Intel RealSense SDK Python开发环境配置与应用指南

Intel RealSense SDK（librealsense）为开发者提供了强大的深度视觉开发工具，通过Python绑定可以快速构建深度感知应用。本文将引导你完成从环境准备到实际应用的全流程，帮助你高效掌握RealSense深度摄像头的Python开发方法。

环境检测与依赖准备

在开始配置开发环境前，首先需要确保系统满足基本要求。推荐使用Python 3.6及以上版本，配合CMake 3.10+进行项目构建。通过以下命令检查系统是否已安装必要组件：

python --version
cmake --version
git --version

若缺少相关组件，请先进行安装。准备就绪后，克隆项目代码库：

git clone https://gitcode.com/GitHub_Trending/li/librealsense

源码构建与Python绑定配置

进入项目目录后，我们需要创建独立的构建目录并配置CMake参数：

cd librealsense
mkdir build && cd build

配置CMake时，关键是启用Python绑定支持。使用以下命令进行项目配置：

cmake .. -DBUILD_PYTHON_BINDINGS=bool:true -DCMAKE_BUILD_TYPE=Release

这一步会生成适用于你的系统的构建文件，并确保Python绑定模块被包含在内。配置完成后，执行编译命令：

make -j$(nproc)
sudo make install

编译过程可能需要几分钟时间，具体取决于你的系统性能。

pyrealsense2模块安装与验证

构建完成后，有两种方式可以安装Python模块。对于大多数用户，推荐使用pip直接安装：

pip install pyrealsense2

如果需要使用最新开发功能，可以从源码安装：

cd wrappers/python
pip install .

安装完成后，创建一个简单的测试脚本验证安装是否成功：

import pyrealsense2 as rs

# 打印版本信息
print(f"pyrealsense2版本: {rs.__version__}")

运行脚本后，若能正确显示版本号，则说明安装成功。

深度流获取实战案例

下面我们将创建一个完整的示例程序，演示如何获取深度和彩色图像流：

import pyrealsense2 as rs
import numpy as np

# 创建管道和配置对象
pipeline = rs.pipeline()
config = rs.config()

# 配置流参数
config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
config.enable_stream(rs.stream.color, 640, 480, rs.format.rgb8, 30)

# 启动流传输
pipeline.start(config)

try:
    # 获取10帧数据
    for i in range(10):
        frames = pipeline.wait_for_frames()
        depth_frame = frames.get_depth_frame()
        color_frame = frames.get_color_frame()
        
        if depth_frame and color_frame:
            # 转换为numpy数组
            depth_image = np.asanyarray(depth_frame.get_data())
            color_image = np.asanyarray(color_frame.get_data())
            
            # 输出帧信息
            print(f"第{i+1}帧 - 深度图尺寸: {depth_image.shape}, 彩色图尺寸: {color_image.shape}")
finally:
    # 停止流传输
    pipeline.stop()

这个示例展示了如何初始化设备、配置流参数、获取帧数据并进行基本处理。

开发工具与可视化界面

RealSense SDK提供了直观的可视化工具RealSense Viewer，可用于设备配置和数据预览。你可以通过以下方式启动该工具：

realsense-viewer

通过RealSense Viewer，你可以方便地调整摄像头参数、测试不同的流配置，并录制数据供后续开发使用。

示例代码与高级功能探索

项目提供了丰富的Python示例代码，位于wrappers/python/examples/目录下，包括：

• opencv_viewer_example.py - 使用OpenCV显示深度和彩色流
• align-depth2color.py - 实现深度与彩色图像对齐
• export_ply_example.py - 导出点云数据为PLY格式
• box_dimensioner_multicam/ - 多摄像头箱体尺寸测量示例

对于高级应用开发，可以探索以下功能模块：

• 点云处理 - 位于wrappers/pointcloud/目录
• OpenCV集成 - 位于wrappers/opencv/目录
• AI框架集成 - 包括TensorFlow和OpenVINO集成示例

常见问题诊断与解决

在开发过程中，可能会遇到一些常见问题：

模块导入失败

如果出现ModuleNotFoundError: No module named 'pyrealsense2'，请检查：

1. CMake配置时是否正确启用了Python绑定
2. 是否执行了sudo make install
3. Python环境是否与构建时使用的环境一致

设备连接问题

设备无法识别时，可以：

1. 检查USB连接是否牢固
2. 运行lsusb命令确认设备是否被系统识别
3. 安装或更新udev规则：sudo ./scripts/setup_udev_rules.sh

多场景应用配置

RealSense摄像头支持多种应用场景，通过调整配置参数可以优化性能：

• 近距离高精度扫描：提高深度分辨率，降低帧率
• 实时导航：优先保证帧率，适当降低分辨率
• 多摄像头系统：使用wrappers/python/examples/multicam/中的示例代码

根据具体应用需求，可以通过配置文件或API调用来调整摄像头参数，实现最佳性能。

通过本文的指导，你已经掌握了Intel RealSense SDK的Python开发环境配置方法和基本应用技巧。利用提供的示例代码和工具，你可以快速构建从简单到复杂的深度视觉应用，探索计算机视觉的无限可能。