ubuntu20.04 d455相机标定

### Ubuntu 20.04 上 D455 相机标定教程 在 Ubuntu 20.04 中进行 Intel RealSense D455 相机的标定时，可以遵循以下方法完成操作。Intel 提供了官方支持库 `librealsense` 来帮助开发者实现这一目标。 #### 安装依赖项 首先需要确保系统已安装必要的开发工具和依赖包： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential git cmake libusb-1.0-0-dev pkg-config libgtk-3-dev \ libglfw3-dev libgl1-mesa-dev libegl1-mesa-dev python3-pip python3-numpy -y ``` #### 下载并编译 librealsense 库 下载最新的 `librealsense` 源码，并按照说明进行构建： ```bash git clone https://github.com/IntelRealSense/librealsense.git cd librealsense mkdir build && cd build cmake ../ -DBUILD_EXAMPLES=true -DBUILD_WITH_CUDA=false make -j$(nproc) sudo make install ``` 上述命令会启用示例程序的支持[^1]。 #### 配置 udev 规则 为了使非 root 用户能够访问设备，需加载相应的udev规则： ```bash sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules && udevadm trigger ``` #### 进行相机标定 对于 D455 的标定过程，推荐使用 OpenCV 或者 ROS（Robot Operating System）。以下是两种常见方式： ##### 方法一：基于 OpenCV 的标定流程 OpenCV 是一种强大的计算机视觉库，提供了内置函数用于摄像头内外参计算。具体步骤如下： 1. **准备棋盘格图案图像** 打印标准尺寸的黑白相间棋盘纸板作为校准模板。 2. **采集多角度图片序列** 利用 Python 调用 Realsense SDK 获取 RGB 流数据保存成一组静态帧文件夹下。 ```python import pyrealsense2 as rs import cv2 import numpy as np pipeline = rs.pipeline() config = rs.config() # Configure depth and color streams... config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30) pipeline.start(config) try: i = 0 while True: frames = pipeline.wait_for_frames() color_frame = frames.get_color_frame() if not color_frame: continue image_np = np.asanyarray(color_frame.get_data()) cv2.imshow('Color Stream', image_np) key = cv2.waitKey(1) & 0xFF if key == ord('s'): # Press 's' to save frame. filename = f'image_{i}.png' cv2.imwrite(filename, image_np) print(f'Saved {filename}') i += 1 except KeyboardInterrupt: pass finally: pipeline.stop() cv2.destroyAllWindows() ``` 3. **执行内参数估计脚本** 调用 opencv-contrib-python 包含的功能来处理这些照片集得到最终结果矩阵形式表示。 ```python import glob from matplotlib import pyplot as plt import cv2.aruco as aruco import cv2 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) objp = np.zeros((7*9,3), np.float32) objp[:,:2] = np.mgrid[0:9,0:7].T.reshape(-1,2)*25 axis = np.float32([[3,0,0], [0,3,0], [0,0,-3]]).reshape(-1,3) images = glob.glob('./calibration_images/*.jpg') for fname in images: img = cv2.imread(fname) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,corners=cv2.findChessboardCorners(gray,(9,7),None) if ret==True: objpoints.append(objp) corners2 = cv2.cornerSubPix(gray,corners,(11,11),(-1,-1),criteria) imgpoints.append(corners2) ret, mtx, dist, rvecs, tvecs = cv2.calibrateCamera(objpoints, imgpoints,gray.shape[::-1], None,None) np.savez_compressed("camera_params.npz",mtx=mtx,dist=dist,rvecs=rvecs,tvecs=tvecs) print(mtx,dist) ``` ##### 方法二：借助 ROS 实现自动化标定服务节点 如果项目涉及机器人领域应用，则可考虑集成 ROS 平台下的 realsense2_camera 插件组件简化工作量。详情查阅文档链接地址[^2]. ---