树莓派4b安装yolov5实现实时目标检测

开始前的准备

你需要准备

  • 一个摄像头
    这里使用的是树莓派官方的camera v2
  • 能够科学上网

系统

我使用的是官方的烧录工具Raspberry Pi Imager,选用的系统是Raspberry Pi OS(Legacy)

一个基于 Debian Buster 的 Raspberry Pi OS 的遗留版本(Legacy)

在这里插入图片描述

通过PuTTY工具连接到树莓派

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
使用树莓派默认密码登录

账号 pi
密码 raspberry

在这里插入图片描述
在这里插入图片描述

准备工作

更新树莓派

遇到什么都确认就好,要保证网络畅通

sudo apt-get update
sudo apt-get upgrade

在这里插入图片描述

将python设置成默认python3

pi os安装好默认带有两个python版本,默认的是python2.7。为防止因版本过低而造成的报错,我这里直接卸载python2.7。
卸载python2.7

sudo apt-get autoremove python2.7

新建链接将默认python改为python3

sudo ln -s /usr/bin/python3.5 /usr/bin/python

请添加图片描述

解决删除python2后pip不能使用的问题

依次运行下列指令

which pip
pip
type pip
hash -r

安装Pytorch

安装依赖

sudo apt-get install libopenblas-dev libblas-dev m4 cmake cython python3-dev python3-yaml python3-setuptools python3-wheel python3-pillow python3-numpy

在这里插入图片描述

使用WinSCP复制安装包至树莓派

从这里下载安装包下载链接
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

安装torch和torchvision

在命令行输入

cd /home/pi
pip3 install torch-1.8.0a0+56b43f4-cp37-cp37m-linux_armv7l.whl
pip3 install torchvision-0.9.0a0+8fb5838-cp37-cp37m-linux_armv7l.whl

这是已经安装好再输入指令的画面
请添加图片描述

安装Opencv

sudo apt-get install python3-opencv

这是已经安装好再输入指令的画面
在这里插入图片描述

检查Opencv能否正常使用

python
import cv2

在这里插入图片描述

安装Yolov5

下载Yolov5

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

因为requirements.txt里面的opencv-python,torch,torchvision安装的时候会出现问题,所以先把依赖文件里面的opencv-python,torch,torchvision注释掉(torch和torchvision前面是装过的所以没关系)

cd /home/pi/yolov5
sudo nano requirements.txt

在前面加“# ”
在这里插入图片描述
写入
Ctrl + O
Enter
退出
Ctrl + X
Enter
再安装依赖,加上–default-timeout=1000参数防止超时

cd /home/pi/yolov5
pip3 install --default-timeout=1000 -r requirements.txt

报错了不用管他
在这里插入图片描述

试运行

cd /home/pi/yolov5
python3 detect.py

运行成功的图片
在这里插入图片描述

安装Camera v2

知乎链接

在yolov5上使用摄像头检测目标

打开VNC功能连接树莓派

sudo raspi-config

依次Enter 确定
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
修改分辨率
在这里插入图片描述
在这里插入图片描述
直接改最大
在这里插入图片描述
在这里插入图片描述
重启
在这里插入图片描述

使用VNC viewer连接树莓派(需自行安装VNC viewer)
在这里插入图片描述
在这里插入图片描述
页面全部关掉就好

cd /home/pi/yolov5
python3 detect.py --source 0

成功检测

在这里插入图片描述

参考资料

https://baijiahao.baidu.com/s?id=1718556879296833057
https://blog.csdn.net/m0_46410698/article/details/120390460
https://blog.csdn.net/weixin_39965127/article/details/102686314
https://www.jianshu.com/p/7a954aa5b5c2
https://github.com/nmilosev/pytorch-arm-builds
https://blog.csdn.net/Eric_Fisher/article/details/108861727
https://blog.csdn.net/Crazysai2012/article/details/108872532
https://blog.csdn.net/weixin_43878078/article/details/103893426
https://blog.csdn.net/qq_39712148/article/details/107148832
https://blog.csdn.net/m0_46410698/article/details/120390460
https://blog.csdn.net/weixin_39965127/article/details/102686314
https://stackoverflow.com/questions/43298872/how-to-solve-readtimeouterror-httpsconnectionpoolhost-pypi-python-org-port
https://developer.aliyun.com/article/619208
https://blog.csdn.net/qq_15192373/article/details/104597622
https://newbedev.com/from-cv2-import-importerror-libcblas-so-3-cannot-open-shared-object-file-no-such-file-or-directory-code-example
https://blog.csdn.net/CAU_Ayao/article/details/83990246
https://stackoverflow.com/questions/53347759/importerror-libcblas-so-3-cannot-open-shared-object-file-no-such-file-or-dire
https://blog.csdn.net/shenqiongniujiahui/article/details/50494172
https://blog.csdn.net/armkits/article/details/103200433
https://blog.csdn.net/huayucong/article/details/51706252
https://blog.csdn.net/dwj1979/article/details/105622390/
https://www.cxyzjd.com/article/qq_22945165/113541514
https://blog.csdn.net/weixin_51110161/article/details/114681830

版权声明:本文为CSDN博主「深圳技术大学附属中学开源主板俱乐部」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_55833308/article/details/122633544

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

单目3D目标检测调研

单目3D目标检测调研 一、 简介 现有的单目3D目标检测方案主要方案主要分为两类,分别为基于图片的方法和基于伪雷达点云的方法。   基于图片的方法一般通过2D-3D之间的几何约束来学习,包括目标形状信息&#xff0