D435i摄像头使用

第一阶段：安装SDK

1. 更新系统并安装依赖：

2. 注册 Intel 公钥并添加仓库：

3. 安装核心库与工具：
注意：librealsense2-dkms 会更新内核驱动，安装时如果弹出 "Secure Boot" 相关的提示，请根据提示设置密码或在 BIOS 中关闭 Secure Boot，否则驱动可能无法加载。

4. 配置 USB 权限（非常重要）： 插上摄像头，然后运行这行命令来赋予当前用户访问摄像头的权限：
（安装完后，建议拔掉摄像头重新插一下）

第二阶段：硬件连接与验证

1. 物理连接： 使用随相机附带的 USB 3.0 数据线。D435i 在 USB 2.0 下功能会受限（如分辨率和帧率降低）。

2. 启动可视化工具： 在终端输入以下命令启动官方预览器：
• 检查： 如果界面右侧能看到 Stereo Module（深度）和 RGB Camera 选项，点击开关（Off -> On）看是否有画面。
• 固件更新： 如果顶部弹出提示 "Firmware Update Available"，建议点击更新以确保 D435i 的 IMU（惯性测量单元）和深度算法正常工作。

3. 显示Connect a RealSense Camera or Add Source.
• 拔掉摄像头。
• 在终端运行：
• 重新插入摄像头。
• 再次运行 realsense-viewer。
• 如果还是不行，可以选择将 Type-C 那一头翻转 180 度重新插入摄像头。
• 如果 ros2 topic hz 频率极低 ，应检查 USB 线是否插在了蓝色（3.0）接口，而非黑色（2.0）接口 。

第三阶段：编写简单的Python代码

1. 创建环境：

2. 激活环境：

3. 安装开发包：

4. 环境验证：

5. 编写测试脚本： 创建一个 test_realsense.py 文件，以下代码将实时显示深度图和彩色图，并在彩色图中通过深度数据获取中心点的距离（这是最基础的“识别”：空间距离感知）。

在ROS2中订阅相机话题

1. 编写节点代码
不要忘记配置入口点。

2. 启动驱动节点：
• 核心动作：驱动程序读取 USB 数据，并根据相机内参发布各种 Topics。
• 关键参数：align_depth.enable:=true 确保深度图和彩色图的像素坐标一一对应。

3. 终端 2：运行你编写的节点

• 报错：在 ROS2 Humble 中，如果遇到 _ARRAY_API not found，请检查 numpy 版本是否小于 2.0。

SLAM视觉建图

在开始之前使用指令 lsusb | grep Intel 确定相机存在。

在使用视觉slam建图需要注意最好搭配里程计。

1. 初始版 slam_launch.py

2. 编译并生效

3.使用IMU优化视觉SLAM建图

4.使用GPU优化

• 修改rtabmap_params.yaml参数

• 环境加速

• 检查是否成功使用GPU

5.排错

• 检查硬件：
• 正常结果：Bus 010 Device 002: ID 8086:0b3a Intel Corp. Intel(R) RealSense(TM) Depth Camera 435i
• SLAM代码显示：RealSense Node Is Up!
• 异常：如果没有输出，重新刷新usb接口，接口转180度重新插入，换一个3.0的usb。
 

• 检查图像：
• 正常结果：持续输出频率（如 15Hz 或 30Hz）。
• 异常：如果没有输出，说明相机驱动卡死了（检查 USB 线和 MIPI Error）。
 

• 检查 IMU：
• 正常结果：持续输出高频数据（如 200Hz）。
• 异常：如果没有输出，SLAM 节点会报错。

6.地图保存与查看

• 2D地图保存： ros2 run nav2_map_server map_saver_cli -f ~/my_map。
注意：
• ros2 topic list | grep map指令查找正确的话题名称。
• Grid/FromDepth: "true"打开2D栅格地图

• 3D数据查看： 默认数据库路径为 ~/.ros/rtabmap.db 。

• 工具： 使用 rtabmap-databaseViewer 可回放建图轨迹。

RTAB-Map 颜色状态对照

1. 画面变黄：预警状态（Warning）

• 特征点不足：当前视野内提取到的视觉特征点数量较少（低于设定阈值，如Vis/MinInliers 10） 。

• 匹配较弱：算法能强行计算出位姿，但置信度不高。

• 应对建议：减慢移动速度，并将相机指向纹理丰富（有杂物、有书架）的区域 。

2. 画面变红：丢失状态（Critical/Lost）

• 运动模糊：相机晃动太快导致图像模糊，算法无法匹配前后两帧的特征点 。

• 视觉特征消失：相机对着白墙、镜子或纯色物体，导致没有足够的点可以追踪 。

• 计算阻塞：CPU 负载过高导致图像帧堆积（如遇到 queue is full 报错），导致位姿计算超时 。

• IMU 异常：如果开启了 wait_imu_to_init 但 IMU 没能成功初始化，系统也会卡在红色阻塞状态

• 应对建议：重新退回到之前的状态，借助imu恢复到上一步。