目录
2.6.1 先按yolov5目录中的requirements.txt 下载对应的库
2.6.2 torch与torchvision配置,按照下面博客配置,只看torch部分就好
一、概述
本博客为博主参加2024 中国机器人大赛暨 RoboCup 机器人世界杯中国赛机器人先进视觉3D识别赛道时配置环境所记录的流程的整理,也作为给学弟学妹留下的传承,中间有包括几篇有参考的博客,都有附上链接。部署流程亲测有效!!!
注:我们相机到手两天跑通,这教程是真极速版
二、部署流程
2.1 Jeston nano刷机流程
按照下面流程部署,基本上不会有问题:
tips:
1.刷机的建议还是直接使用sd卡烧录比较快
2.对于对应镜像的寻找:官网:https://developer.nvidia.com/embedded/jetpack-sdk-45-archive(这是4.5的页面,需要其他的可以划到最下面有For older versions of JetPack, please visit the JetPack Archive.点击就可以选自己要的版本,部署的时候一定要按需要的版本下)
2.2 cuda配置
打开home目录下的bashrc(ctrl+h显示隐藏文件)
vim ./bashrc
#在结尾添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda10.2/lib64
export PATH=$PATH:/usr/local/cuda10.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda10.2
注意cuda版本,不要盲目复制
2.3 换系统源
作用是更换apt下载的源
这边建议直接使用鱼香ros一键换源
sudo wget http://fishros.com/install -O fishros && bash fishros
更换以后使用命令更新软件包
sudo apt-get update
2.4 Archiconda配置、创建
对jeston nano配置conda的平替Archiconda。按照下面博客的流程配就行。需要注意的是,使用bash Archiconda3-0.2.3-Linux-aarch64.sh命令后,其实一路回车加yes,最后这个脚本会自动把环境变量写入bashrc中,不需要按博客那样配。即bash完,就直接可以使用conda命令了。
博客链接:http://t.csdnimg.cn/VCyr5
还有一点需要注意:在bash前,记得把网络连接上,不然会报错。
2.5 pip换源
在配置这个前,先使用conda配置好自己需要的虚拟环境(这个还不会的,去搜索一下学习学习),在进入虚拟环境后使用一下命令更换pip源,如果需要换其他源可以自己去查一下。
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
2.6 yolov5环境配置
2.6.1 先按yolov5目录中的requirements.txt 下载对应的库
pip install -r requirements.txt
tips:
注释matplotlib:因为第一次下载时报错,先不下。其他的类似
注释torch和torchvison:大概率都会报错或者成功后版本不能用,之后再配
opencv版本改为需要的版本(可以成功下载且可以使用的):实验室的学弟学妹可以看我们留下的requirements.txt
完成后再使用命令下载
成功后再配置前面没有成功的:单独使用pip下
2.6.2 torch与torchvision配置,按照下面博客配置,只看torch部分就好
博客链接:JetsonNano国产套件成功部署YoloV5手把手图解教程_jetson nano+yolov5是干什额-CSDN博客
在配置torchvision时先下载一下依赖库(注意因为没有跟着这篇博客从头到尾配,才在中间配置,更着配太慢了):
sudo apt-get install libopenmpi2 -y
sudo apt-get install libopenblas-dev -y
2.6.3 pyqt5配置
博客链接:http://t.csdnimg.cn/LmHt5
2.6.4 tensorrt配置
直接使用软连接,注意这里,我的conda中是python3.6和系统对应,所以直接使用下面命令就好,对于其他情况,我在下面作一下声明。
1.如果jetpack版本是5.0以上的板子,系统环境是python3.8,那就把命令中的python3.6改一下就好。
2.如果你依旧是python3.6的系统环境,却想给python3.8使用系统的tensorrt,建议去学习一下使用pybind11来进行绑定。这边不作赘述。
命令:
sudo ln -s /usr/lib/python3.6/dist-packages/tensorrt* /home/nano/archiconda3/envs/yolo/lib/python3.6/site-packages
注意后面的位置改为你们自己虚拟环境对应的位置就好
2.6.5 cmake配置
跟着博客配就好:
博客链接:http://t.csdnimg.cn/OuaIQ
2.6.6 相机sdk配置
这边使用的是奥比中光的Astra +相机。
先配置一下缺少的库
下载pybind11
pip install pybind11(在conda中)
相机sdk链接:
官网链接:3D视觉AI开放平台
(顺便吐槽一下,这官网写的确实是有点太垃圾了,论坛里的东西质量也不高,还有售后服务群里的技术支持也是一言难尽,能不能学学别人地平线(bushi))
github:GitHub - orbbec/pyorbbecsdk: OrbbecSDK python binding
建议还是使用github的教程和代码,官网的有点问题。配置流程就按照github上配,但是教程都是用的python虚拟环境配,怪怪的,这边给一下我的配置过程。
#下载源码,建议直接windows里下载拷贝进去
git clone https://github.com/orbbec/pyorbbecsdk.git
#这边不需要下那些依赖什么的,因为跟着我的教程,opencv那些都有了
#配置cmakelist,因为使用conda,所以要配,官网那边就没说
set(Python3_ROOT_DIR "/home/anaconda3/envs/py3.6.8") # Replace with your Python3 path
set(pybind11_DIR "${Python3_ROOT_DIR}/lib/python3.6/site-packages/pybind11/share/cmake/pybind11") # Replace with your Pybind11 path
#开始配置
cd pyorbbecsdk
#这中间配置python虚拟环境的就不要了,进入conda环境配就行
pip3 install -r requirements.txt
mkdir build
cd build
cmake -Dpybind11_DIR=`pybind11-config --cmakedir` ..
make -j4
make install
#测试
cd pyorbbecsdk
export PYTHONPATH=$PYTHONPATH:$(pwd)/install/lib/
sudo bash ./scripts/install_udev_rules.sh
sudo udevadm control --reload-rules && sudo udevadm trigger
python3 examples/depth_viewer.py
python3 examples/net_device.py # Requires ffmpeg installation for network device
2.6.7 比赛代码配置
代码文件夹放到sdk中,运行比赛代码,根据报错缺的库一个个pip配置
注意:pycuda直接使用pip下不了,按照博客下
如果报错time out ,就换个网络(可以试试热点)
之后就可以跑起来代码,接下来就可以开始规划里的代码改进优化以及数据集处理了。
三、总结
到这里关于比赛环境配置就写完了,关于配置,只要网络快,就是我说的极速配置,挺快的。祝大家比赛顺利!!!
这边提及一下和我一起配置环境的队友:凯旋yyds-CSDN博客