# 使用 `sample_depth_estimation` 估计图像深度值
`sample_depth_estimation` 示例应用程序接受名为 `input_image.jpg` 的 RGB 图像，或订阅来自 `qrb_ros_camera` 节点的 `/cam0_stream1` 主题作为输入。它使用 Qualcomm® AI Engine Direct SDK (QNN) 进行推理，并将结果发布到 `/depth_map` 主题，其中包含每个像素的深度值。
Note
- 如需了解更多信息，请参阅 [sample_depth_estimation](https://github.com/qualcomm-qrb-ros/qrb_ros_samples/tree/jazzy-rel/ai_vision/sample_depth_estimation) GitHub 代码仓库。
- 该模型源自 [Depth Anything V2](https://aihub.qualcomm.com/iot/models/depth_anything_v2?searchTerm=depth&domain=Computer+Vision) 模型，其中深度指的是从摄像头到图像中每个点的距离，该距离使用深度卷积神经网络进行估计。
## `sample_depth_estimation` 的 pipeline 流
## `sample_depth_estimation` pipeline 中使用的 ROS 节点
| ROS 节点 | 说明 |
| --- | --- |
| `sample_depth_estimation` | 一个基于 Python 的 ROS 2 Jazzy 软件包，用于处理每个像素的深度值。此 ROS 节点订阅图像主题，并在预处理和后处理后发布深度估计结果主题。 |
| `qrb_ros_camera` | Qualcomm ROS 2 软件包，可采集带有参数的图像并将其发布到 ROS topic。 |
| `qrb_ros_nn_inference` | ROS 节点加载训练的 AI 模型，接收预处理的图像，执行推理并发布结果。 |
| `image_publisher` | 一个 ROS 2 Jazzy 软件包，用于发布包含本地路径的图像 ROS topic。如需了解更多信息，请参阅 [image_publisher](https://github.com/ros-perception/image_pipeline)。 |
## `sample_depth_estimation` pipeline 中使用的 ROS topic
| ROS Topic | 类型 | 说明 |
| --- | --- | --- |
| `/image_raw` | `sensor_msgs.msg.Image` | 公共图像信息。 |
| `/qrb_inference_input_tensor` | `qrb_ros_tensor_list_msgs.msg.TensorList` | 预处理消息。 |
| `/qrb_inference_output_tensor` | `qrb_ros_tensor_list_msgs.msg.TensorList` | 后处理消息。 |
| `/depth_map` | `sensor_msgs.msg.Image` | 包含以色图形式呈现的每个像素的深度值。 |
## 前提条件
已在 [搭建运行示例应用程序的环境](https://docs.qualcomm.com/doc/80-70022-265Y/topic/quick_start.html#setup-demo-qs) 中完成以下设置。
- 设置设备
- 设置主机 Docker 程序
## 运行开箱即用的 `sample_depth_estimation`
1. 在开发套件中，运行以下命令：
>
>
> # setup runtime environment
> (ssh) source /usr/share/qirp-setup.sh -m
> (ssh) export ROS_DOMAIN_ID=55
>
> (ssh) ros2 launch sample_depth_estimation launch_with_image_publisher.py
> # or you can also replace this with a custom image file or model path
> (ssh) ros2 launch sample_depth_estimation launch_with_image_publisher.py image_path:= model_path:=
> # or you can launch with qrb ros camera
> (ssh) ros2 launch sample_depth_estimation launch_with_qrb_ros_camera.py
> Copy to clipboard
2. 在主机的终端中，运行以下命令：
1. 启动终端，运行以下命令以查看深度估计结果。
(ssh) export ROS_DOMAIN_ID=55
(ssh) ros2 topic echo /sample_container/depth_map
Copy to clipboard
2. 启动 `rqt` 在主机 docker 上查看深度估计结果，有关更多信息，请参阅 [rqt](https://wiki.ros.org/rqt)。
# YOUR_HOST_IP is the IP address of the Host where you want to view the sample output.
(ssh) export DISPLAY=YOUR_HOST_IP:0
(ssh) export ROS_DOMAIN_ID=55
(ssh) rqt
Copy to clipboard
3. 按顺序选择以下按钮。
Plugins --> Visualization --> Image View
4. 在 rqt gui 上手动选择主题 `/sample_container/depth_map`，然后图片在 `rqt` 上成功显示。
## 编译并运行 `sample_depth_estimation`
1. 在主机的终端中，运行以下命令：
1. 编译示例应用程序项目。
(ssh) cd /target/qcs9075-iq-9075-evk/qirpsdk_artifacts/qcs9075-iq-9075-evk
(ssh) tar -zxf qirp-sdk_.tar.gz
(ssh) cd /qirp-sdk
(ssh) source setup.sh
# build sample
(ssh) cd /qirp-samples/ai_vision/sample_depth_estimation
(ssh) colcon build
Copy to clipboard
2. 打包示例应用程序并将其推送至设备。
# package and push build result of sample
(ssh) cd ./install/sample_depth_estimation
(ssh) tar -czvf sample_depth_estimation.tar.gz lib share
(ssh) scp sample_depth_estimation.tar.gz root@[ip-addr]:/opt/
Copy to clipboard
2. 在开发套件中，运行以下命令：
1. 安装示例应用程序。
# Remount the /usr directory with read-write permissions
(ssh) mount -o remount rw /usr
# Install sample package
(ssh) tar --no-overwrite-dir --no-same-owner -zxf /opt/sample_depth_estimation.tar.gz -C /usr/
Copy to clipboard
2. 按照 [运行开箱即用的 sample\_depth\_estimation](https://docs.qualcomm.com/doc/80-70022-265Y/topic/sample_depth_estimation.html#run-depth-estimation) 中的步骤运行示例应用程序。
Last Published: Nov 11, 2025
[Previous Topic
使用](https://docs.qualcomm.com/bundle/publicresource/80-70022-265Y/topics/image_classification.md) [Next Topic
使用](https://docs.qualcomm.com/bundle/publicresource/80-70022-265Y/topics/sample_face_detection.md)