这篇博客介绍的是如何在Ubuntu系统下配置YOLOV5算法环境。并且运行一个融合YOLOV5的ORB-SLAM2开源代码。

0.前言：

        安装的软件主要是anaconda，然后anaconda可以帮我们安装python、pytorch这些东西。我的ubuntu版本：ubuntu20.04.5LTS。

安装的anaconda类型：Anaconda3-2022.05

安装的python类型：python3.8.15,(原来系统自带的python是3.9.12)

安装的pytorch版本：1.13.0+cu117'

一、安装anaconda

   1.先去anaconda官网下载安装包，注意文件后缀是你的系统架构，比如x86、amd64或者aarch64，可以通过下面命令查看。

uname -a

像我的系统是这样的：

官网链接如下：

anaconda官网

 2.选择合适的文件，下载好后，进入下载目录，输入以下代码：

bash Anaconda3-2022.05-Linux-aarch64.sh

随后进行安装，会看到以下画面： 

 3.一直按ENTER继续，浏览许可证，审查完许可后，将要求您批准许可条款：

 Do you approve the license terms? [yes|no]

键入yes接受许可，系统将提示您选择安装位置： 

 默认位置对于我们大多数用户来说已经就可以，按ENTER确认安装位置。

4.安装可能需要一些时间，完成后，脚本将询问您是否要运行conda init，键入yes。

Installation finished.

Do you wish the installer to initialize Anaconda3

by running conda init? [yes|no]

 5.这会将命令行工具conda添加到系统的PATH中。要激活Anaconda安装，您可以关闭并重新打开终端，或者通过键入以下命令来将新的PATH环境变量加载到当前的shell会话中：

source ~/.bashrc 

 

6.这样就是成功了安装了Anaconda。

 二、创建YOLOV5环境

1.我们创建一个python3.8的名称为yolo的环境。打开终端，输入

conda create -n yolo python=3.8

回车，输入y确定，等待创建成功即可。 

2.创建完成之后，输入命令激活环境：

conda activate yolo

3.下载YOLOV5源码

mirrors / ultralytics / yolov5 · GitCode  （这个是被人提供的，里面不包含预训练模型yolov5s.pt文件，但不打紧，后面运行代码的时候会自动生成）

sticker_阮 / YOLOV5源码 · GitCode （这个我的，里面是全的），如下所示

 4.修改相应文件

在下载好的yolov5-master文件夹下找到requirements.txt文件，修改成以下形式：

 5.随后在yolov5-master文件夹下打开终端，并输入以下命令，来添加依赖：

pip3 install -U -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

可能会出现的错误：

ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.

daal4py 2021.5.0 requires daal==2021.4.0, which is not installed.

conda-repo-cli 1.0.4 requires pathlib, which is not installed.

anaconda-project 0.10.2 requires ruamel-yaml, which is not installed.

numba 0.55.1 requires numpy<1.22,>=1.18, but you have numpy 1.23.5 which is incompatible.

 解决方法：按照错误提示，安装相应版本的包

pip install daal==2021.4.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pathlib

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ruamel-yaml

依赖安装好后如下：

至此，yolo所需的环境配置完成。

参考链接：

各种错误_steven_bingo的博客-CSDN博客_daal==2021.4.0

ERROR: pip‘s dependency resolver does not currently take into account all the packages 解决办法分享_MI_farmer的博客-CSDN博客_error: pip's dependency resolver does not currentl

6.测试

（1）.先进入创建好的yolo环境

conda activate yolo

在yolov5-master文件下打开终端，并输入以下命令：

python detect.py --source data/images/zidane.jpg

这时候，最后的效果会保存在runs/detect/下

 （在这个时候，如果之前下的是别人的代码，会生成run文件夹）

如果出现以下问题：

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

参考：

一步真实解决AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘_蓝胖胖▸的博客-CSDN博客

（2）第二个测试是利用VS code跑的

首先找到detect.py文件，修改以下代码中的source：改成0则为调用电脑自带的摄像头。

 然后终端进入我们创建的yolo环境，输入python detect.py即可运行。

conda的一些指令：

（1）conda activate yolo //激活（进入）yolo虚拟环境中

或 source activate yolo

（2）conda list //查看在虚拟环境中安装的包

（3）python //查看虚拟环境中python 的版本

import torch

torch._version_//查看torch版本

ctrl+D退出python

（4）如果安装了独显

nvidia-smi //可查看是否安装成功

或看

python

>>>import torch

>>>torch.cuda.is_available //查看是否为true

（5）conda deactivate //退出当前虚拟环境

（6）conda env list//查看创建的虚拟环境有哪些

 7.接下来将YOLOV5代码加入到ORB-SLAM2中

源代码和相关数据集可见以下链接：

sticker_阮 / YOLOv5融合orb-SLAM2 · GitCode

如果按照我之前的环境配置，那么运行这个代码就比较简单了。下载我的源代码，还需要下载一个associate.py来处理rgb.txt和depth.txt，生成配对的文件associate.txt，输入以下指令：

python associate.py rgb.txt depth.txt > associate.txt

 如果出现以下报错

Traceback (most recent call last):
  File "associate.py", line 118, in <module>
    matches = associate(first_list, second_list,float(args.offset),float(args.max_difference))    
  File "associate.py", line 97, in associate
    first_keys.remove(a)
AttributeError: 'dict_keys' object has no attribute 'remove'

由于Python2和python3语法的差别，需要将associate.py中第86行87行的

 first_keys = first_list.keys()
    second_keys = second_list.keys()

 修改为：

  first_keys = list(first_list.keys())
    second_keys = list(second_list.keys())

最后，打开orbslam_addsemantic-main文件夹终端，输入以下命令即可：

在终端输入的指令：

加YOLOV5算法：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml /home/rxz/rgbd_dataset_freiburg3_walking_xyz /home/rxz/rgbd_dataset_freiburg3_walking_xyz/associate.txt detect_result/TUM_f3xyz_yolov5m/detect_result/

纯ORB-SLAM2算法：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml /home/rxz/rgbd_dataset_freiburg3_walking_xyz /home/rxz/rgbd_dataset_freiburg3_walking_xyz/associate.txt

参考链接：

SLAM TUM数据集associate.py使用及错误解决_月逐丶的博客-CSDN博客

Ubuntu20.04部署yolov5目标检测算法，无人车/无人机应用_振华OPPO的博客-CSDN博客_yolo可以部署到无人机上么
https://blog.csdn.net/weixin_51745352/article/details/124646456