十年匠心定制 · 商业建站与技术教学双线并行 咨询热线:400-886-1026 service@lmnt.cn
ARTICLE DETAIL

资讯详情

深耕网站建设与运营推广的一线实战洞察。

五步点亮 RealSense 深度相机:librealsense 从编译安装到三维点云的完整实战

五步点亮 RealSense 深度相机:librealsense 从编译安装到三维点云的完整实战 五步点亮 RealSense 深度相机librealsense 从编译安装到三维点云的完整实战【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsenselibrealsense 是 Intel 官方维护的 RealSense SDK负责从 D400、T265 等 RealSense 深度相机采集深度、红外与彩色视频流并支持数据录制回放、高级模式调参与点云重建。本文按五个具体任务推进你照着做就能逐项完成。 任务一编译 librealsense 并启动 realsense-viewer先克隆仓库再按 doc/installation.md 装好系统依赖脚本按发行版区分如 Ubuntu、Jetson 各有对应脚本git clone https://gitcode.com/GitHub_Trending/li/librealsense cd librealsense然后创建 build 目录编译。-DBUILD_EXAMPLES生成示例程序-DBUILD_GRAPHICAL_EXAMPLES额外生成 viewer 这类图形化工具mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelease -DBUILD_EXAMPLEStrue -DBUILD_GRAPHICAL_EXAMPLEStrue make -j4 sudo make install装完直接运行realsense-viewer验证。设备列表里能看到相机、点开始流能出画面说明基础链路已打通。 任务二Jetson 上如何点亮 RealSense 相机Jetson 跑的是 L4T 系统自带内核缺少 RealSense 深度相机所需的 UVC 支持需要先打内核补丁./scripts/patch-realsense-ubuntu-L4T.sh再按 doc/installation_jetson.md 重装依赖、重编内核成功后在 Jetson 上启动 viewer就能看到深度点云的实时预览如果相机根本不出现在列表里先换 USB 口、再查 udev 规则是否加载细节见 doc/troubleshooting.md。 任务三采到第一帧深度与红外图像编译安装后图形化验证用 viewer服务器等无显示环境可以换命令行工具realsense-clirealsense-viewer realsense-cli深度图像用灰度值表示距离近处亮、远处暗红外图像在低光下仍能保留清晰细节。两者叠加判断比单看一路数据可靠得多。如果你习惯用 Python 处理数据装好绑定后可以直接跑仓库里的多相机量箱示例pip install pyrealsense2 cd wrappers/python/examples/box_dimensioner_multicam python box_dimensioner_multicam_demo.py它会用多台相机把目标物体的长宽高算出来是物流、仓储里很常见的深度相机应用。其余脚本见 wrappers/python/examples/。️ 任务四深度图噪点大用高级模式调参解决D400 系列把激光功率、曝光、置信度阈值等参数暴露在高级模式下。先打开 viewer 的 Advanced Mode 面板实时调整再对照效果微调调优顺序建议先调 visual preset 确定密度再动激光功率与曝光最后用空间、时间滤波收噪。参数含义详见 doc/rs400/advanced_mode.md想用代码控制的话参考 wrappers/python/examples/python-rs400-advanced-mode-example.py。 任务五如何录制数据流并回放在 viewer 里点设备名旁的菜单图标选 Record to File当前多路数据流就会写入本地文件停止全部数据流后录制自动结束回放时点 Add Source选 Load Recorded Sequence 并挑出刚存的文件viewer 会把它当成一个虚拟设备加载可以拖进度条、暂停、改速度录制文件同样能在代码里读C 与 Python 接口都支持把文件加载成 playback 设备这样离线调试算法时完全不用接相机。格式与 API 细节见 doc/record-and-playback.md。 进阶用深度数据重建三维点云上面五个任务完成后可以挑战点云重建。KinectFusion 示例 wrappers/opencv/kinfu/ 用深度流估计相机运动把连续帧融合成一张实时生长的三维点云。编译时勾选BUILD_CV_EXAMPLES和BUILD_CV_KINFU_EXAMPLE然后运行rs-kinfu效果如动图所示想继续深挖从这几个入口入手文档总览doc/readme.mdC API 头文件include/librealsense2/rs.hppC/C 示例集examples/Python 示例集wrappers/python/examples/排障指南doc/troubleshooting.md克隆仓库先把 viewer 跑起来再顺着任务一到五逐个做通。【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
返回列表