devin, Judy Hoffman, Chelsea Finn, Xingchao Peng, Sergey Levine, Kate Saenko, Trevor DarrellLearning Invariant Feature Spaces to Transfer Skills with Reinforcement Learning [arXiv 2017] Abhishek Gupta, Coline Devin, YuXuan Liu, Pieter Abbeel, Sergey LevineSim-to-Real Robot Learning from Pixels with Progressive Nets [arXiv 2016] Andrei A. Rusu Deepmind.Transfer from Simulation to Real World through Learning Deep Inverse Dynamics Model[arXiv 2016] Paul Christiano, Zain Shah, Igor Mordatch, Jonas Schneider, Trevor Blackwell, Joshua Tobin, Pieter Abbeel, and Wojciech ZarembaSim-to-Real Transfer of Robotic Control with Dynamics Randomization [ICRA 2018] Xue Bin Peng, Marcin Andrychowicz, Wojciech Zaremba, and Pieter AbbeelDomain Randomization for Transferring Deep Neural Networks from Simulation to the Real World [IROS 2017] Josh Tobin, Rachel Fong, Alex Ray, Jonas Schneider, Wojciech Zaremba, Pieter Abbeel

setuptools

setuptools库的前身是distutils（一个python标准库），setuptools本身不是标准库，所以需要自行安装。setuptools提供的主要的功能有：

python库的打包分发
依赖包安装与版本管理
python环境限制
生成脚本
c/c++ 拓展

python库的打包分发方式有两种：源码包source dist（简称sdist）、二进制包binary dist（简称bdist）。

源码包sdist就是我们熟悉的 .zip 、.tar.gz 等后缀文件。就是一个压缩包，里面包含了所需要的的所有源码文件以及一些静态文件（txt文本、css、图片等）。

setup.py后面会介绍，总之setup.py指定了打包分发的配置信息。--formats 参数用来指定压缩格式，若不指定format格式，那么 sdist 将根据当前平台创建默认格式。在类 Unix 平台上，将创建后缀名为.tar.gz分发包，而在Windows上为 .zip 文件。

执行完该命令，我们可以看到文件夹下多了dist文件夹（包含压缩源码的分发包）和egg-info文件夹（中间临时配置信息）。

安装源码包

安装源码包有两种方法，先解压缩源码包，或者直接安装源码包。

先解压缩源码包，再执行setup.py

# 
$ python setup.py install
等价于
$ python setup.py build
$ python setup.py install
'''
python setup.py install包括两步：python setup.py build python setup.py install。
这两步可分开执行， 也可只执行python setup.py install, 因为python setup.py install总是会先build后install.
'''

直接pip安装源码包

pip install  xxx.zip

python目前主流的二进制包格式是wheel（.whl后缀），它的前身是egg。wheel本质也还是一个压缩包，可以像像zip一样解压缩。**与源码包相比，二进制包的特点是不用再编译，也就是安装更快！**在使用wheel之前，需要先安装wheel：$ pip install wheel

设置python库的基本信息

from setuptools import setup

def readme():
    with open('README.md', encoding='utf-8') as f:
        content = f.read()
    return content

setup(
    name = 'myapp', # 包名称
    version = '1.0', # 版本
    author = 'lihua', # 作者
    author_email = 'lihua@163.com', # 作者邮箱
    description='a example for pack python', # 描述
    long_description=readme(), # 长文描述
    long_description_content_type='text/markdown', # 长文描述的文本格式
    keywords='pack', # 关键词
    url='https://github.com/lihua/myapp', # 项目主页
    classifiers=[ # 包的分类信息，见https://pypi.org/pypi?%3Aaction=list_classifiers
            'Development Status :: 5 - Production/Stable',
            'License :: OSI Approved :: Apache Software License',
            'Operating System :: OS Independent',
            'Programming Language :: Python :: 3',
            'Programming Language :: Python :: 3.6',
            'Programming Language :: Python :: 3.7',
            'Programming Language :: Python :: 3.8',
            'Programming Language :: Python :: 3.9',
        ],
    license='Apache License 2.0', # 许可证
)

混合编程

python开发成本低，但运行速度堪忧，c/c++速度无人能敌，但内存管理、模板编程等对程序猿来说，开发成本太高。那么python+c的混合编程的解决方案应运而生，博采众长，python就像前端，简单的语言赏心悦目，c就像后端，适合做计算密集型任务。而且c/c++还可以有效规避掉python的GIL锁，速度更上一层楼。

python+c/c++混合编程的技术路径有很多，如：

原生的Python.h
cython
ctypes、cffi
SWIG
Boost.Python：逐渐被pybind11取代
pybind11：目前比较流行推荐的方法，学习成本低，pytorch也采用了该方法。

本质上setuptools是根据setup.py配置来指导生成gcc命令行，当然你也可以粗暴地直接用gcc命令行来编译c/c++拓展源码，但工程量太大，setuptools支持很多混合编程技术cython、SWIG等等。所以甭管你采用什么混合编程技术，绕不开setuptools。setuptools编译c/c++拓展源码的过程主要是把源代码编译成动态连接库（linux下是**.so**，windows下是**.pyd**）。这样就可以在.py中愉快import并使用拓展模块了。

setuptools.Extension类有几个重要的构造参数（详见API文档）

name：在python中import该拓展的名称
sources：源代码文件名
language：默认'c'，如果要用C++，改成'c++'
include_dirs：其实就是传递给 gcc 的 -I(大写i)指定include的头文件目录
library_dirs：其实就是传递给 gcc 的 -L 指定连接文件的目录
libraries：其实就是传给 gcc 的 -l(小写的L)指定连接文件，在L指定的位置找
extra_compile_args：其实传给 gcc 的额外的编译参数，比方'-std=c++11'
extra_link_args：其实传给 gcc 的额外的链接参数（生成动态链接库）
define_macros：定义宏
undef_macros：取消定义宏

机器人资讯

科研

research rabbit

科研神器

Research Rabbit是一款实用的科研工具。 **它能依据你输入的文献或关键词智能推荐相关文献，帮你发现更多有用资料。**还可展示文献间的关联，形成网络，让你看清研究间的联系。有着不错的文献管理功能，方便你整理、标记文献。同时支持团队协作，界面简洁易上手，核心功能免费，能助力科研工作更高效开展。

资源

1.胡月居：https://www.bilibili.com/video/BV16B4y1Q7jQ?spm_id_from=333.788.videopod.episodes&bvid=BV16B4y1Q7jQ&vd_source=e898668a475e6de0272851f4a5fc6328&p=2 https://www.guyuehome.com/Bubble/index

2.鱼香ros：https://www.bilibili.com/video/BV1GW42197Ck?spm_id_from=333.788.recommend_more_video.1&vd_source=e898668a475e6de0272851f4a5fc6328

公众号：

Depth-Sensing

ROS与机器人控制#

操作系统#

RTOS#

ROS安装#

工作空间/文件夹#

rosdep#

功能包#

ROS Master与Node#

#

Launch 文件#

URDF#

SLAM#

MoveIt#

Gazebo#

Rviz#

ROS2#

构建系统和工作空间#

语言支持#

rosbag#

RQT#

sim2real#

setuptools#

混合编程#

机器人资讯#

ieee spectrum robotics#

singularityhub#

newaltas#

techxplore#

sciencedaily#

stanford ai lab#

mit robotics#

weekly robotics#

robot report#

techcrunch#

科研#

research rabbit#

资源#

ROS与机器人控制

操作系统

RTOS

ROS安装

工作空间/文件夹

rosdep

功能包

ROS Master与Node

Launch 文件

URDF

SLAM

MoveIt

Gazebo

Rviz

ROS2

构建系统和工作空间

语言支持

rosbag

RQT

sim2real

setuptools

混合编程

机器人资讯

ieee spectrum robotics

singularityhub

newaltas

techxplore

sciencedaily

stanford ai lab

mit robotics

weekly robotics

robot report

techcrunch

科研

research rabbit

资源