【Intel RealSense D455】Windows + yolo v5 6.0 环境搭建 & 目标检测深度测距的实现

硬件平台：windows10、NVIDIA GeForce GTX 1060

软件平台：Pycharm、Anaconda3、CUDA&cuDNN、pytorch

本篇博客实现的功能：

一、应用Intel RealSense D455 深度相机，进行深度图像采集

二、在Windows下搭建yolov5的环境

三、应用GitHub克隆下来的大佬代码实现目标分类检测和测距

（ps：如果无法进入上述“大佬代码”网站，可以点击“百度网盘”笔者已上传至百度网盘-提取码：mmtt ）

一、opencv-python 调用D455 rgb深度测试

① 安装opencv-python

pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple

② 安装pyrealsense2 软件包

pip install pyrealsense2 -i https://pypi.mirrors.ustc.edu.cn/simple

③测试代码      如果报错：没有numpy包 —— 解决方法：直接在终端pip安装即可

import pyrealsense2 as rs
import numpy as np
import cv2


if __name__ == "__main__":
    # Configure depth and color streams
    pipeline = rs.pipeline()
    config = rs.config()
    config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 60)
    config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 60)
    # Start streaming
    pipeline.start(config)

    try:
        while True:
            # Wait for a coherent pair of frames: depth and color
            frames = pipeline.wait_for_frames()
            depth_frame = frames.get_depth_frame()
            color_frame = frames.get_color_frame()
            if not depth_frame or not color_frame:
                continue
            # Convert images to numpy arrays

            depth_image = np.asanyarray(depth_frame.get_data())
            color_image = np.asanyarray(color_frame.get_data())
            depth_colormap = cv2.applyColorMap(cv2.convertScaleAbs(depth_image, alpha=0.03), cv2.COLORMAP_JET)
            # Stack both images horizontally
            images = np.hstack((color_image, depth_colormap))
            # Show images
            cv2.namedWindow('RealSense', cv2.WINDOW_AUTOSIZE)
            cv2.imshow('RealSense', images)
            key = cv2.waitKey(1)
            # Press esc or 'q' to close the image window
            if key & 0xFF == ord('q') or key == 27:
                cv2.destroyAllWindows()
                break
    finally:
        # Stop streaming
        pipeline.stop()

④ 测试效果

 

 二、在Windows下搭建YOLO v5 6.0 环境

step 1 ：安装Pycharm、Anaconda3、CUDA&cuDNN；新建虚拟环境，将下载的代码包放入工程文件夹中

安装方法见此篇博客：安装详细步骤，无需执行“安装tensorflow-gpu”（跳过此步）

step 2 ：安装pytorch 

笔者的CUDA的版本是11.2 

使用一下命令进行安装 

pip3 install torch-1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

读者需要根据自己的显卡驱动和CUDA版本选择合适的pytorch版本号，版本查询方式

【注】如果版本号无法匹配，在下面测试代码时将会出现以下错误：

AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'

解决方法：卸载掉当前版本（带有tourch的都需要删掉）后重新pip install 正确版本号

pip uninstall 软件包名称

step 3 ：运行realsensedetect.py

本工程转载自：https://blog.csdn.net/qq_45077256/article/details/120040059     代码解析见原博客 

如果在第一步中保存的是“大佬的代码”，则在初次运行时会自动下载 yolov5m.pt 权重文件，下载速度较慢。如果尝试多次无法成功下载，可以在上述百度网盘中直接下载下来。

直接保存百度网盘中的工程可以不用再次下载这个权重文件

检测效果