Stereolabs Zed Python API

Download der API von github.com/stereolabs/zed-python-api

Git clone github.com/stereolabs/zed-python-api

Als erstes wird die Version von Python überprüft, anschließen werden Cython und Numpy installiert. Die Installationsanweisung steht in der Datei „requirements.txt“.

Sicherstellen, dass man in der virtuellen Pythonumgebung arbeitet.

workon cv

python3 –version

pip3 install –r requirements.txt

Python3 setup.py build

Python3 setup.py install

Bespiel ausführen um Installation zu validieren.

Python3 examples/live_camera.py

Yolov3

Download des Netzes von github.com/stereolabs/zed-yolo

Git clone github.com/stereolabs/zed-yolo

Cd zed-yolo

Cd libdarknet

Das Makefile enthält verschiedene Optionen für den Build.

GPU = 1 Build mit Cuda, Rechenleistung der Grafikkarte wird verwendet

CUDNN =1 Build mit cuDNN, höher Rechengeschwindigkeit beim Training

CUDNN_HALF=0 für Tensor-Recheneinheiten z.B. in der NVIDIA Volta

OPENCV=0 build mit OpenCV, erlaub Zugriff auf Livebilder der Kamera. Hier nicht notwendig, da Python API verwendet wird.

AVX=0 höher Rechengeschwindigkeit mit der CPU

OPENMP=0 höher Rechengeschwindigkeit mit der CPU

LIBSO=0

DEBUG=0 Version von Darknet mit Debugger

Vor der Installation muss das Makefile für das jeweilige Jetson modifiziert werden. Die Anweisung mit dem Code der Architektur z.B. des Jetson Tx2 muss auskommentiert werden, damit der Build erfolgreich ist.

ARCH= -gencode arch=compute_62,code=[sm_62,compute_62]

Build starten.

make -j4

Navigieren zum Verzeichnis des Python Beispiels.

Cd zed_python_sample

Vortrainierte Model wird runtergeladen.

Wget https://pjreddie.com/media/files/yolov3-tiny.weights

Python3 darknet_zed.py