Jetson Xavier NX Yolov5的搭建及配合Intel Realsense D435i的使用

该实验需分为三步来完成1.在Jetson Xavier NX上搭建Yolov5。2.安装Intel Realsense D435i的SDK。3.配合YOLOV5实现实时目标检测。

主要操作步骤:

获取Yolov5包,并搭建环境。

(文档链接:https://drive.google.com/drive/folders/18jvzxaEqZV3ZGqWRLPvgIambimrQJ-eN)

根据官方提供ReadMe可直接使用pip install -r requirements.txt来搭建环境。但该做法在jetson xavier nx上不可取,因此需手动搭建环境。

  1. git clone GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite ##若下载上述文档链接则不需要重复下载
  2. pip3 install -U PyYAML==5.3.1
  3. pip3 install tqdm
  4. pip3 install cython

在安装numpy的时候版本很重要,最终推荐安装1.22.4,否则会有报错

  1. pip3 install -U numpy==1.19.5    ##finally version 1.22.4  pip3 install --upgrade numpy
  2. sudo apt install build-essential libssl-dev libffi-dev python3-dev
  3. pip3 install cycler==0.10
  4. pip3 install kiwisolver==1.3.1
  5. pip3 install pyparsing==2.4.7
  6. pip3 install python-dateutil==2.8.2
  7. sudo apt install libfreetype6-dev
  8. pip3 install --no-deps matplotlib==3.2.2
  9. sudo apt install gfortran
  10. sudo apt install libopenblas-dev
  11. sudo apt install liblapack-dev
  12. pip3 install scipy==1.4.1   ##long time to wait
  13. sudo apt install libjpeg-dev
  14. pip3 install pillow==8.3.2

接下来是torch的安装本实验采用的是Torch 1.11.0,Torchvision: 0.12.0。一定要注意搭配相应版本,下面提供两种下载方案有助于准确下载版本

  1. 首先是参考Nvidia官方提供的下载方案,网址如下:

https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-11-now-available/72048

下载命令:

Wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.11.0-cp38-cp38-linux_aarch64.whl

  1. 采用torch官方网站提供的下载方案: (参考链接:https://pytorch.org/get-started/locally/)   
  1. pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113   

至此可以python3 然后import torch 查看是否可以正常使用。若出现upsampling.py文件的报错 则需修改该文件中的forward函数,参考链接:

https://github.com/openal/DALL-E/issues/54

  1. pip3 install --no-deps seaborn==0.11.0

成功运行detect.py ,其--source支持多种格式

 

  1. python3 detect.py --source data/images --weights yolov5s.pt --img 640  

安装IntelRealsense D435i驱动,注意该过程中不能接入摄像头:

  1. git clone https://github.com/jetsonhacks/installRealSenseSDK.git
  2. cd installRealSenseSDK

这里可以选择安装版本,默认为V2.5.0

  1. ./buildLibrealsense.sh 
  2. ###  一些可以参考的链接:https://github.com/IntelRealSense/librealsense/blob/master/doc/distribution_linux.md   

Setting up an Intel® RealSense™ Camera on an NVIDIA Jetson Xavier NX

若出现cmake python路径相关的报错就修改./buildLibrealsense.sh脚本,找到/usr/bin/cmake ../这一行,修改为

  1. /usr/bin/cmake ../ -DBUILD_EXAMPLES=true -DFORCE_LIBUVC=ON -DBUILD_WITH_CUDA="$USE_CUDA" -DCMAKE_BUILD_TYPE=release -DBUILD_PYTHON_BINDINGS=bool:true -DFORCE_RSUSB_BACKEND=ON -DPYTHON_EXECUTABLE=/usr/bin/python3

等待一个小时左右脚本才会运行结束,连接摄像头,先运行realsense-viewer查看摄像头能否正常使用。然后可以python3 然后import pyrealsense as rs查看是否安装正确。如果出现nomodule的报错则需要找到~/librealsense/build/wrappers/python该路径下的六个gnu文件,复制到 /usr/local/lib/python3.8中

  1. then find the pyrealsense2 in ~/librealsense/build/wrappers/python   copy the six file use following command
  2. sudo mv ~/pyrealsense2/ /usr/local/lib/python3.8

该步骤结束后再编辑bashrc修改环境变量

export PYTHONPATH=$PYTHONPATH:/usr/local/lib/python3.8/pyrealsense2

添加这一行至bashrc中再source ~/.bashrc即可再import pyrealsense as rs查看是否安装正确

最后运行recognition_with_realsense.py文件实现实时目标检测。

  • 0
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: Jetson Xavier NX 是 NVIDIA 推出的一款 AI 开发板,搭载了 NVIDIA Xavier 处理器,可用于进行深度学习和计算机视觉任务。而 YOLOv5 是一种基于深度学习目标检测算法,可用于在图像或视频中实时检测多个目标。 如果您想在 Jetson Xavier NX使用 YOLOv5 进行目标检测,可以按照以下步骤进行: 1. 安装 JetPack SDK。JetPack 是 NVIDIA 提供的一个软件开发套件,包含了操作系统、CUDA 工具包、cuDNN 库、TensorRT 库等组件,可以帮助您在 Jetson Xavier NX 上进行深度学习开发。您可以从 NVIDIA 官网下载并安装 JetPack SDK。 2. 下载 YOLOv5 源代码。您可以从 YOLOv5 的 GitHub 仓库下载最新的源代码。下载完成后,将源代码上传至 Jetson Xavier NX 上。 3. 安装依赖项。在 Jetson Xavier NX 上,您需要安装 Python 3、NumPy、PyTorch、OpenCV 等软件包。可以使用 pip 命令进行安装。例如,安装 PyTorch 可以使用以下命令: ``` pip install torch torchvision torchaudio ``` 4. 将 YOLOv5 模型转换为 TensorRT 格式。在 Jetson Xavier NX 上,可以使用 TensorRT 库对模型进行优化,从而提高推理速度。您需要使用 YOLOv5 源代码中提供的脚本将模型转换为 TensorRT 格式。例如,要将 YOLOv5s 模型转换为 TensorRT 格式,可以使用以下命令: ``` python3 models/export.py --weights yolov5s.pt --img 640 --batch 1 ``` 5. 运行目标检测程序。在 Jetson Xavier NX 上,可以使用 YOLOv5 源代码中提供的 detect.py 脚本运行目标检测程序。例如,要在图像中进行目标检测,可以使用以下命令: ``` python3 detect.py --weights yolov5s.torch --img 640 --conf 0.25 --source image.jpg ``` 其中,--weights 参数指定要加载的模型文件,--img 参数指定输入图像的大小,--conf 参数指定目标检测的置信度阈值,--source 参数指定输入图像的文件名。 希望这些步骤对您有所帮助! ### 回答2: Jetson Xavier NX是NVIDIA最新发布的低功耗高性能AI计算平台,被称为最强大的AI小型电脑,其搭载的芯片组拥有384个张量核心,达到了11TFlops的计算能力。YOLOv5是目前最先进的目标检测算法之一,能够在保持高准确率的同时实现快速的目标识别和定位。那么Jetson Xavier NXYOLOv5结合有哪些优势呢? 首先,Jetson Xavier NX的高性能和低功耗使得它非常适合运行YOLOv5算法,因为YOLOv5需要大量的计算资源和内存来进行目标检测和分类,而Jetson Xavier NX能够提供强大的AI计算能力和高速的数据传输,减少了运行YOLOv5算法时的时延。 其次,Jetson Xavier NX还具有较高的多任务处理能力和深度学习推理速度,使得它能够同时运行多个摄像头的视频流进行实时的目标检测和追踪,而不需要降低图像处理的分辨率,从而更好地保持目标检测的准确率和实时性。 此外,Jetson Xavier NX还支持NVIDIA TensorRT和CUDA加速,这两种技术可以将训练好的神经网络的推理速度加速数倍,使得Jetson Xavier NX能够更快地处理复杂的目标检测任务和各种AI场景。 因此,Jetson Xavier NXYOLOv5的结合可以为安防、自动驾驶、智能交通等领域的应用提供更高效、更准确和更实时的解决方案。 ### 回答3: Jetson Xavier NX是英伟达推出的高性能边缘计算平台,搭载NVIDIA的Volta架构和Tensor Cores,支持AI推理、复杂的计算任务和图形渲染。而Yolov5是一种基于深度学习目标检测算法。 Jetson Xavier NX搭载着NVIDIA的高效AI处理芯片,能够支持高效的AI推理,使得检测速度非常快,对于复杂的计算任务有着非常优秀的性能表现。而Yolov5则是基于深度学习算法的目标检测算法,相对于传统的算法有着更好的准确度和速度。 结合Jetson Xavier NXYolov5,我们可以使用Jetson Xavier NX作为高性能边缘计算平台进行目标检测应用的开发。使用Yolov5算法来进行目标检测,可以在保证准确度的前提下提高检测速度,达到更好的实时性能。 有些应用需要在机器上进行目标检测,但是机器的计算能力始终存在限制,这就需要像Jetson Xavier NX这样的高性能计算平台来支持更好的性能表现。使用Yolov5算法,可以在保证准确率的同时提高检测速度,让机器实现实时检测,以获得更好的应用体验。 总之,Jetson Xavier NXYolov5的结合可以在保证准确度的前提下提高目标检测的速度,使得应用具备更好的实时性能,具有非常广泛的应用价值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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