文章目录
前言
10 系统概述
11 手动设置配套计算机
前言
本文介绍如何将英特尔 Realsense 深度摄像头(Intel Realsense Depth Camera)与 ArduPilot 配合使用，以实现避障(obstacle avoidance)。该方法使用在配套计算机上运行的 Python 脚本（非 ROS）向 ArduPilot 发送距离信息。
10 系统概述
简而言之，该脚本会将 Realsense 深度摄像头提供的深度图像转换成与前方障碍物的距离。AP 支持 DISTANCE_SENSOR 和 OBSTACLE_DISTANCE MAVLink 消息，前者携带单个距离，后者携带距离数组。OBSTACLE_DISTANCE 允许我们同时发送多达 72 个距离，因此我们将使用它。
- 首先，必须对原始深度图像应用某种形式的滤波器，以避免黑洞和噪音，并改进数据以获得更稳定的结果。以下是脚本中包含的滤镜的完整列表(list of filters)，你可以单独启用这些滤镜。要测试不同滤镜的设置，可以使用 librealsense 提供的 rs-depth-quality 示例或运行 opencv_depth_filtering.py 示例脚本。下图展示了原始（左）和过滤后（右）的深度图像，水平线是我们计算与障碍物距离的位置；
- 接下来，从输入/处理后的深度图像来看，由于信息中没有区分不同俯仰角度的区域，因此距离需要在同一水平线上（如右图所示）。我们将摄像头的水平视场划分为 72 条均匀分布的光线。沿着每条射线，我们选择与射线末端相对应的像素，并提取出深度值；
- 随后，当飞行器上下俯仰时，障碍物线将通过补偿飞行器当前俯仰（由 MAVLink 的ATTITUDE 信息提供）保持"固定"；
- 最后，发送信息的频率应在 10Hz 或更高，这取决于飞行器的行驶速度。
11 手动设置配套计算机
只有在尚未将 APSync 安装到配套计算机的情况下，才需要执行这些步骤。
用于配套电脑：
- 操作系统：Ubuntu 18.04（强烈建议使用此版本，因为该版本包含最新的所需库）；
- Python 3.6 及以上版本，这也是 Ubuntu 18.04 的标准版本。使用 $ python3 -V 查看版本，应该能看到 Python 3.6.9 或更高版本；
- librealsense：从官方资源(official source)下载或安装；
- pyrealsense2 也是必需的。
不同系统的安装过程有很大差异，因此请参考 github 官方页面(the official github page)，了解具体系统的安装说明：
- Ubuntu
- Jetson
- Odroid
- Windows
- Raspbian
安装支持软件包
首先为 Ubuntu 安装 Python3(Python3 for Ubuntu)（Ubuntu 18.04 及以上版本无需安装）。然后使用 Python3命令运行英特尔提供的示例，这些示例位于 ~/librealsense/wrappers/python/examples 文件夹中。
# Update the PYTHONPATH environment variable to add the path to the pyrealsense2 library
export PYTHONPATH=$PYTHONPATH:/usr/local/lib
cd ~/librealsense/wrappers/python/examples
# You should see a stream of depth data coming from the D4xx camera.
python3 python-tutorial-1-depth.py
安装 Python3 的 pip (pip3) 和其他支持软件包：
sudo apt-get install python3-pip
pip3 install pyrealsense2
pip3 install transformations
pip3 install dronekit
pip3 install apscheduler
pip3 install pyserial # For serial connection
pip3 install opencv-python
sudo apt -y install python3-gst-1.0 gir1.2-gst-rtsp-server-1.0 gstreamer1.0-plugins-base gstreamer1.0-plugins-ugly libx264-dev
# Only necessary if you installed the minimal version of Ubuntu
sudo apt install python3-opencv
下载主脚本 d4xx_to_mavlink.py，或克隆 vision_to_mavros 软件源并找到脚本文件夹。
cd /path/to/download # Or ROS workspace ~/catkin_ws/src
git clone https://github.com/thien94/vision_to_mavros.git
cd vision_to_mavros/script
chmod +x d4xx_to_mavlink.py
chmod +x opencv_depth_filtering.py # Useful to test the filtering options
与 AP 一起使用的主要脚本是 d4xx_to_mavlink.py。第二个脚本 opencv_depth_filtering.py可用于在闲暇时测试不同的过滤选项。
修改脚本
如果没有插入监视器，可通过设置 debug_enable_default = False 禁用脚本 d4xx_to_mavlink.py 中的调试选项，或在运行脚本时添加参数 --debug_enable 0：
1. 用以下命令运行脚本。
cd /path/to/script
python3 d4xx_to_mavlink.py
2. 如果启用了调试选项，请等待显示输入和处理后的深度图像。在右上角可以看到处理速度（帧/秒）。输出图像（右侧）上的水平线表示我们找到的与摄像机前方障碍物距离的直线。
设置摄像机 RGB 图像的视频馈送：
1. 脚本 d4xx_to_mavlink.py 有一个选项 RTSP_STREAMING_ENABLE。如果启用（True），Realsense 摄像机的 RGB 图像视频流将在 rtsp://<ip-address>:8554/d4xx 和 UP2 / 配套计算机的 <ip-address> 上提供。
2. 在 Mission Planner 中：右键单击 HUD > 视频 > 设置 GStreamer 源，这将打开 Gstreamer url 窗口。将以下示例管道输入 Gstreamer url 窗口。相应更改 <ip-address>：
rtspsrc location=rtsp://<ip-address>:8554/d4xx caps=“application/x-rtp, media=(string)video, clock-rate=(int)90000, encoding-name=(string)H264” latency=100 ! queue ! rtph264depay ! avdec_h264 ! videoconvert ! video/x-raw,format=BGRA ! appsink name=outsink
3. 视频传输的延迟取决于网络和管道配置，因此请随时调整/修改参数。
由于深度摄像头在不同设置/环境下的性能各不相同，建议在实际飞行前进一步调整脚本设置。以下是根据系统实际实验所做的一些改进：
1. 当飞行器在地面上时，深度图像的大部分可能会看到地面。在这种情况下，可在 d4xx_to_mavlink.py 脚本中减小 obstacle_line_height_ratio参数（接近零），以向上移动障碍物检测线。
2. 如果深度数据有噪声，可以通过修改obstacle_line_thickness_pixel参数来增加障碍物线的厚度。在撰写本文时，我们的想法是处理某个边界（由该参数定义）内的一组像素，并找出最低值作为物体的指示器。如果将来开发出更好的方案，这一点可以改变。
！Tip
深度摄像头可与 Realsense T265 跟踪摄像头一起用于非 GPS 导航(Realsense T265 Tracking camera for non-GPS navigation)。有一些支持脚本(scripts)可以简化同时使用多个摄像头的过程。
