保姆级教程：在ROS2 Humble下用Python搞定多个Intel RealSense D405相机（附完整launch.py配置）
ROS2多相机实战：Python驱动Intel RealSense D405全流程解析
当机器人视觉系统需要同时处理多个视角时，如何高效配置多个深度相机成为开发者面临的首要挑战。本文将手把手带您完成从硬件连接到可视化呈现的完整链路搭建，特别针对Intel RealSense D405相机在ROS2 Humble环境下的多设备协同工作场景。
1. 环境准备与硬件连接
在开始编码前，确保基础环境就绪至关重要。ROS2 Humble的安装建议使用官方提供的二进制包，避免从源码编译可能带来的依赖问题：
sudo apt install ros-humble-desktop对于RealSense设备，需要同时安装ROS2驱动和底层SDK：
sudo apt install ros-humble-realsense2-camera sudo apt install librealsense2-dev连接多个D405相机时，常见的硬件问题包括：
- 供电不足：每个D405至少需要1.5A电流，建议使用带外接电源的USB Hub
- 带宽限制：多个相机尽量分散在不同USB控制器上，可通过
lsusb -t查看USB拓扑 - 设备识别：使用
rs-enumerate-devices命令确认所有相机都能被正常识别
提示：热插拔相机可能导致设备号变化，建议通过序列号而非端口号进行绑定
2. Python驱动开发实战
我们创建一个功能包来处理多相机数据流：
import pyrealsense2 as rs import rclpy from sensor_msgs.msg import Image class RealsenseNode(rclpy.node.Node): def __init__(self, serial_number): super().__init__(f'realsense_{serial_number}') self.pipeline = rs.pipeline() config = rs.config() config.enable_device(serial_number) config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30) self.pipeline.start(config) self.publisher = self.create_publisher( Image, f'camera/{serial_number}/color', 10)关键参数配置建议：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 分辨率 | 640x480 | 平衡性能与精度的选择 |
| 帧率 | 30FPS | 多相机同步的基准频率 |
| 格式 | BGR8 | OpenCV兼容的色彩空间 |
| QoS | 10 | 保证实时性的队列深度 |
3. 多相机Launch文件配置
通过Python编写的launch文件可以灵活管理多个相机实例：
from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description(): devices = ['ABC123', 'DEF456'] # 替换为实际序列号 nodes = [] for serial in devices: nodes.append( Node( package='realsense_pkg', executable='realsense_node', namespace=f'camera_{serial}', parameters=[{'serial_number': serial}] ) ) return LaunchDescription(nodes)命名空间策略对比：
- 序列号命名：
/camera_ABC123/image - 位置命名：
/front_camera/image - 功能命名：
/navigation_camera/image
注意：避免在launch文件中硬编码序列号，建议通过参数文件或环境变量配置
4. RViz可视化与调试技巧
多相机数据可视化需要合理配置RViz：
- 添加多个Image显示插件
- 为每个插件设置对应的话题
- 调整布局使用多视图容器
常用调试命令：
# 查看相机话题列表 ros2 topic list | grep camera # 检查单帧图像数据 ros2 topic echo /camera_ABC123/color --once # 带宽监控 ros2 run rqt_graph rqt_graph典型问题排查指南：
- 图像不同步：检查各相机时间戳，考虑硬件同步方案
- 帧率下降：降低分辨率或关闭未使用的数据流
- 内存泄漏：监控
ros2 topic bw数据流量
5. 性能优化进阶方案
当系统需要处理多个高分辨率数据流时，这些技巧能显著提升性能：
压缩传输：
self.compressed_pub = self.create_publisher( CompressedImage, 'camera/compressed', 10) # 在回调函数中 msg = CompressedImage() msg.format = "jpeg" msg.data = np.array(cv2.imencode('.jpg', frame)[1]).tobytes()零拷贝优化：
from rclpy.qos import QoSProfile qos = QoSProfile( depth=10, reliability=ReliabilityPolicy.BEST_EFFORT, history=HistoryPolicy.KEEP_LAST )多线程处理架构示例：
主线程：相机数据采集 ↓ (共享内存) 处理线程1：目标检测 处理线程2：深度计算 ↓ (ROS话题) 协调线程：结果融合在实际项目中，我们通常会遇到相机标定参数管理的问题。建议将每个相机的标定文件保存在config目录下，按照序列号命名，并在节点启动时动态加载。对于需要精确时间同步的应用，可以考虑使用PTP协议进行硬件时钟同步，这在工业级多相机系统中尤为重要。