【Linux配置四】ubuntu18.04 运行深度相机kinectV1

前提:已安装好melodic

一、依赖

sudo apt-get install ros-melodic-freenect-*  
rospack profile  

安装rqt-image-view显示图像

sudo apt-get install ros-melodic-rqt-image-view

二、安装libfreenect库

在主目录下

git clone https://github.com/ros-drivers/libfreenect.git
cd libfreenect
mkdir build
cd build
cmake -L ..
make
sudo make install

如果下载慢,可以去https://github.com/ros-drivers/libfreenect.git下载后解压

三 、安装freenect_stack

ros网站:http://wiki.ros.org/freenect_camera
首先,创建catkin_ws/src文件夹,运行如下命令

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
git clone https://github.com/ros-drivers/freenect_stack.git
cd ~/catkin_ws
catkin_make
rospack profile

编译完成后需要打开两个终端
1、在catkin_ws文件夹打开终端,运行如下命令

source devel/setup.bash
roslaunch freenect_launch freenect.launch

2、在catkin_ws文件夹打开终端,运行如下命令

rosrun rqt_image_view rqt_image_view 

在rqt_image_view中左上角选择不同的话题,就可以查看不同的图像,也可以查看深度图
参考:
http://t.csdn.cn/Hh0qs
http://t.csdn.cn/G9GSK
http://t.csdn.cn/DXarB

四、录制bag

主要录制的话题是 /camera/rgb/image_color/camera/rgb/image_raw,其类型都是sensor_msgs/Image

在这里插入图片描述

1、命令行录制bag

查看话题

rostopic list

录制话题 camera/rgb/image_color

rosbag record /topic1 -o out.bag
//例
rosbag record /camera/rgb/image_color -o  camera.bag

rosbag info指令可以显示数据包中的信息

rosbag info filename.bag
//例
rosbag info camera_2022-06-20-20-06-43.bag

回放bag

rosbag play <your bagfile name>
//例
rosbag play camera_2022-06-20-20-06-43.bag

2、rviz录制bag

2.1 在catkin_ws文件夹打开四个终端,分别为

运行驱动

source devel/setup.bash
roslaunch freenect_launch freenect.launch

打开相机屏幕

rosrun rqt_image_view rqt_image_view 

查看话题

rostopic list

打开rviz

rosrun rviz rviz

在这里插入图片描述

2.2 设置rviz

1、在rviz中将Global Option中的Fixed Frame后面选择camera_link
2、点击AddBy topic中选择想录制的话题,点击OK即可。
设置完后,就可在rviz中实时查看想要录制的话题
在这里插入图片描述

2.3 录制bag

修改频率命令

rosrun topic_tools throttle messages <intopic> <msgs_per_sec> [outtopic]

//例如,如果我想要让激光雷达的topic发布频率降低至1HZ,则在终端中输入如下命令:
rosrun topic_tools throttle messages base_scan 1.0

本文将话题 /camera/rgb/image_color/camera/rgb/image_raw修改为4Hz,命令如下

rosrun topic_tools throttle messages /camera/rgb/image_color 4.0 /my_image_color
rosrun topic_tools throttle messages /camera/rgb/image_raw 4.0 /my_image_raw 

录制频率修改后的话题my_image_colormy_image_raw

// 同时录制,开一个终端
rosbag record /my_image_color  /my_image_raw -o my_image.bag 
//分开录制,开两个终端
rosbag record /my_image_color -o my_image_color.bag
rosbag record /my_image_raw   -o my_image_raw .bag

参考
http://t.csdn.cn/30ZE3
http://t.csdn.cn/t7DuA

### 回答1: Ubuntu 18.04配置深度学习环境的步骤如下: 1. 安装CUDA和cuDNN 首先需要安装CUDA和cuDNN,这是深度学习框架的基础。可以从NVIDIA官网下载对应版本的CUDA和cuDNN,然后按照官方文档进行安装。 2. 安装Python和pip Ubuntu 18.04自带Python 3,但是需要安装pip,可以使用以下命令进行安装: ``` sudo apt-get update sudo apt-get install python3-pip ``` 3. 安装深度学习框架 常用的深度学习框架有TensorFlow、PyTorch、Keras等,可以使用pip进行安装。例如安装TensorFlow: ``` pip3 install tensorflow-gpu ``` 4. 安装其他依赖库 深度学习还需要其他一些依赖库,例如numpy、scipy、matplotlib等,可以使用pip进行安装。 ``` pip3 install numpy scipy matplotlib ``` 5. 配置环境变量 需要将CUDA和cuDNN的路径添加到环境变量中,可以在.bashrc文件中添加以下内容: ``` export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda/bin:$PATH ``` 6. 测试环境 可以使用以下命令测试环境是否配置成功: ``` python3 import tensorflow as tf tf.Session() ``` 如果没有报错,说明环境配置成功。 以上就是Ubuntu 18.04配置深度学习环境的步骤。 ### 回答2: Ubuntu 18.04是一款流行的操作系统,对于想要学习和开发深度学习等机器学习应用的人来说是一个很好的选择。在本文中,我们将介绍如何配置Ubuntu 18.04的深度学习环境。 首先,我们需要安装一些必要的工具和依赖项,包括python3、pip、numpy、matplotlib和jupyter等。我们可以使用以下命令进行安装: ```bash sudo apt update sudo apt install python3-pip python3-dev sudo pip3 install numpy matplotlib jupyter ``` 在安装了这些工具之后,就需要安装深度学习框架了。TensorFlow是一款非常流行的深度学习框架,可以使用以下命令安装: ```bash sudo pip3 install tensorflow ``` 如果你想使用Keras这个更高层次的深度学习框架,可以这样安装: ```bash sudo pip3 install keras ``` 除了TensorFlow和Keras之外,还有一些其他的深度学习框架可以被安装在Ubuntu 18.04上,比如PyTorch和Caffe等。 接着,我们还需要安装GPU驱动和CUDA等组件,以便在GPU上运行深度学习应用。首先我们需要检查系统中已经安装的显卡型号,可以使用以下命令: ```bash lspci | grep -i nvidia ``` 然后查找显卡型号对应的驱动版本号,可以到NVIDIA官网查找。例如,如果你的显卡是GTX 1080,那么就需要安装nvidia-430或更高版本的驱动。 ```bash sudo apt install nvidia-driver-430 ``` 接下来就需要安装CUDA。在安装CUDA之前,我们需要先安装其中的一个依赖项,nvidia-modprobe: ```bash sudo apt install nvidia-modprobe ``` 安装完成后,我们可以到NVIDIA官网下载CUDA安装包,根据操作系统和显卡类型选择相应的版本进行下载,然后执行以下命令进行安装: ```bash sudo dpkg -i cuda-repo-ubuntu1804-<version>.deb sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub sudo apt-get update sudo apt-get install cuda ``` 安装完成后,还需要设置环境变量,将CUDA安装路径加入到系统环境变量中。可以编辑/etc/environment文件,在其中加入以下内容: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 最后,我们需要安装cuDNN。cuDNN是一个针对GPU加速的深度学习库,可以在NVIDIA官网下载对应版本的cuDNN,然后执行以下命令: ```bash tar xvfz cudnn-<version>-linux-x64-v7.6.5.32.tgz sudo cp -P cuda/include/cudnn.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* ``` 至此,我们已经成功地安装了Ubuntu 18.04的深度学习环境,可以开始进行深度学习的学习和开发了。 ### 回答3: Ubuntu 18.04 是目前最常用的 Linux 操作系统之一,深度学习也越来越受到广泛关注。在此我们介绍如何在 Ubuntu 18.04 上配置深度学习环境,主要需要配置的有 Python 3,CUDA 及 CUDNN。 第一步:更新系统 首先,在执行任何操作之前,我们需要更新 Ubuntu 系统。在终端中,输入以下命令即可: sudo apt-get update sudo apt-get upgrade 第二步:安装 Python3 Ubuntu 18.04 默认已经安装了 Python 3,如果没有安装,可以在终端中输入以下命令: sudo apt-get install python3 以及 pip3: sudo apt-get install python3-pip 这样 Python3 就安装完成了。 第三步:安装 CUDA 由于深度学习的计算复杂度很高,因此我们需要使用 GPU 来加速运算。CUDA 是一种计算机图形学技术,可以利用 NVIDIA 的显卡进行并行计算。安装 CUDA 首先需要检查你的显卡是否支持 CUDA,以确保安装可行。如果你不确定你的显卡是否支持 CUDA,可以通过以下方式查询: nvidia-smi 如果显示信息中包含了 CUDA 字样,那么你的显卡支持 CUDA。整个 CUDA 安装过程比较繁琐,因此我们建议直接到 NVIDIA 官网下载安装包。在下载时,建议选择用 deb(local) 安装。 下载完毕后,直接在终端中执行以下命令安装即可: sudo dpkg -i cuda-repo-ubuntu1604-10-1-local-10.1.105-418.39_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub sudo apt-get update sudo apt-get install cuda 安装完毕后,我们需要添加相关环境变量,以便电脑能够正常识别 CUDA。在终端中执行以下命令: nano .bashrc 在文件末尾添加以下代码,并保存退出: export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} 第步:安装 CUDNN CUDNN 是 NVIDIA 提供的深度学习库,用于加速深度学习的运算。我们需要先到 CUDNN 官网下载相应的安装包。在下载时,建议选择用 deb(local) 安装。 下载后,我们在终端中执行以下命令安装: sudo dpkg -i libcudnn7_7.x.x.x-1+cuda10.0_amd64.deb sudo dpkg -i libcudnn7-dev_7.x.x.x-1+cuda10.0_amd64.deb sudo dpkg -i libcudnn7-doc_7.x.x.x-1+cuda10.0_amd64.deb 最后,我们在终端中输入以下命令,检查 CUDNN 是否安装成功: nvcc -V 至此,Ubuntu 18.04 的深度学习环境配置已经完成。希望这篇指南能够帮助到需要配置深度学习环境的同学。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值