Autonom fahrendes Nvidia Jetson Nano AI Roboter-Auto – Software Installation

Nach dem der Jetson Nano jetzt soweit konfiguriert ist das dieser von der SD-Karte oder von der SSD Festplatte startet ist es an der Zeit die weitere Software die für das Donkey Car benötigt wird zu installieren. Auch hier habe ich wieder alle notwendingen Befehle aufgeführt und etwas erklärt was diese machen.

Table of Contents

Software Installation:

Es gibt das Donkey Car Framework auch extra für den Jetson Nano und so ist die Installation seit der Version 3.x des Frameworks denkbar einfach geworden. Natürlich sollte man sich etwas Zeit nehmen aber man muss ja auch nicht immer vor dem Rechner sitzen und zuschauen wie die Softwareinstallation läuft. Ich habe die Befehle einen nach dem anderen gestartet und nebenher z. B. an meinem Blog und den Berichten hier gearbeitet.

Mit den ersten beiden Befehlen wird der Jetson Nano noch einmal auf den neuesten Softwarestand gebarcht. Daher sollte man diese beiden Befehle immer ausführen bevor die restliche Software installiert wird.

Befehl: sudo apt-get update
Befehl: sudo apt-get upgrade

Jetzt werden noch weitere Bibliotheken und Tools installiert die für das Donkey Car Framework benötigt werden.

Befehl: sudo apt-get install build-essential python3 python3-dev python3-pip libhdf5-serial-dev hdf5-tools ntp

Starte den Nano mit dem folgenden Befehl jetzt neu bevor Du weiter machst mit der Software Installation.

Befehl: sudo reboot

Die virtuelle Umgebung einrichten

Jetzt wird die virtuelle Umgebung eingerichtet in der das Donkey Car Framework anschließend installiert wird. Das macht Sinn, da man so bei Problemen diese Umgebung löschen und neu aufsetzen kann ohne die gesamte Installation des Jetson Nano wiederholen zu müssen.

Befehl: pip3 install virtualenv
Befehl: python3 -m virtualenv -p python3 env –system-site-packages

Mit diesem Befehl wird dafür gesorgt, dass immer wenn man sich mit seinem User anmeldet auch die virtuelle Umgebung direkt gestartet wird.

Befehl: echo “source env/bin/activate” >> ~/.bashrc

Von Hand wird jetzt das erste mal die virtuelle Umgebung mit dem folgenden Befehl gestartet.

Befehl: source ~/.bashrc

Möchte man die virtuelle Umgebung wieder verlassen ruft man den folgenden Befehl auf.

Befehl: deactivate

Nach dem jetzt auch die virtuelle Umgebung soweit eingerichtet ist kann die Installation weiter gehen.

OpenCV einrichten

Aktuell ist bei den Jetson Nano Images immer einer funktionierende OpenCV Version mit dabei. Allerdings möchte Nvidia dies wohl in Zukunft ändern und dann müsste man sich OpenCV selber kompellieren. Prüft bitte daher ob OpenCV bei Dir auf dem Jetson Nano vorhanden ist. Dazu bitte in dem folgenden Pfad “/usr/lib/python3.6/dist-packages/” wechseln und schauen ob die Datei “cv2.cpython-36m-aarch64-linux-gnu.so” dort liegt.

Recht einfach kann man mit dem Midnight Commander durch die Verzeichnisse der Linux Installation des Jetson Nano navigieren.

Ist die Datei “cv2.cpython-36m-aarch64-linux-gnu.so” vorhanden dann geht es damit weiter diese Datei in den mycar Ordner zu koperen. Die benötigten Befehle kommen nachfolgend einer nach dem anderen.

Als erstes wird der Ordner mycar angelegt. In diesem wird später das Donkey Car Framework eingerichtet.

Befehl: mkdir ~/mycar

Jetzt wird die OpenCV Datei mit dem folgenden Befehl in den mycar Ordner kopiert.

Befehl :cp /usr/lib/python3.6/dist-packages/cv2.cpython-36m-aarch64-linux-gnu.so ~/mycar/

Bitte in den mycar Ordner wechseln da jetzt ein kleiner Test durchgeführt wird ob sich OpenCV importieren läßt.

Befehl: cd ~/mycar

Jetzt wird OpenCV in Python mit dem folgenden Befehl importiert. Es sollte keine Meldung kommen nach dem der Befehl ausgeführt wurde. Dann ist alles soweit gut.

Befehl: python -c “import cv2”

Sollte eine Fehlermeldung kommen, dann kann ich nur auf den Donkey Car Slack Channel verweisen oder auf das NVIDIA Developer Board. Ich hatte an dieser Stelle nie einen Fehler.

OpenCV selber kompellieren

Für den Fall das man OpenCV selber kompellieren muss empfehle ich die folgende Anleitung die ich auf PyImageSearch gefunden habe. Ich habe diese Anleitung aber selber noch nicht ausprobiert. Aber auch auf der Donkey Car Seite selber ist das Vorgehen wie man OpenCV kompellieren kann beschrieben.

Donkey Car Framework installieren

Jetzt sind alle Vorbereitungen soweit getroffen und das Donkey Car Framework für den Jetson Nano kann von GitHub herunter geladen werden. Am besten speichert ihr alles in einen Ordner mit dem Namen “projects” in eurem Home-Verzeichnis.

Befehl: mkdir ~/projects

Jetzt wechsel in der Ordner projects mit dem folgenden Befehl.

Befehl: cd ~/projects

Von GitHub muss noch das Donkey Car Framework herunter geladen werden. Das klappt mit den folgenden Befehlen.

Befehl: git clone https://github.com/autorope/donkeycar

Befehl: cd donkeycar

Befehl: git checkout master

Jetzt muss das Donkey Car Framwork für den Jetson Nano installiert werden. Daher wird am Ende des Aufrufs [nano] als Parameter angehängt

Befehl: pip install -e .[nano]

Zu guter letzt wird noch Tensorflow installiert mit dem folgenden Befehl.

Befehl: pip install –extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.13.1+nv19.3

Der letzte Schritt ist das anlegen einer Donkey Car Instanz auf eurem Jetson Nano. Ich lege diese immer im Ornder mycar an. Den Ornder mycar hattest Du bereits schon angelegt bei dem Punkt mit der OpenCV Datei.

Befehl: mkdir ~/mycar

Mit dem folgenden Befehl wird eine Donkey Car Instanz im Ordner mycar angelegt.

Befehl: donkey createcar –path ~/mycar

Jetzt ist alles an Software auf dem Jetson Nano installiert die benötigt wird für das Donkey Car. Als nächstes muss noch die myconfig.py Datei mit den eigenen Parametern angepasst werden. Mehr dazu im nächsen Beitrag.

Zusammenfassung:

Mir gefällt der Jetson Nano und die große Rechenpower die er in meinem Donkey Car bereit stellt sehr gut. Es ist einfach gesagt ein kompaktes Board mit richtig viel GPU Leistung. Auch die Softwareinstallation klappte sehr gut und ich hatte keine Probleme. Hier geht ein großer Dank an die Macher bzw. die Community hinter dem Donkey Car Framework.