System_Orin_NX

NVIDIA Jetson Orin NX 上配置环境的步骤，包括安装 ROS 2、JetPack SDK、OpenCV 4.9(with CUDA)，以及 autonomy_stack_diablo_setup 和 facefollow 功能模块的测试。

NOTE

1. 以下安装只提供了部分参考步骤，省略了较多基本重复流程，包括但不限于编译/安装/sudo权限/查看端口/ROS2的一些基本命令

2. cuda/cudnn/opencv(with cuda)/tensorRT均提供了测试用例，可分别进入每个文件夹进行编译，并运行测试

3. 在autonomy_stack_diablo_setup的编译安装过程中，注意apt安装可能会导致opencv和cv_bridge自动安装4.5版本，即覆盖之前的opencv4.9.0，注意按说明步骤安装4.9.0版本的opencv和cv_bridge

4. 如若遇到编译/运行错误，可自行核对 system_deps.txt 中的提供的依赖版本

第一步：安装 ROS 2（Humble 版本）

wget http://fishros.com/install -O fishros && . fishros

第二步：通过 SDK Manager 安装 JetPack 6.0

1. 打开 NVIDIA SDK Manager，选择 JetPack 6.0，并安装以下组件：

   • CUDA
   • cuDNN
   • CUDA Toolkit
   • TensorRT (可选)

2. 选择离线下载 .deb 包，无 Host Machine 模式，请将其转移到 Jetson Orin NX 上，并参考以下命令进行安装：

   sudo dpkg -i *.deb
   sudo apt-get update
   sudo apt-get -f install

   NOTE: 由于是离线安装，下载的 .deb 包解压后可能会在 var 文件夹中生成多个 .deb 文件。这些 .deb 文件之间存在依赖关系，因此需要按特定顺序安装。如果你直接安装某个 .deb 文件并遇到依赖错误，可参考以下步骤进行处理：

   1. 首先安装所有依赖文件：手动查找并安装解压后的文件夹中的依赖项 .deb 文件。你可以使用以下命令批量安装：

      sudo dpkg -i /path/to/deb/files/*.deb

   2. 修复依赖关系：如果出现依赖错误，运行以下命令修复缺少的依赖：

      sudo apt-get -f install

   3. 再次安装主组件：最后，确保主组件（如 CUDA、cuDNN 等）已经安装完毕，或者再次运行 dpkg -i 安装主组件的 .deb 文件。

3. 安装完成后，在对应的测试文件夹中编译并运行代码，以验证各个组件是否正确安装。例如，测试 CUDA：

   cd /usr/local/cuda/samples/1_Utilities/deviceQuery
   sudo make
   ./deviceQuery

   如果显示 CUDA 设备信息，则表示安装成功。

第三步：安装 OpenCV 4.9.0 (with CUDA)

1. 首先，确保系统上没有安装 OpenCV（包括 OpenCV-Python）：

   sudo apt-get remove --purge '*opencv*'
   sudo apt-get autoremove

2. 运行 install_opencv4.9.0_Jetson.sh 脚本来编译并安装 OpenCV 4.9.0：

   chmod +x install_opencv4.9.0_Jetson.sh
   ./install_opencv4.9.0_Jetson.sh

3. 编译过程可能需要一些时间，安装完成后，可以通过以下命令验证安装是否成功：

   python3 -c "import cv2; print(f'OpenCV Version: {cv2.__version__}'); print(f'CUDA Support: {cv2.cuda.getCudaEnabledDeviceCount() > 0}')"

   如果显示 4.9.0，则表示安装成功。

第四步：配置 UVC 摄像头规则

1. 将 99-uvc-camera.rules 文件复制到 /etc/udev/rules.d/ 目录下：

   sudo cp 99-uvc-camera.rules /etc/udev/rules.d/

2. 重新加载 udev 规则：

   sudo udevadm control --reload-rules && sudo udevadm trigger

第五步：编译并安装 cv_bridge

1. 克隆仓库并切换humble分支

   git clone https://github.com/jizhang-cmu/autonomy_stack_diablo_setup.git
   cd autonomy_stack_diablo_setup
   git checkout humble   

2. 将 cv_bridge 和 face_detection 放入 autonomy_stack_diablo_setup/src/utilities 目录

3. 进入 autonomy_stack_diablo_setup/src/utilities/cv_bridge 目录：

    cd autonomy_stack_diablo_setup/src/utilities/cv_bridge

4. 编译并安装 cv_bridge：

   cd autonomy_stack_diablo_setup/src/utilities/cv_bridge
   mkdir build && cd build
   make && sudo make install

第六步：编译并测试 autonomy_stack_diablo_setup

• 按照 autonomy_stack_diablo_setup 中的步骤进行编译和测试。

第七步：测试 facefollow 功能模块

1. 进入 autonomy_stack_diablo_setup 目录：

   cd autonomy_stack_diablo_setup

2. 运行以下命令来加载 ROS 2 环境并启动 face_detection 模块：

   source install/setup.bash
   ros2 launch face_detection face_detection.launch.py

3. 打开另一个终端，加载 ROS 2 环境并运行 facefollow 控制模块：

   source install/setup.bash
   ros2 launch face_detection facefollow_ctrl.launch.py

tegrastats-utils（可选）

• 由于 jtop/htop/nvtop 均不可用,目前使用tegrastats进行性能监督与可视化,进入 tegrastats-utils 文件夹查看使用方法