Realsense-D455的IMU在ubuntu18.04使用

一。配置realsense-ros:

已经新建了ROS工作空间，可以直接在工作空间的src目录下克隆相关功能包，然后进行编译，具体命令参考下方：

1、已建好工作空间Realsense_D435i:

cd Realsense_D435i/src
git clone -b 2.2.11 https://github.com/IntelRealSense/realsense-ros.git
git clone https://github.com/pal-robotics/ddynamic_reconfigure.git

原文链接：https://blog.csdn.net/hltt3838/article/details/120691764
2.完成上述步骤后，使用以下命令进行测试：

cd Realsense_D435i
catkin_make
source devel/setup.bash
roslaunch realsense2_camera rs_camera.launch
3.打开新的终端查看节点：
rostopic list

可以看到，只有图片信息的话题，！！！！！！！！！！！！！！！！没有IMU信息的话题，因为这是原launch文件中默认的！！！！！！，想要打开IMU 信息话题，需要在相应的launch文件作修改，因此不建议使用一键安装realsense-ros方法

https://blog.csdn.net/weixin_50508111/article/details/121087220 。

二。打开IMU话题

1. 针对相机的各种配置参数，通过 /realsense-ros/realsense2_camera/launch/rs_camera.launch 文件传给ROS系统。
   将rs_camera.launch 复制了一份命令成lee_test.launch,在其中更改打开IMU话题的相关命令。
   设备默认打开深度图，深度自信度，RGB图像，关闭IMU数据，
   
   在这里将最后两个标识符设置为true，即可打开陀螺仪和加速计的数据流。
2. 删除build和devel文件重新catkin_make编译一下，使用命令：roslaunch realsense2_camera lee_test.launch 打开，报错
   原因是没有添加环境变量，有俩个方法
   (1.)添加:

echo “source ~/Realsense_D435i/devel/setup.bash” >> ~/.bashrc
source ~/.bashrc

(2.)终端输入：cd Realsense_D435i
source devel/setup.bash
成功打开
realsense d455在ROS中发布的IMU数据分红了两个：

“/camera/gyro/sample” 发布角速度
“/camera/accel/sample” 发布线加速度app

同时这两个的时间戳也不太同样，在launch文件中的频率也不同：

<arg name="gyro_fps" default="400"/>
  <arg name="accel_fps" default="250"/>

设置同步选项，以下部分参考自https://blog.csdn.net/weixin_46363611/article/details/114643088
IMU数据是不同步的，即accel和gyro互相独立。

可修改的配置介绍：https://github.com/IntelRealSense/realsense-ros#launch-parameters

其中影响IMU数据同步的为：
r其中realsense2_camera\src**base_realsense_node.cpp**就是写了如何发布全部topic，代码很长，一开始绕了很多弯路。
其中void BaseRealSenseNode::setupStreams()：

if (gyro_profile != _enabled_profiles.end() &&
            accel_profile != _enabled_profiles.end())
        {
            ROS_INFO("starting imu...");
            std::vector<rs2::stream_profile> profiles;
            profiles.insert(profiles.begin(), gyro_profile->second.begin(), gyro_profile->second.end());
            profiles.insert(profiles.begin(), accel_profile->second.begin(), accel_profile->second.end());
            auto& sens = _sensors[GYRO];
            sens.open(profiles);
            auto imu_callback_inner = [this](rs2::frame frame){
                imu_callback(frame);
            };
            auto imu_callback_sync_inner = [this](rs2::frame frame){
                imu_callback_sync(frame, _imu_sync_method);
            };
            if (_imu_sync_method > imu_sync_method::NONE)
            {
                std::string unite_method_str;
                int expected_fps(_fps[GYRO] + _fps[ACCEL]);
                unite_method_str = "COPY";
                if (_imu_sync_method == imu_sync_method::LINEAR_INTERPOLATION)
                {
                    unite_method_str = "LINEAR_INTERPOLATION";
                    expected_fps = 2 * std::min(_fps[GYRO], _fps[ACCEL]);
                }
                ROS_INFO_STREAM("Gyro and accelometer are enabled and combined to IMU message at " 
                                 << expected_fps << " fps by method:" << unite_method_str);
                sens.start(imu_callback_sync_inner);
            }
            else
            {
                sens.start(imu_callback_inner);
                if (_enable[GYRO])
                {
                    ROS_INFO_STREAM(_stream_name[GYRO] << " stream is enabled - " << "fps: " << _fps[GYRO]);
                    auto gyroInfo = getImuInfo(GYRO);
                    _info_publisher[GYRO].publish(gyroInfo);
                }
                if (_enable[ACCEL])
                {
                    ROS_INFO_STREAM(_stream_name[ACCEL] << " stream is enabled - " << "fps: " << _fps[ACCEL]);
                    auto accelInfo = getImuInfo(ACCEL);
                    _info_publisher[ACCEL].publish(accelInfo);
                }
            }
        }

能够看到这里的条件判断：
if (_imu_sync_method > imu_sync_method::NONE)，最后讲执行回调函数sens.start(imu_callback_sync_inner)；
否则就执行
_info_publisher[GYRO].publish(gyroInfo)和_info_publisher[ACCEL].publish(accelInfo)。

而咱们一开始的launch文件就是采用了后面一种，最后直接发布了GYRO和ACCEL。
当unite_imu_method_str 是 "copy"或者“linear_interpolation”就好了！
而这又是读取了launch文件中的unite_imu_method，因此在rs_camera.launch中直接修改：
若使用linear_interpolation选项，可以将加速计的数据以插值的方式对齐到陀螺仪数据时间轴上；

若使用copy选项，则是在每一个陀螺仪数据上，附加上时间最近邻的加速计数据。

默认选项为：None。
在.launch文件中，将unite_imu_method对应设置为“linear_interpolation”，两路数据即可以同步为同一个topic: /camera/imu：
测试一下
测试成功！
使用命令行
rostopic echo /camera/imu
查看IMU数据，同一个数据中同时包含两个传感器数据：

IMU与图像的同步

修改了enable_sync参数，是对相机和IMU进行同步的。

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

三。IMU数据集录制

数据记录与播放
说明：运行上面的 roslaunch realsense2_camera demo_pointcloud.launch 指令时，便可以进行下面bag的录制

rosbag record -a                        
   #录制所有topic到bag文件，注意-终端的地址就是bag包存放的地址,
bag的名字是时间；

比如记录IMU的数据bag
rosbag record /camera/accel/imu_info -O imu.bag

 变成了 rosbag record /camera/imu -O imu.bag     // 因为修改了realsense2_camera的程序

rosbag record /camera/imu /camera/color/image_raw -o Cam-imu.bag   // 录制两个话题的bag包

 

• rosbag play xxx.bag #播放bag文件
• rosbag info xxx.bag #查看bag文件
• 注意：rosbag play bag 的同时，也可以提取bag包发布的特定topic，保存成txt或者csv文件，如下所示：
  rostopic echo /camera/imu > imu.txt
• rostopic hz /camera/color/image_raw
  用来查看话题的发布频率

原文链接：https://blog.csdn.net/hltt3838/article/details/120691764