ROS小车打造（二）--Jetson TX2安装与调试

最新推荐文章于 2024-05-11 17:13:05 发布

leoFY123

最新推荐文章于 2024-05-11 17:13:05 发布

阅读量3.4k

点赞数 3

分类专栏： ROS小车打造文章标签：深度学习 pytorch tensorflow

本文链接：https://blog.csdn.net/leoFY123/article/details/122123882

版权

ROS小车打造专栏收录该内容

12 篇文章 26 订阅

订阅专栏

我拿到板子之后,要做小车的打造,需要了解板子有那些硬件资源与软件资源.然后看那一些可以利用起来,具体可参见以下文档

jetson_tx2_developer_kit_user_guide.pdf-制造文档类资源-CSDN下载

Jetson TX2 - eLinux.org

https://developer.nvidia.com/embedded/downloads#?tx=$product,jetson_tx2

板子的硬件资源:

性能参数

工作模式选择

查看模式与设置模式

sudo nvpmodel -q
sudo nvpmodel -m 0

或者执行下面指令可以直接火力全开

sudo jetson_clocks

风扇不转可以

git clone git@github.com:Pyrestone/jetson-fan-ctl.git
cd jetson-fan-ctl/
sudo ./install.sh

或直接设置这个值0最慢，255最快

sudo vim /sys/devices/pwm-fan/target_pwm

端口

我的带一个板载摄像头插在J21上,带一个USB,一个小的micro USB,还有相关的硬件接口,日后补充

J21引脚定义

板子的软件资源:

JetPack:相当于一个一体化的软件包，帮助我们直接完成对一些模型和开发工具的安装，其中包含Linux驱动包,CUDA加速库以及深度学习和计算机视觉的函数接口。
TensorRT:是一个高性能的深度学习推理（Inference）优化器，可以为深度学习应用提供低延迟、高吞吐率的部署推理。TensorRT可用于对超大规模数据中心、嵌入式平台或自动驾驶平台进行推理加速
TensorFlow:是广泛使用的实现机器学习以及其它涉及大量数学运算的算法库之一

cuDNN:深度神经网络加速库，让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。

CUDA:通用并行计算架构，该架构使GPU能够解决复杂的计算问题
Multimedia_API:主要是应用于摄像头与图相应用的传感器的开发应用
VisionWorks:是基于openvx的，OpenVx是一个接口标准，为了嵌入式处理器加速而生的。Visionworks可以理解为Openvx在cuda上的一个加速包, 对于速度要求不高的，可以不用考虑这个平台，直接使用opencv开发效率更高

OpenCV:是一个跨平台的计算机视觉和机器学习的软件库，在物体识别、运动跟踪中广泛应用。

一些例程的目录如下所示

板子的一些工具的安装与使用

1.使用板载摄像头

nvgstcapture

使用ctrl+C关闭

参照安装板载摄像头GitHub - catterfyleo/jetson_csi_cam: A ROS package making it simple to use CSI cameras on the Nvidia Jetson TK1, TX1, or TX2 with ROS.

1. 下载 jetson_csi_cam

将此存储库克隆到您的catkin_workspace.

cd ~/catkin_workspace/src
git clone https://github.com/peter-moran/jetson_csi_cam.git

2. 安装gscamgstreamer-1.0 支持

克隆gscam到你的catkin_workspace.

cd ~/catkin_workspace/src
git clone https://github.com/ros-drivers/gscam.git

然后编辑./gscam/Makefile并将 CMake 标志添加-DGSTREAMER_VERSION_1_x=On到文件的第一行，使其显示为：

EXTRA_CMAKE_FLAGS = -DUSE_ROSBUILD:BOOL=1 -DGSTREAMER_VERSION_1_x=On

同时，如果您有该标记，只需要gstreamer-0.1与gstreamer-1.0同时安装，这是很好的做法，包括。

3.构建一切

现在，我们建立并注册gscam和jetson_csi_cam活性氧。

cd ~/catkin_workspace
catkin_make
source ~/.bashrc

报错的处理方式

还可以运行个yolo尝试一下，这个要在ROS环境下运行

https://blog.csdn.net/leoFY123/article/details/122381998

2.查看CPU温度及安装jtop

sudo apt install lm-sensors -y
sensors
sudo apt-get install python-pip
sudo -H pip install jetson-stats
sudo jtop

3.run cuda samples

cd /usr/local/cuda-10.2/samples/5_Simulations/

cd nbody

sudo make

./nbody

4.给车辆加框例程

需要先编译一下，后面的执行命令有点长，执行过程需要

的等待一下,这里贴出命令与帮助信息以供参考。

cd /usr/src/jetson_multimedia_api/samples/backend

sudo make

sudo ./backend 1 /usr/src/jetson_multimedia_api/data/Video/sample_outdoor_car_1080p_10fps.h264 H264 --trt-deployfile /usr/src/jetson_multimedia_api/data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.prototxt --trt-modelfile /usr/src/jetson_multimedia_api/data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.caffemodel --trt-mode 1 --trt-proc-interval 1 -fps 10

5.使用moba xterm连接设备

6.安装cutecom

sudo apt-get install cutecom

7.安装QT

sudo apt-get install qt5-default qtcreator -y

Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)_天明宇朗的博客-CSDN博客_yolov3训练voc2007