Ubuntu22.04中 ROS2 与 Ultralytics(pytorch) 共存环境配置

【踩坑记录：尝试过在安装Anaconda后，新建一个python版本，名为ros2_env的虚拟环境，然后在该虚拟环境下安装ros2，然后用的是小鱼的一键安装，然后发现我的ros2_env中并没有多出包(可以尝试寻找colcon包，是找不到的)，我就猜测最终包都装到系统自带的python中，于是我删除了ros2_env，然后再去编译包就会一堆报错，其中包括colcon的依赖缺失，如catkin_pkg】

小鱼ros一键安装：

wget http://fishros.com/install -O fishros && . fishros

2.安装与配置Anaconda

Anaconda安装地址https://www.anaconda.com/download/success

（1）安装步骤

安装的Anaconda安装包是一个bash文件，所以我们在下载Anaconda的目录中打开bash，输入以下命令（这里我的安装目录是Downloads，所以我就在Downloads目录下打开bash）

这里是同意许可，按下Enter键

这里是同意许可，输入yes，再按Enter

这里是选择安装目录，一般都是用默认目录，所以按下Enter键盘

【安装完成】

测试：关闭现在的bash，再打开一个新的bash，就会在用户名前出现一个(base)👇

（2）创建一个新的python虚拟环境，这里我的虚拟环境叫pytorch

【注意：这里建议python版本选择3.10，原因参考鱼香ros社区中的一个问题帖子，截图我放在下面👇，当然这是我的一个猜测，我没有真正尝试过用其他的python版本，因为已经折腾太多次了】

2025.8.19踩坑记录：

我在ros2中试图融合Online-3D-BPP-DRL项目，但是因为该项目支持python版本为3.7,于是我创建了一个python=3.7的conda环境，而且顺利跑通了源代码。
但是在我融合ros2时，就出现了以下意外👇

右图为报错，左图为gemini给出的解释

通过这个例子说明，我们最好不要用调用其他版本的python包

创建虚拟环境：

conda create -n [你自定义的虚拟环境名] python=3.10

然后输入y，再按Enter键来安装一些基础包

输入以下命令来查看是否有刚刚创建的环境
```
conda env list
```
输入以下命令进入刚刚创建的虚拟环境

conda activate [你刚刚创建的环境的名称]

（3）在刚刚创建的虚拟环境下安装Ultralytics

Yolo官网https://docs.ultralytics.com/zh/

pip install ultralytics

(4)关闭在启动bash时自动激活base环境

【为什么要这么做呢？其实是因为我基本上用不上base环境，但是请不要删除base环境，删除后可能会导致Anaconda运行不正常，所以我们可以修改conda的配置来取消bash开启时自动激活base环境】

随便在一个地方打开终端
输入以下命令

conda config --set auto_activate_base false

附：如果你想再次启动 base环境的自动激活：

conda config --set auto_activate_base true

3.创建和编译ros2包

	创建包	编译包
系统环境	✓	✓
Conda的虚拟环境	✓	✕

（1）创建ros2包

经过测试，无论是创建python包还是创建c++包，用系统环境和Conda虚拟环境都是可行的

（2）编译ros2包

一定一定要在系统环境下编译ros2包，否则会出现以下报错👇

ModuleNotFoundError: No module named 'catkin_pkg'

【报错原因：ros2包是安装在系统环境下的，也就是说ros2中的python依赖也是安装在系统环境下的，而我们看到报错中cmake编译时使用的python环境是conda的pytorch环境，而pytorch环境中我只安装了ultralytics，根本不可能存在ros2的依赖，所以报错】

报错截图展示

踩坑记录

系统环境下编译ros2包 -> 不删除编译文件 -> 在conda虚拟环境下编译ros2包：都不会报错，并且在系统环境和虚拟环境下都正常运行

如下图所示👇

conda虚拟环境下编译ros2包 -> 不删除编译文件 -> 系统环境下编译ros2包：都会报错

如下图所示👇

结论：当编译报错时，先删除编译文件，然后在系统环境下重新编译

4.写ros2 Python代码

编译器：pycharm-professional、clion

（1）怎么让pycharm同时知道系统环境下的ros2 pyhton包和自定义的ros2消息和 conda虚拟环境下的ultralytics包呢？

步骤：

在终端中 source ros2工作环境
然后在终端中打开 pycharm-professional
在 pycharm 里选择 【你的conda虚拟环境】

（clion的操作步骤跟这里一样）

（2）写代码时的注意事项

【注意：在运行ros2 python程序时，我们其实是在系统环境下运行的，所以在写代码的时候我们其实也相当于在系统环境下编写。emmmm可能理解起来有点抽象。】

那就抛开注意事项不说，我们只需要知道，在写ros2 python程序时，如果我要引入pytorch、yolo等在虚拟环境才有的玩意，我们就要引入虚拟环境的环境变量，即输入：

# 引入环境变量，这里我们要把我们创建的Anaconda虚拟环境加入环境变量
import sys
new_path = '/home/amiya/anaconda3/envs/pytorch/lib/python3.10/site-packages'
if new_path not in sys.path:
    sys.path.insert(0,new_path)

# 然后我们就可以引入Anaconda虚拟环境中的包
from ultralytics import YOLO
import torch

效果如图

【至此，我们就已经完成了 ros2 和 pytorch 环境共存的配置】

四.测试

1.示例代码

# 系统环境的包
import rclpy
from rclpy.node import Node
from std_msgs.msg import String

# 引入Anaconda虚拟环境的变量，这里我的Ubuntu用户名是amiya，我的虚拟环境名叫pytorch
import sys
new_path = '/home/amiya/anaconda3/envs/pytorch/lib/python3.10/site-packages'
if new_path not in sys.path:
    sys.path.insert(0,new_path)

# 引入 pytorch虚拟环境 才有的包
from ultralytics import YOLO

class test(Node):
    def __init__(self):
        super().__init__('test')
        self.publisher = self.create_publisher(String, 'test', 10)
        self.timer = self.create_timer(5, self.test_callback)

        self.test_yolo()

        print('初始化完成')

    # 这里是Yolo官方文档的代码示例
    def test_yolo(self):
        # Create a new YOLO model from scratch
        model = YOLO("yolo11n.yaml")

        # Load a pretrained YOLO model (recommended for training)
        model = YOLO("yolo11n.pt")

        # Train the model using the 'coco8.yaml' dataset for 3 epochs
        results = model.train(data="coco8.yaml", epochs=3)

        # Evaluate the model's performance on the validation set
        results = model.val()

        # Perform object detection on an image using the model
        results = model("https://ultralytics.com/images/bus.jpg")

        # Export the model to ONNX format
        success = model.export(format="onnx")
    
    # 发布者回调函数
    def test_callback(self):
        msg = String()
        msg.data ='你好世界'
        self.publisher.publish(msg)

def main(args=None):
    rclpy.init(args=args)
    node = test()
    rclpy.spin(node)
    rclpy.shutdown()

2.编译运行

成功运行

五.参考资料

【在此十分感谢小鱼以及鱼香ros社区的贡献】

全球具身智能开发者社区

立足具身智能前沿赛道，致力于搭建全球化、开源化、全栈式技术交流与实践共创平台。

更多推荐

从“感知缺失”到“力觉觉醒”：FACTR 2如何让低成本机械臂学会“手感”

全球具身智能开发者社区

vllm-omni 部署 π0（Pi-Zero）VLA 模型：基于 OpenPI 实时 WebSocket 的机器人动作策略服务实战

本文基于 vllm-omni 仓库中的 [π0 在线服务示例](https://link.gitcode.com/i/7539191769d07ef9a1cfb9f8a273829b)，完整讲解如何将 Physical Intelligence 的 π0（Pi-Zero）Vision-Language-Action（VLA）模型通过 vllm-omni 以 OpenPI 实时 WebSocket