Jetson上のYOLOv26デュアルUSBカメラ画像処理システム

このwikiでは、YOLOv26モデルとTensorRTアクセラレーションに基づくデュアルUSBカメラ画像処理システムをゼロから構築する方法を実演します。このシステムには以下の機能が含まれています：

デュアルカメラ並列処理：2台のUSBカメラの同時リアルタイム映像ストリーム処理
マルチタスク視覚解析：物体検出、姿勢推定、画像セグメンテーション（SAMモデル）
TensorRTアクセラレーション：NVIDIA TensorRTエンジンを使用して推論速度を大幅に向上
Webインターフェースプレビュー：ブラウザを通じて処理結果をリアルタイムで表示
MJPEG圧縮：USB帯域幅使用量を削減し、システムの安定性を向上

前提条件

reComputer J4012 または reComputer シリーズの他の製品
2台のUSBカメラ
USB Type-Cデータ伝送ケーブル（カメラ接続用）

GitHubからダウンロード

方法1：リポジトリ全体をクローン（推奨）

これは全ファイルを一度に取得する最も簡単な方法です：

# 1. Navigate to your home directory
# ！！Replace this with your own username
cd /home/seeed

# 2. Clone the repository
git clone https://github.com/bleaaach/yolov26_jetson.git

# 3. Navigate to the project directory
cd yolov26_jetson

# 4. View downloaded files
ls -la

以下のファイルが表示されるはずです：

run_dual_camera_docker.sh - Dockerデプロイメントスクリプト
run_dual_camera_local.sh - ローカルデプロイメントスクリプト
README.md - このドキュメントファイル

方法2：個別ファイルのダウンロード

特定のスクリプトファイルのみが必要な場合は、wgetを使用して個別にダウンロードできます：

# 1. Navigate to your home directory
cd /home/seeed

# 2. Create project directory
mkdir -p yolov26_jetson
cd yolov26_jetson

# 3. Download Docker script
wget https://raw.githubusercontent.com/bleaaach/yolov26_jetson/main/run_dual_camera_docker.sh

# 4. Download Local script
wget https://raw.githubusercontent.com/bleaaach/yolov26_jetson/main/run_dual_camera_local.sh

# 5. Download README documentation
wget https://raw.githubusercontent.com/bleaaach/yolov26_jetson/main/README.md

# 6. View downloaded files
ls -la

ダウンロードしたファイルの確認

ダウンロード後、ファイルが存在することを確認します：

# View file list
ls -la

# Check file permissions

スクリプトに実行権限がない場合は、追加します：

# Add execute permissions
chmod +x run_dual_camera_docker.sh
chmod +x run_dual_camera_local.sh

# Check again
ls -la

2つのデプロイメント方法の比較

機能	Docker方法	ローカル方法
環境分離	✅ 完全に分離、ホスト環境を汚染しない	❌ ホストに直接インストール
デプロイメント速度	✅ 高速、ワンクリック起動	❌ 多くの依存関係の手動インストールが必要
ハードウェアアクセス	⚠️ デバイスマッピング設定が必要	✅ 全ハードウェアへの直接アクセス
パフォーマンス	⚠️ コンテナオーバーヘッドあり	✅ より良いパフォーマンス
ストレージ容量	⚠️ 約2GBのDockerイメージが必要	✅ ストレージ使用量が少ない
推奨使用ケース	クイックテスト、マルチデバイスデプロイメント	本番環境、最高のパフォーマンス

（オプション1）ローカル環境セットアップ

ステップ1. パッケージリストの更新とpipのインストール

# Update package list
sudo apt update

# Install pip
sudo apt install python3-pip -y

# Upgrade pip
pip install -U pip

システムにpipがプリインストールされていない場合は、以下のコマンドを使用してインストールします：

# Download get-pip.py
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

# Install pip
python3 get-pip.py --user

ステップ2. Ultralyticsパッケージのインストール

Ultralyticsとそのオプション依存関係（モデルエクスポート用）をインストールします：

# Install Ultralytics
~/.local/bin/pip install ultralytics[export]

ステップ3. PyTorchとTorchvisionのインストール

重要：pip経由でインストールされるPyTorchとTorchvisionは、JetsonのARM64アーキテクチャと互換性がありません。Jetson専用にビルドされたバージョンを手動でインストールする必要があります。

まず互換性のないバージョンをアンインストールします：

# Uninstall incompatible versions
~/.local/bin/pip uninstall torch torchvision -y

次にJetPack 6.1互換バージョンをインストールします：

# Install PyTorch 2.5.0
~/.local/bin/pip install https://github.com/ultralytics/assets/releases/download/v0.0.0/torch-2.5.0a0+872d972e41.nv24.08-cp310-cp310-linux_aarch64.whl

# Install Torchvision 0.20
~/.local/bin/pip install https://github.com/ultralytics/assets/releases/download/v0.0.0/torchvision-0.20.0a0+afc54f7-cp310-cp310-linux_aarch64.whl

GitHubのダウンロードが遅い場合は、アクセラレーションプロキシを使用できます：

# Use gh proxy to download PyTorch
~/.local/bin/pip install https://gh-proxy.com/https://github.com/ultralytics/assets/releases/download/v0.0.0/torch-2.5.0a0+872d972e41.nv24.08-cp310-cp310-linux_aarch64.whl

# Use gh proxy to download Torchvision
~/.local/bin/pip install https://gh-proxy.com/https://github.com/ultralytics/assets/releases/download/v0.0.0/torchvision-0.20.0a0+afc54f7-cp310-cp310-linux_aarch64.whl

ステップ4. cuSPARSELtのインストール

cuSPARSELtはPyTorch 2.5.0の依存関係であり、別途インストールする必要があります：

# Install cuSPARSELt
sudo apt-get install -y libcusparselt0

ステップ5. onnxruntime-gpuのインストール

onnxruntime-gpuは一部のモデルエクスポート機能に使用されます。PyPI上のパッケージにはJetson用のaarch64バイナリが含まれていないため、手動インストールが必要です：

# Install onnxruntime-gpu 1.23.0
~/.local/bin/pip install https://gh-proxy.com/https://github.com/ultralytics/assets/releases/download/v0.0.0/onnxruntime_gpu-1.23.0-cp310-cp310-linux_aarch64.whl

またはバージョン1.20.0を使用：

# Install onnxruntime-gpu 1.20.0
~/.local/bin/pip install https://gh-proxy.com/https://github.com/ultralytics/assets/releases/download/v0.0.0/onnxruntime_gpu-1.20.0-cp310-cp310-linux_aarch64.whl

ステップ6. PATH環境変数の設定

ユーザーインストールモードを使用しているため、pipでインストールされた実行ファイルは~/.local/bin/ディレクトリに配置されます。このディレクトリをPATH環境変数に追加することを推奨します：

# Add to .bashrc
echo 'export PATH=$PATH:~/.local/bin' >> ~/.bashrc

# Reload .bashrc
source ~/.bashrc

ステップ7. インストールの確認

インストールされたパッケージのバージョンを確認します：

# Check versions
python3 -c "import ultralytics; import torch; import torchvision; import onnxruntime; print('ultralytics version:', ultralytics.__version__); print('torch version:', torch.__version__); print('torchvision version:', torchvision.__version__); print('onnxruntime version:', onnxruntime.__version__)"

期待される出力：

ultralytics version: 8.4.7
torch version: 2.5.0a0+872d972e41.nv24.08
torchvision version: 0.20.0a0+afc54f7
onnxruntime version: 1.23.0

ステップ8. YOLOv26推論機能のテスト

from ultralytics import YOLO
import torch

# Check if CUDA is available
print(f"CUDA available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"CUDA device count: {torch.cuda.device_count()}")
    print(f"CUDA device name: {torch.cuda.get_device_name(0)}")

# Load YOLOv26n model
model = YOLO('yolo26v26n.pt')
print(f"Model loaded successfully!")

# Perform inference test
results = model('https://ultralytics.com/images/bus.jpg')
print(f"Inference successful! Detected {len(results[0].boxes)} objects")

# Display detection results
for i, box in enumerate(results[0].boxes):
    cls_id = int(box.cls[0])
    conf = float(box.conf[0])
    cls_name = model.names[cls_id]
    print(f"  Object {i+1}: {cls_name} (confidence: {conf:.2f})")

ステップ9. モデルファイルの準備

モデルファイルが正しい場所にダウンロードされていることを確認します：

# Check model directory
ls -la /home/seeed/ultralytics_data/

# Create directory if it doesn't exist
mkdir -p /home/seeed/ultralytics_data

モデルファイルが存在しない場合は、まずダウンロードします：

# Navigate to model directory
cd /home/seeed/ultralytics_data

# Download object detection model
yolo export model=yolov26n.pt format=engine device=0

# Download pose estimation model
yolo export model=yolov26n-pose.pt format=engine device=0

# Download segmentation model
yolo export model=yolov26n-seg.pt format=engine device=0

# Verify model files
ls -la

以下のファイルが表示されるはずです：

yolo26n.engine
yolo26n-pose.engine
yolo26n-seg.engine

ステップ10. ローカルスクリプトの実行

これでローカルスクリプトを実行できます：

# 1. Navigate to project directory
cd /home/seeed/yolov26_jetson

# 2. Ensure script has execute permissions
chmod +x run_dual_camera_local.sh

# 3. Run Local script
./run_dual_camera_local.sh

（オプション2）Docker環境セットアップ

ステップ1. Dockerがインストールされていることを確認

まずDockerがインストールされているかを確認します：

# Check Docker version
docker --version

Dockerがインストールされていない場合は、まずインストールします：

# Update package list
sudo apt update

# Install Docker
sudo apt install docker.io -y

# Start Docker service
sudo systemctl start docker

# Add current user to docker group
sudo usermod -aG docker $USER

# Re-login to apply changes
newgrp docker

Docker環境の設定の詳細については、このGitHubリポジトリを参照してください：https://github.com/zibochen6/reComputer-Jetson-for-Beginners/tree/main/3-Basic-Tools-and-Getting-Started/3.7-Docker/

ステップ2. Dockerサービスが実行されていることを確認

# Check Docker service status
sudo systemctl status docker

Dockerが実行されていない場合は、開始します：

# Start Docker service
sudo systemctl start docker

ステップ3. モデルファイルの準備

モデルファイルが正しい場所にダウンロードされていることを確認してください：

# Check model directory
ls -la /home/seeed/ultralytics_data/

# Create directory if it doesn't exist
mkdir -p /home/seeed/ultralytics_data

モデルファイルが存在しない場合は、まずダウンロードしてください：

# Navigate to model directory
cd /home/seeed/ultralytics_data

# Download object detection model
yolo export model=yolov26n.pt format=engine device=0

# Download pose estimation model
yolo export model=yolov26n-pose.pt format=engine device=0

# Download segmentation model
yolo export model=yolov26n-seg.pt format=engine device=0

# Verify model files
ls -la

以下のファイルが表示されるはずです：

yolo26n.engine
yolo26n-pose.engine
yolo26n-seg.engine

ステップ 4. Docker スクリプトの実行

これで Docker スクリプトを実行できます：

# 1. Navigate to project directory
cd /home/seeed/yolov26_jetson

# 2. Ensure script has execute permissions
chmod +x run_dual_camera_docker.sh

# 3. Run Docker script
./run_dual_camera_docker.sh

ステップ 5. Web インターフェースへのアクセス

ブラウザで以下のアドレスを開いてください：

http://localhost:5000

この時点で、ブラウザには両方のカメラからのリアルタイムフィードが「左カメラフィード | 右カメラフィード」のように並んで表示されます。実際のフレームレートと解像度は、ハードウェアの性能によって異なります。

note

システムを再起動する必要がある場合：

# 1. Stop and remove existing container
docker rm -f dual-camera-system

# 2. Re-run script
cd /home/seeed/yolov26_jetson
./run_dual_camera_docker.sh

リソース

技術サポートと製品ディスカッション

Seeed Studio 製品をお選びいただき、ありがとうございます！技術サポートと製品ディスカッションについては、以下のチャンネルをご利用ください：

前提条件​

GitHubからダウンロード​

方法1：リポジトリ全体をクローン（推奨）​

方法2：個別ファイルのダウンロード​

ダウンロードしたファイルの確認​

2つのデプロイメント方法の比較​

（オプション1）ローカル環境セットアップ​

（オプション2）Docker環境セットアップ​

リソース​

技術サポートと製品ディスカッション​

前提条件

GitHubからダウンロード

方法1：リポジトリ全体をクローン（推奨）

方法2：個別ファイルのダウンロード

ダウンロードしたファイルの確認

2つのデプロイメント方法の比較

（オプション1）ローカル環境セットアップ

（オプション2）Docker環境セットアップ

リソース

技術サポートと製品ディスカッション