机器人感知

解决什么实际问题

机器人感知链路容易在真实硬件上断裂：传感器没标定、时间戳没对齐、缓冲没做好，或者模型在边缘端跑不起来。RobotPerception 用来补齐从传感器接入到模型部署的中间层，让你能处理相机、LiDAR 和深度设备的数据，而不是只靠仿真。

核心能力与关键步骤

• 传感器接入与配置：按设备类型选择 SDK/Driver 和对应 ROS2 Package，处理 pyrealsense2、pyzed 等常见驱动接入。
• 数据流水线搭建：构建 RGB、深度图和点云的处理流程，处理线程、缓冲和丢帧问题。
• 标定与对齐：完成内参、外参和手眼标定，解决多传感器之间的时间和空间错位。
• 感知算法实现：落地目标检测、分割和跟踪，并做多模态数据融合。
• 部署与调试：把感知模型部署到机器人硬件的 GPU 或边缘端，定位延迟、丢帧和配准偏差。

适用边界与注意点

技能偏向工程落地，不是通用视觉平台。需要你的环境里有对应硬件、驱动和 ROS2 包；标定质量依赖标定板和采集数据，算法效果受边缘端算力限制。复杂场景仍需调参，硬件依赖不解决，再好的流水线也跑不起来。