目录
介绍
最开始的目的是啥呢：我想在我的ubuntu20.04下安装conda,然后通过coda先创建python3.8环境，在该环境下安装intel RealSense d435i驱动，给python安装上librealsense2环境，让他可以使用深度相机d435i三个摄像头，最好顺带把opencv装了，这样可以测试是否安装好了，然后再在改conda的环境下装入pytorch，同时也在改环境下装入yolov8,同时测试能否正常使用yolov8提供的检测模型
遇到的困难和自己的解决方式
我的要求比较多，然后第一次是直接装的心态炸了，后买又静下心来取看他们的官网：https://www.intelrealsense.com/sdk-2/
他这这里有个documention,就是文档，你可以翻译成中文，打开linux下你可以看到他对ubuntu的要求，但是这不是我想要的，我想要的是python环境下的
往下滑，找到python,进入安装环境
打开python安装，有意思的出来了，他给了两种方式，一种通过pip安装，一种是源码构建，我之前用的ubuntu22.04想源码构建，然后可以使用它提供的官方软件，可是代码里面一直用不了，后面我发现原来conda下也能用pip
文件传输
如果ubuntu是在自己电脑下的，可以启动共享文件夹，先右键1，会出来设置，进入设置按照步骤添加共享文件夹，启动ubuntu后，
输入指令启动共享文件夹：sudo vmhgfs-fuse .host:/ /mnt/hgfs -o allow_other
有可能需要 sudo mkdir -p /mnt/htfgs
另外一种方式，ubuntu不是你电脑上的，但你需要先保证它已经连上网了，同时电脑要和他处于同一个网络下，通过ifconfig查看ubuntu下的ip,通过FileZilla进行传输，记得端口为22，点击快速连接后，通过拖动可以实现文件传输
conda下载和创建python环境
https://www.anaconda.com/download
进入官网后，直接点skip可以看到下载的界面，下载成功后会有一个.sh文件，通过你的方法传输到ubuntu里面去，或者直接通过ubuntu下浏览器打开下载地址下，或者通过上面的方法进行文件传输
进行安装和环境配置
sh + 安装包名字
在2出按entry，3出有个More,直接q可以退出，后面4输入yes,再后面5点击entry,后面还有个6，问你是否需要初始化，我一般选no,然后再去配置bashrc文件，如果选yes,就不需要配置了，只需要重新打开一个终端，会有base,后面直接输入下面创建包的指令就行了
如果5后面选择yes,则不用进行这步操作，注意第二句放到文件末尾，后面保存就行，第四句是启动conda环境，选择了yes直接新建终端就有了，如果vi使用上下，出现A,B，之类，可以用下面的指令（
）
sudo vi ~/.bashrc
export PATH=~/anaconda3/bin:$PATH
source ~/.bashrc
source activate
conda下 创建环境python
第一句是格式，第二句是创建包，选择python3.8环境，因为yolov8最低要求要python3.8以上，现在yolo5去官网下的好像也要python3.8以上了，第三句是进入环境，注意进入环境要做base的基础上
conda create -n your_env_name python=X.X
conda create -n yolo python=3.8
conda activate yolo
下载pycharm，让pycharm使用conda环境
官网地址
https://www.jetbrains.com/pycharm/download/?section=linux#section=linux
滑动到最下面，选择免费的社区版，下载.tar.gz(linux),下载好后，解压，将文件复制，然后sh运行，注意文件名字，名字可能因为官方更新不一样，注意改动，第一次启动这个sh,会弹出界面，先接受，后面选择don't send，后面在主界面选择open，选择一个自己想存代码的文件夹，然后trust
sudo mkdir /opt/pycharm
tar -xzvf pycharm-community-2024.2.1.tar.gz
sudo mv pycharm-community-2024.2.1 /opt/pycharm/
cd /opt/pycharm/
sh pycharm-community-2024.2.1/bin/pycharm.sh 
更改pycharm的编译环境
点击确定后，可以看到右下角环境名字改变
创建桌面图标
不创建的话，每次只能去原文件通过sh启动
安装基本配置环境
记住需要在conda中的yolo环境中安装，就是你创建的python环境
先安装深度摄像头驱动
pip install pyrealsense2
再安装opecv
conda install -c conda-forge opencv
然后安装pytorch，这个可以去官网选择，我的ubuntu没有GPU,所以就直接选择了cpu的，官网地址如下，如果你想旋转GPU,需要去确定自己的指令，你的指令和我我这个指令肯定是不一样的
conda install pytorch torchvision torchaudio cpuonly -c pytorch然后安装yolov8,这是官网地址：https://github.com/ultralytics/ultralytics
下载的话，可以通过git,或者直接下载:git clone https://github.com/ultralytics/ultralytics，然后就是安装他，先安装基础环境，注意在conda环境中
pip install -U pip setuptools wheel
pip install numpy opencv-python pillow matplotlib pyyaml tqdm
pip install scipy然后安装下载好的包，名字git下在和直接下载估计名字不一样
cd ultralytics-main/
pip install -e .
使用和测试
首先需要去下载yolov8x.pt，越下面的精度越高，但算法越高，耗时越高，我就直接用yolov8n.pt,我把我的代码也给出来，把这个和文件你的代码放同一个文件就可以直接用了，下载方法可以参考别人这个博客：下载yolov8权重文件（.pt）文件_yolov8s.pt下载-CSDN博客
代码
这个前这段注释是测试摄像头能否使用，只是单纯的拍摄功能，为啥给出这个呢，因为有时候直接用下面的深度识别，供电供不上，我就想用这个试下有没有问题，后面在重新插拔，来启动深度识别，注意usb需要选择usb3.0以上，我的是usb3.1
# import pyrealsense2 as rs
# import numpy as np
# import cv2
#
# # 配置RealSense管道
# pipeline = rs.pipeline()
# config = rs.config()
#
# # 启用颜色流（RGB）
# config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
#
# # 启动管道
# pipeline.start(config)
#
# try:
# while True:
# # 获取摄像头帧
# frames = pipeline.wait_for_frames()
# color_frame = frames.get_color_frame()
#
# if not color_frame:
# continue
#
# # 转换为NumPy数组
# color_image = np.asanyarray(color_frame.get_data())
#
# # 使用OpenCV显示图像
# cv2.imshow('RealSense RGB', color_image)
#
# # 按下 'q' 键退出
# if cv2.waitKey(1) & 0xFF == ord('q'):
# break
#
# finally:
# # 停止管道
# pipeline.stop()
#
# # 释放 OpenCV 窗口
# cv2.destroyAllWindows()
import cv2
from ultralytics import YOLO
import pyrealsense2 as rs
import numpy as np
# 初始化 YOLOv8 模型
model = YOLO('yolov8n.pt')
# 配置 RealSense D435i 摄像头
pipeline = rs.pipeline()
config = rs.config()
config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30)
config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)
# 开始视频流
pipeline.start(config)
# 获取相机的深度传感器
align_to = rs.stream.color
align = rs.align(align_to)
try:
while True:
# 从摄像头获取帧
frames = pipeline.wait_for_frames()
aligned_frames = align.process(frames) # 对齐深度图到彩色图
depth_frame = aligned_frames.get_depth_frame()
color_frame = aligned_frames.get_color_frame()
if not depth_frame or not color_frame:
continue
# 将帧转换为 NumPy 数组格式
color_image = np.asanyarray(color_frame.get_data())
depth_image = np.asanyarray(depth_frame.get_data())
# 使用 YOLOv8 模型进行推理
results = model.predict(source=color_image, show=False)
# 获取检测到的每个物体的边界框坐标、置信度和类别
for result in results:
boxes = result.boxes # 获取边界框列表
for box in boxes:
# 获取坐标、类别和置信度
x1, y1, x2, y2 = map(int, box.xyxy[0]) # 边界框的左上角 (x1, y1) 和右下角 (x2, y2)
conf = box.conf[0] # 置信度
cls = int(box.cls[0]) # 类别索引
label = model.names[cls] # 类别名称
# 计算目标的中心点
cx = (x1 + x2) // 2
cy = (y1 + y2) // 2
# 获取中心点的深度值
depth = depth_frame.get_distance(cx, cy)
# 将像素坐标和深度转换为相机坐标系中的3D坐标
depth_intrin = depth_frame.profile.as_video_stream_profile().intrinsics # 获取相机内参
point = rs.rs2_deproject_pixel_to_point(depth_intrin, [cx, cy], depth) # 获取3D坐标
# 打印物体的空间坐标（3D坐标）
print(f"物体: {label}, 置信度: {conf:.2f}, 2D中心坐标: ({cx}, {cy}), 3D空间坐标: {point}")
# 在图像上绘制边界框和标签
cv2.rectangle(color_image, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.putText(color_image, f'{label} {conf:.2f}', (x1, y1 - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
# 显示推理后的图像
cv2.imshow('YOLOv8 Real-Time Detection with Depth', color_image)
# 按键 'q' 退出循环
if cv2.waitKey(1) & 0xFF == ord('q'):
break
finally:
# 停止视频流
pipeline.stop()
cv2.destroyAllWindows()
效果：下面输出的是他的坐标，只不过是单纯的一个物体坐标
扫一扫
5418
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
