基于深度相机 RealSense D435i 的 ORB SLAM 2

基于深度相机 RealSense D435i 的 ORB SLAM 2

相比于上一篇文章，这里我们将官方给的 rosbag 数据包替换为来自深度相机的实时数据。之所以选择 Intel RealSense 这款深度相机，仅仅是因为它是最容易买到的。。。在京东上搜“深度相机”，符合要求的几乎都是这个系列的。具体到 D435i 这个型号，它可以提供深度和 RGB 图像，而且带有 IMU，未来如果我们继续做视觉+惯导的 SLAM 也够用了。

深度相机 RealSense D435i 简介

参考：https://www.intelrealsense.com/depth-camera-d435i/

Intel 官方给出了非常详细的介绍，尤其是产品手册，几乎涵盖了用户需要（以及不需要）了解的全部信息。
这里把其中关于 D435i 的关键信息摘录出来，方便以后查阅。

硬件信息

 

d435i.png

 

size.png

• 最高 1280×720 双目深度分辨率
• 最高 1920×1080 RGB 分辨率
• 最高 90 FPS 深度视频流。深度流与普通 RGB 视频流类似，只不过每个像素点的值不再是 RGB 或灰度值，而是物体相对于相机的距离。
• 只能对相同帧率的 RGB 与深度视频流做同步设置
• 双目 baseline 为 50 mm
• 深度探测范围 0.2 m ~ 10 m
• 深度坐标系以左侧相机为中心（上图中 centerline of 1/4-20 是指三脚架螺丝空的中心）
• 内含一个 6 自由度的 IMU，对应刚体在三维空间中 6 种运动方式：前后、左右、上下的平移，以及绕刚体三个轴的旋转 —— 绕前后方向轴旋转 roll, 绕左右方向轴旋转 pitch, 绕上下方向轴旋转 yaw

测距原理

Interl RealSence D4×× 系列，包括 D435i，都是采用经典的双目视觉的方式测量深度。尽管具有红外投射器，但并不是采用红外反射测距。它的作用仅仅是投射不可见的固定的红外纹理样式，提高在纹理不明显的环境中（例如白墙）的深度计算精度，辅助双目视觉测距。左右两个相机将图像数据送入内置的深度处理器，在其中基于双目测距的原理计算每个像素的深度值。

下图显示的是红外投射在白纸上的纹理模式：

 

infrared.png

双目测距相机的参数

Parameter	Camera Sensor Properties
Image Sensor	OmniVision OV9282
Active Pixels	1280 × 800
Sensor Aspect Ratio	8 ：5
Format	10-bit RAW
F Number	f / 2.0
Focal Length	1.93 mm
Filter Type	IR Cut - D420, None - D430, D435/D435i
Focus	Fixed
Shutter Type	Global Shutter
Signal Interface	MIPI CSI -2, 2× Lanes
Horizontal Field of View	91.2°
Vertical Field of View	65.5°
Diagonal Field of View	100.6°
Baseline	50 mm
Depth FOV HD	H:87±3，V:58±1，D:95±3
Depth FOV VGA	H:75±3，V:62±1，D:89±3
Distortion	<=1.5%

红外投射器参数

Parameter	Properties
Projector	Infrared
Pattern Type	Static
Illuminating Component	Vertical-cavity surface-emitting laser(VCSEL) + optics
Laser Controller	PWM
Optical Power	360 mW average, 4.25 W peak
Laser Wavelength	850 nm ± 10 nm nominal @20°
Laser Compliance	Class 1, IEC 60825-1:2007 Edition 2, IEC 60825-1:2014 Edition 3
Horizontal Field of Projection	90°± 3°
Vertical Field of Projection	63°±3°
Diagonal Field of Projection	99°±3°

RGB 相机参数

Parameter	Camera Sensor Properties
Image Sensor	OmniVision OV2740
Color Image Signal Processor	Discrete
Active Pixels	1920 × 1080
Sensor Aspect Ratio	16:9
Format	10-bit RAW RGB
F Number	f/2.0
Focal Length	1.88mm
Filter Type	IR Cut Filter
Focus	Fixed
Shutter Type	Rolling Shutter
Signal Interface	MIPI CSI-2, 1 Lane
Horizontal Field of View	69.4°
Vertical Field of View	42.5°
Diagonal Field of View	77°
Distortion	<=1.5%

深度图像分辨率与支持的帧率

Resolution	Frame Rate（FPS）
1280 × 720	6，15， 30
848 × 480	6，15，30，60，90
640 × 480	6，15，30，60，90
640 × 360	6，15，30，60，90
480 × 270	6，15，30，60，90
424 × 240	6，15，30，60，90

RGB图像分辨率与支持的帧率

Resolution	Frame Rate（FPS）
1920 × 1080	6，15，30
1280 × 720	6，15，30
960 × 540	6，15，30，60
848 × 480	6，15，30，60
640 × 480	6，15，30，60
640 × 360	6，15，30，60
424 × 240	6，15，30，60
320 × 240	6，30，60
320 × 180	6，30，60

IMU 参数

Parameter	Properties
Degrees of Freedom	6
Acceleration Range	±4g
Accelerometer Sample Rate	62.5, 250 (Hz)
Gyroscope Range	±1000 deg/s
Gyroscope Sample Rate	200, 400(HZ)
Sample Timestamp Accuracy	50 usec

软件开发套装

Intel RealSense SDK 2.0 是跨平台的开发套装，包含了基本的相机使用工具如 realsense-viewer，也为二次开发提供了丰富的接口，包括 ROS，python , Matlab, node.js, LabVIEW, OpenCV, PCL, .NET 等。

在 Linux 系统中，开发工具库有两种安装方式，一种是安装预编译的 debian 包，另一种是从源码编译。
如果 Linux 内核版本为 4.4, 4.8, 4.10, 4.13, 4.15, 4.18* 5.0* and 5.3*，并且没有用户自定义的模块，最好选择安装预编译的 debian 包，方便很多。

通过如下命令查看 ubuntu kernel 版本

uname -r

显示结果为 5.0.0-23-generic，满足上述版本要求。我们选择安装预编译的 debian 包。

Ubuntu 下的安装步骤可以参考 https://github.com/IntelRealSense/librealsense/blob/master/doc/distribution_linux.md
具体步骤摘录如下（针对 Ubuntu 18.04）：

sudo apt-key adv --keyserver keys.gnupg.net --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE || sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE
sudo add-apt-repository "deb http://realsense-hw-public.s3.amazonaws.com/Debian/apt-repo bionic main" -u
sudo apt-get install librealsense2-dkms
sudo apt-get install librealsense2-utils
sudo apt-get install librealsense2-dev
sudo apt-get install librealsense2-dbg

然后就可以运行 realsense-viewer 查看相机的深度和 RGB 图像，以及 IMU 中的测量，如下图所示：

 

realsense-viewer.png

另外还需要查看一下

modinfo uvcvideo | grep "version:"

确认包含 realsense 字样，例如 version: 1.1.2.realsense-1.3.14。

再查看一下 dkms

dkms status

返回结果中包含类似 librealsense2-dkms, 1.3.14, 5.0.0-23-generic, x86_64: installed。

如果以上都没问题，说明 RealSense SDK 2.0 安装成功！
如果上述返回结果有误，则可能影响后续的运行。根据我们的经验，realsense-dkms 会选择/lib/modules 中的第一个 kernel 安装，如果系统中存在多个 kernel，而当前运行的 kernel 不是 /lib/modules 中的第一个 kernel，就可能出问题。

相机自动标定

Intel RealSense D4×× 系列相机从 Firmware version 5.12.02.100 开始加入了自标定功能，大大提高了相机标定的自动化程度，不再需要拿着标定板摆拍了。

详细操作可以查看这里。

简要流程：

1. 将相机朝着纹理比较丰富的环境，不一定是平面
2. 打开 realsense_viewer
3. 将 "Stereo Module" 中的 “Emitter Enabled” 设置为 “Laser”
4. 在 “More” 下拉菜单中选择 "On-Chip Calibration"
5. 选择 "Calibrate"
6. 查看 "Health-Check" 的数值， 一般小于 0.25 是可以接受的。
7. 如果新的标定参数比之前的好，就 “Apply New” 将新的参数烧入 Firmware 中。

安装 ROS 中的 realsense 相关库

在本文中，我们的最终目的是将相机的深度和 RGB 数据发布到 ros topic 上，然后通过 ORB SLAM 2 进行点云建图。
这里就需要用到 ROS 的 realsense 库 ros-$ROS_VER-realsense2-camera。需要注意的是，这个 ROS 库并不依赖于 RealSense SDK 2.0，两者是完全独立的。因此，如果只是想在 ROS 中使用 realsense，并不需要先安装上边的 RealSense SDK 2.0。

安装步骤参考 https://github.com/IntelRealSense/realsense-ros。
具体命令如下（前提：已安装 ROS melodic 版本）：

sudo apt-get install ros-melodic-realsense2-camera
sudo apt-get install ros-melodic-realsense2-description

运行

包括两部分：

1. 启动相机发布数据
2. 启动 ORB SLAM2 程序

启动相机发布数据

在启动相机之前，我们需要设置一下 realsense2_camera rospack 中的 rs_camera.launch 的文件。
对于 ros launch 中各个参数的介绍可以参考这里。

在 rs_camera.launch 文件中确保以下两个参数为 true：

  <arg name="enable_sync"               default="true"/>
  <arg name="align_depth"               default="true"/>

前者是让不同传感器数据（depth, RGB, IMU）实现时间同步，即具有相同的 timestamp;
后者会增加若干 rostopic，其中我们比较关心的是 /camera/aligned_depth_to_color/image_raw，这里的 depth 图像与 RGB 图像是对齐的，对比如下

 

aligned.png

然后就可以用如下命令启动相机了：

roslaunch realsense2_camera rs_camera.launch

部分 ros topic 如下：

/camera/accel/imu_info
/camera/accel/sample
/camera/aligned_depth_to_color/camera_info
/camera/aligned_depth_to_color/image_raw
/camera/aligned_depth_to_color/image_raw/compressed
/camera/aligned_depth_to_color/image_raw/compressed/parameter_descriptions
/camera/aligned_depth_to_color/image_raw/compressed/parameter_updates
/camera/aligned_depth_to_color/image_raw/compressedDepth
...
/camera/aligned_depth_to_infra1/camera_info
/camera/aligned_depth_to_infra1/image_raw
/camera/aligned_depth_to_infra1/image_raw/compressed
...
/camera/color/camera_info
/camera/color/image_raw
/camera/color/image_raw/compressed
/camera/color/image_raw/compressed/parameter_descriptions
/camera/color/image_raw/compressed/parameter_updates
...
/camera/depth/camera_info
/camera/depth/color/points
/camera/depth/image_rect_raw
/camera/depth/image_rect_raw/compressed
/camera/depth/image_rect_raw/compressed/parameter_descriptions
...
/camera/extrinsics/depth_to_color
/camera/extrinsics/depth_to_infra1
/camera/extrinsics/depth_to_infra2
/camera/gyro/imu_info
/camera/gyro/sample
/camera/infra1/camera_info
/camera/infra1/image_rect_raw
/camera/infra1/image_rect_raw/compressed
...
/camera/infra2/camera_info
/camera/infra2/image_rect_raw
/camera/infra2/image_rect_raw/compressed
/camera/infra2/image_rect_raw/compressed/parameter_descriptions
...
/tf
/tf_static

其中关键的是 /camera/color/image_raw 和 /camera/aligned_depth_to_color/image_raw 分别对应 RGB 图像和深度图像。基于这些数据，我们希望实现 ORB SLAM 2 + 点云建图的效果。

相比于采用 rosbag 数据包的 ORB SLAM 2，这里有以下几点修改：

1. 修改 yaml 配置文件：里面包含了相机内参，可以通过 rostopic /camera/color/camera_info 获得。最终新的 RealSense.ymal 文件如下（每个相机的参数可能会有差别）：

#--------------------------------------------------------------------------------------------
# Camera calibration and distortion parameters (OpenCV)
Camera.fx: 920.2216186523438
Camera.fy: 918.2052612304688
Camera.cx: 648.8403930664062
Camera.cy: 363.62689208984375

Camera.k1: 0.0
Camera.k2: 0.0
Camera.p1: 0.0
Camera.p2: 0.0
Camera.k3: 0.0

Camera.width: 1280
Camera.height: 720

#Camera frames per second
Camera.fps: 30.0

#IR projector baseline times fx (aprox.) 
Camera.bf: 46.01

#Color order of the images (0: BGR, 1: RGB. It is ignored if images are grayscale)
Camera.RGB: 1

#Close/Far threshold. Baseline times.
ThDepth: 40.0

#Deptmap values factor，将深度像素值转化为实际距离，原来单位是 mm，转化成 m
DepthMapFactor: 1000.0


#ORB Parameters
#--------------------------------------------------------------------------------------------

#ORB Extractor: Number of features per image
ORBextractor.nFeatures: 1000

#ORB Extractor: Scale factor between levels in the scale pyramid
ORBextractor.scaleFactor: 1.2

#ORB Extractor: Number of levels in the scale pyramid
ORBextractor.nLevels: 8

#ORB Extractor: Fast threshold
#Image is divided in a grid. At each cell FAST are extracted imposing a minimum response.
#Firstly we impose iniThFAST. If no corners are detected we impose a lower value minThFAST
#You can lower these values if your images have low contrast
ORBextractor.iniThFAST: 20
ORBextractor.minThFAST: 7

#--------------------------------------------------------------------------------------------
#Viewer Parameters
#--------------------------------------------------------------------------------------------
Viewer.KeyFrameSize: 0.05
Viewer.KeyFrameLineWidth: 1
Viewer.GraphLineWidth: 0.9
Viewer.PointSize:2
Viewer.CameraSize: 0.08
Viewer.CameraLineWidth: 3
Viewer.ViewpointX: 0
Viewer.ViewpointY: -0.7
Viewer.ViewpointZ: -1.8
Viewer.ViewpointF: 500

2. 修改 pointcloudmapping.cc文件
   • 123 行附近修改如下：

   voxel.setInputCloud( globalMap );
   voxel.setLeafSize (0.02f, 0.02f, 0.02f); # 调节点云密度
   voxel.filter( *tmp );
   

   • 73 行附近修改如下：

   p.y = - ( m - kf->cy) * p.z / kf->fy;   # 将原本颠倒的点云地图上下翻转，方便观察
   
   p.r = color.ptr<uchar>(m)[n*3];      # 修改颜色显示
   p.g = color.ptr<uchar>(m)[n*3+1];
   p.b = color.ptr<uchar>(m)[n*3+2];
   

做完以上修改，就可以按照前一篇文章中的步骤编译和运行 ORB SLAM 2 了，此时深度和 RGB 数据不再是来自 rosbag ，而是来自相机。

命令总结如下：

roscore

rosrun ORB_SLAM2 RGBD Vocabulary/ORBvoc.bin Examples/RGB-D/RealSense.yaml /camera/rgb/image_raw:=/camera/color/image_raw /camera/depth_registered/image_raw:=/camera/aligned_depth_to_color/image_raw

最终保存的点云地图效果如下：

 

pcd.png

总结

本文记录了基于深度相机 Intel RealSense D435i 实现 ORB SLAM 2 的过程，由于之前的文章（1，2）已经非常详细的记录了基于 rosbag 数据包的 ORB SLAM 2，本文的大部分内容是记录与深度相机相关的一些设置，方便自己以后查阅，也希望能帮到类似研究方向的其他读者。

作者：isl_qdu
链接：https://www.jianshu.com/p/9e3d31ba35da
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。