从零到一：在ROS中部署与调试RealSense D435深度相机

1. 认识RealSense D435深度相机

第一次拿到RealSense D435时，我完全被这个小巧的设备惊艳到了。它比我想象中要轻便许多，重量只有72克左右，三围尺寸约90mm×25mm×25mm，放在手掌上就像个精致的玩具。但千万别被它的外表迷惑，这个小家伙可是Intel推出的专业级深度相机，在机器人视觉领域有着广泛应用。

D435采用了双目立体视觉原理，配备了两个全局快门的RGB摄像头（最高支持1920×1080分辨率）和一个红外投影器。最让我惊喜的是它的深度检测范围，官方标称0.25米到10米，实测在室内环境下，2米范围内的精度可以达到毫米级。记得第一次用它测量桌子的高度，数据与卷尺测量结果相差不到3毫米，这对于机器人避障和导航来说已经相当够用了。

与其他深度相机相比，D435有几个突出优势：

• 硬件同步：深度和RGB图像的时间戳完全对齐，这在做SLAM时特别重要
• 高帧率模式：深度图最高支持90fps，适合动态场景
• 开箱即用的ROS支持：Intel提供了完善的ROS驱动包
• 多平台兼容：除了ROS，还支持Windows、Linux、Android等系统

不过在实际使用中我也发现了一些需要注意的地方。比如在强光环境下，红外投影可能会被干扰，导致深度数据出现噪点。另外，虽然标称支持USB2.0，但为了获得最佳性能，强烈建议使用USB3.0接口。我第一次使用时就是插错了接口，结果帧率直接腰斩，排查了半天才发现问题所在。

2. 搭建开发环境

2.1 系统准备

我推荐使用Ubuntu 20.04 LTS搭配ROS Noetic，这是目前最稳定的组合。虽然ROS2也很火，但对于刚接触ROS的开发者来说，Noetic的文档和社区支持会更友好一些。安装Ubuntu时有个小技巧：记得勾选"安装第三方软件"，这样可以省去后续手动安装显卡驱动的麻烦。

系统装好后，第一件事就是配置软件源。我习惯使用清华的镜像源，速度会快很多：

bash复制sudo sed -i "s@http://.*archive.ubuntu.com@https://mirrors.tuna.tsinghua.edu.cn@g" /etc/apt/sources.list
sudo sed -i "s@http://.*security.ubuntu.com@https://mirrors.tuna.tsinghua.edu.cn@g" /etc/apt/sources.list
sudo apt update && sudo apt upgrade -y

2.2 安装ROS Noetic

ROS的安装看似简单，但有几个坑我必须要提醒大家：

bash复制sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
sudo apt install ros-noetic-desktop-full

安装完成后，千万别忘了初始化rosdep，这个工具在后面编译驱动时会用到：

bash复制sudo rosdep init
rosdep update

最后把ROS环境变量加到bashrc里，这样每次打开终端都不用重新source了：

bash复制echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

3. 安装RealSense SDK

3.1 通过APT安装（推荐新手）

对于刚入门的开发者，我建议先用APT安装官方预编译的SDK，这样最省心：

bash复制sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE
sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main" -u
sudo apt update
sudo apt install librealsense2-dkms librealsense2-utils librealsense2-dev

安装完成后，插上相机，运行下面命令测试：

bash复制realsense-viewer

如果能看到相机画面，说明基础驱动已经装好了。这里有个常见问题：如果提示"No device connected"，先检查USB接口是不是3.0的，然后试试重新插拔相机。

3.2 源码编译安装（适合定制需求）

如果你需要最新功能或者想修改SDK代码，就需要从源码编译了。我建议使用v2.50.0这个稳定版本：

bash复制git clone https://github.com/IntelRealSense/librealsense.git
cd librealsense
git checkout v2.50.0

安装编译依赖是个细致活，缺一不可：

bash复制sudo apt install -y git libssl-dev libusb-1.0-0-dev pkg-config libgtk-3-dev \
     libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev libelf-dev

编译时记得打开BUILD_EXAMPLES选项，这样会编译出很多有用的示例程序：

bash复制mkdir build && cd build
cmake .. -DBUILD_EXAMPLES=true
make -j$(nproc)
sudo make install

编译完成后要配置udev规则，否则普通用户无法直接访问相机设备：

bash复制./scripts/setup_udev_rules.sh

4. 安装ROS驱动

4.1 创建工作空间

我习惯把所有ROS包都放在catkin_ws下管理：

bash复制mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/
catkin_make
source devel/setup.bash

4.2 安装realsense-ros包

这里有个大坑要注意：一定要选择与ROS版本匹配的tag！对于Noetic，我推荐使用2.3.2版本：

bash复制cd ~/catkin_ws/src
git clone https://github.com/IntelRealSense/realsense-ros.git
cd realsense-ros
git checkout 2.3.2

还需要安装一个依赖包ddynamic_reconfigure：

bash复制git clone https://github.com/pal-robotics/ddynamic_reconfigure.git

4.3 编译驱动

编译前记得解决依赖问题：

bash复制rosdep install --from-paths src --ignore-src -r -y

然后就可以开始编译了：

bash复制cd ~/catkin_ws
catkin_make clean
catkin_make -DCATKIN_ENABLE_TESTING=False -DCMAKE_BUILD_TYPE=Release
catkin_make install

编译完成后，把工作空间的环境变量也加到bashrc里：

bash复制echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

5. 启动相机节点

5.1 基础启动

最简单的启动方式是使用默认launch文件：

bash复制roslaunch realsense2_camera rs_camera.launch

如果看到"RealSense Node Is Up!"的提示，说明节点启动成功了。这时候可以查看当前发布的话题：

bash复制rostopic list

正常情况下应该能看到/camera/color/image_raw、/camera/depth/image_rect_raw等话题。

5.2 常见问题排查

我在调试过程中遇到过几个典型问题：

1. 报错"Failed to resolve the request..."
   这通常是USB带宽不足导致的，可以尝试降低分辨率：

   bash复制roslaunch realsense2_camera rs_camera.launch depth_width:=640 depth_height:=480 color_width:=640 color_height:=480
   

2. 图像帧率不稳定
   检查USB接口是否是蓝色的3.0接口，线材质量也很关键，建议使用原装线。

3. IMU数据缺失
   需要在launch文件中启用IMU：

   bash复制roslaunch realsense2_camera rs_camera.launch enable_gyro:=true enable_accel:=true
   

6. 在RViz中可视化数据

6.1 显示深度图像

启动专门的点云demo：

bash复制roslaunch realsense2_camera demo_pointcloud.launch

在RViz中，需要添加以下几个显示项：

1. 添加Image类型，话题选择/camera/color/image_raw
2. 添加PointCloud2类型，话题选择/camera/depth/color/points
3. 添加Camera类型，话题选择/camera/color/camera_info

6.2 配置技巧

为了让显示效果更好，我通常会调整以下参数：

• 点云大小：在PointCloud2属性中设置Size=0.01
• 深度图像配色：在DepthCloud属性中设置Color Transformer=RGB8
• 固定坐标系：将Global Options中的Fixed Frame设为camera_link

7. Python接口开发

7.1 安装Python包

bash复制pip install pyrealsense2 numpy opencv-python

7.2 基础示例代码

下面是一个同时获取深度和彩色图像的完整示例：

python复制import pyrealsense2 as rs
import numpy as np
import cv2

# 配置管道
pipeline = rs.pipeline()
config = rs.config()

# 启用流配置
config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)

# 开始传输
profile = pipeline.start(config)

# 获取深度传感器的深度标尺
depth_sensor = profile.get_device().first_depth_sensor()
depth_scale = depth_sensor.get_depth_scale()

# 创建对齐对象（深度到彩色）
align_to = rs.stream.color
align = rs.align(align_to)

try:
    while True:
        # 等待一组连贯的帧
        frames = pipeline.wait_for_frames()
        
        # 对齐深度帧到彩色帧
        aligned_frames = align.process(frames)
        
        # 获取对齐后的帧
        depth_frame = aligned_frames.get_depth_frame()
        color_frame = aligned_frames.get_color_frame()
        
        if not depth_frame or not color_frame:
            continue
            
        # 转换为numpy数组
        depth_image = np.asanyarray(depth_frame.get_data())
        color_image = np.asanyarray(color_frame.get_data())
        
        # 渲染深度图
        depth_colormap = cv2.applyColorMap(
            cv2.convertScaleAbs(depth_image, alpha=0.03), 
            cv2.COLORMAP_JET
        )
        
        # 水平堆叠图像
        images = np.hstack((color_image, depth_colormap))
        
        # 显示图像
        cv2.namedWindow('RealSense', cv2.WINDOW_AUTOSIZE)
        cv2.imshow('RealSense', images)
        
        # 按q或ESC退出
        key = cv2.waitKey(1)
        if key in (ord('q'), 27):
            break
            
finally:
    # 停止传输
    pipeline.stop()
    cv2.destroyAllWindows()

这段代码实现了深度图与彩色图的对齐显示，这是很多视觉应用的基础。在实际项目中，我通常会在此基础上添加目标检测、距离测量等功能。