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-x86_64.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）或者百度网盘：https://pan.baidu.com/s/1DooBch1s-oo3vfKiFo1BIg
提取码：ruan
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博客文章来源：https://www.toymoban.com/news/detail-786074.html
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文章来源地址https://www.toymoban.com/news/detail-786074.html
到了这里，关于Ubuntu20.04配置YOLOV5算法相关环境，并运行融合YOLOV5的ORB-SLAM2开源代码（亲测有效）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
