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
-
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。
-
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。
-
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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 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。Python0767
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-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++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
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
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
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
deepin linux kernel
C
32
16
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
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 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 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