TX1刷机+安装YOLOv3

参考网址：
（1）https://blog.csdn.net/cgt19910923/article/details/80812184
（2）https://blog.csdn.net/c406495762/article/details/70786700
（3）https://blog.csdn.net/qq583083658/article/details/85876621
（4）https://blog.csdn.net/dlphay/article/details/70109388

一.TX1刷机

（1）下载JetPack刷机包

（Nvidia下载地址），需要注册Nvidia官网账户；

（2）主机端(Ubuntu 16.04/14.04)安装

mkdir Jetson_TX1
cd Jetson_TX1
sudo chmod +x JetPack-L4T-3.3-linux-x64_b39.run
./JetPack-L4T-3.3-linux-x64_b39.run

弹出的Warning提示无需理会，点Okay——Next,选择默认安装目录，拒绝用户信息采集，即可开始安装；

这一步选择板卡对应型号，接下来进行组件安装：

列表包含主机Ubuntu和Jetson TX1两部分，由于主机之前已安装过CUDA、OPENCV等组件，右上角选择Custom模式，将Host-Ubuntu——Action——install单击选择“no-action”。同意各种条款之后即可开始下载并安装，安装完成即可开始转到JetsonTX1端。

(3)JetsonTX1端安装

主机、开发板均通过网线连接到同一个路由器，选择第一种网络连接方式：

选择默认网卡之后，查看待安装组件：

点击Next之后，会出现Post Installation界面。此时，我们就需要将开发板连接到电脑，准备刷机，以下步骤为终端中英文的翻译结果：
1.断开电源，保证开发板处于断电关机状态；
2.用网线连到路由器上，也可插上鼠标键盘；
3.用Micro USB线把开发板连到电脑上(类似于安卓手机连电脑)，如果使用的是虚拟机主机，需要在虚拟机-可移动设备中找到英伟达设备，然后选择与虚拟机连接，与主机断开；
4.接通AC电源，按下power键开机；
5.长按rec键不松开，然后点按一下reset键，过2s以后，再松开rec键，此时开发板处于强制恢复模式。

完成以上步骤后，我们还要检查开发板有没有和电脑正确连接，终端输入lsusb 命令，可以看到一些列表，只要发现其中有Nvidia Corp就说明连接正确。我的检查结果如下：

在post installation界面中敲一下enter，就开始了刷机过程：

安装一会儿之后，会出现提示信息，让我们按RESET重启TX1开发板。如果TX1重启后出现了Ubuntu的GUI界面，说明系统已经安装完成。接下来就需要安装CUDA、OpenCV等组件。在按Enter继续安装之前，需要确保TX1已经连网外网，如果校园网需要登录网关这样的，先将网关登录好再继续，因为安装组件的时候，需要安装一些依赖库，需要有外网的情况下才能进行。按Enter继续后，会出现提示信息，确定TX1的IP地址，手动输入TX1的IP地址后，按回车继续，稍等一会儿，会出现如下对话框：

输入Device IP Address，就是之前确定的IP地址，需要用ifconfig命令检查TX1与主机是否处于同一局域网，以确保ssh服务能够正常使用。User Name和Password，都是ubuntu或nvidia。填写完按Next继续，一路Next之后再次进入Post Installation界面，进行安装组件，此时使用SSH远程服务，无需下载线。如下图所示：

图片中是cuda8.0,JetPack3.3已转到cuda9.0,安装即出现以下步骤：

二.安装YOLOv3

（1）安装darknet

git clone https://github.com/pjreddie/darknet
cd darknet/
gedit makefile

需修改部分为：

GPU=1
CUDNN=1
OPENCV=1
NVCC=/usr/local/cuda-8.0/bin/nvcc

另外计算能力选项需要注意，开始编译：make -j4(4核处理器)

(2)下载权重文件

cd catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/

COCO data set (Yolo v2):
  wget http://pjreddie.com/media/files/yolov2.weights
  wget http://pjreddie.com/media/files/yolov2-tiny.weights

VOC data set (Yolo v2):
  wget http://pjreddie.com/media/files/yolov2-voc.weights
  wget http://pjreddie.com/media/files/yolov2-tiny-voc.weights

Yolo v3:
  wget http://pjreddie.com/media/files/yolov3.weights
  wget http://pjreddie.com/media/files/yolov3-voc.weights

yolov3-voc链接失效，可以在github网站关注最新进展。另外YOLO官网有权重文件、网络文件下载；

（3）测试

1.测试单张图片：

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

2.测试视频：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights 

3.测试外接Webcam摄像头：

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights -c 1

yolov3.cfg和yolov3.weights为coco数据集训练的网络，可识别80类。

4.测试结果
TX1：4fps（YOLO） 12fps（tiny_YOLO）
TX2 : 6.5fps (YOLO) 16fps （tiny_YOLO）
1050 : 23fps (YOLO) 55fps ( tiny_YOLO )

三、基于ROS的YOLOv3安装

darknet_ros官网->https://github.com/leggedrobotics/darknet_ros
安装过程参考->ROS Kinetic + Ubuntu 16.04 yolov3配置
下载自己需要的权重文件和网络文件，编写launch文件并运行。