7.learningAction（行为库）2

1.使用目标回调方法(Goal Callback Method)编写一个简单的行为服务器

开始编写行为前，先创建行为消息文件Averaging.action

#goal definitionint32 samples---#result definitionfloat32 meanfloat32 std_dev---#feedbackint32 samplefloat32 datafloat32 meanfloat32 std_dev

手动生成消息

rosrun actionlib_msgs genaction.py -o msg/ action/Averaging.action

在编译过程中自动生成消息文件，在CMakeList.txt中添加

find_package(catkin REQUIRED COMPONENTS actionlib std_msgs message_generation) add_action_files(DIRECTORY action FILES Averaging.action)generate_messages(DEPENDENCIES std_msgs actionlib_msgs)

2.编写简单的行为服务器

#include <ros/ros.h>#include <std_msgs/Float32.h>#include <actionlib/server/simple_action_server.h>#include <actionlib_tutorials/AveragingAction.h>class AveragingAction{public://在行为构造函数中，创建一个行为服务器//行为服务器加载一个节点句柄(node handle)、行为名称和可选的回调(executeCB)。//在本示例中创建的行为服务器不需要回调(executeCB)参数。//在行为服务器构造之后，等价替换成注册的目标(goal)和抢占(preempt)回调用于行为的构造函数。      AveragingAction(std::string name) :     as_(nh_, name, false),    action_name_(name)  {//注册目标和反馈回调函数as_.registerGoalCallback(boost::bind(&AveragingAction::goalCB, this));     as_.registerPreemptCallback(boost::bind(&AveragingAction::preemptCB, this));//订阅感兴趣的话题数据,建立一个数据回调，该回调会处理行为并且行为服务器开启    sub_ = nh_.subscribe("/random_number", 1, &AveragingAction::analysisCB, this);    as_.start();  }  ~AveragingAction(void)  {  }//这里是一个目标(goalCB)回调函数，参考构造函数。这个回调函数不返回任何东西也不需要任何参数。当目标回调(goalCB)调用行为时，需要接收目标并且存储任何重要的信息。  void goalCB()  {    // 重置帮助变量    data_count_ = 0;    sum_ = 0;    sum_sq_ = 0;    // 接收新目标    goal_ = as_.acceptNewGoal()->samples;  }//行为事件声明，当回调发生，行为代码会运行，否则一个会创建一个抢占回调来保证行为响应及时来取消请求。回调函数不需要参数，并且会设置抢占(preempted)到行为服务器。  void preemptCB()  {    ROS_INFO("%s: Preempted", action_name_.c_str());    // 设置行为状态为抢占(preempted)    as_.setPreempted();  }//这里模拟回调得到订阅数据通道的消息格式，并且在继续处理数据之前检查行为是否处于活跃状态。  void analysisCB(const std_msgs::Float32::ConstPtr& msg)  {    // 确保行为还没有被取消    if (!as_.isActive())      return;    data_count_++;    feedback_.sample = data_count_;    feedback_.data = msg->data;    //处理std_dev和数据含义     sum_ += msg->data;//把相关数据放到反馈变量中，然后在行为服务器提供的反馈通道发布出去。    feedback_.mean = sum_ / data_count_;    sum_sq_ += pow(msg->data, 2);       feedback_.std_dev = sqrt(fabs((sum_sq_/data_count_) - pow(feedback_.mean, 2)));    as_.publishFeedback(feedback_);//一旦收集到足够的数据，行为服务器会设置成功或失败。这将禁用行为服务器并且analysisCB函数会向之前描述的那样立即返回。    if(data_count_ > goal_)     {      result_.mean = feedback_.mean;      result_.std_dev = feedback_.std_dev;      if(result_.mean < 5.0)      {        ROS_INFO("%s: Aborted", action_name_.c_str());        //设置行为状态为崩溃(aborted)        as_.setAborted(result_);      }      else       {        ROS_INFO("%s: Succeeded", action_name_.c_str());        // 设置行为状态为成功(succeeded)        as_.setSucceeded(result_);      }    }   }//这些是行为类的受保护的变量。在构造行为的过程中，构造节点句柄然后传递到行为服务器。构造的行为服务器正如以上描述那样。创建的反馈和结果消息用于在行为中发布。创建的订阅也会保存节点句柄。protected:  ros::NodeHandle nh_;  actionlib::SimpleActionServer<actionlib_tutorials::AveragingAction> as_;  std::string action_name_;  int data_count_, goal_;  float sum_, sum_sq_;  actionlib_tutorials::AveragingFeedback feedback_;  actionlib_tutorials::AveragingResult result_;  ros::Subscriber sub_;};int main(int argc, char** argv){  ros::init(argc, argv, "averaging");  AveragingAction averaging(ros::this_node::getName());  ros::spin();  return 0;}

CMakelist.txt

add_executable(averaging_server src/averaging_server.cpp)target_link_libraries(averaging_server ${catkin_LIBRARIES})

3.编写简单的客户端线程

#include <ros/ros.h>#include <actionlib/client/simple_action_client.h>#include <actionlib/client/terminal_state.h>#include <actionlib_tutorials/AveragingAction.h>#include <boost/thread.hpp>/*actionlib/server/simple_action_client.h是行为库，实现简单行为客户端。actionlib/client/terminal_state.h 定义目标可能的状态。boost线程库用于循环示例中的线程*///一个简单的函数用于循环线程，该函数会在代码之后用到。这个线程会在后台循环ros节点void spinThread(){  ros::spin();}int main (int argc, char **argv){  ros::init(argc, argv, "test_averaging");// 创建一个行为客户端//在行为定义中的行为客户端模板，制定和行为服务器通信的消息类型。//行为客户端构造函数会加载两个参数，包括需要连接的服务名和一个可选的布尔类型用于循环一个线程。//这里创建的行为客户端使用服务名和自动循环选项为false作为参数，这意味着一个必须创建一个线程。  actionlib::SimpleActionClient<actionlib_tutorials::AveragingAction> ac("averaging");//创建一个线程，然后在后台开启一个ros节点。通过使用这个方法你可以创建多个线程用于你的行为客户端，如果有必要的话。  boost::thread spin_thread(&spinThread);  ROS_INFO("Waiting for action server to start.");//由于行为服务器又可以没有挂起或运行，行为客户端将在继续之前等待行为服务器开启  ac.waitForServer();//这里创建一个目标消息，设置目标值并且发送到行为服务器  ROS_INFO("Action server started, sending goal.");  actionlib_tutorials::AveragingGoal goal;  goal.samples = 100;  ac.sendGoal(goal);//行为客户端在继续之前，等待目标结束。超时时间设置为30秒，这意味着函数会在30秒后如果目标没有完成，将会返回false。  bool finished_before_timeout = ac.waitForResult(ros::Duration(30.0));//超时之前目标完成，将会报告目标状态，否则通知用户目标没有在限定时间内完成  if (finished_before_timeout)  {    actionlib::SimpleClientGoalState state = ac.getState();    ROS_INFO("Action finished: %s",state.toString().c_str());  }  else    ROS_INFO("Action did not finish before the time out.");  // 关闭节点，在退出前加入线程  ros::shutdown();  spin_thread.join();  //exit  return 0;}

CMakeList.txt

add_executable(averaging_client src/averaging_client.cpp)target_link_libraries(averaging_client ${catkin_LIBRARIES})

在开始运行服务器和客户端之前，需要创建一个数据节点

#!/usr/bin/env pythonimport rospyfrom std_msgs.msg import Float32import randomdef gen_number():    pub = rospy.Publisher('random_number', Float32)    rospy.init_node('random_number_generator', log_level=rospy.INFO)    rospy.loginfo("Generating random numbers")    while not rospy.is_shutdown():        pub.publish(Float32(random.normalvariate(5, 1)))        rospy.sleep(0.05)if __name__ == '__main__':  try:    gen_number()  except Exception, e:    print "done"

不要忘记编译节点可运行：

chmod +x gen_numbers.py