RealSense 深度相机快速上手librealsense 3 步点亮相机【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsenselibrealsenseRealSense SDK把 RealSense 深度相机拍到的深度、红外、彩色和点云数据变成你代码里可以直接处理的帧。它面向想从零基础快速跑通深度视觉应用的新手和普通开发者读完这一篇你会完成环境自检、编译安装、画质调优、录制回放、多相机量箱和三维重建这条完整链路。librealsense 深度相机能输出什么深度、红外、点云全景这一步做完你会清楚 SDK 能给你的每一类数据长什么样后面每个环节都是在消费这些数据。librealsense 的输入端是 RealSense 系列深度相机D400 系列、T265 等输出端则覆盖深度帧像素即距离、红外帧暗光下的场景纹理、彩色帧、对齐后的点云以及基于深度流的实时三维重建。Jetson 这类嵌入式平台上同样适用3 步跑通 librealsense环境自检、CMake 编译与 Viewer 出画面这一步做完你会得到一条相机接入即出画面的最短链路。原则是先让它亮起来再谈别的。先做环境自检Ubuntu 20/22/24 LTS、CMake 3.10 以上、C11 编译器、Git。缺依赖按 doc/installation.md 的清单补齐sudo apt-get install libusb-1.0-0-dev libudev-dev libssl-dev pkg-config libgtk-3-dev sudo apt-get install git wget cmake build-essential sudo apt-get install libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev克隆仓库并编译安装git clone https://gitcode.com/GitHub_Trending/li/librealsense cd librealsense mkdir build cd build cmake .. -DBUILD_EXAMPLEStrue make -j4 sudo make install如果你用的是 JetsonNano、Xavier 等 L4T 系统编译前还需打一次内核补丁./scripts/patch-realsense-ubuntu-L4T.sh最后插上相机运行realsense-viewer窗口里出现实时画面说明设备、驱动、SDK 三层都通了。想验证最小采流路径还可以直接跑官方示例./examples/capture/rs-capture它会用默认推荐配置同时输出深度和彩色流。看懂三种数据形态深度帧、红外帧、彩色帧分别怎么用这一步做完你能根据任务快速选对数据源。三种帧各司其职深度帧原始数据是 12 位灰度值每个像素对应一个距离近距离物体偏亮、远处偏暗。做距离测量、近远分割用它。红外帧主动红外投射低光环境下依然有清晰的场景纹理适合暗光机器人、对齐调试。彩色帧普通 RGB 图像适合识别、展示和与深度帧做空间对齐后叠加。深度画质调优实操激光功率、曝光与置信度阈值这一步做完你能把画面够用提升到画面可控解决噪点多、边缘毛刺、暗光失效这类问题。RealSense 深度相机提供高级模式Advanced Mode暴露出激光发射功率、曝光时间、深度置信度阈值等硬件级参数。跑一下传感器控制示例就能看到可调项./examples/sensor-control/rs-sensor-control参数怎么选官方有专门的说明文档doc/rs400/rs400_advanced_mode.md。经验法则是暗光环境先提激光功率再调曝光噪点偏多时抬高置信度阈值牺牲一点填充率换干净。录制与回放工作流.db3 文件录一次调试一百次这一步做完你手里会有一份可反复回放的虚拟相机调试算法不再依赖现场相机。librealsense 支持把整台设备的流数据录进一个.db3文件ROS2 rosbag2 的 SQLite 格式回放设备在 API 层面和真机几乎无差别。在 RealSense Viewer 里的操作点设备名旁的bars图标选Record to File...指定一个以.db3结尾的路径设备名旁出现红点即开始录制停止所有流后自动收尾。回放时点Add Source → Load Recorded Sequence选中该文件即可暂停、调速、拖进度条逐帧定位参数值也会还原到录制时的状态。多相机尺寸测量实战Python 绑定 box_dimensioner 量箱子这一步做完你会得到一个可落地的物流场景应用——自动量箱子。librealsense 的 Python 绑定pyrealsense2把同一套能力暴露给 Pythonpip install pyrealsense2官方仓库自带完整的多相机量箱示例含棋盘格标定脚本核心思路是先用棋盘格完成两台相机的外参标定再融合两路深度点云拟合出长宽高cd wrappers/python/examples/box_dimensioner_multicam python box_dimensioner_multicam_demo.py标定用的棋盘格图案就在示例目录里完整文件见 wrappers/python/examples/box_dimensioner_multicam/。从单帧画面到三维模型OpenCV Kinect Fusion 重建这一步做完你会从看一帧帧图像进阶到建出一个可旋转的场景。librealsense 的 OpenCV wrapper 提供了 Kinect Fusion 示例算法用逐帧深度流做粗到细的 ICP 配准实时估计相机位姿并把新深度融进全局点云模型。构建时需要在 CMake 阶段打开对应开关前提是已装好 OpenCV 4 opencv_contribcmake .. -DBUILD_CV_EXAMPLEStrue -DBUILD_CV_KINFU_EXAMPLEtrue make -j4编译产物rs-kinfu运行后窗口里的点云会随你移动相机不断长出来鼠标拖拽可换视角。示例源码与说明在 wrappers/opencv/。避坑手册内核补丁、设备枚举与常见故障这一步做完你遇到相机插上了但没画面这类问题时知道去哪查。最常见的坑有这么几个Linux/Jetson 无设备RealSense 依赖打过补丁的内核驱动Jetson 必须先跑./scripts/patch-realsense-ubuntu-L4T.sh补丁范围如下设备枚举不稳定确认 udev 规则已安装仓库自带scripts/setup_udev_rules.sh。虚拟机里跑不通官方明确不支持 VMUSB3 转译层问题请直接用实体机。参数调不出效果先回看高级模式的官方说明逐项对照激光功率、曝光、置信度阈值。更多问题查这两份文档doc/troubleshooting.md 和总览文档 doc/readme.md想直接查 API 就看 include/librealsense2/rs.hpp。下一步现在就插上你的 RealSense 相机把上面第二条 H2 里的三组命令跑一遍——等realsense-viewer出画面后接着去跑量箱示例把整条数据链路走完。【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
