目标识别与双目测距(1)环境搭建：Ubuntu+yolov5+pcl库-EW帮帮网

环境情况

ubuntu 18.04 → 20.04（最终）
- 安装Ubuntu1804虚拟机系统 + Anaconda：可参考我的另一篇文章
Python 3.6.13 → 3.8（最终）
Anaconda3-2021.05

目标识别：YOLOv5相关

1、安装git

sudo apt install git

2、使用以下代码来下载源码并直接安装：

git clone https://github.com/ultralytics/yolov5

3、配置YOLO v5的环境

cd yolov5
pip install -r requirements.txt

问题及解决

1、fatal: unable to access

错误显示：

(base) wjq@wjqUbuntu1804:~$ git clone https://github.com/ultralytics/yolov5
正克隆到 'yolov5'...
fatal: unable to access 'https://github.com/ultralytics/yolov5/': gnutls_handshake() failed: The TLS connection was non-properly terminated.

解决方式1：

①更新 Git：
```
sudo apt update
sudo apt upgrade git
```

②更新 CA 证书：

sudo apt install --reinstall ca-certificates

解决方式2：把命令行里的http改为git重新执行

2、问题443
- 解决途径的参考：https://blog.csdn.net/liubang00001/article/details/141334472
- 随意打开一个终端，输入一下代码安装软件包：
  - 出现[y/n]，均写y
```
sudo apt update
sudo apt install openssh-server
```
- 验证：sudo systemctl status ssh，接着输入q可以返回命令行，于是可以重新
3、版本问题
- 问题：安装requirements.txt时很多版本找不到。
- 解决：可能是anaconda默认下载的Python版本太低，我碰上该问题时用Python3.6无法下载，在虚拟环境搭建Python3.8则可以使用。

创建虚拟环境

0、conda很慢时，可以换镜像源

通过命令行直接添加：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --set channel_priority strict

1、尝试创建虚拟环境：
```
conda create -n py36 python=3.6.13
```

2、如果还是失败，可以尝试指定国内镜像加速

conda create -n py36 python=3.6.13 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

3、成功时
4、激活环境：conda activate py36
5、返回到 base 环境：conda activate base
6、查看当前的活跃环境：conda info --envs

7、列出所有的 Conda 环境，当前激活的环境会有一个星号（*）标记。：

# conda environments:
#
base                  *  /home/user/anaconda3
py36                     /home/user/anaconda3/envs/py36

安装 PyTorch

Python3.6对应下载：pip install torch==1.10.0+cpu torchvision==0.11.1+cpu torchaudio==0.10.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
检查是否成功安装：pip list | grep torch

VMware虚拟机中的Ubuntu识别不到摄像头

在Windows上识别得到外接摄像头，但ubuntu上识别不到
- ①关闭虚拟机，在Windows上启动该服务
  - 此时在：虚拟机>可移动设备可见这些选项了
  - STEREOLABS ZED-2：这是一款完整的硬件设备，具备双目摄像头、深度传感器、IMU（惯性测量单元）、RGB 摄像头等，能够直接用于捕捉深度图像、视频流、环境映射、对象跟踪等。
  - STEREOLABS ZED-2 HID INTERFACE：这是一个接口模式，主要用于支持 ZED-2 摄像头的通信。通过 HID 接口，摄像头和计算机之间可以通过标准 USB 连接进行数据传输，但 HID 本身并不具备图像采集和处理功能，它仅是作为摄像头与计算机的通讯桥梁。
- ②关闭虚拟机，打开“首选项”
- 查看清楚USB接口对应的都是什么设备
```
ls -l /dev/video*
lsusb
```
- 如果以上选中后仍无法识别，可按序完成如下参考方法：
- 最后连接上摄像头的效果（本处采用的是双目相机）
  - 安装chesse：sudo apt-get install cheese
  - 开启ubuntu的茄子相机：cheese

安装yolov5期间的问题总结

问题1：识别不到摄像头（解决如上）

问题2：库等不匹配相关问题

不匹配1：yolov5 要求的是 torchvision 0.9.1

解决：

# S1.卸载当前torchvision 版本
pip uninstall torchvision
# S2.安装正确版本的 torchvision
pip install torchvision==0.9.1
# S3.确认 torch 版本是否匹配
python -c "import torch; print(torch.__version__)"
# S4.如果当前版本与 YOLOv5 要求的不匹配，安装兼容版本
pip install torch==1.8.1
# S5.检查依赖是否正确
pip install -r requirements.txt

不匹配2：YOLOv5 需要版本 >=2.2 的 tensorboard

解决：

# S1.安装或更新 tensorboard 到合适的版本：
pip install tensorboard>=2.2
#	如果你已经安装了 tensorboard，可以通过以下命令检查版本：
pip show tensorboard
# S2.确保安装所有依赖
pip install -r requirements.txt
# S3.再次运行
python detect.py

不匹配3：opencv-python版本不匹配

YOLOv5 要求的是 opencv-python==4.5.2.54。

解决

# S1.卸载当前的 opencv-python 版本
pip uninstall opencv-python
# S2.安装所需版本
pip install opencv-python==4.5.2.54
# S3.再次运行
python detect.py

插曲：不匹配1-3都是由于虚拟环境切换错了，所以导致库匹配出了很多问题（吃一堑：虚拟环境名要区别好，运行前要多留心虚拟环境对不对）

问题3：yolov5中模型不够新。
- 由于py38对应的是改动过的yolov5_stereo_Pro，所以包中的模型yolov5s有点问题。
- 解决：重新下载官方权重
```
wget https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5s.pt
```

问题4：输入图片尺寸不匹配代码

解决：

使用 v4l2-ctl 命令查看虚拟机当前连接的摄像头所拍摄图片的分辨率是多少

# 安装 v4l-utils（如果未安装）
sudo apt update
sudo apt install v4l-utils
# 查看连接的摄像头设备：
v4l2-ctl --list-devices
	# 输出中如“/dev/video0”，即是你的摄像头设备
# 查看当前摄像头分辨率：
v4l2-ctl --device=/dev/video0 --get-fmt-video
# 列出当前摄像头所有支持的分辨率
v4l2-ctl --device=/dev/video0 --list-formats-ext

（#暂缓，先换用笔记本自带摄像头测试yolov5的安装情况，后续再进一步修改匹配ZED2双目相机的代码）

问题5：模型文件（yolov5s.pt）的结构和代码不匹配
- 主要是缺少 SPPF 模块的定义，SPPF是YOLOv5 v6.0 及之后版本新增的模块，用于提高检测速度和精度。原先代码可能是基于旧版本 YOLOv5，而下载的权重文件是基于新版本模型结构。
- 解决：由于我不想更新代码（为了让yolov5匹配后续结合双目相机），故尝试使用旧版本的权重（不包含 SPPF 的版本）
```
# 回退模型权重
wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt -O yolov5s.pt
# 再运行
python detect.py --source 0
```
问题6：摄像头又连不上了
- 原因：采用ctrl+z退出摄像头，导致进程被挂起，使得原先分配摄像头的source 0被挂起，摄像头因此被轮分配给source 1了。
- 解决
```
# 查看后台挂起的任务
jobs
	# 输出类似：
	# [1]+  Stopped                 python detect.py --source 0
# 恢复到前台（%1 对应任务编号）
fg %1
# 如果不想恢复，直接终止挂起进程
kill %1
```
- 把两次ctrl+z挂起的进程鲨掉之后，重新在可移动设备断开后再连接，即可重新给摄像头分配source 0了。
- 恢复后，按 Ctrl + C退出，不要用~~ctrl+z~~ 退出了
摄像头匹配+yolov5安装成功后：
yolov5改v8