RealSense SDK 生产落地案例

五、生产落地案例

案例一：物流分拣线上的体积测量工位。背景是要在分拣线上测量包裹的长宽高，用于计费与分拣路径规划，包裹尺寸范围大、表面材质从纸箱到塑料袋都有。做法是在传送带上方架设一台 RealSense 深度相机向下拍摄，取深度帧后转成点云，把传送带平面作为基准做背景剔除，再对剩余点云求最小外接长方体得到尺寸。关键配置上，深度分辨率调到较高档位以保证小包裹的测量精度，开启空间滤波与时域滤波抑制噪声，投射器功率调到中等以兼顾纸箱与深色包装，并且固定曝光避免传送带上方照明变化影响深度一致性。效果上，在传送带速度可控的条件下测量节拍能跟上产线要求，重复测量的一致性满足计费需要。踩到的坑有三个：一是传送带表面是深色橡胶，吸光严重，导致部分区域深度缺失、基准平面拟合不稳，最终在传送带两侧加了辅助照明并改用分段拟合平面；二是透明塑料袋包装的包裹深度大面积丢失，只能通过重量数据兜底，对于这类包裹在业务上单独走人工复核；三是相机安装在震动较强的支架上，长时间运行后视角发生微小偏移，导致基准平面参数失效，后来把相机支架与传送带机架解耦安装才稳定下来。

案例二：移动机器人的三维感知与避障。背景是一台室内服务机器人，需要在人群中穿行并避开低矮障碍物，原有单线激光雷达只能扫到一个水平面，看不到矮凳、地面杂物。做法是在机器人前方加装一台 D 系列深度相机，把深度图转成点云后投影到二维代价地图，与激光雷达的数据融合。关键配置上，深度流取中等分辨率以保证帧率、开启对齐让深度与彩色同视角便于后续做语义标注、开启时域滤波降低噪声，但把时域权重设得较小以避免机器人移动时产生拖影。效果上，机器人能够识别到激光雷达看不到的低矮障碍并提前减速绕行。踩到的坑有两个：一是相机装在机器人前部靠近驱动轮的位置，轮子转动时的高频震动让深度图周期性抖动，通过加装减震垫并把相机位置前移缓解；二是机器人走到落地玻璃窗前时，深度图把玻璃当成实墙从而产生虚假障碍，最终通过融合激光雷达数据并做一致性校验，把仅由深度相机报告的远距离障碍降权处理。

这两个案例共同的结论是：RealSense 的安装质量（支架刚性、线缆质量、供电稳定性）对结果的影响，往往超过参数调整带来的收益。建议在项目开始阶段就为相机准备刚性良好、与振动源解耦的安装结构，并预留支持 USB 3 的短距离高质量线缆，这会省下后面大量的排查时间。