很想實(shí)現(xiàn)ros和yolo的聯(lián)合使用，所以找到了darknet_ros這個(gè)包，我感覺難點(diǎn)不在于工程，而在于yolo的環(huán)境配置。本文將從環(huán)境入手逐步實(shí)現(xiàn)功能。
1.設(shè)備
相機(jī)：realsenseD455
筆記本：T440P
顯卡：GT-730M
算力：3.0
2.環(huán)境安裝
2.1 安裝nvidia-smi
直接安裝推薦版本就行，安裝完需要重啟，命令直接如下（如果使用nvidia-smi可以查看顯卡信息，那就不需要接下來的操作）：
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
nvidia-smi
reboot
2.2 安裝cuda
1.查看cuda版本，會(huì)發(fā)現(xiàn)第一個(gè)命令查到的比第二個(gè)命令版本要高，我的是一個(gè)11.4，一個(gè)9.x，需要對(duì)版本進(jìn)行統(tǒng)一，并且需要根據(jù)顯卡盡量往高了搞，不然可能會(huì)出現(xiàn)yolo版本不支持該顯卡算力的情況。因此我們的目標(biāo)就是安裝一個(gè)cuda 11.4，讓nvcc -V查出來的版本和nvidia-smi版本相同。
nvidia-smi
和
nvcc -V
2.安裝（建議不要翻墻，下載會(huì)巨慢）：
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
sudo sh cuda_11.4.0_470.42.01_linux.run
vim ~/.bashrc
export PATH=$PATH:/usr/local/cuda-11.4/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.4/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-11.4/lib64
參考鏈接：鏈接1，鏈接2
2.3 安裝cudnn
1.下載：
翻墻到Nvidia官網(wǎng)找到對(duì)應(yīng)cuda版本的cudnn版本，這里需要的就是第二個(gè)“cuDNN Library for Linux (x86_64)”。
2.安裝
解壓上一步的壓縮包，然后復(fù)制到系統(tǒng)環(huán)境里，并賦予權(quán)限。
tar -zxvf xxxxxxx.tgz
sudo cp -rf cuda/include/cudnn* /usr/local/cuda-11.4/include/
sudo cp -rf cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64/
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn*
sudo chmod a+r /usr/local/cuda-11.4/lib64/libcudnn*
3.測(cè)試
輸入命令，顯示如下安裝成功：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
參考鏈接：鏈接1，鏈接2
2.4 安裝annconda
1.下載
Anaconda3-2022.05-Linux-x86_64.sh
2.安裝，一直回車/Yes
bash Anaconda3-2022.05-Linux-x86_64.sh
3.測(cè)試
# 查看版本
conda --version
conda list
# 環(huán)境列表
conda env list # 或 conda info --env
4.關(guān)閉base
在安裝完成后之后會(huì)發(fā)現(xiàn)電腦用戶名前面多了個(gè)(base)，這里解決anaconda安裝后出現(xiàn)的(base)問題。
關(guān)閉：
conda config --set auto_activate_base false
開啟：
conda config --set auto_activate_base true
參考鏈接：鏈接1，鏈接2
2.5 安裝realsense
這個(gè)網(wǎng)上很多教程，這里只列出關(guān)鍵的幾個(gè)命令：
sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main" -u
sudo apt-get install librealsense2-dkms
sudo apt-get install librealsense2-utils
參考鏈接：鏈接1，鏈接2，鏈接3，鏈接4
3.darknet_ros
3.1 下載
在工程里放入darknet_ros，下載鏈接：github
在工程里放入realsense-ros，下載鏈接：github
用catkin工具編譯下。
3.2 啟動(dòng)攝像頭
1.更新環(huán)境變量
source devel/setup.bash
2.啟動(dòng)
roslaunch realsense2_camera rs_camera.launch
3.查看話題
rostopic list
4.圖像的話題名稱為：
/camera/color/image_raw
3.3完整啟動(dòng)
第一步：
roslaunch realsense2_camera rs_camera.launch
第二步：
roslaunch darknet_ros darknet_ros.launch
3.4 GPU和CUDA加速
1.修改makefile文件
文章來源：http://www.zghlxwxcb.cn/news/detail-421257.html
GPU=1
CUDNN=1
OPENCV=1
OPENMP=0
DEBUG=0
ARCH=
-gencode arch=compute_35,code=sm_35 \
-gencode arch=compute_50,code=[sm_50,compute_50] \
-gencode arch=compute_52,code=[sm_52,compute_52]
# -gencode arch=compute_20,code=[sm_20,sm_21] \ This one is deprecated?
# This is what I use, uncomment if you know your arch and want to specify
# ARCH= -gencode arch=compute_52,code=compute_52
VPATH=./src/:./examples
SLIB=libdarknet.so
ALIB=libdarknet.a
EXEC=darknet
OBJDIR=./obj/
CC=gcc
CPP=g++
NVCC=/usr/local/cuda-11.4/bin/nvcc
AR=ar
ARFLAGS=rcs
OPTS=-Ofast
LDFLAGS= -lm -pthread
COMMON= -Iinclude/ -Isrc/
CFLAGS=-Wall -Wno-unused-result -Wno-unknown-pragmas -Wfatal-errors -fPIC
ifeq ($(OPENMP), 1)
CFLAGS+= -fopenmp
endif
ifeq ($(DEBUG), 1)
OPTS=-O0 -g
endif
CFLAGS+=$(OPTS)
ifeq ($(OPENCV), 1)
COMMON+= -DOPENCV
CFLAGS+= -DOPENCV
LDFLAGS+= `pkg-config --libs opencv` -lstdc++
COMMON+= `pkg-config --cflags opencv`
endif
ifeq ($(GPU), 1)
COMMON+= -DGPU -I/usr/local/cuda-11.4/include/
CFLAGS+= -DGPU
LDFLAGS+= -L/usr/local/cuda-11.4/lib64 -lcuda -lcudart -lcublas -lcurand
endif
ifeq ($(CUDNN), 1)
COMMON+= -DCUDNN
CFLAGS+= -DCUDNN
LDFLAGS+= -lcudnn
endif
OBJ=gemm.o utils.o cuda.o deconvolutional_layer.o convolutional_layer.o list.o image.o activations.o im2col.o col2im.o blas.o crop_layer.o dropout_layer.o maxpool_layer.o softmax_layer.o data.o matrix.o network.o connected_layer.o cost_layer.o parser.o option_list.o detection_layer.o route_layer.o upsample_layer.o box.o normalization_layer.o avgpool_layer.o layer.o local_layer.o shortcut_layer.o logistic_layer.o activation_layer.o rnn_layer.o gru_layer.o crnn_layer.o demo.o batchnorm_layer.o region_layer.o reorg_layer.o tree.o lstm_layer.o l2norm_layer.o yolo_layer.o iseg_layer.o image_opencv.o
EXECOBJA=captcha.o lsd.o super.o art.o tag.o cifar.o go.o rnn.o segmenter.o regressor.o classifier.o coco.o yolo.o detector.o nightmare.o instance-segmenter.o darknet.o
ifeq ($(GPU), 1)
LDFLAGS+= -lstdc++
OBJ+=convolutional_kernels.o deconvolutional_kernels.o activation_kernels.o im2col_kernels.o col2im_kernels.o blas_kernels.o crop_layer_kernels.o dropout_layer_kernels.o maxpool_layer_kernels.o avgpool_layer_kernels.o
endif
EXECOBJ = $(addprefix $(OBJDIR), $(EXECOBJA))
OBJS = $(addprefix $(OBJDIR), $(OBJ))
DEPS = $(wildcard src/*.h) Makefile include/darknet.h
all: obj backup results $(SLIB) $(ALIB) $(EXEC)
#all: obj results $(SLIB) $(ALIB) $(EXEC)
$(EXEC): $(EXECOBJ) $(ALIB)
$(CC) $(COMMON) $(CFLAGS) $^ -o $@ $(LDFLAGS) $(ALIB)
$(ALIB): $(OBJS)
$(AR) $(ARFLAGS) $@ $^
$(SLIB): $(OBJS)
$(CC) $(CFLAGS) -shared $^ -o $@ $(LDFLAGS)
$(OBJDIR)%.o: %.cpp $(DEPS)
$(CPP) $(COMMON) $(CFLAGS) -c $< -o $@
$(OBJDIR)%.o: %.c $(DEPS)
$(CC) $(COMMON) $(CFLAGS) -c $< -o $@
$(OBJDIR)%.o: %.cu $(DEPS)
$(NVCC) $(ARCH) $(COMMON) --compiler-options "$(CFLAGS)" -c $< -o $@
obj:
mkdir -p obj
backup:
mkdir -p backup
results:
mkdir -p results
.PHONY: clean
clean:
rm -rf $(OBJS) $(SLIB) $(ALIB) $(EXEC) $(EXECOBJ) $(OBJDIR)/*
2.修改CMakeLists.txt 這里按正常需要改成自己電腦的算力，不過對(duì)于我的而言該版本的CUDA不支持3.0的算力，刪除了設(shè)置3.0的就可以解決。
完工！文章來源地址http://www.zghlxwxcb.cn/news/detail-421257.html
到了這里，關(guān)于darknet_ros+yolo+realsenseD455+Ubuntu18.04+ROS的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
![[ros][ubuntu]ros在ubuntu18.04上工作空間創(chuàng)建和發(fā)布一個(gè)話題](https://imgs.yssmx.com/Uploads/2024/02/688304-1.png)
