新闻详情

新闻详情

首页 / 资讯中心 / 详情

2.ROS2+Qt5 小乌龟可视化控制系统

发布时间:2026/11/14 18:55:19来源:尧图网络
2.ROS2+Qt5 小乌龟可视化控制系统
一、项目概述本项目基于ROS2 Humble与Qt5开发实现图形化界面控制 turtlesim 小乌龟运动。项目支持手动按键实时控制与预设轨迹自动绘图。包括五角星、爱心、组合绘图等功能。程序采用 QtmoveToThread标准多线程架构UI界面与ROS业务逻辑线程完全分离界面流畅不卡顿同时支持画布清空、小乌龟重置等系统功能是非常完整的 ROS2 人机交互综合实训项目。二、项目功能介绍1. 手动控制功能界面按钮控制小乌龟上、下、左、右移动随时暂停停止运动支持一键清空画布、一键重置小乌龟初始状态2. 自动绘图功能核心亮点本项目实现纯轨迹连续连体绘图无需抬笔、无需瞬移通过精准的角度与距离分段控制让小乌龟一笔连续画出多种标准几何图形单一五角星图案绘制参数方程高精度爱心绘制几何画廊组合绘图自动连续绘制 正方形 → 正三角形 → 正六边形 → 五角星全程一笔连贯形成图形展览效果三、技术架构设计1. 多线程架构采用 Qt 经典moveToThread 子线程模型UI主线程负责界面渲染、按钮事件捕捉、指令信号发送ROS子线程独立执行ROS自旋、位姿订阅、轨迹状态机运算、速度发布通过互斥锁保护共享变量信号槽跨线程通信全程线程安全无卡死、无界面冻结问题。2. ROS消息与服务通信订阅/turtle1/pose实时获取小乌龟坐标、角度发布/turtle1/cmd_vel速度指令实现运动控制调用/clear、/reset服务实现画布管理3. 轨迹控制原理项目采用转向前进双阶段状态机根据目标角度与当前角度差值精准旋转对准方向角度匹配完成后直线前进指定距离单段轨迹完成后自动切入下一段轨迹实现图形无缝衔接爱心图案采用心形线参数方程采样拟合精度高图形圆润标准。4.项目文件结构qt_turtle_draw/ ├── src/ │ ├── main.cpp │ ├── mainwindow.h/cpp // UI界面与按钮信号 │ ├── ros_node.h/cpp // ROS线程、绘图逻辑 ├── CMakeLists.txt └── package.xml四、项目核心代码1. mainwindow.cpp子线程启动节点// moveToThread started - run 核心代码 RosTurtleNode* ros_node new RosTurtleNode; QThread* ros_thread new QThread; ros_node-moveToThread(ros_thread); connect(this, MainWindow::sigSendCmd, ros_node, RosTurtleNode::setCmd, Qt::DirectConnection); // 线程启动后自动执行run() connect(ros_thread, QThread::started, ros_node, RosTurtleNode::run); // 线程退出时清理内存 connect(ros_node, RosTurtleNode::destroyed, ros_thread, QThread::quit); connect(ros_thread, QThread::finished, ros_node, RosTurtleNode::deleteLater); connect(ros_thread, QThread::finished, ros_thread, QThread::deleteLater); ros_thread-start();2. 核心逻辑 ros_node.cpp// 心形线参数方程x16sin³t, y13cost-5cos2t-2cos3t-cos4t void RosTurtleNode::loadHeart(std::vectorSegment out) { std::vectorstd::pairdouble,double pts; double scale 0.22; int N 60; for (int i 0; i N; i) { double t 2.0 * M_PI * i / N; double x 16.0 * pow(sin(t), 3) * scale; double y (13.0*cos(t) - 5.0*cos(2*t) - 2.0*cos(3*t) - cos(4*t)) * scale; pts.push_back({x, y}); } // 插入原点作为起点乌龟当前位置即爱心中心 pts.insert(pts.begin(), {0.0, 0.0}); for (size_t i 1; i pts.size(); i) { double dx pts[i].first - pts[i-1].first; double dy pts[i].second - pts[i-1].second; double dist sqrt(dx*dx dy*dy); if (dist 0.001) { double angle atan2(dy, dx); out.push_back({angle, dist, 0.3}); } } } // 正多边形 void RosTurtleNode::loadPolygon(std::vectorSegment out, int n, double side) { double angle 0; double turn 2.0 * M_PI / n; for (int i 0; i n; i) { out.push_back({angle, side, 0.3}); angle turn; } }五、项目效果说明本项目的组合绘图功能区别于普通单点图案绘制程序通过连续轨迹拼接让小乌龟一笔连贯完成正方形 → 平移过渡 → 三角形 → 平移过渡 → 六边形 → 平移过渡 → 五角星整体呈现出几何图形展览馆的视觉效果。全程无抬笔、无瞬移纯靠算法规划轨迹衔接考验轨迹插值与角度闭环控制能力。六、编译与运行cd ~/ros2_ws colcon build --packages-select qt_turtle_draw source install/setup.bash # 启动仿真 ros2 run turtlesim turtlesim_node # 启动Qt控制界面 ros2 run qt_turtle_draw qt_turtle_draw_node七、项目总结本项目整合了ROS2 消息/服务通信、Qt多线程编程、有限状态机控制、参数方程图形拟合、几何轨迹规划等多项核心知识点。项目功能丰富、架构标准、运行稳定既实现了基础手动操控又实现了连续几何自动绘图。如果需要完整源码可以评论区留言。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉