保姆级教程：在ROC-RK3588S-PC上搞定Realsense D435i深度相机（Ubuntu 20.04环境）

深度相机在嵌入式AI开发中扮演着越来越重要的角色，而Intel的Realsense D435i因其出色的性能和相对亲民的价格，成为了许多开发者的首选。然而，当我们将这款相机与ROC-RK3588S-PC这样的ARM架构开发板结合使用时，往往会遇到一些独特的挑战。本文将带你一步步完成从零开始的完整配置过程，特别针对ARM平台的特性进行优化，确保你能顺利在RK3588开发板上使用D435i深度相机。

1. 准备工作与环境配置

在开始安装之前，我们需要确保开发板的基础环境已经准备就绪。ROC-RK3588S-PC是一款基于RK3588芯片的强劲开发板，但ARM架构与x86平台存在一些差异，这会影响我们后续的软件安装。

首先，更新系统并安装必要的基础依赖：

bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y git cmake libssl-dev libusb-1.0-0-dev pkg-config

对于RK3588这样的ARM平台，我们需要特别注意以下几点：

1. USB供电问题：D435i相机对供电要求较高，建议使用带外部供电的USB集线器
2. 内存限制：RK3588虽然性能强劲，但编译大型项目时仍需注意内存使用
3. 交叉编译：如果条件允许，可以考虑在x86主机上交叉编译，再部署到开发板

提示：在开始编译前，建议关闭不必要的应用程序和服务，以释放更多内存资源。

2. 安装Librealsense SDK 2.0

Librealsense是Intel官方提供的SDK，支持所有Realsense系列相机。在ARM平台上安装时，我们需要特别注意编译选项。

2.1 获取源码与依赖

首先克隆源码仓库，建议使用稳定版本：

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

安装编译依赖项：

bash复制sudo apt install -y libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev \
                   libgtk-3-dev libudev-dev libssl-dev

2.2 ARM平台特殊配置

在RK3588上编译时，必须启用RSUSB后端，因为标准的V4L2后端在ARM平台上可能无法正常工作：

bash复制mkdir build && cd build
cmake ../ -DFORCE_RSUSB_BACKEND=ON \
          -DBUILD_EXAMPLES=ON \
          -DCMAKE_BUILD_TYPE=Release \
          -DBUILD_GRAPHICAL_EXAMPLES=OFF

对于RK3588的内存配置，建议使用以下编译命令：

bash复制make -j4 && sudo make install

注意：-j4参数表示使用4个线程编译，根据你的开发板内存大小可以调整这个值。如果编译过程中出现内存不足的情况，可以尝试-j2或直接使用make单线程编译。

2.3 验证安装

安装完成后，运行示例程序测试相机是否正常工作：

bash复制cd ~/librealsense/build/examples/C/depth/
./rs-depth

如果能看到深度图像输出，说明SDK安装成功。常见问题及解决方案：

3. ROS驱动安装与配置

如果你计划在ROS中使用D435i相机，需要安装相应的ROS驱动包。这里我们以ROS Noetic为例。

3.1 创建工作空间

首先创建catkin工作空间：

bash复制mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src

3.2 获取ROS驱动源码

克隆Realsense ROS驱动仓库：

bash复制git clone -b 2.3.2 https://github.com/IntelRealSense/realsense-ros.git
cd realsense-ros
git checkout `git tag | sort -V | grep -P "^2.\d+\.\d+" | tail -1`

3.3 安装依赖项

确保安装了所有必要的ROS依赖：

bash复制sudo apt install -y ros-noetic-ddynamic-reconfigure \
                   ros-noetic-cv-bridge \
                   ros-noetic-image-transport

3.4 编译与安装

返回工作空间根目录并编译：

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

将工作空间添加到bashrc中：

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

4. 相机测试与性能优化

安装完成后，我们需要对相机进行测试并根据RK3588的特性进行优化。

4.1 基础功能测试

启动相机节点：

bash复制roslaunch realsense2_camera rs_camera.launch

在RViz中查看图像话题：

bash复制rosrun rviz rviz

在RViz中添加相应的图像显示插件，订阅/camera/color/image_raw和/camera/depth/image_rect_raw话题。

4.2 ARM平台性能优化

针对RK3588平台，我们可以进行以下优化：

1. 分辨率设置：在rs_camera.launch中降低分辨率以提高帧率
2. USB模式：确保使用USB3.0接口（蓝色接口）
3. 电源管理：禁用USB自动挂起

xml复制<!-- 在launch文件中添加以下参数 -->
<param name="depth_width" value="640"/>
<param name="depth_height" value="480"/>
<param name="color_width" value="640"/>
<param name="color_height" value="480"/>
<param name="enable_sync" value="true"/>

4.3 常见问题排查

以下是一些在RK3588上使用D435i时可能遇到的特殊问题及解决方法：

• 问题1：启动时提示"Failed to resolve USB permissions"

  bash复制sudo cp ~/librealsense/config/99-realsense-libusb.rules /etc/udev/rules.d/
  sudo udevadm control --reload-rules && sudo udevadm trigger
  

• 问题2：图像传输不稳定

  尝试降低帧率或使用rs-enumerate-devices -c检查支持的配置

• 问题3：ROS节点频繁崩溃

  可能是内存不足导致，尝试减少同时运行的节点数量

5. 高级应用与开发技巧

掌握了基础配置后，我们可以进一步探索D435i在RK3588上的高级应用。

5.1 Python接口使用

Librealsense提供了Python绑定，非常适合快速原型开发：

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

# 配置深度和彩色流
pipeline = rs.pipeline()
config = rs.config()
config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)

# 开始流
pipeline.start(config)

try:
    while True:
        # 等待一组帧
        frames = pipeline.wait_for_frames()
        depth_frame = frames.get_depth_frame()
        color_frame = frames.get_color_frame()
        
        # 转换为numpy数组
        depth_image = np.asanyarray(depth_frame.get_data())
        color_image = np.asanyarray(color_frame.get_data())
        
        # 显示图像
        cv2.imshow('Color', color_image)
        cv2.imshow('Depth', depth_image)
        if cv2.waitKey(1) == ord('q'):
            break
finally:
    pipeline.stop()

5.2 点云处理

利用RK3588的NPU加速点云处理：

python复制# 创建点云对象
pc = rs.pointcloud()
points = rs.points()

# 在帧循环中添加
if depth_frame and color_frame:
    points = pc.calculate(depth_frame)
    pc.map_to(color_frame)
    
    # 获取顶点和纹理坐标
    vtx = np.asanyarray(points.get_vertices())
    tex = np.asanyarray(points.get_texture_coordinates())

5.3 性能监控与调优

使用RK3588的系统监控工具优化性能：

bash复制# 监控CPU使用率
mpstat -P ALL 1

# 监控内存使用
free -h

# 监控USB带宽
usbtop

在实际项目中，我发现将深度图像分辨率设置为640x480，帧率设为15fps时，RK3588能够稳定处理数据流，同时留出足够的计算资源给其他AI推理任务。