设备和环境：奥比中光RGB-D相机（Astra）；Ubuntu16.04
首先，先将自己的RGB-D相机的环境与依赖构建好，然后进行以下步骤构建darknet_ros。
1、下载darknet_ros
#进入自己的工作空间 src 下，最好单独建立一个工作空间来存放
cd ~/astra_ws/src
#下载darknet_ros
git clone https://github.com/leggedrobotics/darknet_ros
#返回到工作空间下
cd ..
#编译此工作空间
catkin_make -DCMAKE_BUILD_TYPE=Release这里编译需要一定的时间，请耐心等待其编译。但在执行编译指令 catkin_make -DCMAKE_BUILD_TYPE=Release 时，可能会出现以下编译错误（如果未出现下图编译问题，直接跳到第二步执行即可），可能是因为这样直接克隆代码会存在文件缺失所导致，如下图所示：
此问题解决方案：
1、删除工作空间下已clone到电脑中的darknet_ros文件夹
2、cd astra_ws/src3、执行此指令对 darknet_ros 重新下载
git clone --recursive [email protected]:leggedrobotics/darknet_ros.git
4、再回到astra_ws下，重新执行以下指令编译，便能成功执行。
catkin_make -DCMAKE_BUILD_TYPE=Release
编译成功后，如下图所示：
2、修改darket_ros中订阅的图像话题
启动自己相机后，然后查看相机所发布的话题
#启动相机
roslaunch astra_launch astra.launch
#查看发布话题
rostopic list查询结果如下图所示：
然后将darket_ros/config/ros.yaml中的subscribers进行修改为RGB-D相机所发布的数据。如下图所示：
3、启动相机
#在 astra_ws 工作空间下执行以下指令，启动RGB-D相机
#刷新环境变量
source ./devel/setup.bash
#启动 RGB-D 相机
roslaunch astra_launch astra.launch
4、启动darknet
#在 astra_ws 工作空间下执行以下指令，启动RGB-D相机
#刷新环境变量
source ./devel/setup.bash
#启动 darknet
roslaunch darknet_ros darknet_ros.launch5、运行结果
启动 RGB-D 相机和 darknet 之后,便会根据已有 YOLO 的权重配置文件（weights）进行比对，然后得出真实环境中的事物属性。
下图是相机实时比对时的数据，会随着环境的变化而不断更新。
以上便是使用 RGB-D 相机使用 YOLO v3 实时的图像识别，希望能够对您有所帮助。
参考博客：
使用RGBD相机实现YOLOv3目标识别并测距，获取物体三维坐标_qqsuiying的博客-CSDN博客_rgbd相机定位