目标检测与跟踪（12）-- Jetson Xavier NX / Orin NX ROS及视觉检测环境配置、移植、部署指南

Techblog of HaoWANG2026-03-27 17:03

前言

在边缘计算与机器人开发中，NVIDIA Jetson系列（如Xavier NX和Orin NX）凭借其强大的算力与低功耗优势，成为了ROS机器人、视觉检测等项目的首选平台。然而，每次更换新设备时，重复配置环境（ROS、PyTorch、YOLO等）既耗时又容易出错。

本文将基于实际开发经验，整理一套完整的环境配置、代码移植与快速部署流程。内容涵盖ROS1（使用鱼香ROS一键安装）、Miniforge管理Python环境、PyTorch适配、YOLO视觉检测、IMU及机械臂控制模块的移植，助你实现"开箱即用"的开发体验。

1. 系统基础准备

Jetson设备建议刷写 JetPack SDK（Xavier NX推荐5.1.2以上，Orin NX推荐6.0以上）。系统安装完成后，确保网络畅通并进行基础更新：

bash 复制代码 
sudo apt update
sudo apt upgrade -y
sudo apt install vim git curl cmake build-essential

2. ROS1 安装：鱼香ROS一键安装（高效、避坑）

手动编译ROS在Jetson上容易遇到依赖问题，推荐使用"鱼香ROS"大佬的一键安装脚本，支持Melodic/Noetic。

bash 复制代码 
wget http://fishros.com/install -O fishros && bash fishros

操作指引：

  1. 选择 [1]: 一键安装ROS1。

  2. 根据你的Ubuntu版本选择：

    • Ubuntu 18.04 -> ROS Melodic

    • Ubuntu 20.04 -> ROS Noetic

  3. 选择 [1]: desktop-full 安装完整桌面版。

  4. 脚本会自动处理依赖并配置环境变量。

安装完成后，验证ROS环境：

bash 复制代码 
source /opt/ros/<distro>/setup.bash
roscore

移植小技巧 ：如果多台设备需要统一ROS版本，可将 /opt/ros/ 对应文件夹打包，但易出现硬件依赖问题，建议在新设备上直接运行一键安装脚本保持一致性。

3. Miniforge 安装与虚拟环境管理

Jetson的架构是 aarch64，Anaconda官方不支持，需要使用 Miniforge （conda-forge的ARM版本）。这里我们借助 pip 或 conda 来隔离开发环境，便于移植。

3.1 安装 Miniforge

bash 复制代码 
# 下载对应版本
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-aarch64.sh
bash Miniforge3-Linux-aarch64.sh
# 按提示进行，建议默认安装
source ~/.bashrc

3.2 创建虚拟环境（用于视觉检测）

以 yolo_env 为例：

bash 复制代码 
conda create -n yolo_env python=3.8 -y
conda activate yolo_env

4. PyTorch + torchvision 配置（Jetson专用）

Jetson平台需安装NVIDIA预编译的PyTorch wheel，而非官方版本。

4.1 安装 PyTorch

访问 NVIDIA Jetson PyTorch 官方页面 获取对应JetPack版本的whl链接。

以 JetPack 5.1.2 (Python 3.8) 为例：

bash 复制代码 
# 安装依赖
sudo apt install libopenblas-base libopenmpi-dev libjpeg-dev zlib1g-dev
# 下载并安装 torch (此处以 v2.1.0 为例)
wget https://developer.download.nvidia.com/compute/redist/jp/v512/pytorch/torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl
pip install torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl

4.2 安装 torchvision

需从源码编译以匹配PyTorch版本：

bash 复制代码 
git clone --branch v0.16.0 https://github.com/pytorch/vision.git torchvision
cd torchvision
export BUILD_VERSION=0.16.0
python setup.py install --user
cd ..

注意：编译过程较慢，需耐心等待。

详细安装教程请参考系列博客：

https://blog.csdn.net/hhaowang/article/details/159160567?spm=1001.2014.3001.5501https://blog.csdn.net/hhaowang/article/details/159160567?spm=1001.2014.3001.5501

5. YOLO 环境配置与代码移植

YOLO（如YOLOv5/v8）依赖PyTorch。这里以 YOLOv8为例说明移植流程。

5.1 环境配置

在 yolo_env 中安装YOLO依赖：

bash 复制代码 
pip install ultralytics  # YOLOv8
# 或 YOLOv5
git clone https://github.com/ultralytics/yolov8
cd yolov8
pip install -r requirements.txt

5.2 代码与模型移植

为了在新设备上快速部署YOLO检测：

  1. 打包环境依赖：

    bash 复制代码 
    conda activate yolo_env
pip freeze > requirements.txt

  2. 移植代码：将整个YOLO项目文件夹（或你的推理代码）打包，通过U盘或scp传到新设备。

  3. 新设备部署：

    bash 复制代码 
    conda create -n yolo_env python=3.8
conda activate yolo_env
pip install -r requirements.txt
# 注意PyTorch需单独安装（参考第4节），因为requirements中可能只包含torch默认版本

6. IMU 模块移植

IMU（如9轴姿态传感器）通常通过串口或I2C通信，依赖ROS驱动包。

产品特点

  • 模块集成高精度的陀螺仪、加速度计、地磁场传感器和气压计，采用高性能的微处理器和先进的动力学解算与卡尔曼动态滤波算法，能够快速求解出模块当前的实时运动姿态。
  • 采用先进的数字滤波技术，能有效降低测量噪声，提高测量精度。
  • 模块内部集成了姿态解算器，配合动态卡尔曼滤波算法，能够在动态环境下准确输出模块的当前姿态， 姿态测量精度静态 0.05 度，动态 0.1 度，稳定性极高，性能甚至优于某些专业的倾角仪。
  • Z轴航向角加入地磁传感器滤波融合，解决了6轴算法中，由于陀螺仪积分的漂移引起的累计误差，可长期稳定输出航向角数据。注意：要由于有磁场检测，使用前需要校准，而且使用时需要远离磁干扰区域、电子设备、磁铁、扬声器等硬磁性物体至少20cm的距离。
  • 模块内部自带电压稳定电路，工作电压3.3~5V，引脚电平兼容3.3V/5V的嵌入式系统，连接方便。
  • 支持串口和IIC两种数字接口。方便用户选择最佳的连接方式。串口速率4800bps~921600bps可调，IIC接口支持全速400K速率。
  • 最高200Hz数据输出速率。输出内容可以自由选择，输出速率0.2～200Hz可调节。
  • 保留4路扩展端口，可以分别配置为模拟输入，数字输入，数字输出等功能。
  • 具备GPS连接能力。可接受符合NMEA-0183标准的串口GPS数据，形成GPS-IMU组合导航单元。

传感器参数指标

1.加速度计参数

参数 条件 典型值
量程 ±16g
分辨率 ±16g 0.0005(g/LSB)
RMS噪声 带宽=100Hz 0.75~1mg-rms
静止零漂 水平放置 ±20~40mg
温漂 -40°C ~ +85°C ±0.15mg/℃
带宽 5~256Hz

2.陀螺仪参数

参数 条件 典型值
量程 ±2000°/s
分辨率 ±2000°/s 0.061(°/s)/(LSB)
RMS噪声 带宽=100Hz 0.028~0.07(°/s)-rms
静止零漂 水平放置 ±0.5~1°/s
温漂 -40°C ~ +85°C ±0.005~0.015 (°/s)/℃
带宽 5~256Hz

3.磁力计参数

参数 条件 典型值
量程 ±2Gauss
分辨率 ±2Gauss 0.0667mGauss/LSB

4.气压计参数

参数 条件 典型值
量程 300~1100hPa
RMS噪声 标准模式 0.5Pa-RMS
相对精度 ±0.06hPa

5.俯仰角、横滚角参数

参数 条件 典型值
量程 X:±180°，Y:±90°
倾角精度 静态 0.1°
倾角精度 动态 0.5°
分辨率 水平放置 0.0055°
温漂 -40°C ~ +85°C ±0.5~1°

6.航向角参数

参数 条件 典型值
量程 Z:±180°
航向精度 9轴算法，磁场校准，动/静态 1°（不受磁场干扰情况下）【1】
航向精度 6轴算法，静态 0.5°（动态存在积分累计误差）【2】
分辨率 水平放置 0.0055°

6.1 常用IMU驱动（如 razkal/razor_imu_9dof）

ubuntu 20.04，ROS Noetic，python3 :

bash 复制代码 
sudo apt-get install ros-noetic-imu-tools ros-noetic-rviz-imu-plugin
pip3 install pyserial

安装ROS串口驱动

bash 复制代码 
sudo apt-get install ros-$ROS_DISTRO-serial

  • 原设备 ：记录下驱动包名与参数（如串口号 /dev/ttyUSB0、波特率）。

  • 移植步骤：

    1. 将IMU的ROS功能包复制到新设备工作空间 src 目录。

    2. 在新设备上安装依赖（如 python3-serial）。

    3. 编译工作空间，打开命令终端，运行下面指令：

      bash 复制代码 
        #1、新建工作空间
  mkdir ros_imu_ws
  cd ros_imu_ws
  mkdir src
  cd src
  catkin_init_workspace
  #2、复制wit_ros_imu文件夹到~/ros_imu_ws/src目录下
  #3、编译
  cd ~/ros_imu_ws
  catkin_make

    4. 修改启动文件（launch）中的串口号，可通过 ls /dev/tty* 确认新设备的端口。

打开命令终端，运行下面指令：

bash 复制代码 
cd ~/ros_imu_ws/src/wit_ros_imu
sudo chmod 777 bind_usb.sh
sudo sh bind_usb.sh

重新插拔连接IMU模块的USB数据线。以生效绑定的端口，输入以下指令检测绑定端口是否成功，

bash 复制代码 
ll /dev/imu_usb

添加用户权限，重启后生效。

bash 复制代码 
sudo usermod -a -G dialout $USER

6.2 修改参数配置

波特率根据实际使用设定，默认波特率baud的值为9600，如果用户通过上位机修改了波特率，需要对应修改成修改后的波特率。

进入功能包下的launch文件夹，打开rviz_and_imu.launch文件中的配置参数

bash 复制代码 
cd ~/ros_imu_ws/src/wit_ros_imu/launch
sudo gedit rviz_and_imu.launch

修改成如下图所示，

可以看出，波特率设置成默认的9600，端口设置成绑定的**/dev/imu_usb**，话题重映射成**/imu/data.**

6.3 运行可视化界面

  1. 打开终端，运行launch文件，注意要在实际桌面打开，或者远程，不可在SSH远程终端中打开。
bash 复制代码 
roslaunch wit_ros_imu rviz_and_imu.launch

**module 'serial' has no attribute 'Serial'

INFO\] \[1774491059.009024\]: Serial port opening failure** #### 模块冲突问题 Python环境中同时存在标准库`serial`模块与第三方库`pyserial`时，会导致导入混淆 。标准库的 `serial`模块不包含 `Serial`类，而 `pyserial`才是提供串口通信功能的正确库。 #### 错误安装情况 用户可能误安装了名为`serial`的无效包，而非正确的`pyserial`库 此情况下，即使安装成功，也无法调用 `Serial`类。 #### 文件名冲突 若脚本文件命名为`serial.py`，Python会优先导入当前目录的模块而非`pyserial`库，导致属性缺失 ### 系统解决方案 #### 清理冲突模块 执行以下命令卸载冲突模块： `pip uninstall serial pip uninstall pyserial` #### 重新安装正确库 安装官方`pyserial`库： `pip install pyserial` #### 验证安装结果 在Python中执行以下代码验证： `import serial print(serial.Serial) # 应输出 `

打开两个新终端输入分别输入下面两行命令，查看数据

bash 复制代码 
rostopic echo /imu/data
rostopic echo /wit/mag

6.4 安装

当需要将IMU模块安装到其他设备上时，为了避免安装产生的误差，安装IMU模块时应注意以下几点：

1.要保证IMU模块安装面与被测量面完全紧靠，被测量面要尽可能水平，不能出现夹角产生。

2.IMU模块底边线和被测物体轴线不能有夹角产生，安装时应保持IMU模块底边线与被测无图转动轴线水平或正交。

3.IMU模块与被测量面必须固定紧密、接触平整。安装后连接到上位机查看是否稳定，如果不稳定请校准IMU模块。

6.5 PlotJuggler

PlotJuggler是一个独立的可视化工具，它支持ROS1和ROS2中的消息类型，并且可以处理大量的数据。与其他轨迹绘制工具相比，PlotJuggler具有以下显著特点：

  1. 支持多种消息类型：PlotJuggler支持多种ROS消息类型，包括点云、轨迹、图像等，使得用户可以在一个统一的界面中查看不同类型的数据。

  2. 实时数据更新：PlotJuggler可以实时接收ROS中的消息，并在图形界面中进行实时更新，从而让用户能够实时地观察机器人的运动轨迹。

  3. 丰富的可视化选项：PlotJuggler提供了多种可视化选项，包括折线图、散点图、柱状图等，用户可以根据需要选择合适的可视化方式。

  4. 灵活的交互界面：PlotJuggler具有一个灵活的交互界面，用户可以通过拖拽、缩放、平移等操作来自由地浏览和分析数据。

  5. 支持数据导入导出：PlotJuggler支持将数据导入和导出为多种格式，如CSV、PNG等，方便用户与其他工具进行交互和分享。

1.安装plotjuggler（ubuntu20.04+ros-noetic）

bash 复制代码 
sudo apt-get install ros-noetic-plotjuggler

2. 安装ros插件（否则无法打开.bag文件）

bash 复制代码 
sudo apt-get install ros-noetic-plotjuggler-msgs ros-noetic-plotjuggler-ros

3. 使用可视化工具

bash 复制代码 
rosrun plotjuggler plotjuggler

7. 机械臂控制模块移植

机械臂（如UR、Aubo、睿尔曼）通常提供ROS包，依赖MoveIt或自定义控制器。

7.1 移植要点

  • 依赖同步：原设备上的ROS功能包可能依赖特定版本，新设备需安装相同依赖。

    bash 复制代码 
    # 检查原设备已安装的ROS包
dpkg -l | grep ros-
# 在新设备上安装
sudo apt install ros-<distro>-<package-name>

  • 参数文件 ：机械臂的URDF、控制器配置文件（yaml）通常存放在功能包的 config 目录下，直接复制即可。

  • 固件/驱动 ：部分机械臂需安装底层驱动库（如 libur_ros）。在新设备上重新编译驱动：

    bash 复制代码 
    cd ~/catkin_ws/src
git clone <driver_repo>
cd ~/catkin_ws
rosdep install --from-paths src --ignore-src -r -y
catkin_make

8. 环境快速移植总结（脚本化建议）

为了后续新设备一键部署，建议编写一个 setup.sh 脚本，内容包括：

  1. 安装系统基础依赖。

  2. 一键安装ROS。

  3. 安装Miniforge并创建conda环境。

  4. 安装PyTorch + torchvision（Jetson专用）。

  5. 通过 pip install -r requirements.txt 安装Python依赖。

  6. 拉取代码仓库（Git）或解压代码包。

  7. 编译ROS工作空间。

示例脚本结构：

bash 复制代码 
#!/bin/bash
set -e

# 1. ROS安装
wget http://fishros.com/install -O fishros && bash fishros

# 2. Miniforge 安装
wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-aarch64.sh
bash Miniforge3-Linux-aarch64.sh -b -p $HOME/miniforge3
eval "$($HOME/miniforge3/bin/conda shell.bash hook)"

# 3. 创建环境
conda create -n robot_env python=3.8 -y
conda activate robot_env

# 4. 安装PyTorch等
# ... 具体步骤

# 5. 克隆代码
git clone your_repo_url

echo "部署完成！"

结语

通过以上步骤，我们实现了Jetson Xavier NX/Orin NX上ROS及视觉检测环境的标准化配置与快速移植。核心思路是：

  • ROS：使用一键安装保证环境一致性。

  • Python环境 ：Miniforge管理虚拟环境，通过 requirements.txt 导出依赖。

  • 硬件模块：重点关注驱动适配与参数文件（串口号、配置文件）的修改。

希望这篇指南能帮助你在多台Jetson设备之间高效迁移开发环境，让边缘计算项目的部署更加流畅。如果在移植过程中遇到其他问题，欢迎在评论区交流讨论！

相关推荐
杀生丸学AI2 小时前
【世界模型】video2world：从不一致视角重建世界
人工智能·三维重建·扩散模型·具身智能·视频生成·世界模型·空间智能
冬夜戏雪2 小时前
agent工程3 固定模板填充智能体
人工智能
梦星辰.2 小时前
大语言模型训练中的显存占用与优化方法简述
人工智能·深度学习·语言模型
deephub2 小时前
信息访问 vs. 推理能力：LLM Agent 性能归因的实验分析
人工智能·深度学习·大语言模型·agent
前端小张同学2 小时前
有了AI大家的日常是轻松了还是更焦虑了呢？
人工智能·程序员·ai编程
快手技术2 小时前
KAT-Coder-Pro V2：玩转龙虾，吃透美学
人工智能
新缸中之脑3 小时前
AI工程师成长路线图 (2026)
人工智能
商业数据派3 小时前
快手估值重构的“隐藏彩蛋”
大数据·人工智能·重构
新缸中之脑3 小时前
你的智能体技术栈中缺失的层
大数据·人工智能·数据挖掘
热门推荐
012026年3月AI领域大事件：DeepSeek引领开源风暴02GitHub 镜像站点03围棋-html版本04Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南05小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）06班级宠物园部署指南07UV安装并设置国内源08OpenClaw 使用和管理 MCP 完全指南09【计算机一级WPSoffice】小黑课堂题库软件下载安装教程（2026年3月最新版）10让 Trae IDE 智能体 “读懂”文档 Excel+PDF+DOCX ：mcp-documents-reader 工具使用指南