[中文] | [English]
- 英伟达jetson nano 板载计算机(原则上jetson 系列产品都能适配此项目)
- 鼠标键盘(推荐使用有线连接方式)
- Jetpack 4.5.1 (ubuntu 18.04)
- TensorRT 7.1
- CUDA 10.2
- cuDNN 8.0
- OpenCV 4.1.1
- deepstream 5.1
链接: https://pan.baidu.com/s/1SFwk4iSxwLZmOUcp4mqJUg 密码: 0l0u
备注:(以下操作最好在搭建梯子或者更换国内源的情况下进行,否则下载速度很慢)
请参考ROS官方安装连接: 官方安装教程 也可按以下步骤安装:
- sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
- sudo apt install curl
- curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -(**若出现`gpg: no valid OpenPGP data found`可直接跳过 **)
- sudo apt update
- sudo apt install ros-melodic-desktop-full
- echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc
- source ~/.bashrc
- source /opt/ros/melodic/setup.bash
- sudo apt install python-rosdep python-rosinstall python-rosinstall-generator python-wstool build-essential
- sudo apt install python-rosdep
- sudo rosdep init
- rosdep update
(备注):若使用SDKManager软件对Nano进行刷机,且刷入系统时选择了DeepStream 5.1选项,便会自动安装 DeepStream,无需进行以下手动安装。
执行下面命令来安装需要的软件包:
sudo apt install \
libssl1.0.0 \
libgstreamer1.0-0 \
gstreamer1.0-tools \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly \
gstreamer1.0-libav \
libgstrtspserver-1.0-0 \
libjansson4=2.11-1
(1)进入官方DeepStream SDK选择DeepStream 5.1 for Jetson
并下载(Jetpack 4.5.1 向下兼容)
(备注):也可在本人提供相关资源百度云盘链接中下载deepstream_sdk_5.1_jetson.tbz2文件包
(2)下载后得到压缩文件deepstream_sdk_5.1_jetson.tbz2
,输入以下命令以提取并安装DeepStream SDK:
sudo tar -xvf deepstream_sdk_5.1_jetson.tbz2 -C /
cd /opt/nvidia/deepstream/deepstream-5.1
sudo ./install.sh
sudo ldconfig
(3) DeepStream测试
- 执行以下命令:
cd /opt/nvidia/deepstream/deepstream-5.1/sources/objectDetector_Yolo
- 执行编译命令
sudo CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo
出现如下图所示结果,说明编译成功:
- 编辑文件prebuild.sh并注释掉除yolov3-tiny的语句 执行以下命令(下载yolov3-tiny.cfg和yolov3-tiny.weights):
sudo ./prebuild.sh
- 执行命令:
deepstream-app -c deepstream_app_config_yoloV3_tiny.txt
若能生成相关engine引擎并启动视频流检测,则说明DeepStream SDK安装成功,如下图所示:
- 查看TensoRT版本
dpkg -l |grep TensorRT
-
安装cmake
- 删除原来的cmake
sudo apt remove cmake
sudo apt purge --auto-remove cmake
- 下载所需版本,解压
tar -xzvf cmake-3.21.2.tar.gz
cd ~/cmake-3.21.2
- 编译安装 执行命令......
./bootstrap
make -j4
sudo make install
- 如果编译安装cmake时如果出现错误:could not find OpenSSL,执行
sudo apt install libssl-dev
- 移动路径
sudo cp ./bin/cmake /usr/bin/
- 验证安装结果
cmake --version
-
安装protobuf
-
下载protobuf-3.17.3.zip并解压
unzip protobuf-3.17.3.zip
-
执行以下命令(其中
sudo make install
等待时间较长)> cd protobuf-3.17.3 > ./autogen.sh > ./configure > make > sudo make install > sudo ldconfig > protoc --version
-
-
安装onnx-tensorrt
git clone -b 7.1 https://github.com/onnx/onnx-tensorrt.git
-
克隆后onnx-tensorrt/third_party/onnx中内容是空的,需要下载与tensorrt7.1匹配的onnx1.6 下载地址为:https://github.com/onnx/onnx/releases ,也可在百度网盘中下载。 将下载后的内容,解压放置到
onnx-tensorrt/third_party/
tar -xzvf onnx-1.6.0.tar.gz mv onnx-1.6.0 onnx
-
执行以下命令
cd onnx-tensorrt mkdir build cd build cmake .. -DTENSORRT_ROOT=/usr/src/tensorrt make -j4 sudo make install onnx2trt -V
-
-
生成yolox的TensorRT engine 文件(必须在同一jetson nano 上完成!!!)
-
从相关资源百度云盘链接中将yolox_s.onnx、yolox_tiny.onnx、yolox_nano.onnx到Jetson Nano上,可放置于home目录下,并依次执行 以下命令:
onnx2trt yolox_s.onnx -o yolox_s.engine
onnx2trt yolox_tiny.onnx -o yolox_tiny.engine
onnx2trt yolox_nano.onnx -o yolox_nano.engine
若要自己生成.onnx文件,请进入以下链接: yolox导出onnx
-
- 从github克隆
cv-detect-ros
项目(建议在搭建梯子的环境下进行git clone)
先按
ctrl + alt +t
进入终端(默认克隆的文件在家目录下)
- 首先对我们所要操作的文件夹赋予权限
sudo chmod -R 777 /opt/nvidia/deepstream/deepstream-5.1/sources/
- 再拷贝cv-detect-ros/yolox-ros-deepstream/yolox-ros文件夹到opt/nvidia/deepstream/deepstream-5.1/sources/ yolox-ros中的文件内容如下图所示:
sudo cp ~/cv-detect-ros/yolox-ros-deepstream/yolox-ros /opt/nvidia/deepstream/deepstream-5.1/sources/
- 拷贝步骤(三)中生成的yolox、yolox-tiny和yolox-nano的engine文件到opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros
cp ~/yolox_s.engine /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros
cp ~/yolox_tiny.engine /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros
cp ~/yolox_nano.engine /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros
-
以上三个引擎文件相关信息如下:
文件名称 文件大小(M) 帧率(FPS) yolox_s.engine 64 4-5 yolox_nano 6 16-17 yolox_tiny 37.5 13-14
-
编译
cd /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros CUDA_VER=10.2 make -C nvdsinfer_custom_impl_yolox
对于yolox-tiny和yolox-nano的部署, nvdsparsebbox_yolox.cpp中先修改
static const int INPUT_W = 416; //640; static const int INPUT_H = 416; //640;
然后在进行编译
-
搭建自定义的rostpoic话题消息的工作空间boxes_ws,建立ros接口
- 将git clone 的文件夹cv-detect-robot/yolovx-ros-deepstream/boxes_ws复制到home目录下
sudo cp -r ~/cv-detect-robot/yolox-ros-deepstream/boxes_ws ~/
- 进入boxes_ws文件夹,编译ros工作空间
cd ~/boxes_ws
- boxes_ws目录下若有 build和devel文件,则需删除后再编译,否则无需执行本步骤
rm -r build devel
- 编译
catkin_make
- 编译成功后,需将boxes_ws工作空间添加环境变量
echo "source ~/boxes_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc
- 将src下功能包darknet_ros_msgs建立软连接至/opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/目录下
cd ~/boxes_ws/src
ln -s ~/boxes_ws/src/darknet_ros_msgs /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/
- 测试ros接口是否成功建立
cd /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/
在当前目录终端下运行`python2`(一定要python2),并导入以下功能包:
from darknet_ros_msgs.msg import BoundingBox_tensor,BoundingBoxes_tensor
若以上导入没有报错,则说明ros接口创建成功!!!
-
测试推理视频文件
-
启动检测程序(启动成功后会出现检测画面)
cd /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros deepstream-app -c deepstream_app_config.txt
-
若出现“mmap err:Bad file descriptor”,通过此链接查找原因常见问题集合
-
将yolox-ros-deepstream中的client_ros.py文件复制到/opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/中
cp -r ~/cv-detect-ros/yolox-ros-deepstream/client_ros.py /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/
-
ctrl + alt +t
新建终端,启动roscore
roscore
-
再
ctrl + alt +t
新建一个终端,并进入目录/opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/cd /opt/nvidia/deepstream/deepstream-5.1/sources/yolox-ros/ python2 client_ros.py
-
client_ros.py文件启动后,检测到的目标数据以topic的形式发布出来,可通过订阅话题
boundingboxes_tensor
实时查看目标检测的数据
-
-
USB摄像头视频测试
-
摄像头简单检测指令(ros的接入与上述一样):
ls /dev/video*
-
安装v4l-utils工具:
sudo apt install v4l-utils
-
检测摄像头比较完整信息的指令:
v4l2-ctl --list-devices
-
摄像头更细致规格的查看指令:
v4l2-ctl --device=/dev/video0 --list-formats-ext v4l2-ctl --device=/dev/video1 --list-formats-ext
-
yolox usb摄像头测试指令:
deepstream-app -c source1_usb_dec_infer_yolox.txt
-
-
CSI摄像头视频测试(ros的接入与上述一样):
deepstream-app -c source1_csi_dec_infer_yolox.txt
-
修改config_infer_primary.txt中的参数(num-detected-classes为自定义的类别数)
num-detected-classes=80
-
在labels.txt中修改类别名称文件,换成自定义的类别名称