yolov5-deepstream-python

cv-detect-ros子项目(二)（yolov5-deepstream-python）

硬件环境

• 英伟达TX2板载计算机
• 鼠标键盘（推荐使用有线连接方式）

软件环境

• Jetpack 4.5 （ubuntu 18.04）
• TensorRT 7.1
• CUDA 10.2
• cuDNN 8.0
• OpenCV 4.1.1
• deepstream 5.0

一、安装ROS操作系统

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

• 以上步骤执行完成后，可尝试在终端运行roscore命令，若出现下图所示，说明ros安装正常： 

---

 

二、安装DeepStream on TX2(Jetpack 4.5)

(备注):若使用SDKManager软件对TX2进行刷机，且刷入系统时选择了DeepStream 5.0选项，便会自动安装 DeepStream，无需进行以下手动安装。

１．安装依赖

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

２．安装 DeepStream SDK

（１）进入官方DeepStream SDK选择DeepStream 5.0 for Jetson并下载(Jetpack 4.5 向下兼容)  （２）下载后得到压缩文件deepstream_sdk_5.0_jetson.tbz2，输入以下命令以提取并安装DeepStream SDK:

 

sudo tar -xvf deepstream_sdk_5.0_jetson.tbz2 -C /
cd /opt/nvidia/deepstream/deepstream-5.０
sudo ./install.sh
sudo ldconfig

（３） DeepStream测试

• 执行以下命令：

cd /opt/nvidia/deepstream/deepstream-5.０/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： 

---

 

三、从github克隆cv-detect-ros项目，并将本人设计好的yolov5-ros-deepstream子项目的相关子文件夹拷贝到相应目录下进行编译

1. 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）

git clone https://github.com/guojianyang/cv-detect-ros.git

1. 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-5.0/sources/

1. 再拷贝cv-detect-ros/yolov5-ros-deepstream/yolov5-ros文件夹到opt/nvidia/deepstream/deepstream-5.０/sources/

sudo cp ~/cv-detect-ros/yolov5-ros-deepstream/yolov5-ros /opt/nvidia/deepstream/deepstream-5.０/sources/

1. 然后进入拷贝的目标文件夹 /opt/nvidia/deepstream/deepstream-5.０/sources/

cd /opt/nvidia/deepstream/deepstream-5.0/sources

在该文件夹下有yolov5-ros目录，但是打开目录后没有发现下图中的video文件夹，这是由于video体量大，受到github上传容量限制，video视频文件可自行在以下百度网盘链接下载：

链接: https://pan.baidu.com/s/1V_AftufqGdym4EEKJ0RnpQ 密码: fr8u

1. yolov5-ros文件夹下的内容如下图所示：

 

• 文件夹下内容相关解释如下:

vdsinfer_custom_impl_Yolo--------------------------存放yolov5-ros-deepstream子项目的源码及被编译文件夹

client_ros.py-------------------------------------------存放python版本的发布目标检测数据的ros节点

video----------------------------------------------------存放被检测的相关视频文件

config_infer_number_sv30.txt------------------------自定义的数字检测引擎number_v30.engnine的基础配置文件

deepstream_app_number_sv30.txt------------------启动数字检测引擎number_v30.engnine的启动配置文件

config_infer_primary.txt-------------------------------官方提供的yolov5s.engine引擎的基础配置文件

deepstream_app_config.txt---------------------------官方提供的yolov5s.engine引擎的启动配置文件

abels.txt-------------------------------------------------官方提供的yolov5s.engine引擎的标签配置文件

number_v30.txt----------------------------------------自定义的数字检测引擎number_v30.engnin的标签配置文件

download_engine.txt ---------------------------------通过里面的链接下载“number_v30.engnine”和“yolov5s.engine”

source1_csi_dec_infer_yolov5.txt--------------------启动csi摄像头实时检测

source1_usb_dec_infer_yolov5.txt--------------------启动csi摄像头实时检测

６. 通过download_engine.txt文本下载“number_v30.engnine”和“yolov5s.engine”引擎

由于受到github上传容量限制

请通过以下百度网盘链接下载引擎文件夹engine_file(包含“number_v30.engine”和“yolov5s.engine”)： 链接: https://pan.baidu.com/s/1xzR8UdZWM2dk3iqGWDG46Q 密码: 4e4d

或者 将yolov5-ros-deepstream/yolo5-ros文件夹下的引擎文件“number_v30.engine”和“yolov5s.engine”复制到本目录下

７. 编译yolov5-ros-deepstream/yolov5-ros源码

cd /opt/nvidia/deepstream/deepstream-5.0/sources/yolov5-ros

CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo

８. 搭建自定义的ros-topic话题消息的工作空间 ９. 将git clone 的文件夹cv-detect-ros/yolov5-ros-deepstream/boxes_ws复制到家目录下

sudo cp -r ~/cv-detect-ros/yolov5-ros-deepstream/boxes_ws ~/

• 进入boxes_ws文件夹，并编译ros工作空间

cd ~/boxes_ws

rm -r build devel

catkin_make

• 将boxes_ws工作空间添加环境变量

sudo gedit .bashrc

打开.bashrc文件后，将source ~/boxes_ws/devel/setup.bash添加进去

四、运行测试

１.运行number_v30.engine引擎测试视频文件夹video内的视频文件内的视频

cd /opt/nvidia/deepstream/deepstream-5.0/sources/yolov5-ros deepstream-app -c deepstream_app_number_sv30.txt

• 正常运行number_v30.engine引擎后，会出现实时检测数字的视频流，在命令框里可看到运行帧率(FPS)
• 启动 client.py脚本读取目标检测数据并打印出来

python2 client.py 正常运行时如下图所示： 

 

２.运行yolov5s.engine引擎测试视频文件夹video内的视频文件内的视频

cd /opt/nvidia/deepstream/deepstream-5.0/sources/yolov5-ros deepstream-app -c deepstream_app_config.txt

• ros的接入与（１）中一样

3.YOLOv5 USB摄像头视频测试命令

deepstream-app -c source1_usb_dec_infer_yolov5.txt

4.YOLOv5 CSI 摄像头视频测试命令

deepstream-app -c source1_csi_dec_infer_yolov5.txt