企业官网建设流程全解析

1. 为什么要在 Jetson Orin 上折腾 RealSense 加 ROS2

如果你手上正好有一块 Jetson Orin 系列（不管是 Orin Nano、Orin NX 还是 AGX Orin），又碰巧拿到了一台 Intel RealSense D435i 或者 D455，打算跑机器人视觉、SLAM、机械臂抓取这类项目，那大概率绕不开 ROS2 这套中间件。问题在于，这三样东西凑在一起，坑比想象中多得多：Jetson 是 ARM64 架构，RealSense 官方 SDK 在 x86 上顺风顺水，到了 ARM 上就得自己编译内核模块；ROS2 的版本又和 Ubuntu 版本强绑定，装错一个版本，后面全是连锁反应。

我自己前前后后在 Orin Nano 和 Orin NX 上搭过好几套环境，从 JetPack 5.1 到 6.x，从 ROS2 Foxy 到 Humble，踩过的坑基本能写一本小册子。这篇就把整个流程从头到尾捋一遍，重点放在那些官方文档不会告诉你、但实际一定会卡住你的地方。目标很明确：让你在一块全新的 Orin 上，从刷机后的干净系统开始，一路走到能在 RViz2 里看到 RealSense 的点云和图像，中间不用反复重装系统。

适合谁看？如果你是完全没接触过 ROS2 的新手，这篇能当入门实操手册用；如果你已经会 ROS2 但第一次在 ARM 平台上搞 RealSense，那避坑部分对你价值最大。整篇内容基于 JetPack 6.x 加 Ubuntu 22.04 加 ROS2 Humble 这套目前最稳的组合来写，其他版本我会在对应位置标注差异。

先说结论性的判断：在 Jetson Orin 上搭 RealSense 加 ROS2，最大的三个坑分别是内核模块编译、ROS2 版本与 apt 源匹配、以及 USB 带宽与供电。这三个问题解决了，剩下的都是常规操作。下面按顺序拆。

2. 环境整体设计与版本选型思路

2.1 先定版本，别急着敲命令

很多人一拿到板子就急着apt install，结果装到一半发现版本对不上，只能重来。Jetson 平台的版本选择有一条硬约束链：JetPack 版本决定 Ubuntu 版本，Ubuntu 版本决定 ROS2 版本，ROS2 版本又影响 RealSense 的 ROS2 包兼容性。这条链上任何一环错位，后面都要返工。

目前主流的搭配是这样的：

我强烈建议新手直接上JetPack 6.x + Ubuntu 22.04 + ROS2 Humble。原因很简单：Humble 是 LTS 版本，官方维护到 2027 年，社区资料最全，ros-humble-realsense2-camera这个包在 ARM64 上有现成的 apt 源，不用自己编译 ROS 侧的代码。Foxy 虽然也能用，但已经停止维护，遇到问题搜到的答案越来越少。

至于 Jazzy，它在 x86 上已经很成熟了，但 ARM64 的预编译包覆盖度还不如 Humble，RealSense 相关的包有时候要自己编，对新手不友好。除非你有明确的理由必须用新版本，否则 Humble 是性价比最高的选择。

2.2 为什么 RealSense 在 ARM 上要单独编译内核模块

这是整个流程里最容易被低估的一环。RealSense 的深度相机依赖几个内核模块：uvcvideo、videodev、hid_sensor_*等。在 x86 的 Ubuntu 上，这些模块通常已经随内核打包好了，插上相机就能识别。但 Jetson 用的是 NVIDIA 定制的内核（基于 Tegra 平台），默认内核配置里没有开启 RealSense 需要的某些 UVC 元数据支持，尤其是CONFIG_VIDEO_UVC_METADATA这类选项。

结果就是：你插上 D435i，lsusb能看到设备，但rs-enumerate-devices报错，或者只能出彩色图出不了深度图。这不是驱动没装，而是内核模块的元数据通道没打通。解决办法有两个：一是用 RealSense 官方提供的patch-realsense-ubuntu-L4T.sh脚本给内核打补丁后重新编译模块，二是升级到较新的 JetPack 版本，NVIDIA 已经在新内核里默认开启了这些选项。

我实测下来，JetPack 6.x 的内核已经基本满足要求，但为了保险，还是建议跑一遍官方的内核补丁脚本，把该开的选项都确认一遍。这个脚本在librealsense仓库的scripts目录下，专门针对 L4T（Linux for Tegra）平台。

2.3 ROS2 与 DDS 的关系，为什么会影响 RealSense 使用

ROS2 底层用的是 DDS 做通信，Jetson 上默认的 DDS 实现（通常是 Fast DDS 或 Cyclone DDS）对网络配置比较敏感。RealSense 的 ROS2 节点会发布图像、深度、点云等多种话题，数据量很大，如果 DDS 的缓冲区配置不当，会出现话题能列出但收不到数据、或者 RViz2 里画面卡顿的情况。

这不是 RealSense 本身的问题，而是 DDS 在大数据量场景下的调优问题。后面在实操部分我会给出具体的环境变量配置，把 DDS 的共享内存和缓冲区调大，能明显改善点云传输的流畅度。这一点在官方教程里基本不会提，但实际做机械臂抓取或者 SLAM 时，点云卡顿会直接导致算法失效。

3. 系统准备与基础环境搭建

3.1 刷机后的第一件事：确认系统状态

假设你已经用 SDK Manager 刷好了 JetPack，系统第一次启动进入 Ubuntu 桌面。先别急着装东西，打开终端确认几个关键信息：

# 确认 L4T 版本 cat /etc/nv_tegra_release # 确认 Ubuntu 版本 lsb_release -a # 确认内核版本 uname -r # 确认架构 dpkg --print-architecture

dpkg --print-architecture应该输出arm64。如果输出amd64，说明你拿错机器了。/etc/nv_tegra_release会显示类似# R36 (release), REVISION: 3.0的信息，R36 对应 JetPack 6.x，R35 对应 JetPack 5.x。

注意：Jetson Orin Nano 出厂可能预装的是较老的 JetPack，如果你拿到的是二手板子或者别人刷过的，务必先确认版本，避免后面 apt 源对不上。

3.2 换源与基础依赖安装

Jetson 默认的 apt 源在国内访问速度一般，建议换成国内镜像源。但这里有个坑：Jetson 的源和普通 Ubuntu 的源不一样，它需要包含 NVIDIA 的 L4T 仓库。如果你直接把 x86 Ubuntu 的源贴进去，会破坏系统。

正确的做法是只替换 Ubuntu 的 ports 源部分，保留 NVIDIA 的源。具体操作：

# 备份原源 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak # 查看当前源内容，确认哪些是 ubuntu ports，哪些是 nvidia cat /etc/apt/sources.list

通常 Jetson 的源文件里会有ports.ubuntu.com这样的地址，把它替换成国内镜像即可。NVIDIA 的repo.download.nvidia.com那几行不要动。

换完源之后，安装基础依赖：

sudo apt update sudo apt upgrade -y sudo apt install -y \ build-essential \ cmake \ git \ wget \ curl \ libssl-dev \ libusb-1.0-0-dev \ libudev-dev \ pkg-config \ libgtk-3-dev \ libglfw3-dev \ libgl1-mesa-dev \ libglu1-mesa-dev \ python3-dev \ python3-pip

这些依赖里，libusb-1.0-0-dev和libudev-dev是 RealSense 编译必需的，libgtk-3-dev和libglfw3-dev是 RealSense Viewer 需要的。少装一个，编译到一半就会报错。

3.3 安装 ROS2 Humble 的正确姿势

ROS2 Humble 在 Ubuntu 22.04 上的安装，官方文档写得很清楚，但 Jetson 上有个特殊点：ROS2 的 apt 源需要确认有 arm64 的包。Humble 的官方源是支持 arm64 的，所以直接按官方步骤走就行。

# 添加 ROS2 源 sudo apt install -y software-properties-common sudo add-apt-repository universe sudo apt update && sudo apt install -y curl sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key \ -o /usr/share/keyrings/ros-archive-keyring.gpg echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] \ http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | \ sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null sudo apt update

这里有个网络问题：raw.githubusercontent.com在国内访问可能不稳定。如果卡住，可以手动下载 key 文件，或者用其他方式获取。key 文件的作用是验证包的签名，不能跳过。

安装 ROS2 基础包：

sudo apt install -y ros-humble-desktop

ros-humble-desktop包含了 RViz2、demo 节点、教程等，适合开发用。如果空间紧张，可以只装ros-humble-ros-base，但那样就没有 RViz2 了，后面看 RealSense 数据会不方便。

安装完成后，配置环境变量：

echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc source ~/.bashrc

验证安装：

ros2 run demo_nodes_cpp talker

另开一个终端：

ros2 run demo_nodes_py listener

如果能看到 talker 发的消息被 listener 收到，说明 ROS2 基础环境没问题。这一步很重要，不要跳过验证直接装 RealSense，否则后面出问题分不清是 ROS2 的问题还是 RealSense 的问题。

实操心得：如果你用的是鱼香 ROS 的一键安装脚本，确实能省事，但脚本会修改一些系统配置。在 Jetson 上我建议还是手动装，因为一键脚本对 ARM 平台的支持不一定完善，出问题不好排查。

4. RealSense 驱动与 ROS2 包的完整部署

4.1 内核模块补丁：最关键的一步

前面说过，Jetson 的内核默认可能缺少 RealSense 需要的 UVC 元数据支持。RealSense 官方提供了一个针对 L4T 的补丁脚本，在librealsense仓库里。先克隆仓库：

cd ~ git clone https://github.com/IntelRealSense/librealsense.git cd librealsense

然后运行 L4T 补丁脚本：

./scripts/patch-realsense-ubuntu-L4T.sh

这个脚本会做几件事：检查当前内核版本、下载对应版本的内核源码、打上 RealSense 需要的补丁、重新编译uvcvideo等模块。整个过程比较长，在 Orin Nano 上大概要 20 到 40 分钟，取决于 SD 卡速度。

脚本执行过程中可能会遇到几个问题：

• 内核源码下载失败：脚本会从 NVIDIA 的源下载内核源码，网络不好会卡住。可以手动下载后放到指定目录。
• 编译报错缺少依赖：通常是libssl-dev或flex、bison没装，补上即可。
• 脚本提示内核版本不匹配：如果你用的是 JetPack 6.2 这种很新的版本，脚本可能还没更新支持。这时候可以跳过补丁，直接测试相机是否能出深度图，如果能出就不用打补丁。

补丁打完，重启系统：

sudo reboot

重启后验证模块是否加载：

lsmod | grep uvcvideo

应该能看到uvcvideo模块。如果没看到，说明补丁没生效，需要回头检查。

4.2 编译安装 librealsense SDK

内核模块搞定后，编译 RealSense 的 SDK。这一步在 ARM 上比 x86 慢很多，Orin Nano 上大概要 30 到 60 分钟。

cd ~/librealsense mkdir build && cd build cmake .. -DBUILD_EXAMPLES=true \ -DFORCE_RSUSB_BACKEND=false \ -DBUILD_WITH_CUDA=true \ -DCMAKE_BUILD_TYPE=Release make -j$(nproc) sudo make install

几个关键参数解释一下：

• -DBUILD_EXAMPLES=true：编译示例程序，包括rs-enumerate-devices和realsense-viewer，方便测试。
• -DFORCE_RSUSB_BACKEND=false：这个参数很关键。RSUSB 后端是不依赖内核模块的纯用户态驱动，但性能不如内核态。既然我们已经打了内核补丁，就用内核态，性能更好。如果补丁没成功，可以改成true作为备选方案。
• -DBUILD_WITH_CUDA=true：Jetson 有 CUDA，开启后某些处理可以用 GPU 加速。但注意，这个选项有时候会导致编译报错，如果报错就改成false。
• -DCMAKE_BUILD_TYPE=Release：Release 模式编译，性能更好，编译时间也更短。

编译完成后，配置 udev 规则，让普通用户也能访问相机：

sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules && sudo udevadm trigger

然后重新插拔相机，测试：

rs-enumerate-devices

如果能看到 D435i 的详细信息，包括序列号、固件版本、支持的分辨率，说明 SDK 安装成功。

注意：如果rs-enumerate-devices报No device connected，先检查 USB 连接。Jetson Orin Nano 的 USB 口供电能力有限，D435i 最好用带供电的 USB Hub，或者插在供电充足的 USB 3.0 口上。我遇到过好几次因为供电不足导致设备时认时不认的情况。

4.3 安装 RealSense 的 ROS2 包

SDK 装好后，ROS2 包就简单了。Humble 有现成的 apt 包：

sudo apt install -y ros-humble-realsense2-camera ros-humble-realsense2-description

realsense2-camera是驱动节点，realsense2-description是 URDF 描述文件，后面在 RViz2 里显示相机模型会用到。

如果你用的 ROS2 版本没有现成的 apt 包，或者想用最新版，可以从源码编译：

cd ~/ros2_ws/src git clone https://github.com/IntelRealSense/realsense-ros.git -b ros2-development cd ~/ros2_ws rosdep install -i --from-path src --rosdistro humble -y colcon build --symlink-install

源码编译的好处是可以用最新的功能和修复，坏处是每次更新都要重新编译。新手建议先用 apt 包，稳定优先。

4.4 启动相机节点并验证数据

启动 RealSense 的 ROS2 节点：

ros2 launch realsense2_camera rs_launch.py

默认会启动彩色、深度、红外等多个流。如果只想启动深度和彩色：

ros2 launch realsense2_camera rs_launch.py \ enable_color:=true \ enable_depth:=true \ enable_infra1:=false \ enable_infra2:=false \ enable_gyro:=false \ enable_accel:=false

D435i 带 IMU，如果不用 IMU 可以关掉，减少数据量和 CPU 占用。

另开终端查看话题：

ros2 topic list

应该能看到/camera/color/image_raw、/camera/depth/image_rect_raw、/camera/color/camera_info等话题。查看帧率：

ros2 topic hz /camera/color/image_raw

正常应该在 30Hz 左右。如果帧率很低或者话题没有数据，参考后面的排查部分。

在 RViz2 里查看点云：

rviz2

在 RViz2 里添加 PointCloud2 显示，话题选/camera/depth/color/points，Fixed Frame 设为camera_link。如果能看到彩色的点云，恭喜你，环境搭好了。

5. 常见问题与排查技巧实录

5.1 相机识别不到或时认时不认

这是最高频的问题。表现是lsusb能看到 Intel 的设备，但rs-enumerate-devices报错，或者 ROS2 节点启动后话题没有数据。

排查顺序：

1. 检查 USB 连接：D435i 必须用 USB 3.0 线，且线材质量要好。劣质线材会导致带宽不足，深度流无法启动。换一根官方线或者确认支持 3.0 的线试试。
2. 检查供电：Orin Nano 的 USB 口供电有限，如果同时接了其他外设，相机可能供电不足。用带外部供电的 USB Hub。
3. 检查 udev 规则：确认99-realsense-libusb.rules已经复制到/etc/udev/rules.d/，并且执行了udevadm trigger。
4. 检查内核模块：lsmod | grep uvcvideo确认模块加载。如果没加载，重新跑补丁脚本。

我遇到过一次特别诡异的情况：相机在 Orin NX 上正常，换到 Orin Nano 上就不认。最后发现是 Orin Nano 的某个 USB 口和相机的 USB 控制器兼容性问题，换一个口就好了。所以换口测试是排查硬件问题的第一步。

5.2 深度图能出但点云卡顿

点云卡顿通常不是相机的问题，而是 DDS 传输的问题。ROS2 默认的 DDS 配置对大数据量话题不够友好。解决办法是调整 DDS 参数。

如果用 Fast DDS，可以设置环境变量：

export RMW_IMPLEMENTATION=rmw_fastrtps_cpp export FASTRTPS_DEFAULT_PROFILES_FILE=~/fastdds_profile.xml

然后创建一个配置文件fastdds_profile.xml：

<?xml version="1.0" encoding="UTF-8"?> <profiles xmlns="http://www.eprosima.com/XMLSchemas/fastRTPS_Profiles"> <transport_descriptors> <transport_descriptor> <transport_id>UdpTransport</transport_id> <type>UDPv4</type> <sendBufferSize>1048576</sendBufferSize> <receiveBufferSize>1048576</receiveBufferSize> </transport_descriptor> </transport_descriptors> <participant profile_name="participant_profile" is_default_profile="true"> <rtps> <userTransports> <transport_id>UdpTransport</transport_id> </userTransports> <useBuiltinTransports>false</useBuiltinTransports> </rtps> </participant> </profiles>

把发送和接收缓冲区调到 1MB，能明显改善点云传输。另外，如果不需要跨机器通信，可以用共享内存传输，速度更快。

5.3 ROS2 命令找不到或环境变量失效

ros2: command not found这个问题，九成是环境变量没 source。检查~/.bashrc里有没有source /opt/ros/humble/setup.bash。如果有但还是不行，可能是 ROS2 没装成功，重新执行安装步骤。

另一个常见情况是：装了 ROS2 之后又装了其他软件，把~/.bashrc覆盖了。所以建议把 source 命令放在~/.bashrc的最后，或者单独写一个~/.ros2_env文件，在~/.bashrc里 source 它。

5.4 常见问题速查表

5.5 几个独家避坑技巧

技巧一：先测试再编译。在编译 librealsense 之前，先用realsense-viewer（如果 JetPack 里有预装的）或者简单的 Python 脚本测试相机是否能出图。如果相机本身有问题，编译再久也没用。

技巧二：保留一份可用的系统镜像。Jetson 上折腾环境，很容易把系统搞乱。建议在环境搭好后，用dd或者 SDK Manager 备份一份镜像。下次出问题直接恢复，比重新搭快得多。

技巧三：注意散热。Orin Nano 在编译 librealsense 时 CPU 满载，如果散热不好会降频，编译时间翻倍。加个风扇或者确保散热片接触良好。

技巧四：ROS2 的 QoS 设置。RealSense 的图像话题默认用SENSOR_DATAQoS，这种 QoS 不保证可靠传输，但延迟低。如果你在 RViz2 里看不到图像，检查 QoS 设置是否匹配。RViz2 里可以手动设置 QoS 策略。

6. 从环境搭建到实际项目的延伸

6.1 用 RealSense 做机械臂抓取的前置准备

环境搭好后，下一步通常是做视觉抓取。D435i 在机械臂场景里很常见，因为它有 IMU，可以做手眼标定。在 ROS2 里，你需要额外安装ros-humble-realsense2-description来获取相机的 URDF，然后配合robot_state_publisher和tf2做坐标变换。

手眼标定的核心是确定相机坐标系和机械臂末端坐标系的关系。常用工具是easy_handeye2或者moveit的标定功能。这部分内容展开又是一大篇，这里只提一个关键点：标定前确保 RealSense 的内参已经正确读取。可以用rs-enumerate-devices -c查看相机内参，或者在 ROS2 里订阅/camera/color/camera_info话题。

6.2 点云与八叉树地图导航

如果你打算用 RealSense 做导航，点云转八叉树地图是常见流程。ROS2 里有octomap_server2或者octomap的 ROS2 移植版。RealSense 的点云话题可以直接喂给 octomap 节点，生成三维占据栅格地图。

这里有个性能问题：D435i 的点云数据量很大，直接喂给 octomap 会占用大量 CPU。建议先做降采样，用pcl_ros的 VoxelGrid 滤波器把点云稀疏化，再送给 octomap。在 Orin 上，还可以用 CUDA 加速点云处理，但需要自己写节点或者用现成的 GPU 版本 PCL。

6.3 在 Orin 上跑视觉模型的注意事项

很多人搭 RealSense 环境是为了跑视觉模型，比如 YOLO 或者分割网络。Orin 有 GPU，跑推理没问题，但要注意：RealSense 的 ROS2 节点和推理节点会抢 CPU 和内存。建议把相机节点的分辨率调低，或者用硬件编码的流。

另外，ROS2 的图像传输如果走 DDS，会有序列化和反序列化的开销。如果推理节点和相机节点在同一台机器上，可以用image_transport的compressed或者raw模式，减少开销。更激进的做法是直接用共享内存传图像，但这需要自己写节点。

6.4 后续可以扩展的方向

环境搭好只是起点。基于这套环境，你可以做很多事情：SLAM 建图（用slam_toolbox或rtabmap）、目标检测与跟踪、三维重建、机械臂视觉伺服等。每个方向都有对应的 ROS2 包，大部分在 Humble 上都有支持。

我个人建议先从rtabmap入手，它集成了 RealSense 的驱动，能直接出三维地图和定位结果，适合快速验证环境是否真的可用。跑通rtabmap之后，再根据自己的项目需求深入。

最后分享一个我在实际使用中的体会：Jetson Orin 加 RealSense 这套组合，硬件本身很强大，但软件生态的成熟度还比不上 x86 加 Ubuntu 的组合。遇到问题的时候，多去 GitHub 的 issue 区搜，很多坑别人已经踩过并且给出了解决方案。另外，保持系统干净，不要装太多无关的包，能减少很多依赖冲突。环境搭好后，第一时间做备份，这个习惯能帮你省下大量重装的时间。