Ubuntu 20 上 Python3 + ROS1 实现 Tensorflow object detector 的安装

文章同步发表于 知乎

本文记录我使用 Python3 配合 ROS1 和 tensorflow 实现机器人上的深度学习遇到的一些坑。

因为作业的要求，我们需要在 Ubuntu 上运行一个 tensorflow1 的项目，老师给的安装方法是针对 Ubuntu18 + ROS-melodic 的，而我的电脑只能安装 Ubuntu20 + ROS-noetic（Ubuntu 18 安装的时候连硬盘都找不到，驱动太旧了）。本文将在 Ubuntu20 下，使用 python3 + ros-noetic + tensorflow2 运行一个远古仓库——Tensorflow object detector ，记录其安装方法和遇到的一些坑。

安装

conda 环境配置

首先，配置一个 tensorflow 环境。

若还没有换过源，下载速度可能很慢，使用

conda config --show channels

检查当前的源，使用以下命令添加清华源，并在安装时显示来源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

为了使用 python3，这里我选择了 tensorflow2 的第一个版本。首先，运行如下命令搜索指定的包：

conda search tensorflow

从列表中可以看到 tensorflow 2.0.0 只有 py36 和 py37 两个版本，我们接下来选择 py37，也即 tensorflow 2.0.0 gpu_py37h768510d_0 这个版本来安装。

建立新仓库 rostf，安装 python、tensorflow、opencv、PIL 四个包，命令如下：

conda create -n rostf python=3.7 tensorflow=2.0.0=gpu_py37h768510d_0 opencv pillow

等待安装完成后，激活该环境：

conda activate rostf

catkin 工作空间配置

在 ~ 目录下新建一个文件夹，命名为 rostf_ws（也可以自己起别的名字），然后再新建 src 文件夹，在 ~/rostf_ws/src 内打开终端，输入命令：

catkin_init_workspace

在 src 文件夹中克隆对应仓库：

git clone https://github.com/Kukanani/vision_msgs.git
git clone https://github.com/osrf/tensorflow_object_detector.git

然后，终端退回到 ~/rostf_ws 目录，指定解释器，进行第一次 catkin_make：

catkin_make -DPYTHON_EXECUTABLE=<Anaconda Python 解释器路径>

catkin 包在创建时，允许我们指定 Python 编译器的环境。这里，可以使用如下命令，在第一次 catkin_make 时，指定 Python 解释器为 Anaconda 解释器。之后再次编译（运行 catkin_make）的时候，catkin 就会沿用上述解释器路径。

默认情况下，新建的 rostf 包储存在 ~/anaconda3/envs 中，我的电脑上用户名为 sunlight，所以路径如下：

catkin_make -DPYTHON_EXECUTABLE=/home/sunlight/anaconda3/envs/rostf/bin/python3

此时直接 catkin_make 会报错，原因是 anaconda 的 python 解释器缺少必要的 ROS 和 catkin 库，运行如下命令安装必要的库：

pip install empy catkin-tools rospkg

安装完成后再次 catkin_make，建立虚拟环境。

更改 Python 代码

仓库中的 scripts/ros_detector.py 文件使用系统自带的 Python 实现，因此需要修改部分代码。

第一行指定的解释器应该改为 conda 环境的解释器，因此第一行修改如下：

#!/home/sunlight/anaconda3/envs/rostf/bin/python3

另外，该代码 70~75 行，Detector 类的 __init__ 函数存在问题：

    def __init__(self):
        self.image_pub = rospy.Publisher("debug_image",Image, queue_size=1)
        self.object_pub = rospy.Publisher("objects", Detection2DArray, queue_size=1)
        self.bridge = CvBridge()
        self.image_sub = rospy.Subscriber("image", Image, self.image_cb, queue_size=1, buff_size=2**24)
        self.sess = tf.compat.v1.Session(graph=detection_graph,config=config)

这段代码先启动了 ROS 节点，再启动 tensorflow 的会话，可能造成属性 sess 还未赋值，ROS 话题就已经开始发布的情况，从而程序报错。需要将 self.sess 的赋值改到 ROS 话题的指定之前：

    def __init__(self):
        self.sess = tf.compat.v1.Session(graph=detection_graph,config=config)
        self.image_pub = rospy.Publisher("debug_image",Image, queue_size=1)
        self.object_pub = rospy.Publisher("objects", Detection2DArray, queue_size=1)
        self.bridge = CvBridge()
        self.image_sub = rospy.Subscriber("image", Image, self.image_cb, queue_size=1, buff_size=2**24)

运行

在 ~/rosrf 中，输入

source devel/setup.bash

激活当前工作空间。

第一次运行时遇到链接库 libtiff 库异常的报错，解决方法是在终端输入

export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libtiff.so.5

指定加载系统默认的链接库，而不是 conda 环境中的。如果不想每次都输入，可以将这句写在 setup.bash，~/.bashrc 或 .launch 文件里面，避免每次启动都输入这句话。

经过检验，发现当前的环境下使用 GPU 来运行该仓库会报错，或者运行后显示异常（我的电脑显卡是 RTX 3050 Ti Laptop，出错原因未知），但是屏蔽 GPU、使用 CPU 就能正常运行。于是使用环境变量直接屏蔽 GPU：

export CUDA_VISIBLE_DEVICES=

环境变量 CUDA_VISIBLE_DEVICES 可以规定此时的环境可以看到哪些 cuda 显卡，令该变量为空字符串之后，所有显卡都不可见，tensorflow 只能调用 CPU 运行。

最后，使用如下命令就可以启动摄像头，顺利运行该仓库：

roslaunch tensorflow_object_detector usb_cam_detector.launch

参考

• 安装Pytorch的conda环境（附rospy问题）
• 【踩坑记录】使用OpenCV报错“ undefined symbol: TIFFReadRGBATileExt, version LIBTIFF_4.0”
• anaconda和ros结合 ros使用python