ubunut22.04 使用Intel RealSense D435进行视觉SLAM(附Intel RealSense Viewer下载)

馍御尘

已于 2025-04-02 10:51:00 修改

阅读量1.7k

点赞数 13

CC 4.0 BY-SA版权

文章标签： SLAM ROS 嵌入式视觉slam 相机 D435

于 2025-03-28 10:20:10 首次发布

本文链接：https://blog.csdn.net/qq_33173089/article/details/146585540

一.使用Intel RealSense Viewer测试相机能否使用，并且校准。

我是在windows系统上使用Intel RealSense Viewer。如果要在ubuntu安装请去另外的博客。
链接: https://pan.baidu.com/s/1be5R-xYT3iHxK2jOB0BUEg?pwd=chy1 提取码: chy1

windows系统上直接安装，相机通过USB连接，支持USB2.0，3.0。

主要用到的圈起来了：1，2分别是开启深度摄像头和色彩摄像头。开启后在2D界面检查画面是否正常。

相机自动标定的简要流程：

将相机朝着纹理比较丰富的环境，不一定是平面
打开 realsense_viewer
将 "Stereo Module" 中的 “Emitter Enabled” 设置为 “Laser”
在 “More” 下拉菜单中选择 "On-Chip Calibration"
右边弹出选项，选择 "Calibrate"
查看 "Health-Check" 的数值，一般小于 0.25 是可以接受的。
如果新的标定参数比之前的好，就 “Apply New” 将新的参数烧入 Firmware 中。

二.ROS2 humble版本的安装（安装了可跳过）

在终端命令行输入小鱼一键安装：

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

三.安装RealSense ROS 2驱动

参考官方IntelRealSense/realsense-ros: ROS Wrapper for Intel(R) RealSense(TM) Cameras

sudo apt install ros-humble-librealsense2*

sudo apt install ros-humble-realsense2-*

四.启动 D435的ROS 2驱动

ros2 launch realsense2_camera rs_launch.py depth_module.depth_profile:=640x480x30 align_depth:=true pointcloud.enable:=true

如果检测不到设备请参考Intel RealSense SDK+WSL2+ROS2兼容性问题-CSDN博客

使用源码编译。

其核心作用是将相机的传感器数据（如RGB图像、深度图像等）转换为ROS话题和服务，供其他ROS节点（如SLAM、导航、可视化工具）使用。

参数参考：

ros2 launch realsense2_camera rs_launch.py \
  depth_module.depth_profile:=848x480x30 \  # 修改深度分辨率/帧率
  rgb_camera.profile:=1280x720x30 \         # 修改RGB分辨率/帧率
  pointcloud.enable:=true \                 # 启用点云
  align_depth:=true                         # 深度与RGB对齐

彩色相机话题

/camera/camera/color/camera_info：此话题会发布彩色相机的内参信息，像相机的焦距、主点坐标、畸变系数等。这些信息对图像的校正和三维重建十分关键。
/camera/camera/color/image_raw：该话题发布未经处理的原始彩色图像数据，通常为 RGB 格式。
/camera/camera/color/image_raw/compressed：此话题发布经过压缩处理的彩色图像数据，这样能减少数据传输量，提升传输效率。
/camera/camera/color/image_raw/compressedDepth：该话题用于发布经过压缩的彩色图像和深度图像的组合数据。
/camera/camera/color/image_raw/theora：Theora 是一种开源的视频编码格式，此话题发布使用 Theora 编码的彩色视频流。
/camera/camera/color/metadata：该话题发布彩色相机的元数据，比如相机的型号、序列号、采集时间等。

深度相机话题

/camera/camera/depth/camera_info：发布深度相机的内参信息，和彩色相机的内参信息类似，不过参数是针对深度相机的。
/camera/camera/depth/color/points：此话题发布经过处理的点云数据，点云里的每个点都有对应的彩色信息。
/camera/camera/depth/image_rect_raw：发布未经处理的原始深度图像数据，深度图像里每个像素的值代表该像素对应的物体到相机的距离。
/camera/camera/depth/image_rect_raw/compressed：发布经过压缩处理的深度图像数据。
/camera/camera/depth/image_rect_raw/compressedDepth：发布经过压缩的深度图像数据，和彩色图像的压缩类似。
/camera/camera/depth/image_rect_raw/theora：发布使用 Theora 编码的深度视频流。
/camera/camera/depth/metadata：发布深度相机的元数据，例如相机的型号、序列号、采集时间等。

相机外参话题

/camera/camera/extrinsics/depth_to_color：发布深度相机和彩色相机之间的外参信息，也就是两个相机之间的相对位置和姿态关系。
/camera/camera/extrinsics/depth_to_depth：这个话题推测是发布深度相机不同模式或者不同帧之间的外参信息。

机器人交互相关话题

/clicked_point：当用户在可视化工具（如 RViz）里点击三维场景中的某个点时，这个话题会发布被点击点的坐标信息。
/goal_pose：用于发布机器人的目标位姿信息，机器人导航系统会依据这个目标位姿来规划路径。
/initialpose：用于发布机器人的初始位姿信息，在机器人定位和导航时，需要明确机器人的初始位置和姿态。

ROS 系统相关话题

/parameter_events：ROS 2 系统会通过这个话题发布参数的变化事件，当某个节点的参数被修改时，就会在这个话题上发布相应的事件消息。
/rosout：该话题会发布 ROS 2 系统的日志信息，包含各个节点的调试信息、警告信息和错误信息等。
/tf：发布机器人各个坐标系之间的变换关系，这些变换关系对于机器人的定位、导航和运动控制非常重要。
/tf_static：发布静态的坐标系变换关系，像机器人的固定部件之间的坐标系变换，这些变换关系在机器人运行过程中一般不会发生变化。

在 rviz2 中显示图像和点云：

1.frame选择camera_link

2.add添加订阅topic 显示点云

视觉SLAM（如RTAB-Map、ORB-SLAM3）订阅 /camera/color/image_raw 和 /camera/depth/image_rect_raw 作为输入。

五. 安装RTAB-Map ROS 2包

sudo apt install ros-humble-rtabmap-ros

启动：

ros2 launch rtabmap_launch rtabmap.launch.py args:="--delete_db_on_start" rgb_topic:=/camera/camera/color/image_raw depth_topic:=/camera/camera/depth/image_rect_raw camera_info_topic:=/camera/camera/color/camera_info frame_id:=camera_link approx_sync:=true qos:=2 Reg/Strategy:=1 Vis/CorType:=1 RGBD/AngularUpdate:=0.1 RGBD/LinearUpdate:=0.1 optimizer:=true depth_scale:=0.001 depth_decimation:=1 depth_erosion:=0

参数参考：

ros2 launch rtabmap_launch rtabmap.launch.py \
    args:="--delete_db_on_start" \
    rgb_topic:=/camera/camera/color/image_raw \
    depth_topic:=/camera/camera/depth/image_rect_raw \  # 使用原始深度图（需手动对齐）
    camera_info_topic:=/camera/camera/color/camera_info \
    frame_id:=camera_link \
    approx_sync:=true \
    qos:=2 \
    # 以下为关键修复参数（解决对齐和TF问题）
    Reg/Strategy:=1 \                # 强制使用RGB-D模式
    Vis/CorType:=1 \                 # 使用SURF特征点（兼容性更好）
    RGBD/AngularUpdate:=0.1 \        # 降低旋转更新阈值
    RGBD/LinearUpdate:=0.1 \         # 降低平移更新阈值
    optimizer:=true \                # 启用全局优化
    # 手动指定对齐参数（因深度未对齐到RGB）
    depth_scale:=0.001 \             # 深度单位缩放（米）
    depth_decimation:=1 \            # 深度图降采样因子
    depth_erosion:=0                 # 关闭深度边缘腐蚀

以上完成了RTAB-Map 进行slam建图

高级配置（可选）

1.保存地图数据库

RTAB-Map自动保存地图到 ~/.ros/rtabmap.db，可手动导出为点云或网格：

# 导出为PLY点云
rtabmap-export -o map.ply ~/.ros/rtabmap.db

# 导出为OBJ网格（需启用网格生成）
rtabmap-export --mesh map.obj ~/.ros/rtabmap.db

2.启用3D地图优化

ros2 launch rtabmap_launch rtabmap.launch.py \
    ... \
    optimizer:=true \        # 启用全局优化
    vis:=true \              # 启用可视化优化
    mem/stereo:=false        # 禁用双目模式（使用RGB-D）

3.调整地图分辨率

ros2 launch rtabmap_launch rtabmap.launch.py \
    ... \
    grid_size:=0.05 \        # 地图体素滤波尺寸（米）
    cloud_decimation:=2      # 点云降采样因子（2=每2像素采1个点）

4.增加特征点数量：

ros2 launch ... Vis/CorType:=1 Vis/MaxFeatures=1000

5.启用回环检测增强：

ros2 launch ... RGBD/NeighborLinkRefining=true

六.问题

在开启相机驱动后，已对齐深度和RGB（已经输入了深度与GPB对齐的参数），但是没有输出对应的topic，导致进行slam时，只能手动对齐。