OAK相机depthai最全上手教程

depthai用户你好！

在本指南中，我假设你刚刚拿到了OAK相机（例如OAK-D），并且这是你的首次尝试使用，现在我们来看看你能拿它实现什么。

• 首先，我们将运行一个depthai demo脚本，预览depthai的功能。
• 接下来，我将介绍demo脚本中的一些可用选项，并展示它们的用法。
• 最后，附上一些参考链接，以做扩展。参考开源用例、代码示例和教程，你可以依此开始你自己的项目了。

让我们从下面的设备设置开始！

▌连接OAK USB系列相机

如果你的OAK附带了USB线，我们建议使用该线将OAK相机连接到主机。

USB3.0 Type-C线的USB-A端连接器内部是蓝色的。

确保设备与你的主机（可以是PC或树莓派或其他有可用的设备）直接连接到USB端口，或通过可供电的USB hub连接。

在Ubuntu上，你可以通过运行以下命令来检查是否检测到新的USB设备。

$ lsusb | grep MyriadX
Bus 003 Device 002: ID 03e7:2485 Intel Movidius MyriadX

▌连接OAK PoE系列相机

如果你使用的是PoE设备，请参照OAK PoE设备入门教程操作。

▌使用Windows Installer

如果你愿意，我们已经将所有设置过程封装在一个.exe文件里，你可以在这里下载，跳过下面设置这部分内容。

下载并运行后，它将安装所有必需的组件和软件包需求。一旦完成，它将自动运行demo脚本。

▌设置

在这一节中，我将描述如何用命令行手动安装demo脚本。

下载demo脚本

要下载demo脚本，你可以使用git或者直接下载一个zip文件。

从zip文件

首先下载存储库包，然后将归档文件解压缩到一个首选目录。接下来，在这个目录中打开一个终端会话。

来自git

首先，打开终端会话，转到你想要下载demo脚本的首选目录。然后，运行以下代码下载demo脚本。

$ git clone https://github.com/luxonis/depthai.git

下载存储库后，确保通过运行以下命令进入下载的存储库。

$ cd depthai

创建python virtualenv(可选)

要创建和使用virtualenv，你可以按照virtualenvs官方python指南或者遵循网络上特定操作系统的指南，例如“如何在Ubuntu 20.04上创建Python 3虚拟环境”。

这将确保你使用的是一个全新的环境，并且Python 3是默认的解释器——这有助于防止潜在的问题。

我通常通过运行以下代码来创建和使用virtualenvs：

$ python3 -m venv myvenv
$ source myvenv/bin/activate
$ pip install -U pip

这可能需要事先安装这些软件包：

$ apt-get install python3-pip python3-venv

安装requirements

一旦下载了demo源代码，并且设置了终端会话，接下来要做的事情就是安装这个脚本需要的所有附加包（连同depthai Python API本身）。

要安装这些软件包，请运行install_requirements.py脚本：

$ python3 install_requirements.py

现在，你应该能够开始使用demo脚本了，我们现在就开始。

运行demo脚本

设置好一切后，我们现在可以运行以下命令来使用demo脚本了：

$ python3 depthai_demo.py

▌默认运行

第一次运行demo时，脚本将编译并下载一个默认的MobileNet-ssd模型，配置OAK相机，然后显示一个默认的color预览将包含来自设备的RGB相机的缩放预览。

▌更改预览

要查看设备上的其他预览，你可以使用GUI左上角的预览切换器。

▌默认模型

当demo运行时，你可以看到检测结果——如果你站在相机前，你应该看到自己被检测为一个人的概率相当高。

默认使用的型号是MobileNetv2 SSD对象检测器PASCAL 2007 VOC类别，包括:

• 人：人
• 动物：鸟、猫、牛、狗、马、羊
• 交通工具：飞机、自行车、船、公共汽车、汽车、摩托车、火车
• 室内：瓶子、椅子、餐桌、盆栽、沙发、电视/显示器

所以试着检测不同的物体，比如瓶子或苹果

甚至是猫

▌使用其他模型

我们准备了其他型号，你可以轻松尝试和评估。运行demo脚本，例如face-detection-retail-0004，点选CNN Model组合框并选择提到的模型。

这将允许你检测人脸，如下图所示

你可以使用此组合框来更改在DepthAI上运行的模型。也可以使用命令行来选择：

$ python3 depthai_demo.py -cnn face-detection-retail-0004

下面是一份你可以使用的模型清单，只需下载demo脚本即可。

• deeplabv3p_person允许突出显示图像中检测到人的部分$ python3 depthai_demo.py -cnn deeplabv3p_person
• face-detection-adas-0001允许检测图像上的人脸(较慢)$ python3 depthai_demo.py -cnn face-detection-adas-0001
• face-detection-retail-0004允许检测图像上的人脸(更快)$ python3 depthai_demo.py -cnn face-detection-retail-0004
• mobilenet-ssd检测20个不同类别的对象检测器(默认)$ python3 depthai_demo.py -cnn mobilenet-ssd
• pedestrian-detection-adas-0002允许检测图像上的人物(较慢)$ python3 depthai_demo.py -cnn pedestrian-detection-adas-0002
• person-detection-retail-0013允许检测图像上的人物(更快)$ python3 depthai_demo.py -cnn person-detection-retail-0013
• person-vehicle-bike-detection-crossroad-1016允许检测图像上的人、自行车和车辆$ python3 depthai_demo.py -cnn person-vehicle-bike-detection-crossroad-1016
• yolo-v3可检测80种不同类别的物体检测器(较慢)$ python3 depthai_demo.py -cnn yolo-v3
• tiny-yolo-v3可检测80种不同类别的物体检测器(速度更快)$ python3 depthai_demo.py -cnn tiny-yolo-v3
• vehicle-detection-adas-0002允许检测图像上的车辆$ python3 depthai_demo.py -cnn vehicle-detection-adas-0002
• vehicle-license-plate-detection-barrier-0106允许在图像上检测车辆和车牌(仅限中国车牌)$ python3 depthai_demo.py -cnn vehicle-license-plate-detection-barrier-0106
• openpose2人体姿态估计模型$ python3 depthai_demo.py -cnn openpose2
• human-pose-estimation-0001来自Open Model Zoo的人体姿态估计模型$ python3 depthai_demo.py -cnn human-pose-estimation-0001

我们用来下载和编译模型的所有数据都可以在这里查看。

▌demo用法

在本节中，我们将介绍demo脚本中可用的配置选项，允许你尝试不同的配置。

人工智能属性

切换：

• Enable：打开/关闭人工智能。关闭它将阻止任何神经网络运行，这也将节省一些内存。适用于我们更关注深度/编码而不是人工智能处理的情况。

基本属性：

• CNN模型：选择在DepthAI上运行的模型，更多信息请访问使用其他模型。
• SHAVEs：确定用于编译神经网络的SHAVE核心数。该值越高，网络运行越快，但这也限制了可以一次性启用的功能。
• Model source：指定哪个相机预览作为模型输入，哪些帧将被发送到神经网络以执行推理。
• Full FOV：如果启用，它将缩小图像以符合nn输入尺寸。如果禁用，在缩放之前，它将裁剪图像以满足NN纵横比。

高级选项：

• OpenVINO version：指定将用于编译MyriadX blob和运行管道的OpenVINO版本。大多数情况下，建议使用最新版本。
• Label to count：允许显示demo中可见的特定标签的数量（例如，如果你想在默认模型的预览中计算猫的数量，你可以通过选择cat作为计数标签并重启脚本）
• Spatial bounding box：启用时，将在深度预览上绘制一个边界框，显示检测区域的哪一部分被纳入深度估计。
• SBB Scale Factor：确定空间边界框相对于检测边界框的大小。

深度属性

切换：

• Enabled：打开/关闭深度。关闭它将阻止创建立体节点，这也将节省一些内存。对于我们更关注AI处理/编码而不是深度的情况很有用。
• Use Disparity：如果未设置（默认），demo脚本将根据深度图计算主机上的差异图。如果启用，将在设备上执行相同的处理，这会消耗一些内存，但会限制主机资源的使用。

基本属性：

• Median Filtering中值滤波器：指定应用于深度图的去噪中值滤波器的类型。
• Subpixel亚像素：启用亚像素模式，该模式可提高深度精度，尤其适用于长距离测量。
• Left Right Check左右检查：启用左右检查，用于移除由于对象边界遮挡而导致的计算不正确的视差像素
• Extended Disparity扩展视差：启用扩展视差模式，允许给定的基线有更近的最小距离。
• Depth Range深度范围：指定设备计算的最小和最大距离。
• LRC ThresholdLRC阈值：指定将使像素无效的视差像素之间的最大差异（阈值越高，通过的点越多）

相机属性

基本属性：

• FPS帧率：指定相机捕捉帧的速度。
• Resolution分辨：:指定相机传感器分辨率，从而指定捕获的帧大小。

高级选项：

• ISO：控制相机的聚光能力。
• Exposure：控制相机的曝光时间。
• Saturation：控制帧中颜色的浓度。
• Contrast：控制帧中不同色调的视觉比例。
• Brightness：控制帧中颜色的深浅。
• Sharpness：控制框架中细节的清晰度。

混杂的

Recording：

• 开关：启用指定相机的录制。
• FPS输入：指定录制FPS（默认为30）。
• Destination路径：指定一个目录路径，视频将被存储在哪里。

Reporting：

• 开关：启用指定功能的日志记录
• Destination路径：指定一个文件路径，Reporting文件的存储位置

▌使用自定义模型

让我们假设你想运行一个从Model Zoo下载的或自己训练的（或两者）的自定义模型，为了使你的模型能够在DepthAI上运行，必须将其编译成MyriadX blob格式——这是你的模型的一个优化版本，能够利用Myriad X芯片作为处理单元。

在我们的demo脚本中，我们支持几种运行自定义blob的方法，将在下面介绍。作为一个例子，我将添加一个名为custom_model（用你喜欢的名字替换）并用demo脚本运行它。

编译MyriadX blob

要接收MyriadX blob，网络必须已经是OpenVINO IR格式（包括.xml和.bin文件），这些文件将用于编译。在这里，我们不会关注如何为你的模型获得这种表示，但是一定要查看官方OpenVINO转换指南。

为了转换custom_model.xml和custom_model.bin，我们将使用blobconverter cli——我们的工具利用了在线MyriadX blob转换器来执行转换。在这种情况下，不需要本地安装OpenVINO，因为所有的依赖项都已经安装在服务器上了。如果你的模型是TensorFlow或Caffe格式，你仍然可以使用我们的工具进行转换，只是要注意，你必须使用不同的输入标志，有时还需要提供一个定制的模型优化器参数（阅读更多）。

首先，让我们从PyPi安装blobconverter。

$ python3 -m pip install -U blobconverter

现在，安装完blobconverter后，我们可以用下面的命令编译我们的IR文件。

$ python3 -m blobconverter --openvino-xml /path/to/custom_model.xml --openvino-bin /path/to/custom_model.bin

通过运行这个命令，blobconverter向BlobConverter API发送请求，以对提供的文件执行模型编译。编译后，API用一个.blob文件，删除随请求一起发送的所有源文件。

成功编译后，blobconverter返回下载的blob文件的路径。因为这个blob是depthai仓库，让我们把它移到那里。

$ mkdir <depthai_repo>/resources/nn/custom_model
$ mv <path_to_blob> <depthai_repo>/resources/nn/custom_model

配置

为运行这个blob的demo脚本，我们需要提供一些额外的配置。demo脚本将寻找一个custom_model.json以了解如何配置管道和解析结果的详细信息。

如果你的模型基于MobileNetSSD或Yolo，你可以使用我们的detection输出格式。如果是不同类型的网络，你可以使用默认raw输出格式，并提供自定义处理程序文件来解码和显示NN结果。

你可以使用这些配置示例来自定义你在resources/nn/custom_model目录下的custom_model.json。

• MobileNetSSD（我们将使用此配置）

{
    "nn_config":
    {
        "output_format" : "detection",
        "NN_family" : "mobilenet",
        "confidence_threshold" : 0.5,
        "input_size": "300x300"
    },
    "mappings":
    {
        "labels":
        [
            "unknown",
            "face"
        ]
    }
}

• Yolo

{
    "nn_config":
    {
        "output_format" : "detection",
        "NN_family" : "YOLO",
        "input_size": "416x416",
        "NN_specific_metadata" :
        {
            "classes" : 80,
            "coordinates" : 4,
            "anchors" : [10,14, 23,27, 37,58, 81,82, 135,169, 344,319],
            "anchor_masks" :
            {
                "side26" : [1,2,3],
                "side13" : [3,4,5]
            },
            "iou_threshold" : 0.5,
            "confidence_threshold" : 0.5
        }
    },
    "mappings":
    {
        "labels":
        [
              "unknown",
              "face"
        ]
    }
}

• Raw（关于如何创建handler.py文件，请详见自定义处理程序）

{
    "nn_config": {
        "output_format" : "raw",
        "input_size": "300x300"
    },
    "handler": "handler.py"
}

运行demo脚本

文件准备就绪后，我们现在可以用我们的定制模型运行demo了。

你应该看到输出和你的NN结果被显示出来（如果选择了raw，并且没有处理程序文件，则打印在控制台）。

请务必查看下面的高级部分或参见后续步骤。

自定义处理程序

自定义处理程序是一个文件，demo脚本将加载并执行该文件来解析NN结果。我们用指定这个文件handlerconfig值指定这个文件，指定一个首选文件的路径。它还要求输出raw格式，因为它可以防止脚本自己处理结果。

handler.py文件应该包含两个方法：decode(nn_manager, packet)和draw(nn_manager, data, frames)。

def decode(nn_manager, packet):
  pass

def draw(nn_manager, data, frames):
  pass

第一种方法，decode解码。每当一个NN数据包从管道到达时就会被调用（存储为packet参数），同时还提供了一个nn_manager对象，其中包含脚本使用的所有nn相关信息（如输入大小等）。这个函数的目标是将从NN blob接收到的数据包解码成有意义的结果，以便以后显示。

第二个，draw函数。是用NN结果（从decode返回）、 nn_manager对象和frames数组调用的，其中有[(<frame_name>, <frame>), (<frame_name>, <frame>), ...]项。该数组将包含用-s/--show参数指定的帧，该函数的目标是将解码结果绘制到接收到的帧上。

下面，你可以找到一个例子handle.py文件，该文件解码并显示基于MobilenetSSD的结果。

import cv2
import numpy as np
from depthai_helpers.utils import frame_norm


def decode(nn_manager, packet):
    bboxes = np.array(packet.getFirstLayerFp16())
    bboxes = bboxes.reshape((bboxes.size // 7, 7))
    bboxes = bboxes[bboxes[:, 2] > 0.5]
    labels = bboxes[:, 1].astype(int)
    confidences = bboxes[:, 2]
    bboxes = bboxes[:, 3:7]
    return {
        "labels": labels,
        "confidences": confidences,
        "bboxes": bboxes
    }


decoded = ["unknown", "face"]


def draw(nn_manager, data, frames):
    for name, frame in frames:
        if name == nn_manager.source:
            for label, conf, raw_bbox in zip(*data.values()):
                bbox = frame_norm(frame, raw_bbox)
                cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (255, 0, 0), 2)
                cv2.putText(frame, decoded[label], (bbox[0] + 10, bbox[1] + 20), cv2.FONT_HERSHEY_TRIPLEX, 0.5, 255)
                cv2.putText(frame, f"{int(conf * 100)}%", (bbox[0] + 10, bbox[1] + 40), cv2.FONT_HERSHEY_TRIPLEX, 0.5, 255)

对于自定义人脸检测模型，使用此代码我们会收到以下输出。

我们已经使用这个处理机制来解码deeplabv3p_person，它是demo脚本中可用的网络之一。

按需编译

由于IR格式的文件可能很大，我们既要下载blob又要上传IR格式到服务器，所以我们加入了一个类似OpenVINO的model.yml文件结构，BlobConverter服务器也在内部使用。你可以在OpenVINO Model Zoo或者在demo脚本中的可用模型中查看该文件的外观。

该文件由OpenVINO模型下载器使用，用于下载编译所需的文件。在我们的demo脚本中，我们使用这些文件来提供NN源文件的URL，而不是将它们与源代码一起上传。这也很有用，因为按需编译允许我们使用相同的配置，同时请求不同数量的MyriadX SHAVE核心。

为了使用model.yml文件下载blob，运行一下命令：

$ python3 -m blobconverter --raw-config /path/to/model.yml --raw-name custom_model

你也可以把model.yml文件留在resources/nn/<name>目录内，这将使demo脚本为你执行转换，并运行接收到的blob。

$ python3 depthai_demo.py -cnn <name>

▌定制demo代码

回调文件

如果你想自己添加一些自定义功能到demo中，或者只是检查某些变量看起来如何，你可以使用回调文件，它应该包含demo在执行特定事件时将调用的方法。

下面是一个回调文件的例子，该文件在软件库中可用。

def shouldRun():
  pass  # Called to determine if the demo should be running


def onNewFrame(frame, source):
  pass  # Called when a new frame is available


def onShowFrame(frame, source):
    pass  # Called when a frame is about to be displayed


def onNn(nn_packet):
    pass  # Called when a new NN packet is available


def onReport(report):
    pass  # Called when a new report is available


def onSetup(*args, **kwargs):
    pass  # Called when the demo script is setting up


def onTeardown(*args, **kwargs):
    pass  # Called when the demo script is finishing


def onIter(*args, **kwargs):
    pass  # Called on each demo script iteration (internal loop)

这些方法允许在demo脚本本身的基础上建立自定义功能，无论是打印或计算来自NN的数据，还是修改如何显示框架，甚至进行自定义数据库/API连接，将数据发送到外部路径。

默认情况下，demo脚本将使用存储库中的callbacks.py文件，但是这个路径可以使用-cb <path> / --callback <path>标志来改变。

将Demo作为一个类导入

如果愿意，demo脚本也可以像一个普通的类一样被导入，这允许控制demo何时启动，何时运行。下面是一个如何从Python代码中运行demo的简单例子。

from depthai_demo import Demo
from depthai_helpers.arg_manager import parseArgs
from depthai_helpers.config_manager import ConfigManager

args = parseArgs()
conf = ConfigManager(args)
demo = Demo(onNewFrame=<fn>, onShowFrame=<fn>, onNn=<fn>, onReport=<fn>, onSetup=<fn>, onTeardown=<fn>, onIter=<fn>) # all params are optional
demo.run_all(conf)

记住这一点，PYTHONPATHenv变量必须包含depthai仓库的路径，这样导入才会有效。或者，你可以将脚本沿着depthai_demo.py放到仓库里。

▌后续步骤

在前面的部分中，我们学习了如何预览DepthAI的基本功能。从这一点出发，你可以进一步探索DepthAI的世界。

• 寻找灵感？查看我们的用例，了解在DepthAI上姐姐特定问题的现成应用。
• 想开始编码？请务必查看API部分的hello world教程，了解API的详细介绍。
• 想要培训和部署一个自定义模型到DepthAI？访问自定义培训页面，了解随时可用的Colab。