保姆级教程：在Ubuntu 20.04上搞定奥比中光Astra相机的ROS驱动（含libglog报错解决方案）-程序员充电站

深度相机开发实战：Ubuntu 20.04下Orbbec Astra的ROS驱动配置全解析

当你在机器人或计算机视觉项目中需要实时获取深度信息时，Orbbec Astra系列相机往往是个高性价比的选择。但就像许多硬件设备一样，让它与ROS系统完美配合需要跨越一些技术障碍——特别是那个令人头疼的libglog not found报错。本文将带你从零开始，不仅解决这个典型问题，更深入理解背后的依赖关系，让你下次遇到类似问题时能举一反三。

1. 环境准备：构建ROS开发基础

在开始之前，确保你的Ubuntu 20.04系统已经安装了ROS Noetic完整版。如果你还在使用Ubuntu 18.04，对应的是ROS Melodic，大部分步骤仍然适用但需要注意包名的微小差异。

必备组件清单：

ROS桌面完整版安装（推荐ros-noetic-desktop-full）
基础开发工具链：build-essential、cmake、git
Python相关依赖（ROS Noetic默认使用Python3）

安装完基础ROS环境后，创建一个独立的工作空间是个好习惯：

mkdir -p ~/astra_ws/src cd ~/astra_ws/ catkin_make source devel/setup.bash

提示：每次在新终端中工作时，记得重新source你的工作空间环境，否则系统会找不到新编译的包。

2. 驱动安装：从源码到可执行文件

Orbbec Astra相机的ROS驱动不在标准软件源中，我们需要从GitHub获取源码自行编译。这个过程中最常遇到的障碍就是第三方依赖缺失。

2.1 获取驱动源码

进入你的工作空间src目录，克隆官方驱动仓库：

cd ~/astra_ws/src git clone https://github.com/orbbec/ros_astra_camera.git

官方仓库可能更新不及时，社区维护的fork版本有时更可靠。如果遇到问题，可以尝试：

git clone https://github.com/ros-drivers/ros_astra_camera.git

2.2 解决依赖问题

现在来到关键部分——处理依赖关系。libglog报错只是冰山一角，实际上Astra相机驱动依赖一整套工具链：

核心依赖包：

libgoogle-glog-dev：日志记录库（就是报错的源头）
libusb-1.0-0-dev：USB设备通信支持
libudev-dev：设备节点管理
libboost-all-dev：C++扩展库

一次性安装所有依赖：

sudo apt-get update sudo apt-get install libgoogle-glog-dev libusb-1.0-0-dev libudev-dev libboost-all-dev

如果你身处网络环境不稳定的地区，可能会遇到下载失败的情况。这时可以尝试：

更换软件源（如阿里云或清华镜像）
使用手机热点避开某些网络限制
分步安装，先解决最基础的依赖

2.3 编译驱动

依赖齐全后，编译过程通常会很顺利：

cd ~/astra_ws/ catkin_make

如果仍然报错，检查错误信息中是否提示了其他缺失的依赖。ROS生态中常见的依赖问题可以通过rosdep工具自动解决：

rosdep install --from-paths src --ignore-src -r -y

3. 深度解析：为什么需要glog库

很多教程只告诉你"安装libgoogle-glog-dev就能解决问题"，但理解背后的原因能让你在遇到类似问题时更快定位。

libglog是Google开发的一个轻量级日志记录库，提供了比标准库更强大的日志功能：

glog在ROS驱动中的主要作用：

记录设备初始化过程中的详细信息
捕获并格式化底层USB通信中的错误
提供不同级别的日志输出（INFO、WARNING、ERROR等）
支持日志文件轮转和按条件过滤

当驱动在初始化相机时，它会通过glog记录以下关键信息：

USB设备枚举结果
固件版本检测
数据流配置状态
实时帧率统计

没有这个库，驱动就无法输出这些调试信息，导致CMake配置阶段直接失败。类似的依赖模式在ROS生态中很常见，理解这种设计模式能帮助你更快解决其他包的安装问题。

4. 实战操作：启动相机并验证数据流

驱动编译成功后，就可以开始使用相机了。Orbbec Astra相机支持同时输出多种数据流，我们需要合理配置才能发挥它的全部潜力。

4.1 启动相机节点

首先确保相机通过USB 3.0接口连接到电脑（蓝色接口），然后启动核心节点：

roslaunch astra_camera astra.launch

这个launch文件支持多个参数来定制相机行为：

常用启动参数：

depth_registration:=true：启用深度与彩色图像对齐
publish_tf:=false：禁用自动发布坐标系变换
device_id:=<ID>：指定多相机环境中的特定设备

例如，以下命令会启动对齐后的深度图像并禁用TF发布：

roslaunch astra_camera astra.launch depth_registration:=true publish_tf:=false

4.2 在RViz中可视化数据

新终端中启动RViz，添加合适的显示插件：

rosrun rviz rviz

在RViz中添加以下显示项：

DepthCloud：查看3D点云
Camera：显示彩色或深度图像
PointCloud2：原始点云数据

典型话题列表：

/camera/depth/image_raw：原始深度图像
/camera/rgb/image_raw：彩色图像
/camera/depth/points：转换后的点云

4.3 验证数据完整性

通过命令行工具快速检查数据流是否正常：

rostopic hz /camera/depth/image_raw rostopic hz /camera/rgb/image_raw

正常情况应该看到稳定的30Hz左右输出。如果帧率异常低，可能是：

USB带宽不足（尝试更换接口）
环境光线干扰（深度相机对强光敏感）
计算资源紧张（关闭其他占用CPU的程序）

5. 进阶配置：优化相机性能

默认配置可能不适合所有场景，Astra相机提供了丰富的动态重配置选项。

5.1 动态参数调整

安装rqt_reconfigure工具实时调整参数：

rosrun rqt_reconfigure rqt_reconfigure

关键可调参数：

depth_mode：切换深度图像分辨率
ir_auto_exposure：红外自动曝光开关
laser_power：红外激光器功率（影响测距范围）
depth_units：深度数据单位（毫米或米）

5.2 校准与对齐

出厂校准通常足够好，但特殊需求时可能需要重新校准：

下载Orbbec官方校准工具
打印标准校准棋盘格
按照向导完成彩色和深度相机对齐

校准数据可以保存为文件，在启动launch时通过参数加载：

roslaunch astra_camera astra.launch calibration_file:=/path/to/calib.yml

5.3 多相机同步

在需要多个Astra相机的场景（如全景3D重建），需注意：

为每个相机分配唯一device_id
使用外部触发信号同步帧捕获
确保供电充足（考虑使用带电源的USB集线器）

配置示例：

<launch> <include file="$(find astra_camera)/launch/astra.launch"> <arg name="device_id" value="1@0"/> <arg name="camera" value="camera1"/> </include> <include file="$(find astra_camera)/launch/astra.launch"> <arg name="device_id" value="2@0"/> <arg name="camera" value="camera2"/> </include> </launch>

6. 常见问题排查指南

即使按照步骤操作，实际环境中仍可能遇到各种意外情况。以下是几个典型问题及其解决方案。

6.1 设备权限问题

Linux系统默认USB设备需要root权限，这会导致普通用户无法访问相机。

解决方案：

创建udev规则文件：

sudo nano /etc/udev/rules.d/56-orbbec.rules

添加以下内容：

SUBSYSTEM=="usb", ATTR{idVendor}=="2bc5", MODE="0666"

重新加载udev规则：

sudo udevadm control --reload-rules sudo udevadm trigger

6.2 图像数据异常

可能表现为：深度图像全黑、彩色图像失真、点云有明显噪点等。

排查步骤：

检查相机镜头是否干净
尝试不同的depth_mode设置
调整环境光线（避免阳光直射）
更新固件到最新版本

6.3 ROS话题无数据

启动节点后，rostopic list看不到预期的话题。

可能原因：

相机未被系统识别（检查lsusb输出）
launch文件参数配置错误
其他节点占用了相同话题名称

6.4 性能优化技巧

在高负载系统中，可以采取以下措施优化性能：

降低分辨率：从VGA(640x480)切换到QVGA(320x240)
关闭未使用的数据流：如不需要彩色图像，在launch中禁用
使用硬件加速：配置OpenCV使用GPU加速
调整ROS参数：增加消息队列大小，优化发布频率

配置示例：

<param name="depth_image_proc_nodelet/queue_size" value="20"/> <param name="rgb_image_proc_nodelet/publish_rate" value="15.0"/>

7. 开发实战：将Astra集成到你的ROS项目

现在相机已经正常工作，如何将它融入你的具体项目？这里提供几个典型场景的实现思路。

7.1 实时物体检测

结合OpenCV和ROS实现基于深度信息的物体检测：

#!/usr/bin/env python import rospy from sensor_msgs.msg import Image from cv_bridge import CvBridge import cv2 class ObjectDetector: def __init__(self): self.bridge = CvBridge() self.depth_sub = rospy.Subscriber('/camera/depth/image_raw', Image, self.depth_callback) def depth_callback(self, msg): try: depth_image = self.bridge.imgmsg_to_cv2(msg, desired_encoding="passthrough") # 应用深度阈值检测物体 mask = cv2.inRange(depth_image, 500, 1500) # 检测0.5m到1.5m范围内的物体 contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: if cv2.contourArea(cnt) > 1000: # 过滤小区域 x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(depth_image, (x,y), (x+w,y+h), (0,255,0), 2) cv2.imshow("Depth Detection", depth_image) cv2.waitKey(1) except Exception as e: rospy.logerr(e) if __name__ == '__main__': rospy.init_node('object_detector') od = ObjectDetector() rospy.spin()

7.2 3D环境建图

结合RTAB-Map实现室内3D建图：

roslaunch astra_camera astra.launch depth_registration:=true roslaunch rtabmap_ros rtabmap.launch \ rtabmap_args:="--delete_db_on_start" \ depth_topic:=/camera/depth_registered/image_raw \ rgb_topic:=/camera/rgb/image_raw \ camera_info_topic:=/camera/rgb/camera_info \ approx_sync:=false

7.3 手势识别开发

利用深度数据实现简单手势识别：

提取手部区域（基于深度阈值）
计算轮廓凸包和凸缺陷
根据手指数量识别不同手势
发布为ROS话题或服务

手势识别节点示例：

def process_hand(depth_image): # 假设已经通过阈值处理获得手部区域 contours, _ = cv2.findContours(hand_mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) max_contour = max(contours, key=cv2.contourArea) hull = cv2.convexHull(max_contour, returnPoints=False) defects = cv2.convexityDefects(max_contour, hull) finger_count = 0 if defects is not None: for i in range(defects.shape[0]): s,e,f,d = defects[i,0] if d > 10000: # 根据实际调整阈值 finger_count += 1 return finger_count + 1 # 手指数量=凸缺陷数+1

8. 替代方案与兼容性考虑

虽然本文聚焦Astra相机，但许多概念和技术同样适用于其他深度相机。

8.1 不同型号的配置差异

Orbbec家族其他相机（如Astra Pro、Gemini）的配置略有不同：

型号	ROS驱动包	特殊参数	备注
Astra	astra_camera	无	基础型号
Astra Pro	astra_pro_camera	`enable_pointcloud:=true`	支持更高分辨率
Gemini	gemini_camera	`enable_ldp:=false`	双红外传感器设计

8.2 与其他深度相机的对比

当Astra相机不可用时，可以考虑这些替代方案：

Intel RealSense：更成熟的SDK，但价格较高
- ROS包：realsense2_camera
- 优势：更好的文档和社区支持
Kinect v2：需要额外适配器
- ROS包：iai_kinect2
- 优势：更大的视场角
Stereo Camera：如ZED或Intel D435i
- 基于双目视觉计算深度
- 优势：室外表现更好

8.3 跨平台开发建议

如果你的项目需要支持多种相机，考虑抽象相机接口：

使用camera_info_manager统一管理标定参数
通过动态重配置实现运行时切换
设计通用的消息接口，避免硬编码话题名称

class DepthCameraInterface { public: virtual sensor_msgs::Image getDepthImage() = 0; virtual sensor_msgs::Image getColorImage() = 0; // ...其他统一接口 }; class AstraCamera : public DepthCameraInterface { // 实现Astra特定逻辑 }; class RealsenseCamera : public DepthCameraInterface { // 实现Realsense特定逻辑 };

在实际项目中，我更喜欢将相机启动配置封装到单独的launch文件中，通过参数来切换不同型号。这样当硬件升级或更换时，只需修改配置文件而不需要改动核心代码。例如，当从Astra升级到Astra Pro时，只需要将include的launch文件从astra.launch改为astra_pro.launch，并调整几个关键参数即可。

保姆级教程：在Ubuntu 20.04上搞定奥比中光Astra相机的ROS驱动（含libglog报错解决方案）