1. 为什么这套环境值得单独写一篇避坑指南Jetson Orin 系列Nano、NX、AGX Orin配上 Intel RealSense D435i再跑 ROS2这套组合在机器人感知、机械臂抓取、SLAM 建图这些场景里出现频率极高。但真正动手搭过的人都知道这不是装个驱动就能跑的事。Jetson 是 ARM64 架构RealSense 官方对 x86 的支持远好于 ARMROS2 的版本又和 Ubuntu 版本强绑定三个变量叠在一起任何一个环节版本对不上你面对的可能是编译到一半报错、rs-enumerate-devices找不到设备、或者 RViz2 里点云死活出不来。我自己在 Orin Nano 和 Orin NX 上反复折腾过好几轮从 JetPack 5.x 到 6.x从 ROS2 Foxy 到 Humble踩的坑基本能凑成一本小册子。这篇就把整个搭建链路拆开讲清楚每一步为什么这么做、版本怎么选、报错怎么定位、哪些是 ARM 平台特有的坑。目标读者是刚拿到 Orin 开发板、想快速把 RealSense 跑进 ROS2 的工程师或者学生有基本 Linux 命令基础就行不需要你之前用过 ROS2。需要先明确一个前提Jetson 上的 RealSense 支持核心难点不在 ROS2而在 librealsense 这一层。ROS2 的realsense-ros包只是个封装它调用的是底层 librealsense 的 SDK。如果 librealsense 在 ARM 上没编译对、没打上内核补丁上层 ROS2 怎么配都是白搭。所以整篇文章的重心会放在 librealsense 的 ARM 编译和内核适配ROS2 部分反而是相对标准化的流程。另外提醒一句Jetson 的 JetPack 版本决定了你的 Ubuntu 版本Ubuntu 版本又决定了你能装哪个 ROS2 发行版这是一条硬约束链不能随意组合。下面先把这条链理清楚再往下走。2. 版本链条先锁死JetPack、Ubuntu、ROS2 的对应关系很多人一上来就apt install ros-humble-desktop结果发现源里根本没有或者装完和系统库冲突。根源就是没先确认版本对应关系。Jetson 不像普通 PC 可以随便换 Ubuntu它的 Ubuntu 是随 JetPack 一起烧录的你只能在这个基础上做选择。2.1 JetPack 与 Ubuntu 的绑定截至我写这篇时的实际情况主流对应关系是这样的JetPack 版本Ubuntu 版本典型机型推荐 ROS2 发行版JetPack 5.1.xUbuntu 20.04Orin Nano/NX/AGXFoxy / HumbleJetPack 6.0/6.1Ubuntu 22.04Orin Nano/NX/AGXHumbleJetPack 5.x 基于 Ubuntu 20.04官方 ROS2 支持到 Foxy 和 HumbleHumble 在 20.04 上属于非官方但可用。JetPack 6.x 基于 Ubuntu 22.04对应 ROS2 Humble这是目前最省心的组合。如果你是新板子我强烈建议直接上 JetPack 6.x Humble能避开一大堆依赖问题。提示先跑cat /etc/nv_tegra_release确认 JetPack 版本再跑lsb_release -a确认 Ubuntu 版本两个都记下来再决定装哪个 ROS2。2.2 为什么推荐 Humble 而不是 FoxyFoxy 的生命周期在 2023 年就结束了很多新包不再维护 Foxy 分支。而realsense-ros对 Humble 的支持最活跃RealSense 官方仓库里 Humble 分支的更新频率明显高于 Foxy。如果你用的是 JetPack 6.x那没得选就是 Humble。如果是 JetPack 5.x能上 Humble 就上 Humble实在有历史项目依赖再退回 Foxy。2.3 一个容易被忽略的约束Python 版本Ubuntu 20.04 默认 Python 3.8Ubuntu 22.04 默认 Python 3.10。ROS2 的很多工具链比如colcon、ros2cli对 Python 版本敏感。如果你在 Orin 上装了 conda 或者自己编译过 Python很容易出现ros2 command not found或者 import 报错。我的建议是不要在系统 Python 上动刀conda 环境要用就单独激活别让它污染/usr/bin/python3。3. librealsense 在 ARM64 上的编译整个流程最容易翻车的地方这是全文的核心章节也是最容易卡住的地方。x86 上你可以直接apt install librealsense2-dev但 ARM64 的 apt 源里要么没有要么版本很老。所以基本都得从源码编译。而源码编译在 Jetson 上有几个特有的坑。3.1 内核补丁为什么 D435i 需要它librealsense 要访问 RealSense 的深度流和 IMU需要内核层面的支持。具体来说它依赖几个内核模块uvcvideo、hid_sensor_*等的特定补丁才能正确识别深度摄像头和 IMU 设备。x86 上 Ubuntu 官方内核已经打好了这些补丁但 Jetson 用的是 NVIDIA 定制的 L4T 内核默认不带这些补丁。不打补丁会怎样典型症状是rs-enumerate-devices能看到设备但只能出 RGB 流深度流报错IMU 完全找不到。或者干脆设备枚举都失败。处理方式有两条路路线 A打内核补丁重新编译内核模块。这是最彻底的做法但耗时且风险高编译内核模块在 Jetson 上可能要一两个小时中途出错还可能影响系统启动。路线 B用librealsense提供的patch-realsense-ubuntu-lts.sh脚本它会自动下载对应内核版本的补丁并编译。但注意这个脚本主要针对 Ubuntu 官方内核Jetson 的 L4T 内核需要手动调整。我的实际经验是JetPack 6.x 的内核已经内置了大部分 RealSense 需要的支持很多时候不打补丁也能跑起来深度流。所以建议先跳过补丁直接编译 librealsense 测试如果深度和 IMU 都正常就不用折腾内核了。只有确实缺功能时再回头打补丁。3.2 从源码编译 librealsense 的完整步骤先装依赖。这一步在 ARM 上比 x86 多几个包因为有些库 ARM 版本需要单独处理sudo apt-get update sudo apt-get install -y git cmake build-essential libssl-dev libusb-1.0-0-dev \ pkg-config libgtk-3-dev libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev \ libudev-dev libv4l-dev然后拉源码。关键点选对版本 tag。不要直接 clone mastermaster 分支经常处于开发状态编译失败率不低。选一个稳定的 release taggit clone https://github.com/IntelRealSense/librealsense.git cd librealsense git checkout v2.55.1 # 选一个稳定版本别用 master编译配置。这里有个 ARM 特有的注意点要显式指定不编译 CUDA 相关的东西除非你确实要用否则 CMake 可能去找 CUDA 路径然后报错mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelease \ -DBUILD_EXAMPLEStrue \ -DBUILD_GRAPHICAL_EXAMPLEStrue \ -DFORCE_RSUSB_BACKENDON \ -DBUILD_WITH_CUDAfalse关于FORCE_RSUSB_BACKEND这个选项值得单独说一下。它让 librealsense 走 libusb 后端而不是 V4L2 后端。在没打内核补丁的情况下这个选项往往是让深度流能跑起来的关键。代价是性能略低、CPU 占用略高但换来的是不用折腾内核。对于开发和验证阶段这个取舍完全值得。编译。Jetson 的 CPU 核心数有限Orin Nano 是 6 核NX 是 8 核AGX 是 12 核。用nproc看实际核心数make -j$(nproc) sudo make install sudo ldconfig编译时间参考Orin Nano 上大约 20-40 分钟NX 快一些。如果中途内存不够Orin Nano 4GB 版本要注意把-j后面的数字调小比如-j4。3.3 udev 规则不装这个普通用户权限访问不了设备编译完别忘了装 udev 规则否则每次都要 sudo 才能访问摄像头sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm trigger装完拔插一次 USB让规则生效。这一步很多人漏掉然后抱怨为什么 rs-enumerate-devices 要 sudo。3.4 验证 librealsense 是否真的装好了在装 ROS2 之前一定要先用rs-enumerate-devices验证底层。这是分界线如果这一步不通ROS2 那边一定不通别浪费时间。rs-enumerate-devices正常输出应该能看到 D435i 的型号、序列号、固件版本以及支持的流配置。如果只看到设备但流列表为空或者报No device connected回到 3.1 和 3.2 检查。还可以跑一下官方的 viewer 看实时画面realsense-viewer在 Jetson 上跑 viewer 需要接显示器或者用 VNC。如果 viewer 能出深度图和 RGB 图说明底层完全 OK可以进 ROS2 了。注意realsense-viewer在 ARM 上启动可能比较慢第一次加载要等十几秒别以为卡死了。4. ROS2 与 realsense-ros 的安装标准化流程里的非标准细节底层通了之后ROS2 部分相对标准但仍有几个 Jetson 特有的细节。4.1 ROS2 Humble 的安装如果 JetPack 6.xUbuntu 22.04按官方流程装 Humblesudo apt install software-properties-common sudo add-apt-repository universe sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key \ -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] \ http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | \ sudo tee /etc/apt/sources.list.d/ros2.list /dev/null sudo apt update sudo apt install ros-humble-desktop -y装完 source 一下echo source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc验证ros2 run demo_nodes_cpp talker能跑起来就说明 ROS2 本体没问题。4.2 realsense-ros 的两种装法及取舍方法一apt 安装。Humble 的 apt 源里有ros-humble-realsense2-camera装起来快sudo apt install ros-humble-realsense2-camera -y但问题在于apt 版本依赖的 librealsense 版本可能和你源码编译的不一致导致运行时找不到库或者 ABI 不匹配。如果你已经源码编译了 librealsenseapt 装 realsense-ros 有可能冲突。方法二源码编译 realsense-ros。这是我更推荐的方式因为能保证和底层 librealsense 版本匹配mkdir -p ~/ros2_ws/src cd ~/ros2_ws/src git clone https://github.com/IntelRealSense/realsense-ros.git -b ros2-development cd ~/ros2_ws rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install source install/setup.bashrosdep install这一步在 Jetson 上可能因为网络问题卡住如果卡了可以跳过手动装缺的依赖。colcon build在 Orin Nano 上大概 5-10 分钟。4.3 启动相机节点并验证话题启动ros2 launch realsense2_camera rs_launch.py然后在另一个终端看话题ros2 topic list正常应该能看到/camera/color/image_raw、/camera/depth/image_rect_raw、/camera/imu等话题。用ros2 topic hz /camera/color/image_raw看帧率是否正常。如果话题列表里只有 color 没有 depth回到第 3 章检查 librealsense 的深度流是否正常。如果话题都有但没数据检查 USB 连接——D435i 一定要接 USB 3.0 口接 USB 2.0 会导致带宽不足深度流直接掉。5. 那些让我熬夜的报错完整排查链路复盘这一章把几个最典型的报错按现象—排查—根因—解决的链路写出来方便你对照复现。5.1rs-enumerate-devices报 No device connected现象设备插着lsusb能看到 Intel 的设备但rs-enumerate-devices说没设备。排查链路先lsusb | grep Intel确认系统识别到 USB 设备。如果这里就没有是物理连接或线缆问题换线换口。如果有但 librealsense 看不到大概率是 udev 规则没装或者没生效。检查/etc/udev/rules.d/99-realsense-libusb.rules是否存在然后sudo udevadm trigger重新触发。还不行就sudo rs-enumerate-devices试试如果 sudo 下能识别100% 是权限问题。根因udev 规则缺失或未生效普通用户没有 USB 设备访问权限。5.2 深度流报错 Couldnt resolve requests现象RGB 流正常深度流一开就报错或者 viewer 里深度图是黑的。排查链路先确认 USB 是不是 3.0。lsusb -t看设备挂在哪个速率下5000M 才是 USB 3.0480M 是 2.0。如果是 2.0换口。如果已经是 3.0 还报错检查 librealsense 编译时是否带了FORCE_RSUSB_BACKENDON。没带的话在没打内核补丁的 Jetson 上深度流很容易失败。根因Jetson L4T 内核缺少 RealSense 深度流所需的 V4L2 补丁或者 USB 带宽不足。5.3 ROS2 节点启动后 RViz2 里看不到点云现象ros2 topic list有点云话题ros2 topic hz也有数据但 RViz2 里加了 PointCloud2 显示就是空的。排查链路先确认 RViz2 里的 Fixed Frame 设置对不对。RealSense 默认的 frame 是camera_link如果 Fixed Frame 设成了map或者别的点云不会显示。改成camera_link试试。然后检查话题的 QoS 设置RealSense 的深度话题默认用的是SENSOR_DATAQoSRViz2 默认可能是DEFAULT两者不匹配会导致收不到数据。在 RViz2 里把话题的 QoS 改成Best Effort。根因坐标系不匹配或 QoS 策略不匹配。这是 ROS2 新手最容易踩的坑之一因为话题有数据但显示不出来很容易误判成驱动问题。5.4colcon build报 command not found现象装完 ROS2 后colcon命令找不到。排查链路colcon是单独的一个包ros-humble-desktop不一定带。sudo apt install python3-colcon-common-extensions装上。如果装完还找不到检查~/.bashrc里有没有 source ROS2 的 setup.bash。根因colcon 未安装或环境变量未加载。5.5 编译 librealsense 时 CMake 报 CUDA 相关错误现象cmake ..阶段报找不到 CUDA 或者 CUDA 版本不匹配。排查链路加-DBUILD_WITH_CUDAfalse重新 cmake。如果你确实需要 CUDA 加速比如跑 CUDA 版的点云处理那要确保 JetPack 的 CUDA 路径在环境变量里export PATH/usr/local/cuda/bin:$PATH和export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH。根因CMake 自动探测 CUDA 失败或者 JetPack 的 CUDA 路径没配好。6. 让这套环境真正好用的几个实操心得环境搭通只是第一步下面这些是我用下来觉得能显著提升体验的细节。6.1 用 launch 文件固化参数别每次手敲rs_launch.py支持大量参数比如分辨率、帧率、是否开启 IMU、是否对齐深度到彩色。每次都手敲命令行参数很痛苦写个自己的 launch 文件from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description(): return LaunchDescription([ Node( packagerealsense2_camera, executablerealsense2_camera_node, namecamera, parameters[{ enable_color: True, enable_depth: True, enable_imu: True, align_depth.enable: True, rgb_camera.color_profile: 640x480x30, depth_module.depth_profile: 640x480x30, }] ) ])align_depth.enable这个参数特别有用它把深度图对齐到彩色图坐标系做 RGB-D 融合或者机械臂抓取时省掉一大堆坐标变换的麻烦。6.2 USB 带宽是隐形瓶颈D435i 同时开 RGB、深度、IMU带宽需求不小。如果你还接了其他 USB 3.0 设备比如另一个摄像头很可能带宽不够导致掉帧。lsusb -t可以看到每个 USB 控制器下挂了什么设备。尽量把 RealSense 单独挂在一个 USB 控制器下别和其他高带宽设备共享。6.3 散热和功耗模式Orin 在高负载下会降频尤其是跑点云处理 相机采集同时进行时。用sudo nvpmodel -m 0切到最大性能模式功耗换性能配合sudo jetson_clocks锁定最高频率。但注意散热Orin Nano 被动散热的话长时间高负载会烫建议加个风扇。6.4 固件版本别忽略RealSense 的固件版本会影响功能稳定性。用rs-fw-update -l看当前固件版本和 Intel 官网的推荐版本对比。固件太老可能出现 IMU 数据异常或者深度流不稳定。升级固件用rs-fw-update -f 固件文件升级过程中别断电。6.5 备份你的工作环境Jetson 上重装环境成本很高编译一次 librealsense 就是半小时起。建议环境搭通后立刻用sudo apt install的包列表 自己的编译脚本做个记录或者直接对系统盘做镜像备份。我吃过一次亏系统更新后内核变了librealsense 的模块加载失败重编又花了一下午。7. 从这套环境出发还能往哪走环境通了之后接下来通常是往具体应用走。如果你做机械臂抓取align_depth对齐后的 RGB-D 数据可以直接喂给点云分割或者抓取检测网络。如果做 SLAMRealSense 的 IMU 深度可以跑 RTAB-Map 或者 VINS。如果做视频动作分类这类任务RealSense 的 RGB 流可以作为数据源配合 PyTorch 做时序建模。我个人在 Orin NX 上跑过 RealSense RTAB-Map 的建图帧率稳定在 30fps 时 CPU 占用大概 40%还有余量跑轻量级的检测网络。Orin Nano 的话建议把分辨率降到 640x480、帧率降到 15fps给后续处理留出算力。最后分享一个我踩过的坑别在环境没验证通的情况下就急着上应用。我见过太多人 librealsense 的深度流还没确认正常就开始配 SLAM结果调了半天以为是算法问题其实是底层驱动没通。按这篇文章的顺序一层一层验证rs-enumerate-devices通了再装 ROS2ROS2 话题通了再上应用能省掉大量无效排查时间。
1. 为什么这套环境值得单独写一篇避坑指南Jetson Orin 系列Nano、NX、AGX Orin配上 Intel RealSense D435i再跑 ROS2这套组合在机器人感知、机械臂抓取、SLAM 建图这些场景里出现频率极高。但真正动手搭过的人都知道这不是装个驱动就能跑的事。Jetson 是 ARM64 架构RealSense 官方对 x86 的支持远好于 ARMROS2 的版本又和 Ubuntu 版本强绑定三个变量叠在一起任何一个环节版本对不上你面对的可能是编译到一半报错、rs-enumerate-devices找不到设备、或者 RViz2 里点云死活出不来。我自己在 Orin Nano 和 Orin NX 上反复折腾过好几轮从 JetPack 5.x 到 6.x从 ROS2 Foxy 到 Humble踩的坑基本能凑成一本小册子。这篇就把整个搭建链路拆开讲清楚每一步为什么这么做、版本怎么选、报错怎么定位、哪些是 ARM 平台特有的坑。目标读者是刚拿到 Orin 开发板、想快速把 RealSense 跑进 ROS2 的工程师或者学生有基本 Linux 命令基础就行不需要你之前用过 ROS2。需要先明确一个前提Jetson 上的 RealSense 支持核心难点不在 ROS2而在 librealsense 这一层。ROS2 的realsense-ros包只是个封装它调用的是底层 librealsense 的 SDK。如果 librealsense 在 ARM 上没编译对、没打上内核补丁上层 ROS2 怎么配都是白搭。所以整篇文章的重心会放在 librealsense 的 ARM 编译和内核适配ROS2 部分反而是相对标准化的流程。另外提醒一句Jetson 的 JetPack 版本决定了你的 Ubuntu 版本Ubuntu 版本又决定了你能装哪个 ROS2 发行版这是一条硬约束链不能随意组合。下面先把这条链理清楚再往下走。2. 版本链条先锁死JetPack、Ubuntu、ROS2 的对应关系很多人一上来就apt install ros-humble-desktop结果发现源里根本没有或者装完和系统库冲突。根源就是没先确认版本对应关系。Jetson 不像普通 PC 可以随便换 Ubuntu它的 Ubuntu 是随 JetPack 一起烧录的你只能在这个基础上做选择。2.1 JetPack 与 Ubuntu 的绑定截至我写这篇时的实际情况主流对应关系是这样的JetPack 版本Ubuntu 版本典型机型推荐 ROS2 发行版JetPack 5.1.xUbuntu 20.04Orin Nano/NX/AGXFoxy / HumbleJetPack 6.0/6.1Ubuntu 22.04Orin Nano/NX/AGXHumbleJetPack 5.x 基于 Ubuntu 20.04官方 ROS2 支持到 Foxy 和 HumbleHumble 在 20.04 上属于非官方但可用。JetPack 6.x 基于 Ubuntu 22.04对应 ROS2 Humble这是目前最省心的组合。如果你是新板子我强烈建议直接上 JetPack 6.x Humble能避开一大堆依赖问题。提示先跑cat /etc/nv_tegra_release确认 JetPack 版本再跑lsb_release -a确认 Ubuntu 版本两个都记下来再决定装哪个 ROS2。2.2 为什么推荐 Humble 而不是 FoxyFoxy 的生命周期在 2023 年就结束了很多新包不再维护 Foxy 分支。而realsense-ros对 Humble 的支持最活跃RealSense 官方仓库里 Humble 分支的更新频率明显高于 Foxy。如果你用的是 JetPack 6.x那没得选就是 Humble。如果是 JetPack 5.x能上 Humble 就上 Humble实在有历史项目依赖再退回 Foxy。2.3 一个容易被忽略的约束Python 版本Ubuntu 20.04 默认 Python 3.8Ubuntu 22.04 默认 Python 3.10。ROS2 的很多工具链比如colcon、ros2cli对 Python 版本敏感。如果你在 Orin 上装了 conda 或者自己编译过 Python很容易出现ros2 command not found或者 import 报错。我的建议是不要在系统 Python 上动刀conda 环境要用就单独激活别让它污染/usr/bin/python3。3. librealsense 在 ARM64 上的编译整个流程最容易翻车的地方这是全文的核心章节也是最容易卡住的地方。x86 上你可以直接apt install librealsense2-dev但 ARM64 的 apt 源里要么没有要么版本很老。所以基本都得从源码编译。而源码编译在 Jetson 上有几个特有的坑。3.1 内核补丁为什么 D435i 需要它librealsense 要访问 RealSense 的深度流和 IMU需要内核层面的支持。具体来说它依赖几个内核模块uvcvideo、hid_sensor_*等的特定补丁才能正确识别深度摄像头和 IMU 设备。x86 上 Ubuntu 官方内核已经打好了这些补丁但 Jetson 用的是 NVIDIA 定制的 L4T 内核默认不带这些补丁。不打补丁会怎样典型症状是rs-enumerate-devices能看到设备但只能出 RGB 流深度流报错IMU 完全找不到。或者干脆设备枚举都失败。处理方式有两条路路线 A打内核补丁重新编译内核模块。这是最彻底的做法但耗时且风险高编译内核模块在 Jetson 上可能要一两个小时中途出错还可能影响系统启动。路线 B用librealsense提供的patch-realsense-ubuntu-lts.sh脚本它会自动下载对应内核版本的补丁并编译。但注意这个脚本主要针对 Ubuntu 官方内核Jetson 的 L4T 内核需要手动调整。我的实际经验是JetPack 6.x 的内核已经内置了大部分 RealSense 需要的支持很多时候不打补丁也能跑起来深度流。所以建议先跳过补丁直接编译 librealsense 测试如果深度和 IMU 都正常就不用折腾内核了。只有确实缺功能时再回头打补丁。3.2 从源码编译 librealsense 的完整步骤先装依赖。这一步在 ARM 上比 x86 多几个包因为有些库 ARM 版本需要单独处理sudo apt-get update sudo apt-get install -y git cmake build-essential libssl-dev libusb-1.0-0-dev \ pkg-config libgtk-3-dev libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev \ libudev-dev libv4l-dev然后拉源码。关键点选对版本 tag。不要直接 clone mastermaster 分支经常处于开发状态编译失败率不低。选一个稳定的 release taggit clone https://github.com/IntelRealSense/librealsense.git cd librealsense git checkout v2.55.1 # 选一个稳定版本别用 master编译配置。这里有个 ARM 特有的注意点要显式指定不编译 CUDA 相关的东西除非你确实要用否则 CMake 可能去找 CUDA 路径然后报错mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelease \ -DBUILD_EXAMPLEStrue \ -DBUILD_GRAPHICAL_EXAMPLEStrue \ -DFORCE_RSUSB_BACKENDON \ -DBUILD_WITH_CUDAfalse关于FORCE_RSUSB_BACKEND这个选项值得单独说一下。它让 librealsense 走 libusb 后端而不是 V4L2 后端。在没打内核补丁的情况下这个选项往往是让深度流能跑起来的关键。代价是性能略低、CPU 占用略高但换来的是不用折腾内核。对于开发和验证阶段这个取舍完全值得。编译。Jetson 的 CPU 核心数有限Orin Nano 是 6 核NX 是 8 核AGX 是 12 核。用nproc看实际核心数make -j$(nproc) sudo make install sudo ldconfig编译时间参考Orin Nano 上大约 20-40 分钟NX 快一些。如果中途内存不够Orin Nano 4GB 版本要注意把-j后面的数字调小比如-j4。3.3 udev 规则不装这个普通用户权限访问不了设备编译完别忘了装 udev 规则否则每次都要 sudo 才能访问摄像头sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm trigger装完拔插一次 USB让规则生效。这一步很多人漏掉然后抱怨为什么 rs-enumerate-devices 要 sudo。3.4 验证 librealsense 是否真的装好了在装 ROS2 之前一定要先用rs-enumerate-devices验证底层。这是分界线如果这一步不通ROS2 那边一定不通别浪费时间。rs-enumerate-devices正常输出应该能看到 D435i 的型号、序列号、固件版本以及支持的流配置。如果只看到设备但流列表为空或者报No device connected回到 3.1 和 3.2 检查。还可以跑一下官方的 viewer 看实时画面realsense-viewer在 Jetson 上跑 viewer 需要接显示器或者用 VNC。如果 viewer 能出深度图和 RGB 图说明底层完全 OK可以进 ROS2 了。注意realsense-viewer在 ARM 上启动可能比较慢第一次加载要等十几秒别以为卡死了。4. ROS2 与 realsense-ros 的安装标准化流程里的非标准细节底层通了之后ROS2 部分相对标准但仍有几个 Jetson 特有的细节。4.1 ROS2 Humble 的安装如果 JetPack 6.xUbuntu 22.04按官方流程装 Humblesudo apt install software-properties-common sudo add-apt-repository universe sudo apt update sudo apt install curl -y sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key \ -o /usr/share/keyrings/ros-archive-keyring.gpg echo deb [arch$(dpkg --print-architecture) signed-by/usr/share/keyrings/ros-archive-keyring.gpg] \ http://packages.ros.org/ros2/ubuntu $(. /etc/os-release echo $UBUNTU_CODENAME) main | \ sudo tee /etc/apt/sources.list.d/ros2.list /dev/null sudo apt update sudo apt install ros-humble-desktop -y装完 source 一下echo source /opt/ros/humble/setup.bash ~/.bashrc source ~/.bashrc验证ros2 run demo_nodes_cpp talker能跑起来就说明 ROS2 本体没问题。4.2 realsense-ros 的两种装法及取舍方法一apt 安装。Humble 的 apt 源里有ros-humble-realsense2-camera装起来快sudo apt install ros-humble-realsense2-camera -y但问题在于apt 版本依赖的 librealsense 版本可能和你源码编译的不一致导致运行时找不到库或者 ABI 不匹配。如果你已经源码编译了 librealsenseapt 装 realsense-ros 有可能冲突。方法二源码编译 realsense-ros。这是我更推荐的方式因为能保证和底层 librealsense 版本匹配mkdir -p ~/ros2_ws/src cd ~/ros2_ws/src git clone https://github.com/IntelRealSense/realsense-ros.git -b ros2-development cd ~/ros2_ws rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install source install/setup.bashrosdep install这一步在 Jetson 上可能因为网络问题卡住如果卡了可以跳过手动装缺的依赖。colcon build在 Orin Nano 上大概 5-10 分钟。4.3 启动相机节点并验证话题启动ros2 launch realsense2_camera rs_launch.py然后在另一个终端看话题ros2 topic list正常应该能看到/camera/color/image_raw、/camera/depth/image_rect_raw、/camera/imu等话题。用ros2 topic hz /camera/color/image_raw看帧率是否正常。如果话题列表里只有 color 没有 depth回到第 3 章检查 librealsense 的深度流是否正常。如果话题都有但没数据检查 USB 连接——D435i 一定要接 USB 3.0 口接 USB 2.0 会导致带宽不足深度流直接掉。5. 那些让我熬夜的报错完整排查链路复盘这一章把几个最典型的报错按现象—排查—根因—解决的链路写出来方便你对照复现。5.1rs-enumerate-devices报 No device connected现象设备插着lsusb能看到 Intel 的设备但rs-enumerate-devices说没设备。排查链路先lsusb | grep Intel确认系统识别到 USB 设备。如果这里就没有是物理连接或线缆问题换线换口。如果有但 librealsense 看不到大概率是 udev 规则没装或者没生效。检查/etc/udev/rules.d/99-realsense-libusb.rules是否存在然后sudo udevadm trigger重新触发。还不行就sudo rs-enumerate-devices试试如果 sudo 下能识别100% 是权限问题。根因udev 规则缺失或未生效普通用户没有 USB 设备访问权限。5.2 深度流报错 Couldnt resolve requests现象RGB 流正常深度流一开就报错或者 viewer 里深度图是黑的。排查链路先确认 USB 是不是 3.0。lsusb -t看设备挂在哪个速率下5000M 才是 USB 3.0480M 是 2.0。如果是 2.0换口。如果已经是 3.0 还报错检查 librealsense 编译时是否带了FORCE_RSUSB_BACKENDON。没带的话在没打内核补丁的 Jetson 上深度流很容易失败。根因Jetson L4T 内核缺少 RealSense 深度流所需的 V4L2 补丁或者 USB 带宽不足。5.3 ROS2 节点启动后 RViz2 里看不到点云现象ros2 topic list有点云话题ros2 topic hz也有数据但 RViz2 里加了 PointCloud2 显示就是空的。排查链路先确认 RViz2 里的 Fixed Frame 设置对不对。RealSense 默认的 frame 是camera_link如果 Fixed Frame 设成了map或者别的点云不会显示。改成camera_link试试。然后检查话题的 QoS 设置RealSense 的深度话题默认用的是SENSOR_DATAQoSRViz2 默认可能是DEFAULT两者不匹配会导致收不到数据。在 RViz2 里把话题的 QoS 改成Best Effort。根因坐标系不匹配或 QoS 策略不匹配。这是 ROS2 新手最容易踩的坑之一因为话题有数据但显示不出来很容易误判成驱动问题。5.4colcon build报 command not found现象装完 ROS2 后colcon命令找不到。排查链路colcon是单独的一个包ros-humble-desktop不一定带。sudo apt install python3-colcon-common-extensions装上。如果装完还找不到检查~/.bashrc里有没有 source ROS2 的 setup.bash。根因colcon 未安装或环境变量未加载。5.5 编译 librealsense 时 CMake 报 CUDA 相关错误现象cmake ..阶段报找不到 CUDA 或者 CUDA 版本不匹配。排查链路加-DBUILD_WITH_CUDAfalse重新 cmake。如果你确实需要 CUDA 加速比如跑 CUDA 版的点云处理那要确保 JetPack 的 CUDA 路径在环境变量里export PATH/usr/local/cuda/bin:$PATH和export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH。根因CMake 自动探测 CUDA 失败或者 JetPack 的 CUDA 路径没配好。6. 让这套环境真正好用的几个实操心得环境搭通只是第一步下面这些是我用下来觉得能显著提升体验的细节。6.1 用 launch 文件固化参数别每次手敲rs_launch.py支持大量参数比如分辨率、帧率、是否开启 IMU、是否对齐深度到彩色。每次都手敲命令行参数很痛苦写个自己的 launch 文件from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description(): return LaunchDescription([ Node( packagerealsense2_camera, executablerealsense2_camera_node, namecamera, parameters[{ enable_color: True, enable_depth: True, enable_imu: True, align_depth.enable: True, rgb_camera.color_profile: 640x480x30, depth_module.depth_profile: 640x480x30, }] ) ])align_depth.enable这个参数特别有用它把深度图对齐到彩色图坐标系做 RGB-D 融合或者机械臂抓取时省掉一大堆坐标变换的麻烦。6.2 USB 带宽是隐形瓶颈D435i 同时开 RGB、深度、IMU带宽需求不小。如果你还接了其他 USB 3.0 设备比如另一个摄像头很可能带宽不够导致掉帧。lsusb -t可以看到每个 USB 控制器下挂了什么设备。尽量把 RealSense 单独挂在一个 USB 控制器下别和其他高带宽设备共享。6.3 散热和功耗模式Orin 在高负载下会降频尤其是跑点云处理 相机采集同时进行时。用sudo nvpmodel -m 0切到最大性能模式功耗换性能配合sudo jetson_clocks锁定最高频率。但注意散热Orin Nano 被动散热的话长时间高负载会烫建议加个风扇。6.4 固件版本别忽略RealSense 的固件版本会影响功能稳定性。用rs-fw-update -l看当前固件版本和 Intel 官网的推荐版本对比。固件太老可能出现 IMU 数据异常或者深度流不稳定。升级固件用rs-fw-update -f 固件文件升级过程中别断电。6.5 备份你的工作环境Jetson 上重装环境成本很高编译一次 librealsense 就是半小时起。建议环境搭通后立刻用sudo apt install的包列表 自己的编译脚本做个记录或者直接对系统盘做镜像备份。我吃过一次亏系统更新后内核变了librealsense 的模块加载失败重编又花了一下午。7. 从这套环境出发还能往哪走环境通了之后接下来通常是往具体应用走。如果你做机械臂抓取align_depth对齐后的 RGB-D 数据可以直接喂给点云分割或者抓取检测网络。如果做 SLAMRealSense 的 IMU 深度可以跑 RTAB-Map 或者 VINS。如果做视频动作分类这类任务RealSense 的 RGB 流可以作为数据源配合 PyTorch 做时序建模。我个人在 Orin NX 上跑过 RealSense RTAB-Map 的建图帧率稳定在 30fps 时 CPU 占用大概 40%还有余量跑轻量级的检测网络。Orin Nano 的话建议把分辨率降到 640x480、帧率降到 15fps给后续处理留出算力。最后分享一个我踩过的坑别在环境没验证通的情况下就急着上应用。我见过太多人 librealsense 的深度流还没确认正常就开始配 SLAM结果调了半天以为是算法问题其实是底层驱动没通。按这篇文章的顺序一层一层验证rs-enumerate-devices通了再装 ROS2ROS2 话题通了再上应用能省掉大量无效排查时间。
