RuyiSDK Board Docs
第7章 实验指导书：TF2 坐标变换系统
当前仓库仿真验证：查询 TurtleBot3 Burger 传感器 TF
实验目标
在 Gazebo 发布的真实 TF 图上练习 tf2_echo、view_frames 和 RViz TF 显示，确认传感器 frame 与底盘 frame 的关系。
运行步骤
source /opt/ros/jazzy/setup.bash
source install/setup.bash
ros2 launch robot_sim_demo gazebo2.launch.py \
gui:=true rviz:=true drive:=false另开终端：
source install/setup.bash
ros2 topic info /tf
ros2 run tf2_ros tf2_echo base_link laser_link
ros2 run tf2_tools view_frames观察与验收
RViz 中应能看到机器人 TF；tf2_echo 输出平移和旋转。frame 名称以 ros2 topic echo /tf 实际输出为准。源码：src/robot_sim_demo/models/turtlebot3_burger/model.sdf、src/robot_sim_demo/config/gazebo2_bridge.yaml。
实验课时：2 课时（90 分钟） | XBot-U Gazebo 仿真
实验目标
- 掌握 TF2 广播与监听的核心 API
- 实现多传感器坐标系对齐
- 熟练使用 TF2 调试工具
练习 7.1：TF 广播和监听基础（约 30 分钟）
任务
- 编写
tf_broadcaster.py：以 20Hz 频率发布odom→base_link动态变换（圆形轨迹运动），同时发布base_link→laser_frame静态变换。 - 编写
tf_listener.py：监听并每秒输出laser_frame相对于base_link的位姿。
步骤
- 创建包
tf_demo，参考lab_code/ch07_lab/tf_demo/ - 运行广播器：
ros2 run tf_demo tf_broadcaster - 运行监听器：
ros2 run tf_demo tf_listener - 验证：
ros2 run tf2_ros tf2_echo base_link laser_frame
参考代码
tf_broadcaster.py 核心片段：
import math
from geometry_msgs.msg import TransformStamped
from tf2_ros import TransformBroadcaster, StaticTransformBroadcaster
class TFBroadcaster(Node):
def __init__(self):
super().__init__('tf_broadcaster')
self.dynamic_broadcaster = TransformBroadcaster(self)
self.static_broadcaster = StaticTransformBroadcaster(self)
# 发送静态变换 (base_link → laser_frame)
static_tf = TransformStamped()
static_tf.header.frame_id = 'base_link'
static_tf.child_frame_id = 'laser_frame'
static_tf.transform.translation.x = 0.2
static_tf.transform.translation.z = 0.1
static_tf.transform.rotation.w = 1.0
self.static_broadcaster.sendTransform(static_tf)
self.timer = self.create_timer(0.05, self.publish_dynamic_tf)
self.angle = 0.0
def publish_dynamic_tf(self):
t = TransformStamped()
t.header.stamp = self.get_clock().now().to_msg()
t.header.frame_id = 'odom'
t.child_frame_id = 'base_link'
t.transform.translation.x = 1.0 * math.cos(self.angle)
t.transform.translation.y = 1.0 * math.sin(self.angle)
t.transform.rotation.z = math.sin(self.angle / 2)
t.transform.rotation.w = math.cos(self.angle / 2)
self.dynamic_broadcaster.sendTransform(t)
self.angle += 0.05练习 7.2：多传感器坐标对齐（约 30 分钟）
任务
为 XBot-U 扩展多传感器 TF 树：在 base_link 下添加 camera_frame、imu_link、left_wheel 和 right_wheel 四个子系，实现激光雷达点到相机坐标系的对齐变换。
步骤
- 在
tf_broadcaster.py中扩展静态变换广播：base_link→camera_frame：(x=0.15, z=0.25)base_link→imu_link：(x=0.0, z=0.05)base_link→left_wheel：(y=0.15, z=-0.05)base_link→right_wheel：(y=-0.15, z=-0.05)
- 在
tf_listener.py中实现激光→相机坐标转换：
from tf2_geometry_msgs import do_transform_point
from geometry_msgs.msg import PointStamped
# 激光点 (1.0, 0.5, 0.0) → 相机坐标系
pt = PointStamped()
pt.header.frame_id = 'laser_frame'
pt.header.stamp = self.get_clock().now().to_msg()
pt.point.x = 1.0; pt.point.y = 0.5
laser_to_camera = self.tf_buffer.lookup_transform(
'camera_frame', 'laser_frame', rclpy.time.Time())
pt_in_camera = do_transform_point(pt, laser_to_camera)- 运行
view_frames验证完整的 TF 树结构。
练习 7.3：TF 调试工具使用（约 30 分钟）
任务
使用 TF2 三大调试工具诊断和验证坐标系系统。
步骤
- tf2_echo：实时查看任意两坐标系间变换
ros2 run tf2_ros tf2_echo base_link laser_frame
ros2 run tf2_ros tf2_echo odom base_link
ros2 run tf2_ros tf2_echo camera_frame laser_frame- tf2_monitor：监视所有 TF 发布者，查看帧率和延迟
ros2 run tf2_ros tf2_monitor- view_frames：生成 PDF 坐标树并分析
ros2 run tf2_tools view_frames
# 查看生成的 frames.pdf思考题
- 如何判断 TF 树中是否存在环路？
- 如果
lookup_transform频繁报ExtrapolationException，说明什么？如何修复？ - 为什么要使用
can_transform而不是直接lookup_transform？
练习 4：TF 仿真查询 — 查询 XBot-U 传感器坐标系（约 15 分钟）
目标
启动仿真后，使用 TF2 查询 LiDAR 和 Camera 相对于 base_link 的位置，计算传感器安装偏移。
步骤
步骤1：启动仿真
ros2 launch robot_sim_demo_ros2 sim_bringup.launch.py步骤2：编写 tf_lookup.py
#!/usr/bin/env python3
"""tf_lookup: 查询 XBot-U 各坐标系相对位置"""
import rclpy
from rclpy.node import Node
from tf2_ros import Buffer, TransformListener
class TfLookup(Node):
def __init__(self):
super().__init__('tf_lookup')
self.tf_buffer = Buffer()
self.tf_listener = TransformListener(self.tf_buffer, self)
self.timer = self.create_timer(2.0, self.lookup_tf)
def lookup_tf(self):
try:
# 查询 laser → base_link 变换
t = self.tf_buffer.lookup_transform(
'base_link', 'laser', rclpy.time.Time()
)
self.get_logger().info(
f'LiDAR 位置: x={t.transform.translation.x:.3f}, '
f'y={t.transform.translation.y:.3f}, '
f'z={t.transform.translation.z:.3f}')
except Exception as e:
self.get_logger().warn(f'TF查询失败: {e}')
def main(args=None):
rclpy.init(args=args)
rclpy.spin(TfLookup())
rclpy.shutdown()步骤3：运行
ros2 run tf_demo tf_lookup✓ 验证：终端输出 LiDAR 和 Camera 相对 base_link 的位置坐标。用 ros2 run tf2_tools view_frames 查看完整 TF 树。
思考题
- TF 树中
base_footprint和base_link的区别是什么？ - 如果 TF 查询超时，如何处理？
实际运行证据
真实运行的 TF broadcaster、listener 和 tf2_echo 输出：
原始录制：ch07_tf.cast。完整证据索引见实际运行证据。