UR5/UR5e 安装 RealSense D435 法兰/卡箍的3D模型 ，可直接用于3D打印，压缩包内包含.stl格式.obj格式用于3D打印，还包含.svg格式用于激光切割，具体形状可以看我的帖子

UR5/UR5e 安装 RealSense D435 法兰/卡箍的3D模型（多种高度可调节型） ，可直接用于3D打印，压缩包内包含.stl格式.用于3D打印，还包含SLDPRT格式可用SOLIDWORKS打开，具体形状可以看我的帖子

包含打印的标注物，以及原始的文档资料、标注软件等。

C# RealSense获取图像流Demo，环境为VS2019

ORB_SLAM需要修改的部分包括CMakelist.txt和rgbd_tum.cc，这部分需要较大改动。首先看rgbd_tum.cc，由于我们打算完成一个实时系统，所以不在需要数据的读取、color和depth的匹配；可以省去相当部分的工作。最后展示所有的rgbd_tum.cc代码

使用英特尔D435实感摄像头，在Opencv DNN框架下基于Yolov3框架实现目标检测，并根据深度信息实现对异物的3D定位。 实时显示摄像机坐标系中的坐标。 异议检测和位置RealsenseD435要求C ++版本Ubuntu18.04或16.04 Opencv 4.x C ++ 11_std至少，我在绝对路径/ usr / local / eigen3中使用了C ++ 17 std Eigen3：Cmake> = 3.17 PCL lib> = 1.7.1 Intel Realsense SDK> = 2.0 Yolov3，由Darknet Python版本pyrealsense2.x Opencv-python numpy与C ++版本相同，必须已安装realsense D435的SDK如何使用C ++ git clone https://github.com / Mazhichaoruya /异议检测和定位Rea

Grasping_Franka 使用Franka Emika和RealSense D435进行机器人抓取

本人使用过一段时间的realsense D435 因为能力有限，写出来代码有很多缺陷，打包起来的d435的功能也并不是很全面

基于ROS的基于深度学习的机器人垃圾箱视觉系统的开发和评估 Aubo i5双臂协作机器人-RealSense D435-3D对象姿势估计-ROS 一个用于使用新颖的体系结构和数据生成管道来检测和估计已知对象的6自由度姿态的软件包，该管道使用具有英特尔Realsense D435i摄像机的Aubo i5协作机器人中的最新算法DOPE。 神经网络包括几个步骤，以细化和估计每个对象的3D边界长方体的投影顶点的2D坐标。 然后将这些顶点用于通过PnP输出最终姿态，并具有已知的相机固有尺寸和物体尺寸。 与基于真实世界数据训练的神经网络相比，仅根据照片级真实感数据训练的神经网络可以获得最先进的结果，并且

MobileNet-SSD-RealSense RaspberryPi3（Raspbian Stretch）或Ubuntu16.04 / UbuntuMate +神经计算棒（NCS / NCS2）+ RealSense D435（或USB Camera或PiCamera）+ MobileNet-SSD（MobileNetSSD） 【公告】2018年12月19日，OpenVINO支持RaspberryPi + NCS2！ 【2018年12月31日】完成与NCS2的USB Camera + MultiStick + MultiProcess mode对应。 【2019年1月4日】演出四次。