简介这份资源面向ROS2机器人开发者与视觉感知项目实践者系统梳理了Intel RealSense D435/D405相机在Windows与Linux双平台下的完整接入流程涵盖RealSense Viewer安装、RealSense-ROS2驱动配置、ROS2节点启动以及RGB图像、深度信息、点云话题获取方法并补充了相机坐标系定义与深度信息毫米单位换算说明可帮助开发者少踩安装配置中的坑快速进入视觉数据应用开发。资源包共3个文件以HTML说明文档为主辅以inscode在线运行配置与gitignore过滤规则包体仅6KB内容凝练、便于随取随用。目前已有158人学习浏览适合刚接触ROS2与深度相机的初学者按步骤对照实操也适合中高级开发者快速查阅环境搭建要点与话题接口细节。1. Intel RealSense ROS2从拿到相机到拿到深度话题你差在哪新拿到一块D435插上USB3.0蓝口准备在Intel RealSense ROS2环境里跑深度测量最先敲的命令往往就是ros2 launch realsense2_camera rs_launch.py。折腾过的人都知道编译时的CMake刷屏、深度话题只有十几帧、彩色图和对齐图错位这些才是常态。反直觉的一点是真正决定你能不能拿到数据的不是相机而是librealsense的版本线和realsense-ros的编译环境。这篇指南按四条线展开先搞清相机由谁驱动再源码编译跑通最小命令接着写代码拿深度、彩色和点云最后绕开掉帧、编译失败、坐标错位这几个高频翻车点。新手能照着步骤走老手也能快速对齐参数边界。别急着抄老教程先看下面的软件栈对齐能省掉后半夜找后悔药的时间。2. RealSense在ROS2下的软件栈与选型先搞清楚你的相机是谁在驱动这一章先说清楚RealSense相机在ROS2下的软件结构。很多人把相机当成普通USB传感器觉得插上就能出话题其实RealSense更像一个装了深度计算单元的视觉系统底层驱动是librealsenseROS2封装是realsense-ros你写代码时接触的是realsense2_camera_msgs和话题。这三层各自独立演进版本不匹配就是你后面一系列踩坑的根源所以动手前必须把层级关系理顺。2.1 三层的调用关系硬件、librealsense、realsense-ros各管什么硬件层要完成的事是从红外投影仪和左右两个红外相机采到的原始数据里算出深度图。这个计算在相机内部的深度处理模块上完成不占CPU。librealsense负责跟这个处理模块通过USB 3.0通信打开流、设置分辨率/帧率/曝光/激光功率把每帧数据拷贝到内存。realsense-ros则是librealsense的ROS2绑定把它拿到的数据转成sensor_msgs/msg/Image、PointCloud2、Imu这些标准消息发布出去。我一般会先用一个最简单的命令判断问题归属rs-enumerate-devices。如果这个命令能看到相机型号和序列号说明librealsense和硬件没问题问题在realsense-ros或你的工作区环境如果它都看不到相机就别去折腾ROS2了先解决USB驱动和udev权限。版本对齐是这里最大的坑。realsense-ros的ros2-master分支会和librealsense的发布线保持同步通常要求librealsense2的版本不低于某个阈值。常见做法是先看realsense-ros仓库里CMakeLists.txt对librealsense2的版本要求再装对应版本的librealsense2-dev。不要盲目装最新版也不要拿几个月前的老分支直接上Humble。拿Ubuntu 22.04加ROS2 Humble这套最常见组合来说realsense-ros用ros2-master分支librealsense2装系统源里的稳定发行版就能编译过但如果你用的是老分支比如ros2-beta3那就要小心API差异了。2.2 话题与消息结构深度、彩色、红外、IMU、点云都从哪来realsense-ros把各传感器流映射成一组固定话题。默认命名空间是/camera相机名是camera所以常见话题如下数据流默认话题消息类型说明彩色图/camera/color/image_rawsensor_msgs/msg/Image编码RGB8深度图/camera/depth/image_rect_rawsensor_msgs/msg/Image编码mono16单位毫米左红外/camera/infra1/image_rect_rawsensor_msgs/msg/Image编码mono8右红外/camera/infra2/image_rect_rawsensor_msgs/msg/Image编码mono8IMU/camera/imusensor_msgs/msg/Imu部分型号才有点云/camera/depth/color/pointssensor_msgs/msg/PointCloud2需开启点云参数说几个容易踩的细节。深度话题名上的rect表示图像已经过畸变校正你直接拿来当测量数据用就行不需要自己再校正一次。深度图每个像素是一个uint16值单位是毫米0表示该像素没有有效深度常见于反光、黑色物体和超出量程的区域。彩色图的image_raw是原始的RGB画面配合/camera/color/camera_info里的内参做3D-2D投影刚刚好。如果你要给点云默认不开启因为点云生成吃CPU。还有别把camera_info当成可有可无的东西它里面的K矩阵和D畸变系数就是你把像素坐标转成空间坐标的唯一依据后面做手眼标定也要靠它。2.3 D435、D455、L515怎么选按项目场景选型号标题虽然只写了Intel RealSense但具体型号决定了你能拿到什么数据。手头有三种常见选择型号深度技术是否带IMU适合场景注意点D435主动立体红外否室内抓取、桌面级测量、ROS2学习成本低资料最多D455主动立体红外是移动底盘、导航、需要姿态数据的项目深度范围更远带IMU但需校准L515激光MEMS相机是近距离高精度扫描近距离深度精度好但社区资料少新项目不建议选新项目我基本都推D455或D435。D455自带IMU做移动机器人和SLAM能省一个传感器但IMU的安装位姿需要用realsense-ros的标定流程处理不然融合出来的位姿会偏。L515深度精度在近距离很惊艳可一旦遇到驱动bug能查到的资料少需要自己啃固件不是拿来就跑的选择。选型还影响参数配置。D435在1米左右的深度误差能到1%左右D455标定后略好L515近距离能到毫米级。如果你要做的是高精度抓取别指望直接拿相机默认参数后面第6章会说怎么用内参校验提升精度。3. 从源码编译到最小跑通realsense-ros的安装与第一条话题安装这里我不推荐直接apt install ros-humble-realsense2-camera了事。一方面源里的预编译包版本经常跟Humble主线脱节另一方面你后续改launch文件、调点云参数时没有源码在手会非常被动。下面这套是从源码编译的完整流程照着敲就行。3.1 装驱动和工具链librealsense2、udev规则、rs-enumerate-devices自检先装librealsense2。Ubuntu下常见做法是用Intel的官方源然后apt install librealsense2-dev。装完先别急着编译用rs-enumerate-devices确认相机能被驱动识别# 安装librealsense2和调试工具 sudo apt update sudo apt install librealsense2-dev librealsense2-utils # 验证驱动能否识别相机出现Product ID和序列号即正常 rs-enumerate-devices | grep -E Product ID|Device # 添加udev规则避免非root用户访问权限问题 sudo cp /usr/share/librealsense2/99-realsense-libusb.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm triggerrs-enumerate-devices是后面排查问题最重要的工具没有之一。它能输出相机型号、序列号、固件版本、USB速度、每个流支持的分辨率列表。如果这里看不到相机直接检查USB线缆、端口和权限不要去管ROS2。参数说明librealsense2-dev提供头文件和CMake配置文件librealsense2-utils提供rs-enumerate-devices等命令行工具。udev规则不装的话非root用户启动节点时会报权限错误现象是话题出不完整或者启动失败。3.2 源码编译realsense-roscolcon命令与CMake找不到librealsense的解法# 初始化ROS2工作区 source /opt/ros/humble/setup.bash mkdir -p ~/ros2_ws/src cd ~/ros2_ws/src # 拉取ROS2主分支 git clone -b ros2-master https://github.com/IntelRealSense/realsense-ros.git # 回到工作区根目录编译只编译realsense相关包 cd ~/ros2_ws colcon build --symlink-install --packages-select realsense2_camera realsense2_camera_msgs # 让工作区环境生效 source install/setup.bash # 确认包被识别 ros2 pkg list | grep realsense--symlink-install的意义在于后续你改动launch或Python文件不用重新build直接生效调试launch参数时很省时间。--packages-select只编译指定的两个包避免把整个工作区全部重建尤其当你还有其他包时会快很多。如果编译时出现Could not find a package configuration file provided by librealsense2说明系统里没有librealsense2的CMake配置或路径不对。先把路径找出来再手动指定# 查找librealsense2的cmake配置文件实际位置 dpkg -L librealsense2-dev | grep cmake # 把找到的目录加到CMAKE_PREFIX_PATH再重新编译 export CMAKE_PREFIX_PATH/usr/lib/x86_64-linux-gnu/cmake/librealsense2:$CMAKE_PREFIX_PATH colcon build --symlink-install --packages-select realsense2_camera这里要留个心眼如果你不是用apt装的而是自己从源码编译过librealsense它的配置文件通常在/usr/local/lib/cmake/librealsense2。两种安装方式共存时CMake会优先找系统路径结果引用到旧版本导致编译过了但运行崩溃。我一般会在编译前先跑cmake --find-package -DNAMElibrealsense2确认版本别省这一步。3.3 最小跑通launch相机、看话题、看帧率编译完成后启动节点# 启动realsense节点默认发布彩色、深度、红外 ros2 launch realsense2_camera rs_launch.py # 另一个终端列出相机相关话题 ros2 topic list | grep camera # 查看深度话题的实际帧率验证是否达到设定值 ros2 topic hz /camera/depth/image_rect_raw正常情况ros2 topic hz输出在29到31Hz之间波动。如果稳定掉到10Hz以下基本都是USB带宽或CPU问题。别急着调参先用rs-enumerate-devices -t看USB连接速度显示5000M才是USB 3.0显示480M说明被你插成了USB 2.0口。想直观确认深度数据没问题用rqt_image_viewros2 run rqt_image_view rqt_image_view在弹窗里把话题切到/camera/depth/image_rect_raw看到的灰度图就是深度。近处物体亮远处暗。如果看到大范围黑色噪点说明场景里有反光面或超出量程这是正常的不代表节点坏了。注意一个参数关系深度流和彩色流的分辨率/帧率是独立设置的。默认配置下深度是640x48030彩色是1920x108030彩色图很吃带宽。如果你只做深度建议把彩色分辨率降下来否则两条流同时开时USB3.0带宽余量会变得紧张。3.4 在rviz2里看点云验证坐标系是否完整点云和图像是两种数据形态默认节点不发布点云需要在launch时开启ros2 launch realsense2_camera rs_launch.py pointcloud.enable:true然后打开rviz2Add面板里加PointCloud2话题选/camera/depth/color/points同时加TF显示看坐标系。正常能看到一张带彩色纹理的深度点云。这里有个重要概念点云话题名里有depth/color意思是深度图对齐到彩色坐标系后生成的点云每个点同时带有深度和RGB信息。后续做抓取或测量直接用这个点云就行不用自己再做投影。如果没有点云只看到图像多半是CPU扛不住。点云生成是纯CPU运算默认深度分辨率下30fps的点云计算能吃掉一整个核心。先关掉点云确认图像正常再考虑降分辨率具体参数在3.5节给。3.5 常用launch参数表分辨率、帧率、对齐、点云开关参数名默认值说明depth_width/depth_height640 / 480深度流分辨率最大支持与型号有关color_width/color_height1920 / 1080彩色流分辨率fps30所有流统一帧率pointcloud.enablefalse是否发布点云align_depth.enablefalse是否发布对齐到彩色坐标系后的深度图align_depth.color空指定对齐目标坐标系名称通常填color调参示例把深度和彩色都降为640x480开深度对齐ros2 launch realsense2_camera rs_launch.py \ depth_width:640 depth_height:480 \ color_width:640 color_height:480 \ fps:30 align_depth.enable:true align_depth.color:color老版本里对齐参数写法是align_to:color新版本改成了align_depth.enable。网上大量教程还停留在老写法照着抄会直接报未知参数这也是为什么我不推荐直接搜命令行来拼凑。确认参数名最靠谱的方式是启动节点后执行ros2 param list /camera/camera看里面当前支持哪些参数。4. 用代码拿数据订阅对齐图、保存深度、生成点云的参数调优光会launch还不够实际项目中你总要写节点拿数据。这一章给一个能跑通的C最小节点然后讲对齐和点云这两个高频需求的正确姿势。不管你用C还是Python消息结构和思路是一模一样的C示例里写的回调逻辑直接能搬到Python订阅里。4.1 一个订阅并保存深度图的C最小节点深度话题拿到的是sensor_msgs/msg/Image你要做的第一件事是用cv_bridge转成OpenCV能处理的cv::Mat。下面这个节点订阅深度话题把每一帧保存成PNG同时生成一张方便人看的8位灰度图#include rclcpp/rclcpp.hpp #include sensor_msgs/msg/image.hpp #include cv_bridge/cv_bridge.hpp #include opencv2/imgcodecs.hpp #include opencv2/imgproc.hpp #include string class DepthSaver : public rclcpp::Node { public: DepthSaver() : Node(depth_saver), frame_(0) { sub_ this-create_subscriptionsensor_msgs::msg::Image( /camera/depth/image_rect_raw, 1, [this](const sensor_msgs::msg::Image::SharedPtr msg) { // mono16是深度图的原始编码单位毫米 auto cv_ptr cv_bridge::toCvCopy(msg, mono16); const cv::Mat depth cv_ptr-image; // 保存原始深度uint16的值才是测量数据不要归一化 cv::imwrite(/tmp/depth_raw_ std::to_string(frame_) .png, depth); // 生成8位可视化图0无效值置黑超过1.2米压到1.2米再拉伸 cv::Mat vis; double minVal, maxVal; cv::minMaxLoc(depth, minVal, maxVal); if (maxVal 1200) maxVal 1200; depth.convertTo(vis, CV_8U, 255.0 / std::max(maxVal, 1.0)); cv::imwrite(/tmp/depth_vis_ std::to_string(frame_) .png, vis); RCLCPP_INFO(this-get_logger(), saved frame %zu, max depth %.0f mm, frame_, maxVal); frame_; }); } private: rclcpp::Subscriptionsensor_msgs::msg::Image::SharedPtr sub_; size_t frame_; }; int main(int argc, char** argv) { rclcpp::init(argc, argv); rclcpp::spin(std::make_sharedDepthSaver()); rclcpp::shutdown(); return 0; }这段代码里有几个必须说明白的点。cv_bridge::toCvCopy(msg, mono16)第二个参数指定目标编码深度图原始编码就是mono16如果你写成bgr8会直接抛异常。保存原始深度图时PNG是支持uint16的但你要记住这个PNG里的数值是毫米不是0到255后续读取时要用cv::imread(path, cv::IMREAD_UNCHANGED)才能保留原始位深。可视化图的归一化只是为了人眼观察不能拿它做任何测量。对应CMakeLists最小配置cmake_minimum_required(VERSION 3.8) project(depth_grabber) find_package(ament_cmake REQUIRED) find_package(rclcpp REQUIRED) find_package(sensor_msgs REQUIRED) find_package(cv_bridge REQUIRED) find_package(OpenCV REQUIRED) add_executable(depth_grabber src/depth_grabber.cpp) target_link_libraries(depth_grabber ${OpenCV_LIBS}) ament_target_dependencies(depth_grabber rclcpp sensor_msgs cv_bridge) install(TARGETS depth_grabber DESTINATION lib/${PROJECT_NAME}) ament_package()target_link_libraries里只写了OpenCV因为cv_bridge依赖的OpenCV头文件路径已经被ament_target_dependencies带进来了不需要重复加。如果你在编译时出现cv_bridge头文件找不到先确认系统里装的是Humble对应的ros-humble-cv-bridge不同发行版的cv_bridge不通用。4.2 彩色图和深度图对齐一个参数省掉你所有像素映射工作做抓取或测量时最常见需求是把深度像素和彩色像素一一对应。你当然可以自己拿相机内参做投影但realsense-ros给了更省事的办法启动时开启对齐让驱动直接把深度图变换到彩色坐标系下。ros2 launch realsense2_camera rs_launch.py \ depth_width:640 depth_height:480 \ color_width:640 color_height:480 \ fps:30 align_depth.enable:true align_depth.color:color启动后会多出一个话题/camera/aligned_depth_to_color/image_raw。订阅这个话题你拿到的深度图和彩色图分辨率相同、像素坐标一一对齐直接用像素坐标(px, py)就能同时索引彩色和深度值省掉整个外参标定流程。对齐的原理是realsense-ros利用相机的深度到彩色外参做的重投影。这个外参是出厂标定存进固件的正常情况下不需要你操心。但要注意对齐会引入少量边缘像素的无效值尤其是物体轮廓边沿代码里要留好0值判断。订阅对齐图时帧时间戳要和彩色图同步使用。想验证两个话题的对齐关系可以同时订阅/camera/color/image_raw和/camera/aligned_depth_to_color/image_raw的camera_info对比里面的frame_id前者是camera_color_optical_frame后者对齐后也是同一个坐标系。4.3 点云开启与性能调优分辨率、CPU占用、滤波器点云需要开pointcloud.enable:true才能拿。但这个功能一开CPU占用会明显上升。实测下来默认深度分辨率下直接开点云Ubuntu桌面机的CPU占用会飙升到接近单核满载帧率降到20Hz以下。常见做法是先把深度流降到848x480或640x480再开启点云。深度分辨率点云帧率CPU占用说明1280x72015-20Hz高不推荐只适合静态扫描848x48030Hz中等多数项目够用640x48030Hz较低实时抓取常用424x24030Hz低低端CPU或高帧率需求才用点云话题默认是/camera/depth/color/points的PointCloud2格式每个点包含xyz坐标和rgb颜色。这个点云已经是对齐到彩色坐标系后的结果点坐标有像素级空间位置含义。如果你觉得点云太密可以在下游节点里用pcl库做voxel filter比在相机端调低分辨率保留更多细节。不少教程会推荐开空间滤波和时间滤波来降噪但新版本里这些滤波器的参数结构已经改动老写法直接启动会报未知参数。我这里不展开滤波细节避免把你带进版本陷阱你先跑通原始数据降噪等后续再考虑。5. 高频避坑与排查五个让RealSense在ROS2里翻车的点这一章是血泪经验集。前四章讲的是怎么跑通这章讲的是跑通之后如何不被各种意外绊倒。每一条都是实际开发中重复出现的场景按现象、原因、解决三段式写清楚。5.1 编译四小时刚启动就崩librealsense版本不匹配现象colcon build一切正常但启动节点后进程立刻退出终端打出一串segmentation fault或libcabi报错有时还会伴随XIO: fatal IO error。原因realsense-ros编译时链接的librealsense版本和运行时系统里被动态加载的librealsense版本不一致。最常见是apt源里装的librealsense2版本比realsense-ros分支要求的版本新API接口变了二进制不兼容。解决先看realsense-ros的CMakeLists.txt对librealsense2的版本要求再对系统安装的版本做匹配。不匹配时卸载apt版源码编译一个匹配版本# 卸载系统库 sudo apt remove librealsense2-dev librealsense2 # 源码编译指定版本 git clone https://github.com/IntelRealSense/librealsense.git cd librealsense git tag | grep 2.5 git checkout 匹配版本 mkdir build cd build cmake .. sudo make install sudo ldconfiggit tag | grep 2.5是让你先看看有哪些版本可选然后根据realsense-ros的要求挑一个。源码编译耗时较长但能从根上解决版本错乱。装完之后再用rs-enumerate-devices -v确认当前动态库版本确保和编译时一致。5.2 插着USB 3.0还是掉帧口子、线材、带宽三件事现象启动后ros2 topic hz /camera/depth/image_rect_raw稳定输出但帧率只有15Hz或30Hz和10Hz之间来回跳。一开彩色流更深了。原因USB没有真正跑在3.0速率。RealSense需要的带宽很大USB 2.0模式下深度只能跑到很低的帧率。另一种情况是USB 3.0口但插在了扩展卡上扩展卡本身带宽不足。解决先用工具确认当前速率# 查看USB设备实际连接速度RealSense的vendor id是8086 lsusb -t | grep 8086 # 出现 5000M 说明是USB 3.0480M 说明被识别成2.0如果显示480M换主板原生USB 3.0口换一根短的高质量USB 3.0线不要经过任何USB集线器。常见做法是给相机单独占一个USB控制器不和鼠标键盘读写量大的设备挤同一个控制器。USB带宽是共享的一台机器上插两个RealSense还要都满帧率基本得用PCIe扩展卡插主板自带口很容易掉帧。5.3 rviz2里点云与彩色图坐标错位TF树断链现象点云能显示但叠加到彩色图上明显错位或rviz2里提示TF树里找不到某个坐标系。原因点云默认在深度坐标系下生成彩色图在彩色坐标系下两者通过TF树里的变换关系关联。launch时如果没有发布对应的静态变换或者变换关系配置混乱点云和图像自然对不上。解决启动后先看TF树ros2 run tf2_ros tf2_echo camera_depth_optical_frame camera_color_optical_frame正常会输出一个固定的平移和旋转也就是相机固件里标定的深度到彩色的外参。如果报错说变换不存在多半是你手动设了tf.publish相关参数覆盖了默认行为。我一般会在launch文件里显式检查这几个frame_idcamera_link、camera_color_optical_frame、camera_depth_optical_frame。手动设置外参时要特别注意旋转分量的单位是弧度不要拿角度填进去那会导致明显的倾斜错位。5.4 CPU被点云吃满深度分辨率调了也没用现象开了点云后CPU占用直接拉满系统整体卡顿深度帧率从30Hz掉到15Hz以下。原因点云生成本身是CPU计算同时连接两个USB端点拷贝数据也要CPU。很多教程直接建议降深度分辨率但如果你用的是D455且开了彩色流彩色默认1920x1080会占用大量USB带宽和CPU开销降深度分辨率收益有限。解决先降彩色分辨率再降深度分辨率最后关掉不需要的红外流。ros2 launch realsense2_camera rs_launch.py \ depth_width:640 depth_height:480 \ color_width:640 color_height:480 \ fps:30 pointcloud.enable:true调完再开ros2 topic hz看帧率。点云的本质是在深度图上做逐像素逆投影深度像素越多、彩色分辨率越高计算量越大。实时性要求高的系统我建议在客户端做体素降采样而不是反复在相机端降分辨率。5.5 长时间运行深度漂移发热让测量值越来越偏现象相机连续开一小时后放在1米外的平板测量值从1002mm慢慢漂到1020mm再久一点超过1025mm。原因主动立体相机的红外投影仪会发热温度升高后光学结构微变深度基线发生轻微变化。这不是代码bug是所有主动红外深度相机的物理特性。解决一是项目里给相机一个预热期开机至少等5分钟再开始测量二是如果你发现漂移幅度超过你的误差预算需要定期重新标定用第6章的方法做内参校验三是如果做长时间测量任务避开中午阳光直射的工况环境温度波动会加剧漂移。这类问题没有完全根治的办法只能靠流程补偿。6. 把深度数据用起来内参校验、动态调参与一屏验收指标6.1 用camera_info和内参校验做深度精度的验收每台相机出厂内参有差异不同温度下也会有波动。我拿到相机后第一件事不是写算法而是用rs-enumerate-devices -c导出彩色和深度内参和ROS2话题里/camera/color/camera_info、/camera/depth/camera_info里的K矩阵交叉验证。两者一致才说明驱动链路没串。深度精度验收可以用一个平面对比对着一面墙测一组距离记录像素上的测量值差异误差超过标称范围就要考虑重新标定。6.2 运行时动态调参数曝光、激光功率、自动白平衡处理反光物件时直接改launch参数重启节点太慢。realsense-ros支持运行时用ros2 param set改参数。比如黑色物体反光导致深度无效值多可以动态调激光功率# 查看当前可调参数 ros2 param list /camera/camera # 调整红外发射器功率范围0-360 ros2 param set /camera/camera emitter_enabled true ros2 param set /camera/camera laser_power 200动态调参的好处是你可以在线观察效果不用一遍遍重启节点。但记住一点改动参数前记录原值改完要能改回来。我有一次抓取实验调了laser_power忘了复原后续所有深度测量都偏亮排查了半小时才想起来从那以后所有动态参数改动我都写到代码注释里。6.3 把ros2 topic hz当验收标准形成固定习惯我验收任何RealSense改动最后都会跑一遍ros2 topic hz /camera/depth/image_rect_raw。话题稳定在设定帧率附近才说明USB、驱动、节点三层都健康。这个习惯救过我很多次改代码改到一半发现帧率掉了一半回头一看是彩色流分辨率被不小心提高或者某个节点占满了CPU。用RealSense做项目真要总结什么习惯我最大的教训就是永远先确认底层数据健康再谈上层算法。相机是黑匣子也好玄学问题也好多数都是版本、USB、外参这三件事没对齐。希望这一套流程能帮你在Intel RealSense ROS2上少走同样的弯路把精力留在真正需要做的视觉算法上。本文还有配套的精品资源点击获取