RealSense D435i使用指南

D435i = D435 双目深度相机 + BMI055 六轴 IMU(加速度计 + 陀螺仪),

输出:深度图、RGB 彩色图、红外图、IMU 数据

适合 RGBD 重建、SLAM、机器人视觉

关键参数:有效测距 0.3~3m ;深度分辨率最高 1280×720;全局快门双目;USB3.0Type-C;


本文在Ubuntu20.04 ROS1下安装使用

安装 librealsense SDK2.0

1.克隆仓库

bash 复制代码
git clone https://github.com/realsenseai/librealsense.git
cd librealsense

2.安装依赖

bash 复制代码
sudo apt install -y libudev-dev libusb-1.0-0-dev libgtk-3-dev libglfw3-dev libssl-dev

3.配置 USB 权限

bash 复制代码
# 复制udev规则文件
sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/
# 重载规则并生效
sudo udevadm control --reload-rules && sudo udevadm trigger

执行完拔插一次相机,让权限生效.

4.编译并安装 SDK

bash 复制代码
mkdir build && cd build

# cmake配置:Release模式 + 开启示例工具(含可视化、IMU校准工具)
cmake .. -DCMAKE_BUILD_TYPE=Release \
         -DBUILD_EXAMPLES=ON \
         -DBUILD_GRAPHICAL_EXAMPLES=ON

# 编译(自动调用全部CPU核心,速度最快)
make -j$(nproc)

# 安装到系统目录
sudo make install

# 更新系统库缓存
sudo ldconfig

5.验证 SDK 安装成功

bash 复制代码
# 列出所有已连接设备(应看到 D435i 及其序列号)
rs-enumerate-devices
 
# 打开图形化调试工具,右侧能看到实时的深度/彩色/IR画面
realsense-viewer

安装realsense ROS软件包

1.创建 ROS 工作空间

bash 复制代码
mkdir -p ~/realsense_ws/src
cd ~/realsense_ws/src

2.下载 ROS1 版驱动源码

bash 复制代码
git clone https://github.com/IntelRealSense/realsense-ros.git
cd realsense-ros
git checkout master

3.安装 ROS 依赖

bash 复制代码
cd ~/realsense_ws
rosdep install --from-paths src --ignore-src -r -y

4.编译工作空间

bash 复制代码
catkin_make -DCMAKE_BUILD_TYPE=Release

5.配置环境变量

bash 复制代码
source ~/realsense_ws/devel/setup.bash
# 写入bashrc,开机自动生效
echo "source ~/realsense_ws/devel/setup.bash" >> ~/.bashrc

启动 D435i

执行以下命令启动相机,同时开启深度、彩色、IMU、深度对齐彩色、点云输出,并自动合并加速度计和陀螺仪为标准 IMU 话题

bash 复制代码
roslaunch realsense2_camera rs_camera.launch \
  enable_depth:=true \
  enable_color:=true \
  enable_accel:=true \
  enable_gyro:=true \
  align_depth:=true \
  enable_pointcloud:=true \
  unite_imu_method:=linear_interpolation

另开一个终端,查看所有话题:

bash 复制代码
rostopic list

正常会输出以下核心话题:

  • 彩色图像:/camera/color/image_raw
  • 对齐后深度图:/camera/depth/image_rect_raw
  • 彩色点云:/camera/depth/color/points
  • 合并 IMU:/camera/imu
相关推荐
末世灯光2 小时前
ICML 2026|AURA:用视觉原型理解情感,而不只是预测标签
计算机视觉·情感识别·情感计算
疯华整猫1 天前
混淆起初根本不是为了防破解:我用 Trae 把 Android 混淆这二十来年重跑了一遍
android·人工智能·计算机视觉
迪菲赫尔曼1 天前
【基础篇 26】第一次在服务器完成训练:准备数据、断线继续、检查成果与备份
运维·服务器·人工智能·机器学习·计算机视觉
硅谷秋水2 天前
RoboAtom:机器人学习的大规模原子-动作监督
人工智能·机器学习·计算机视觉·机器人
陈嘿萌2 天前
TIP 2026 | 不再混成一张! RealFusion从模态不变性重想图像融合
图像处理·人工智能·深度学习·计算机视觉·学术研究与理论基础
会飞锦鲤3 天前
基于 SVM + HOG 的铸造缺陷检测系统
python·opencv·机器学习·计算机视觉·缺陷检测·图像分类·svm
李帅朋4 天前
INP-Former阅读笔记
笔记·深度学习·计算机视觉
ZhengEnCi4 天前
一句话定位图片中目标最准的模型是哪个:2026 视觉定位 SOTA 全面评测与选型指南
计算机视觉
小豆庄4 天前
测试视频里的人脸车牌敏感信息自动化脱敏方案
计算机视觉·目标跟踪·ffmpeg·音视频·边缘计算·视频·敏捷流程
LUCIALEE5 天前
训练越久越差:两个无人机小样本,把 3DGS 正射 TDOM 的边界跑出来了
计算机视觉