librealsense 入门实战用 rs-hello-realsense 示例读取 RealSense 深度数据【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense导读rs-hello-realsense是 librealsenseRealSense SDK中最简单、最适合作为第一个上手的示例程序它演示了连接 RealSense 设备、启动深度流并读取画面中心像素距离值的最小闭环。读完本文你将掌握rs2::pipeline的核心用法、深度帧的获取与像素级距离查询 API并理解这些高层接口在 SDK 源码中的底层实现路径从而为后续开发点云、对齐、测量等应用打下基础。本文基于仓库中的 examples/hello-realsense/readme.md 展开并结合对应的 rs-hello-realsense.cpp、CMakeLists.txt 以及 include/librealsense2/hpp/rs_pipeline.hpp 等源码进行纵深讲解。示例概述与预期输出rs-hello-realsense是入门级的 C 示例仓库中的 examples/readme.md 将其标记为最低难度的一星示例核心目标只有三件事连接一台 RealSense 相机启动深度流持续打印相机视野中心点到前方物体的距离。预期输出非常直观在相机已连接且视野中心有物体的情况下终端会不断刷新一行文本The camera is facing an object X meters away其中X是相机到视野中心物体的距离单位为米。把相机对准不同远近的物体数值会实时变化这可以当作验证 SDK 安装与相机工作状态是否正常的冒烟测试。该示例依赖 RealSense 的深度感知能力关于深度传感技术结构化光、双目立体视觉、L500 系列的背景可参考 examples/depth.md如果你更习惯 C 语言仓库还提供了功能等价的 C 版本 examples/C/distance/rs-distance.c。完整代码与构建方式示例完整源码readme 中为了讲解循序渐进地分段展示代码而仓库中的 rs-hello-realsense.cpp 是可直接编译运行的完整版本包含 readme 未展示的命令行参数解析与异常处理部分#include librealsense2/rs.hpp // RealSense Cross Platform API #include iostream #include common/cli.h int main(int argc, char * argv[]) try { auto settings rs2::cli( hello-realsense example ) .process( argc, argv ); // Create a Pipeline - this serves as a top-level API for streaming and processing frames rs2::pipeline p( settings.dump() ); // Configure and start the pipeline p.start(); while (true) { // Block program until frames arrive rs2::frameset frames p.wait_for_frames(); // Try to get a frame of a depth image rs2::depth_frame depth frames.get_depth_frame(); // Get the depth frames dimensions auto width depth.get_width(); auto height depth.get_height(); // Query the distance from the camera to the object in the center of the image float dist_to_center depth.get_distance(width / 2, height / 2); // Print the distance std::cout The camera is facing an object dist_to_center meters away \r; } return EXIT_SUCCESS; } catch (const rs2::error e) { std::cerr RealSense error calling e.get_failed_function() ( e.get_failed_args() ):\n e.what() std::endl; return EXIT_FAILURE; } catch (const std::exception e) { std::cerr e.what() std::endl; return EXIT_FAILURE; }相比 readme 中的教学片段完整版多了两点值得注意命令行参数处理通过rs2::cli(...).process(argc, argv)解析参数。rs2::cli定义在 common/cli.h基于 TCLAP 实现支持--debug开启 librealsense 调试日志、--eth/--eth-only/--no-eth控制是否检测 DDS 网络设备以及--domain-id 0-232DDS 域 ID等参数process返回的 JSON 设置会通过rs2::pipeline p( settings.dump() )传给 pipeline 构造器。异常处理整个main函数体包在try块中专门捕获rs2::error可打印出错的 API 函数名、参数与错误信息和std::exception便于在设备缺失或流启动失败时给出清晰的诊断输出。CMake 构建配置该示例的构建由 examples/hello-realsense/CMakeLists.txt 定义cmake_minimum_required(VERSION 3.10) project( rs-hello-realsense ) add_executable( ${PROJECT_NAME} rs-hello-realsense.cpp ) set_property(TARGET ${PROJECT_NAME} PROPERTY CXX_STANDARD 11) target_link_libraries( ${PROJECT_NAME} ${DEPENDENCIES} ) set_target_properties( ${PROJECT_NAME} PROPERTIES FOLDER Examples ) using_easyloggingpp( ${PROJECT_NAME} SHARED ) install( TARGETS ${PROJECT_NAME} RUNTIME DESTINATION ${CMAKE_INSTALL_BINDIR} )要点说明使用C11标准即可编译SDK 的 C API 对标准要求不高链接目标是examples/CMakeLists.txt中统一收集的${DEPENDENCIES}包括realsense2库及其传递依赖using_easyloggingpp(...)接入 easyloggingpp 日志框架这也是rs2::cli中--debug参数能够生效的前提生成的rs-hello-realsense可执行文件会随 SDK 一并安装到${CMAKE_INSTALL_BINDIR}。按仓库根目录 readme.md 的安装指引完成 SDK 构建或通过apt安装预编译包后即可运行该可执行文件进行验证。逐步拆解从包含头文件到打印距离1. 引入跨平台 API 头文件#include librealsense2/rs.hpp // Include RealSense Cross Platform APIreadme 特别强调除高级功能外整个 SDK 的全部能力都通过这一个头文件提供。rs.hpp会串联起 C 封装层如rs_pipeline.hpp、rs_frame.hpp与底层 C APIinclude/librealsense2/rs.h因此你的项目只需要引入它就能访问 pipeline、frame、sensor、processing block 等全部常用对象无需按模块逐个 include。2. 创建并启动 pipeline// Create a Pipeline - this serves as a top-level API for streaming and processing frames rs2::pipeline p; // Configure and start the pipeline p.start();pipeline 是 SDK 面向应用层提供的最高层抽象用于简化与设备及视觉处理模块的交互。从 include/librealsense2/hpp/rs_pipeline.hpp 中pipeline类的文档可以看到它的定位抽象了相机的配置与流启动过程——调用无参的start()时pipeline 使用默认配置自动解析并启动设备的深度流不需要手动枚举设备、查询 profile 或逐流配置抽象了视觉模块的触发与线程模型——流循环在后台运行应用只需通过wait_for_frames()或poll_for_frames()取帧start()只能调用一次重复启动会抛出异常它返回的pipeline_profile描述了实际生效的设备与流的 profile。如果你需要精确控制例如指定分辨率、帧率或特定设备可以在start()前通过rs2::config配置本例为了展示最简用法直接使用默认配置。3. 阻塞等待帧集合// Block program until frames arrive rs2::frameset frames p.wait_for_frames();RealSense 相机通常同时提供多路视频流、运动IMU流或位姿Pose流。wait_for_frames()会阻塞当前线程直到 pipeline 从已配置的各路流中取回一组时间上对齐coherent的帧并以frameset复合帧集合的形式返回。这样你拿到的每一帧都属于同一时刻便于后续做跨流处理。如果你不希望阻塞可以使用非阻塞的poll_for_frames()轮询。4. 取出深度帧// Try to get a frame of a depth image rs2::depth_frame depth frames.get_depth_frame();get_depth_frame()是frameset提供的辅助方法负责从帧集合中提取第一个深度数据帧并返回rs2::depth_frame对象。rs2::depth_frame封装了深度图及其元数据是后续所有距离/深度查询操作的入口。5. 查询深度帧尺寸// Get the depth frames dimensions float width depth.get_width(); float height depth.get_height();get_width()/get_height()返回深度图像的像素宽高。readme 特别提示默认深度帧的尺寸可能因传感器型号而异例如 D415 与 D435 的分辨率配置就不同因此不要硬编码像素坐标而是动态读取尺寸后计算中心点。6. 查询中心像素的距离// Query the distance from the camera to the object in the center of the image float dist_to_center depth.get_distance(width / 2, height / 2);get_distance(int x, int y)是rs2::depth_frame的核心方法返回指定像素处物体到相机平面的距离单位为米。它定义在 include/librealsense2/hpp/rs_frame.hpp 中底层调用 C APIrs2_depth_frame_get_distance。用(width / 2, height / 2)即取图像正中心的像素。7. 打印结果// Print the distance std::cout The camera is facing an object dist_to_center meters away \r;\r回车符让输出在同一行不断刷新形成实时测距效果。源码级原理get_distance 的底层实现与边界校验教学示例到此为止但如果你想深入理解get_distance究竟做了什么可以顺着 C 封装向下追两层第一层C 封装include/librealsense2/hpp/rs_frame.hpp中get_distance的文档明确写道Provide the depth in meters at the given pixel其实现直接委托给 C APIfloat get_distance(int x, int y) const { rs2_error * e nullptr; auto r rs2_depth_frame_get_distance(get(), x, y, e); error::handle(e); return r; }第二层C API 实现src/rs.cpp中rs2_depth_frame_get_distance做了两件事——接口类型校验与像素坐标范围校验然后调用内部实现float rs2_depth_frame_get_distance(const rs2_frame* frame_ref, int x, int y, rs2_error** error) BEGIN_API_CALL { VALIDATE_NOT_NULL(frame_ref); auto df VALIDATE_INTERFACE(((frame_interface*)frame_ref), librealsense::depth_frame); VALIDATE_RANGE(x, 0, df-get_width() - 1); VALIDATE_RANGE(y, 0, df-get_height() - 1); return df-get_distance(x, y); }这段实现透露了几个关键事实坐标系约定像素坐标以图像左上角为原点C API 文档注释为 Left-Upper corner origin这与很多图像处理库的约定一致越界保护VALIDATE_RANGE会把超出[0, width-1]/[0, height-1]的像素坐标当作错误处理并抛出异常因此示例中动态读取width/height再取中心点的写法既正确又安全深度单位返回值为米metric units配合get_units()返回原始深度值到米的换算系数可以验证这一结论。值得一提的是同一份 C API 还被各语言封装复用例如 Android 的 JNI 层 src/android/jni/frame.cpp 中DepthFrame.nGetDistance也直接调用rs2_depth_frame_get_distance说明这条距离查询链路是 SDK 全平台共享的核心能力。与 C 语言版本对照更贴近底层的手动流程如果你在 readme 之外还想看看不用高层 pipeline的写法仓库提供了同主题的 C 版示例 examples/C/distance/rs-distance.c。它把 pipeline 内部帮你做的事一步步手动展开非常适合理解高层 API 的封装意义用rs2_create_context创建 contextrs2_query_devices枚举设备用rs2_create_configrs2_config_enable_stream(config, RS2_STREAM_DEPTH, STREAM_INDEX, WIDTH, HEIGHT, RS2_FORMAT_Z16, FPS, e)显式指定深度流参数其中RS2_FORMAT_Z16表示 16 位深度格式WIDTH为 640、HEIGHT为 0 表示自动解析用rs2_pipeline_start_with_config按配置启动循环中rs2_pipeline_wait_for_frames取帧用rs2_is_frame_extendable_to(frame, RS2_EXTENSION_DEPTH_FRAME, e)判断帧是否为深度帧后再调用rs2_depth_frame_get_distance(frame, width / 2, height / 2, e)获取中心距离。对比可见C 示例中一行p.start()背后实际上封装了 C 版里 context 创建、设备查询、config 配置、pipeline 启动的全套流程而frames.get_depth_frame()也等价于 C 版的遍历复合帧、逐个判断扩展类型、提取深度帧逻辑。理解这一对照关系有助于你在需要精细控制如多设备选型、自定义流参数时切换到更底层的 API。常见问题与排查方向设备未连接/驱动未就绪程序在p.start()阶段会抛出异常完整版示例会打印RealSense error calling ...及具体失败的 API 与参数。请确认相机已插入、udev 规则已按 scripts/setup_udev_rules.sh 安装Linux并参考 doc/troubleshooting.md 排查。视野中心无有效深度当中心像素处物体过近低于传感器最小感知距离或材质无反射时get_distance可能返回 0 或不稳定数值可尝试对准 0.5~3 米内的物体验证。输出不刷新\r在部分终端如某些 IDE 内嵌终端可能显示异常改用\n或std::flush即可观察输出。想自定义分辨率/帧率改用rs2::config的enable_stream显式指定流参数写法可参考上文 C 版示例中的参数枚举WIDTH、HEIGHT、FPS、RS2_FORMAT_Z16。总结从Hello World到下一步rs-hello-realsense用约 30 行核心代码完成了连接设备 → 启动深度流 → 取帧 → 查像素距离 → 打印的完整闭环是理解 librealsense C API 设计哲学的最佳起点。它揭示的pipeline → frameset → depth_frame → get_distance这条调用链正是后续几乎所有深度应用点云、空间对齐、测量 等的公共骨架。建议你在运行通过后动手把get_distance的查询坐标从中心点改成任意像素、或把距离输出改为逐行打印整幅深度图以加深对深度帧数据结构与坐标体系的理解。【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 librealsense 入门实战：用 rs-hello-realsense 示例读取 RealSense 深度数据
librealsense 入门实战用 rs-hello-realsense 示例读取 RealSense 深度数据【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense导读rs-hello-realsense是 librealsenseRealSense SDK中最简单、最适合作为第一个上手的示例程序它演示了连接 RealSense 设备、启动深度流并读取画面中心像素距离值的最小闭环。读完本文你将掌握rs2::pipeline的核心用法、深度帧的获取与像素级距离查询 API并理解这些高层接口在 SDK 源码中的底层实现路径从而为后续开发点云、对齐、测量等应用打下基础。本文基于仓库中的 examples/hello-realsense/readme.md 展开并结合对应的 rs-hello-realsense.cpp、CMakeLists.txt 以及 include/librealsense2/hpp/rs_pipeline.hpp 等源码进行纵深讲解。示例概述与预期输出rs-hello-realsense是入门级的 C 示例仓库中的 examples/readme.md 将其标记为最低难度的一星示例核心目标只有三件事连接一台 RealSense 相机启动深度流持续打印相机视野中心点到前方物体的距离。预期输出非常直观在相机已连接且视野中心有物体的情况下终端会不断刷新一行文本The camera is facing an object X meters away其中X是相机到视野中心物体的距离单位为米。把相机对准不同远近的物体数值会实时变化这可以当作验证 SDK 安装与相机工作状态是否正常的冒烟测试。该示例依赖 RealSense 的深度感知能力关于深度传感技术结构化光、双目立体视觉、L500 系列的背景可参考 examples/depth.md如果你更习惯 C 语言仓库还提供了功能等价的 C 版本 examples/C/distance/rs-distance.c。完整代码与构建方式示例完整源码readme 中为了讲解循序渐进地分段展示代码而仓库中的 rs-hello-realsense.cpp 是可直接编译运行的完整版本包含 readme 未展示的命令行参数解析与异常处理部分#include librealsense2/rs.hpp // RealSense Cross Platform API #include iostream #include common/cli.h int main(int argc, char * argv[]) try { auto settings rs2::cli( hello-realsense example ) .process( argc, argv ); // Create a Pipeline - this serves as a top-level API for streaming and processing frames rs2::pipeline p( settings.dump() ); // Configure and start the pipeline p.start(); while (true) { // Block program until frames arrive rs2::frameset frames p.wait_for_frames(); // Try to get a frame of a depth image rs2::depth_frame depth frames.get_depth_frame(); // Get the depth frames dimensions auto width depth.get_width(); auto height depth.get_height(); // Query the distance from the camera to the object in the center of the image float dist_to_center depth.get_distance(width / 2, height / 2); // Print the distance std::cout The camera is facing an object dist_to_center meters away \r; } return EXIT_SUCCESS; } catch (const rs2::error e) { std::cerr RealSense error calling e.get_failed_function() ( e.get_failed_args() ):\n e.what() std::endl; return EXIT_FAILURE; } catch (const std::exception e) { std::cerr e.what() std::endl; return EXIT_FAILURE; }相比 readme 中的教学片段完整版多了两点值得注意命令行参数处理通过rs2::cli(...).process(argc, argv)解析参数。rs2::cli定义在 common/cli.h基于 TCLAP 实现支持--debug开启 librealsense 调试日志、--eth/--eth-only/--no-eth控制是否检测 DDS 网络设备以及--domain-id 0-232DDS 域 ID等参数process返回的 JSON 设置会通过rs2::pipeline p( settings.dump() )传给 pipeline 构造器。异常处理整个main函数体包在try块中专门捕获rs2::error可打印出错的 API 函数名、参数与错误信息和std::exception便于在设备缺失或流启动失败时给出清晰的诊断输出。CMake 构建配置该示例的构建由 examples/hello-realsense/CMakeLists.txt 定义cmake_minimum_required(VERSION 3.10) project( rs-hello-realsense ) add_executable( ${PROJECT_NAME} rs-hello-realsense.cpp ) set_property(TARGET ${PROJECT_NAME} PROPERTY CXX_STANDARD 11) target_link_libraries( ${PROJECT_NAME} ${DEPENDENCIES} ) set_target_properties( ${PROJECT_NAME} PROPERTIES FOLDER Examples ) using_easyloggingpp( ${PROJECT_NAME} SHARED ) install( TARGETS ${PROJECT_NAME} RUNTIME DESTINATION ${CMAKE_INSTALL_BINDIR} )要点说明使用C11标准即可编译SDK 的 C API 对标准要求不高链接目标是examples/CMakeLists.txt中统一收集的${DEPENDENCIES}包括realsense2库及其传递依赖using_easyloggingpp(...)接入 easyloggingpp 日志框架这也是rs2::cli中--debug参数能够生效的前提生成的rs-hello-realsense可执行文件会随 SDK 一并安装到${CMAKE_INSTALL_BINDIR}。按仓库根目录 readme.md 的安装指引完成 SDK 构建或通过apt安装预编译包后即可运行该可执行文件进行验证。逐步拆解从包含头文件到打印距离1. 引入跨平台 API 头文件#include librealsense2/rs.hpp // Include RealSense Cross Platform APIreadme 特别强调除高级功能外整个 SDK 的全部能力都通过这一个头文件提供。rs.hpp会串联起 C 封装层如rs_pipeline.hpp、rs_frame.hpp与底层 C APIinclude/librealsense2/rs.h因此你的项目只需要引入它就能访问 pipeline、frame、sensor、processing block 等全部常用对象无需按模块逐个 include。2. 创建并启动 pipeline// Create a Pipeline - this serves as a top-level API for streaming and processing frames rs2::pipeline p; // Configure and start the pipeline p.start();pipeline 是 SDK 面向应用层提供的最高层抽象用于简化与设备及视觉处理模块的交互。从 include/librealsense2/hpp/rs_pipeline.hpp 中pipeline类的文档可以看到它的定位抽象了相机的配置与流启动过程——调用无参的start()时pipeline 使用默认配置自动解析并启动设备的深度流不需要手动枚举设备、查询 profile 或逐流配置抽象了视觉模块的触发与线程模型——流循环在后台运行应用只需通过wait_for_frames()或poll_for_frames()取帧start()只能调用一次重复启动会抛出异常它返回的pipeline_profile描述了实际生效的设备与流的 profile。如果你需要精确控制例如指定分辨率、帧率或特定设备可以在start()前通过rs2::config配置本例为了展示最简用法直接使用默认配置。3. 阻塞等待帧集合// Block program until frames arrive rs2::frameset frames p.wait_for_frames();RealSense 相机通常同时提供多路视频流、运动IMU流或位姿Pose流。wait_for_frames()会阻塞当前线程直到 pipeline 从已配置的各路流中取回一组时间上对齐coherent的帧并以frameset复合帧集合的形式返回。这样你拿到的每一帧都属于同一时刻便于后续做跨流处理。如果你不希望阻塞可以使用非阻塞的poll_for_frames()轮询。4. 取出深度帧// Try to get a frame of a depth image rs2::depth_frame depth frames.get_depth_frame();get_depth_frame()是frameset提供的辅助方法负责从帧集合中提取第一个深度数据帧并返回rs2::depth_frame对象。rs2::depth_frame封装了深度图及其元数据是后续所有距离/深度查询操作的入口。5. 查询深度帧尺寸// Get the depth frames dimensions float width depth.get_width(); float height depth.get_height();get_width()/get_height()返回深度图像的像素宽高。readme 特别提示默认深度帧的尺寸可能因传感器型号而异例如 D415 与 D435 的分辨率配置就不同因此不要硬编码像素坐标而是动态读取尺寸后计算中心点。6. 查询中心像素的距离// Query the distance from the camera to the object in the center of the image float dist_to_center depth.get_distance(width / 2, height / 2);get_distance(int x, int y)是rs2::depth_frame的核心方法返回指定像素处物体到相机平面的距离单位为米。它定义在 include/librealsense2/hpp/rs_frame.hpp 中底层调用 C APIrs2_depth_frame_get_distance。用(width / 2, height / 2)即取图像正中心的像素。7. 打印结果// Print the distance std::cout The camera is facing an object dist_to_center meters away \r;\r回车符让输出在同一行不断刷新形成实时测距效果。源码级原理get_distance 的底层实现与边界校验教学示例到此为止但如果你想深入理解get_distance究竟做了什么可以顺着 C 封装向下追两层第一层C 封装include/librealsense2/hpp/rs_frame.hpp中get_distance的文档明确写道Provide the depth in meters at the given pixel其实现直接委托给 C APIfloat get_distance(int x, int y) const { rs2_error * e nullptr; auto r rs2_depth_frame_get_distance(get(), x, y, e); error::handle(e); return r; }第二层C API 实现src/rs.cpp中rs2_depth_frame_get_distance做了两件事——接口类型校验与像素坐标范围校验然后调用内部实现float rs2_depth_frame_get_distance(const rs2_frame* frame_ref, int x, int y, rs2_error** error) BEGIN_API_CALL { VALIDATE_NOT_NULL(frame_ref); auto df VALIDATE_INTERFACE(((frame_interface*)frame_ref), librealsense::depth_frame); VALIDATE_RANGE(x, 0, df-get_width() - 1); VALIDATE_RANGE(y, 0, df-get_height() - 1); return df-get_distance(x, y); }这段实现透露了几个关键事实坐标系约定像素坐标以图像左上角为原点C API 文档注释为 Left-Upper corner origin这与很多图像处理库的约定一致越界保护VALIDATE_RANGE会把超出[0, width-1]/[0, height-1]的像素坐标当作错误处理并抛出异常因此示例中动态读取width/height再取中心点的写法既正确又安全深度单位返回值为米metric units配合get_units()返回原始深度值到米的换算系数可以验证这一结论。值得一提的是同一份 C API 还被各语言封装复用例如 Android 的 JNI 层 src/android/jni/frame.cpp 中DepthFrame.nGetDistance也直接调用rs2_depth_frame_get_distance说明这条距离查询链路是 SDK 全平台共享的核心能力。与 C 语言版本对照更贴近底层的手动流程如果你在 readme 之外还想看看不用高层 pipeline的写法仓库提供了同主题的 C 版示例 examples/C/distance/rs-distance.c。它把 pipeline 内部帮你做的事一步步手动展开非常适合理解高层 API 的封装意义用rs2_create_context创建 contextrs2_query_devices枚举设备用rs2_create_configrs2_config_enable_stream(config, RS2_STREAM_DEPTH, STREAM_INDEX, WIDTH, HEIGHT, RS2_FORMAT_Z16, FPS, e)显式指定深度流参数其中RS2_FORMAT_Z16表示 16 位深度格式WIDTH为 640、HEIGHT为 0 表示自动解析用rs2_pipeline_start_with_config按配置启动循环中rs2_pipeline_wait_for_frames取帧用rs2_is_frame_extendable_to(frame, RS2_EXTENSION_DEPTH_FRAME, e)判断帧是否为深度帧后再调用rs2_depth_frame_get_distance(frame, width / 2, height / 2, e)获取中心距离。对比可见C 示例中一行p.start()背后实际上封装了 C 版里 context 创建、设备查询、config 配置、pipeline 启动的全套流程而frames.get_depth_frame()也等价于 C 版的遍历复合帧、逐个判断扩展类型、提取深度帧逻辑。理解这一对照关系有助于你在需要精细控制如多设备选型、自定义流参数时切换到更底层的 API。常见问题与排查方向设备未连接/驱动未就绪程序在p.start()阶段会抛出异常完整版示例会打印RealSense error calling ...及具体失败的 API 与参数。请确认相机已插入、udev 规则已按 scripts/setup_udev_rules.sh 安装Linux并参考 doc/troubleshooting.md 排查。视野中心无有效深度当中心像素处物体过近低于传感器最小感知距离或材质无反射时get_distance可能返回 0 或不稳定数值可尝试对准 0.5~3 米内的物体验证。输出不刷新\r在部分终端如某些 IDE 内嵌终端可能显示异常改用\n或std::flush即可观察输出。想自定义分辨率/帧率改用rs2::config的enable_stream显式指定流参数写法可参考上文 C 版示例中的参数枚举WIDTH、HEIGHT、FPS、RS2_FORMAT_Z16。总结从Hello World到下一步rs-hello-realsense用约 30 行核心代码完成了连接设备 → 启动深度流 → 取帧 → 查像素距离 → 打印的完整闭环是理解 librealsense C API 设计哲学的最佳起点。它揭示的pipeline → frameset → depth_frame → get_distance这条调用链正是后续几乎所有深度应用点云、空间对齐、测量 等的公共骨架。建议你在运行通过后动手把get_distance的查询坐标从中心点改成任意像素、或把距离输出改为逐行打印整幅深度图以加深对深度帧数据结构与坐标体系的理解。【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考