全文 - Isaac ROS 02 - Getting Started

Eloudy

20人浏览 · 2026-08-19 15:44:43

Eloudy · 2026-08-19 15:44:43 发布

Isaac ROS 文档翻译（续）

页面 7：单目相机标定 (Monocular Camera Calibration)

原文：https://nvidia-isaac-ros.github.io/getting_started/hardware_setup/sensors/camera_calibration.html

单目相机标定

按照「开发环境设置」中的说明设置您的开发环境。
打印一个具有已知尺寸的大型棋盘格。

本教程使用 6×8 棋盘格，方格尺寸为 200mm。标定使用棋盘格的内部顶点，因此一个「7×9」的棋盘使用如下示例中的内部顶点参数「6×8」。可以在此处下载特定尺寸的棋盘格。
克隆 ROS 2 usb_cam 包：

cd ${ISAAC_ROS_WS}/src && \
  git clone -b ros2 https://github.com/ros-drivers/usb_cam

注意：您的相机厂商可能会提供特定的 ROS 2 兼容相机驱动包，可用于替代 usb_cam 包。

使用 run_dev.sh 脚本启动 Docker 容器：

cd ${ISAAC_ROS_WS}/src/isaac_ros_common && \
  ./scripts/run_dev.sh

在容器内，构建并 source 工作空间：

cd /workspaces/isaac_ros-dev && \
  colcon build --symlink-install && \
  source install/setup.bash

运行 usb_cam 图像发布节点：

ros2 run usb_cam usb_cam_node_exe --remap __ns:=/my_camera --ros-args -p framerate:=30.0 -p image_height:=720 -p image_width:=1280

使用 run_dev.sh 脚本将另一个终端附加到 Docker 容器：

cd ${ISAAC_ROS_WS}/src/isaac_ros_common && \
  ./scripts/run_dev.sh

运行相机标定器：

ros2 run camera_calibration cameracalibrator --size 6x8 --square 0.20 image:=/my_camera/image_raw camera:=/my_camera

完成此相机标定教程中的第 6-8 步。
确保您按下 Calibrate（标定）按钮，然后按下 Save（保存）按钮。

您应该在第二个终端中看到以下行：
```
('Wrote calibration data to', '/tmp/calibrationdata.tar.gz')
```
标定文件将存储在 /tmp/calibrationdata.tar.gz。
标定文件保存后，在每个终端中输入 Ctrl+C 以停止节点。
将标定文件移动到所需位置：

cd /workspaces/isaac_ros-dev/src/<isaac_ros_metapackage>/<isaac_ros_package>/config/ && \
tar -xvf /tmp/calibrationdata.tar.gz -C ./ ost.yaml && \
mv ost.yaml camera_info.yaml

页面 8：Isaac Sim 设置 (Isaac Sim Setup)

原文：https://nvidia-isaac-ros.github.io/getting_started/isaac_sim/index.html

Isaac Sim 是 NVIDIA 基于 Omniverse 的机器人仿真平台。

Isaac Sim 可用于运行和测试 ROS 2 应用。我们有两种配置系统的方式：

软件在环 (SIL)：指被测软件不在目标硬件平台上运行。例如，在 x86 上测试 Isaac ROS 包，然后再部署到 Jetson 设备上。
硬件在环 (HIL)：指被测软件在目标硬件平台上运行。例如，在 Jetson 设备上测试 Isaac ROS 包，然后再部署。

在这两种配置中，Isaac Sim 始终在 x86_64 机器上运行，提供传感器数据与世界信息。

Isaac Sim 5.0 与 5.1

安装 Isaac Sim，选择适当的工作环境：
- Native（原生）
- Docker
- Cloud（云端）
注意：本教程假设使用 Isaac Sim 的 Native 环境。
按照「Running Native ROS」说明，确保安装了 ROS 2 和所需包，以成功启用 Omniverse Isaac Sim 中的 ROS 2 Bridge。
按照说明启动 Isaac Sim App Selector 窗口，然后点击 Open in Terminal 按钮。
如果您没有系统级 ROS 2 安装，请按照此处 ROS 2 -> Humble 下的步骤操作。

可选地，如果需要 ROS_DOMAIN_ID 来创建独立的逻辑网络，请在同一终端中运行以下命令：
```
export ROS_DOMAIN_ID=<your_domain_id>
```
启动 Isaac Sim：
```
./isaac-sim.sh
```
按如下所示打开 Isaac ROS 示例场景。
继续执行您特定 Isaac ROS 包教程中的后续步骤。

注意：如果之前设置了 ROS_DOMAIN_ID 环境变量，在运行示例应用前请确保已设置该变量。

页面 9：Docker 开发环境 (Docker Development Environment)

原文：https://nvidia-isaac-ros.github.io/concepts/docker_devenv/index.html

开发环境

Isaac ROS 开发环境在目标平台的 Docker 容器中使用 run_dev.sh 脚本运行。在您的机器上设置好包含您的包、第三方包以及一个或多个 Isaac ROS 包的 ROS 工作空间后，您可以使用此脚本启动一个包含所有系统库和依赖项的 Docker 容器，以进行构建。

run_dev.sh 设置了一个包含 ROS 2 和关键版本 NVIDIA 框架的开发环境，为 x86_64 和 Jetson 平台做好准备。此脚本为主机准备了一个支持配置的 Docker 镜像，并将您带入容器内运行的 bash 提示符。从这里，您可以执行 ROS 2 构建/运行命令，您的主机工作空间文件会被挂载到容器中，并可在主机和容器中编辑。注意：如果您在脚本运行时再次运行它，它会将一个新的 shell 附加到同一运行中的容器。

$PATH_TO_ISAAC_ROS_COMMON/scripts/run_dev.sh -d $PATH_TO_ROS_WORKSPACE

有关 run_dev.sh 参数的完整描述，请参阅此处。

镜像键 (Image Keys)

run_dev.sh 准备一个基础 Docker 镜像，并将您的目标工作空间挂载到运行中的容器。基础 Docker 镜像本身由 build_image_layers.sh 脚本组装，该脚本解析一个称为镜像键 (image key) 的点分隔字符串。镜像键指定了要按顺序构建为层的一系列匹配 Dockerfile。

build_image_layers.sh 将对应的 Dockerfile 与镜像键匹配。例如，镜像键 first.second.third 可以匹配 { Dockerfile.first, Dockerfile.second, Dockerfile.third }，run_dev.sh 将构建 Dockerfile.first 的镜像，然后使用该镜像作为基础镜像构建 Dockerfile.second，依此类推。文件匹配会寻找最大子序列，因此 first.second.third 也可以匹配 { Dockerfile.first.second, Dockerfile.third }，具体取决于搜索路径中存在哪些文件。

预构建镜像

作为调用 run_dev.sh 时构建镜像准备的一部分，Dockerfile 将与目标镜像键匹配。确定 Dockerfile 后，build_image_layers.sh 将检查远程 Docker 仓库中是否存在与匹配 Dockerfile 哈希值匹配的镜像。如果存在，它将拉取该镜像并使用它，而不是尝试在本地构建镜像。如果您更改了任何 Dockerfile 的内容，您可能会更改哈希值，并导致 build_image_layers.sh 在本地重新构建 Docker 镜像。

NVIDIA 在 NVCR (NVIDIA Container Registry) 上为标准镜像键 aarch64.ros2_humble 和 x86_64.ros2_humble 提供预构建的 Docker 镜像，以方便用户使用。如果您本地副本的 Dockerfile.x86_64、Dockerfile.aarch64 和 Dockerfile.ros2_humble 与这些预构建镜像的哈希内容匹配，run_dev.sh 将找到并下载它们作为构建基础，而不是从头开始。

以下在 .isaac_ros_common-config 中配置的键可让您确定将检查哪些远程仓库。示例 .isaac_ros_common-config 文件：

CONFIG_IMAGE_KEY=ros2_humble.mine
CONFIG_DOCKER_SEARCH_DIRS=(../ros_ws/src/isaac_ros_common/docker ../lib/src/gxf/docker)
CONFIG_CONTAINER_NAME_SUFFIX=mysuffix
BASE_DOCKER_REGISTRY_NAMES=("nvcr.io/isaac/ros" "some.other/image/name")

离线开发环境

如果您之前已经构建了基础镜像，并且希望 run_dev.sh 不要尝试重建基础镜像或执行任何可能需要互联网连接的操作，您可以使用 -b/--skip_image_build 参数以离线方式运行。

页面 10：Isaac ROS Common 仓库

原文：https://nvidia-isaac-ros.github.io/repositories_and_packages/isaac_ros_common/index.html

概述

Isaac ROS Common 仓库包含一系列用于构建、测试和使用 Isaac ROS 的基本包。

有关已知问题的解决方案，请参阅「故障排除」部分。

支持的平台

此包设计并测试为与在以下平台上运行的 ROS 2 Jazzy 兼容：

Jetson
配备 NVIDIA GPU 的 x86_64 系统
DGX Spark 工作站

其他基于 GB10 的平台可能可以运行，但不在测试矩阵中，我们无法保证其行为。

Isaac ROS 环境

为简化开发，我们强烈建议利用 Isaac ROS CLI，按照以下步骤操作。这可以简化所有支持平台上依赖项正确版本的开发环境设置。

注意：所有 Isaac ROS 快速入门、教程和示例都设计为以 Isaac ROS CLI 管理的环境为前提。

自定义开发环境

要自定义开发环境，请参阅本指南。

更新日志

日期	变更
2026-04-30	兼容性和集成更新，适用于 Isaac ROS 4.4.0 版本
2026-03-23	引入 SIPL 相机框架和 LI Eagle 立体 CoE/HSB 相机的早期支持
2026-02-19	支持 DGX Spark 和 JetPack 7.1
2026-02-02	支持两种新的 Docker 可选开发和部署模式
2025-10-24	支持 ROS 2 Jazzy，将 Docker 开发容器功能移至 Isaac ROS CLI
2024-12-10	重构 Dockerfile
2024-09-26	更新至 Isaac ROS 3.1
2024-05-30	更新以兼容 JetPack 6.0
2023-10-18	更新至 Isaac ROS 2.0.0
2023-05-25	刷新 ROS 2 Humble
2023-04-05	实验性支持 WSL2，合并镜像键 `humble` 和 `nav2` 为 `ros2_humble`
2022-10-19	次要更新和错误修复
2022-08-31	更新以兼容 JetPack 5.0.2
2022-06-30	支持 ROS 2 Humble 和杂项错误修复
2022-06-16	更新 `run_dev.sh` 并移除 `isaac_ros_nvengine`
2021-10-20	迁移至 NVIDIA-ISAAC-ROS，添加 `isaac_ros_nvengine` 和 `isaac_ros_nvengine_interfaces` 包
2021-08-11	初始发布至 NVIDIA-AI-IOT

页面 11：Isaac ROS Visual SLAM

原文：https://nvidia-isaac-ros.github.io/repositories_and_packages/isaac_ros_visual_slam/index.html

概述

Isaac ROS Visual SLAM 提供了一个高性能、同类最佳的 ROS 2 包，用于 VSLAM（视觉同步定位与建图）。此包使用一个或多个立体相机，并可选择性地使用 IMU 来估计里程计，作为导航的输入。它通过 GPU 加速，在机器人应用中提供实时、低延迟的结果。VSLAM 为移动机器人（地面）提供额外的里程计来源，并可作为无人机的主要里程计来源。

VSLAM 提供了一种视觉估计机器人相对于其起始位置位置的方法，称为 VO（视觉里程计）。这在 GPS 不可用（如室内）或间歇性可用（如城市环境中建筑物阻挡 GPS 卫星视线）的环境中特别有用。此方法设计为使用多个立体相机帧和 IMU（惯性测量单元）作为输入。它使用立体图像对来寻找匹配的关键点。利用相机对之间的基线，它可以估计到关键点的距离。使用连续的图像，VSLAM 可以跟踪关键点的运动以估计相机的 3D 运动——然后用于计算里程计作为导航的输出。与经典的 VSLAM 方法相比，此方法使用 GPU 加速来实时查找和匹配更多关键点，并进行微调以最小化整体重投影误差。

关键点依赖于图像中的独特特征，这些特征可以在尺寸、方向、视角、光照和图像噪声变化的情况下被重复检测。在某些情况下，关键点的数量可能有限或完全不存在；例如，如果相机视野只看着一堵大的纯色墙，可能不会检测到任何关键点。如果关键点不足，此模块将使用 IMU 感知的运动来提供运动传感器，当测量时，可以提供里程计的估计。这种方法称为 VIO（视觉惯性里程计），在场景中缺乏可跟踪运动的独特特征时，可以提高估计性能。

准确性

VSLAM 是一个同类最佳的包，在 KITTI Visual Odometry / SLAM Evaluation 2012 上测量，具有最低的平移和旋转误差，适用于实时应用。

方法	运行时间	平移误差	旋转误差	平台
VSLAM	0.007s	0.94%	0.0019 deg/m	Jetson AGX Xavier `aarch64`
ORB-SLAM2	0.06s	1.15%	0.0027 deg/m	2 cores @ >3.5 GHz `x86_64`

除了标准基准测试的结果外，我们还在超过 1000 米的序列上测试 VSLAM 的闭环检测，覆盖室内和室外场景。

包

isaac_ros_visual_slam
- Quickstart
- Try More Examples
- Coordinate Frames
- Troubleshooting
- API
isaac_ros_visual_slam_interfaces

相机系统要求

向此包提供数据的相机系统必须遵守以下规范：

规格	要求规格
最低目标图像帧率	30 赫兹
图像帧率中允许的最大抖动	+/- 2 毫秒
立体相机内图像之间的最大预期偏移	+/- 100 微秒
立体相机之间图像的最大预期偏移	+/- 100 微秒