0. 概述

本文将概述ROS2相比ROS中间件的改进和优势，重点推荐Iceoryx

1. 系统架构对比

1.1 移除 Master 节点

• ROS1：依赖 roscore 作为 Master 节点，Master 节点崩溃会导致系统无法订阅和发布。
• ROS2：不再依赖 roscore，避免了 Master 节点崩溃导致的系统风险。

1.2 引入 DDS 系统

• ROS1：使用 TCP/UDP 进行通信，存在延迟、数据丢失和无法加密的问题。
• ROS2：基于 Data Distribution Service（DDS）的通信架构，提高了网络安全性和实时性。

1.3 跨平台支持

• ROS1：跨平台支持较弱。
• ROS2：提供了更好的跨平台兼容性，支持多种操作系统和硬件架构。

2. DDS 系统的引入

2.1 RMW 概述

不同厂商可以根据需要实现不同的 DDS 系统，如 OpenSplice 和 FastRTPS。为了统一不同 DDS 厂商的接口，ROS2 设计了 ROS Middleware（RMW）接口，使得各 DDS 厂商能够编写适配接口，将自家 DDS 系统移植到 ROS2 中。

ROS2 的核心概念与 ROS1 基本类似，但在架构上进行了优化，提供了更好的性能和灵活性。RMW 是构建 ROS 所需的原始中间件最小功能集，包括 Initialization and Shutdown、Nodes、Publisher、Subscription、Service Client、Service Server 等功能。

2.2 QoS（质量服务策略）

在开发过程中，需要关注 DDS 的 QoS 特性，它可以通过指定所需的网络传输质量来满足通信需求。

ros2 topic echo /example_topic --qos-reliability reliable

切换不同的 DDS 系统只需安装相应的包，并通过设置环境变量即可：

export RMW_IMPLEMENTATION=rmw_fastrtps_cpp

3. ROS2安装与配置

3.1 一键安装

提供简易的一键安装脚本，支持多个版本的 ROS2 安装。

wget http://fishros.com/install -O fishros && . fishros
# 支持 noetic(ROS1), foxy(ROS2), galactic(ROS2), rolling(ROS2), iron(ROS2), humble(ROS2)

3.2 官网教程

链接到 ROS2 的官方安装教程，为用户提供详细的安装指导。

https://docs.ros.org/

4. ROS2 底层切换 Iceoryx 官方实现

4.1 安装

以下步骤展示了如何安装 Iceoryx 的 RMW 实现。安装 rmw_iceoryx 非常简单，因为 Iceoryx 已包含在 ros2.repos 中。所有提供的包都可以使用 colcon 构建，因此你可以轻松地在 ROS 2 工作区内构建 rmw_iceoryx。rmw_iceoryx 使用 rosidl_typesupport_introspection，这允许在现有的 ROS 2 工作区或 Debian 安装基础上构建 iceoryx，因为不需要再次构建 ROS 2 消息。

要在最新的 ROS 版本的 ROS 2 工作区中安装 rmw_iceoryx，请执行以下步骤：

mkdir -p ~/iceoryx_ws/src
cd $_
# LATEST_ROS_VERSION 可以是例如 iron
git clone --branch LATEST_ROS_VERSION https://github.com/ros2/rmw_iceoryx.git

有关替代安装说明和 iceoryx 内部详细信息，请参阅 iceoryx 的 GitHub 仓库。

rmw_iceoryx 与 ROS 2 从 Eloquent 版本开始兼容。假设你已正确安装 ROS 2，可以使用 colcon 编译 iceoryx 工作区：

cd ~/iceoryx_ws/
source /opt/ros/LATEST_ROS_VERSION/setup.bash  # 或者 source 你自己的 ROS 2 工作区
rosdep update
rosdep install --from-paths src --ignore-src --rosdistro LATEST_ROS_VERSION -y
colcon build
# 或者使用更多选项
colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release -DBUILD_TESTING=OFF

就是这样！你已经安装了 iceoryx，现在可以开始使用了。

4.2 使用 rmw_iceoryx_cpp

Iceoryx 基于共享内存，并具有一个名为 RouDi 的共享内存管理应用。启动守护进程：

./iceoryx_ws/install/iceoryx_posh/bin/iox-roudi

然后指定 RMW 实现并运行 ROS 2 示例节点：

source ~/iceoryx_ws/install/setup.bash
RMW_IMPLEMENTATION=rmw_iceoryx_cpp ros2 run demo_nodes_cpp talker

在另一个终端中订阅 talker：

source ~/iceoryx_ws/install/setup.bash
RMW_IMPLEMENTATION=rmw_iceoryx_cpp ros2 run demo_nodes_cpp listener

4.3 零拷贝传输

基本的零拷贝工作流程如下：

1. loan_message()：发布者请求借用一条消息。
2. publish()：发布者填写数据并发布消息。
3. take_loaned_message()：订阅者获取消息。
4. return_loaned_message()：订阅者回调完成后，消息返回中间件。

示例代码：

auto pod_pub_ = node->create_publisher<std_msgs::msg::Float64>("/float", 1);
auto pod_loaned_msg = pod_pub_->borrow_loaned_message();
pod_loaned_msg.get().data = 123.456f;
pod_pub_->publish(std::move(pod_loaned_msg));

5. 不同负载下的Iceoryx、cycloneDDS和FastDDS延迟对比

该对比数据展示了三种中间件解决方案（Iceoryx、cycloneDDS和FastDDS）的延迟性能。延迟单位为微秒（us），测试负载范围从1KB到512MB。

5.1 进程间延迟

负载	Iceoryx	cycloneDDS	FastDDS
1KB	2.4	7.35	3.95
2KB	2.4	7.88	3.85
4KB	2.4	7.41	3.98
8KB	2.4	9.47	4.42
16KB	2.4	11.97	5.22
32KB	2.4	14.40	6.35
64KB	2.4	20.86	8.72
128KB	2.4	39.29	10.11
256KB	2.4	77.90	23.06
512KB	2.4	238.35	44.66
1MB	2.4	836.64	89.74
2MB	2.4	984.68	264.61
4MB	2.4	2809.75	526.03
8MB	NA	4874.37	1895.88
16MB	NA	8881.51	5112.93
32MB	NA	55535.95	11998.55
64MB	NA	120856.58	43563.32
128MB	NA	NA	NA
256MB	NA	NA	NA
512MB	NA	NA	NA

5.2 进程内延迟

负载	Iceoryx	cycloneDDS	FastDDS
1KB	1.5	-	1.22
2KB	1.5	-	1.73
4KB	1.5	-	1.82
8KB	1.5	-	1.94
16KB	1.5	-	2.34
32KB	1.5	-	3.39
64KB	1.5	-	4.45
128KB	1.5	-	8.26
256KB	1.5	-	23.09
512KB	1.5	-	48.59
1MB	1.5	-	103.26
2MB	1.5	-	360.16
4MB	1.5	-	687.45
8MB	NA	-	1189.07
16MB	NA	-	1951.29
32MB	NA	-	3874.46
64MB	NA	-	7967.83
128MB	NA	-	15898.49
256MB	NA	-	NA
512MB	NA	-	NA

5.3 对比总结

• Iceoryx在处理不同负载的进程间通信时，始终保持在2.4微秒的低稳定延迟，这显示了其在处理各种负载时的高效性。在进程内通信方面，其延迟更低，仅为1.5微秒。
• cycloneDDS随着负载的增加，延迟逐渐增加，特别是在512KB以上，延迟显著增加，在64MB负载时达到120856.58微秒。
• FastDDS的延迟性能优于cycloneDDS，但仍高于Iceoryx，负载增大时，特别是在4MB以上，延迟显著增加。

综上所述，Iceoryx在小到中等负载的进程间和进程内通信中表现最为高效。而cycloneDDS和FastDDS虽然具有一定的处理能力，但在大数据传输时存在延迟瓶颈。