首页
/ RealSense-ROS项目中D455相机左右红外图像获取问题解析

RealSense-ROS项目中D455相机左右红外图像获取问题解析

2025-06-28 10:18:01作者:史锋燃Gardner

概述

在机器人视觉应用中,Intel RealSense D455深度相机因其优异的性能被广泛使用。然而在使用ROS Noetic系统时,部分开发者会遇到只能获取左侧红外图像而无法同时获取右侧红外图像的问题。本文将深入分析该问题的技术背景和解决方案。

问题现象

当用户通过rqt_image_view工具查看D455相机图像时,发现只能获取到/camera/rgb/image_raw_mouse_left这一路图像流,而无法同时获取右侧红外相机的图像数据。这种情况会影响基于双目视觉的深度计算等应用场景。

技术原理分析

D455相机作为一款立体深度相机,其核心工作原理依赖于左右两个红外相机获取的图像进行视差计算。在ROS系统中,相机数据通过以下主要话题发布:

  • 左侧红外图像:/camera/infra1/image_rect_raw
  • 右侧红外图像:/camera/infra2/image_rect_raw
  • RGB彩色图像:/camera/rgb/image_raw

默认情况下,ROS驱动仅启用RGB和左侧红外相机,右侧红外相机需要特别配置才能启用。

解决方案

要同时获取左右红外图像,需要通过以下两种方式之一进行配置:

1. 启动参数配置

在启动相机节点时,显式启用两个红外相机:

roslaunch realsense2_camera rs_camera.launch enable_infra1:=true enable_infra2:=true

2. URDF文件配置

对于在机器人模型中集成D455相机的情况,需要确保URDF文件中正确定义了以下关键帧:

  • infra1_optical_frame(左红外相机光学帧)
  • infra2_optical_frame(右红外相机光学帧)
  • depth_optical_frame(深度相机光学帧)
  • color_optical_frame(彩色相机光学帧)

典型的URDF配置应包含类似以下内容:

<joint name="${name}_infra1_joint" type="fixed">
  <origin xyz="0 ${offset} 0" rpy="0 0 0"/>
  <parent link="${name}_link"/>
  <child link="${name}_infra1_frame"/>
</joint>
<link name="${name}_infra1_frame"/>

<joint name="${name}_infra1_optical_joint" type="fixed">
  <origin xyz="0 0 0" rpy="${-PI/2} 0 ${-PI/2}"/>
  <parent link="${name}_infra1_frame"/>
  <child link="${name}_infra1_optical_frame"/>
</joint>
<link name="${name}_infra1_optical_frame"/>

注意事项

  1. USB连接要求:D455相机必须使用USB 3.0及以上接口,USB 2.0接口不支持右侧红外相机功能。

  2. 帧率考虑:同时启用多个图像流时需注意带宽限制,适当调整分辨率或帧率以避免数据丢失。

  3. 坐标系对齐:确保各光学帧之间的转换关系正确,这对后续的传感器融合和坐标变换至关重要。

总结

通过正确配置ROS启动参数或URDF模型,开发者可以充分利用D455相机的双目视觉能力。理解相机各传感器帧之间的关系对于构建稳定的机器人视觉系统具有重要意义。在实际应用中,建议参考官方提供的标准URDF配置,确保所有传感器数据都能正确获取和处理。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284