机器人与计算机视觉实战系列（1）：环境介绍

这是机器人与计算机视觉实战系列的第一篇，将介绍我的核心开发环境。

开发环境

• Windows WSL2上安装Ubuntu 22.04（直接在ubuntu上运行也可以的）
• ROS2
• Pytorch 2.0

安装教程

Ubuntu安装

本文介绍如何在Windows上安装wsl2，再安装Ubuntu22.04。wsl2是Windows Subsystem for Linux的第二代版本，它可以让Windows用户在不需要虚拟机或双系统的情况下，直接在Windows上运行Linux系统和应用。wsl2相比wsl1有很多优势，比如更快的启动速度，更好的文件系统性能，更完整的Linux内核支持等。

要在Windows上安装wsl2，首先需要确保你的Windows版本是1903或更高，并且更新到最新的补丁。然后，你需要打开PowerShell（管理员模式），并运行以下命令：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

这两个命令分别用于启用Windows Subsystem for Linux和Virtual Machine Platform两个功能。运行完后，你需要重启电脑。

重启后，你需要下载并安装wsl2 Linux内核更新包，这是一个msi文件，你可以从这里下载：https://aka.ms/wsl2kernel

下载后，双击运行该文件，并按照提示完成安装。

安装完后，你需要再次打开PowerShell（管理员模式），并运行以下命令：

wsl --set-default-version 2

这个命令用于将wsl2设为默认的wsl版本。

至此，你已经完成了wsl2的安装。接下来，你需要从Microsoft Store中下载并安装Ubuntu22.04。你可以从这里访问：https://www.microsoft.com/store/apps/9N6SVWS3RX71

下载后，打开该应用，并按照提示设置你的用户名和密码。这个用户名和密码将用于登录Ubuntu系统。

完成后，你就可以在Windows上使用Ubuntu22.04了。你可以在开始菜单中找到Ubuntu图标，并点击打开一个终端窗口。你也可以在PowerShell或命令提示符中输入wsl或wsl -d Ubuntu-22.04来启动Ubuntu系统。

在Ubuntu系统中，你可以使用apt命令来安装和管理软件包，使用ssh命令来远程连接其他Linux服务器，使用gcc命令来编译C程序等等。你也可以访问Windows的文件系统，只需在终端中输入cd /mnt/c即可进入C盘。

总之，通过wsl2和Ubuntu22.04，你可以在Windows上享受Linux的强大功能和灵活性，而无需牺牲Windows的便利性和兼容性。希望本文对你有所帮助。

ROS2 安装

介绍如何在Ubuntu22.04安装ROS2，一种开源的机器人操作系统。ROS2是ROS的下一代版本，提供了更高的性能、更好的安全性和更多的功能。ROS2可以用于开发各种机器人应用，如导航、感知、控制和通信。

安装ROS2的步骤如下：

1. 首先，需要安装Ubuntu22.04的一些依赖包，如curl、gnupg2、lsb-release等。可以在终端中运行以下命令：

sudo apt update
sudo apt install curl gnupg2 lsb-release

2. 然后，需要添加ROS2的软件源，以便下载和安装ROS2的包。可以在终端中运行以下命令：

curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.key | sudo apt-key add -
sudo sh -c 'echo "deb [arch=$(dpkg --print-architecture)] http://packages.ros.org/ros2/ubuntu $(lsb_release -cs) main" > /etc/apt/sources.list.d/ros2.list'

3. 接下来，需要更新软件源，并选择要安装的ROS2的版本。目前，ROS2有三个版本：Dashing、Eloquent和Foxy。本文以Foxy为例，如果想要安装其他版本，可以替换相应的名称。可以在终端中运行以下命令：

sudo apt update
sudo apt install ros-foxy-desktop

4. 最后，需要设置环境变量，以便使用ROS2的命令和工具。可以在终端中运行以下命令：

source /opt/ros/foxy/setup.bash

为了使环境变量永久生效，可以将上述命令添加到~/.bashrc文件中。

至此，ROS2就安装完成了。可以在终端中运行以下命令，测试是否成功：

ros2 run demo_nodes_cpp talker

如果看到类似以下的输出，说明ROS2已经正常工作：

[INFO] [1617428386.789686477] [talker]: Publishing: 'Hello World: 1'
[INFO] [1617428386.889725647] [talker]: Publishing: 'Hello World: 2'
[INFO] [1617428386.989761857] [talker]: Publishing: 'Hello World: 3'

简要介绍了如何在Ubuntu22.04安装ROS2，希望对读者有所帮助。更多关于ROS2的信息和教程，可以访问官方网站：https://index.ros.org/doc/ros2/。或者看我的另外一篇博客如何安装ROS2: foxy。

Pytorch 2.0 安装

本文介绍如何在Ubuntu22.04安装使用conda安装pytorch2.0.

PyTorch是一个开源的深度学习框架，它提供了灵活的张量操作，动态计算图，自动求导，分布式训练等功能。PyTorch2.0是最新的版本，它增加了一些新特性，如命名张量，复数张量，混合前端等。

为了在Ubuntu22.04上安装使用conda安装pytorch2.0，我们需要先安装conda，然后创建一个虚拟环境，最后在虚拟环境中安装pytorch2.0。下面是具体的步骤：

1. 安装conda

   conda是一个跨平台的包管理器和环境管理器，它可以方便地安装和管理不同版本的Python和其他软件包。要安装conda，我们可以从官网下载适合Ubuntu22.04的安装包，或者使用命令行工具wget下载：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

下载完成后，我们需要给安装包赋予可执行权限，并运行它：

chmod +x Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh

安装过程中，我们需要按照提示接受协议，选择安装路径，以及是否将conda添加到PATH环境变量中。建议选择将conda添加到PATH中，这样就可以在任何地方使用conda命令了。安装完成后，我们需要重新加载一下终端，或者重新打开一个终端，以使conda生效。

2. 创建虚拟环境

虚拟环境是一种隔离不同Python项目所需的依赖包的方法，它可以避免包之间的冲突和版本不兼容的问题。要创建一个虚拟环境，我们可以使用conda create命令，并指定虚拟环境的名字（比如pytorch-env）和Python的版本（比如3.9）：

conda create -n pytorch-env python=3.9

创建完成后，我们可以使用conda activate命令激活虚拟环境：

conda activate pytorch-env

激活后，我们可以看到终端的提示符前面有虚拟环境的名字（pytorch-env），表示我们已经进入了虚拟环境。

3. 安装pytorch2.0

在虚拟环境中，我们可以使用conda install命令安装pytorch2.0。为了确保安装正确的版本和兼容性，我们可以从官网获取安装命令：https://pytorch.org/get-started/locally/ 。根据我们的系统和硬件配置（比如是否有GPU），我们可以选择相应的选项，并复制生成的命令。比如，如果我们有NVIDIA的GPU，并且支持CUDA11.3，那么我们可以复制以下命令：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge

运行该命令后，conda会自动下载和安装pytorch2.0以及相关的依赖包。安装完成后，我们可以使用python命令进入Python交互模式，并验证一下pytorch2.0是否正确安装：

import torch
print(torch.__version__)
print(torch.cuda.is_available())
x = torch.randn(3, 3).cuda()
y = torch.randn(3, 3).cuda()
z = x + y
print(z)

如果一切正常，你应该看到类似以下的输出：

2.0
True
tensor([[ 1.0106, 1.0737, -1.2339],
[ 0.3154, 1.0726, -1.0169],
[-1.0577, -0.2474, 0.4629]])

你可以在接下来的教程里面，一起实战机器人和计算机视觉。可以关注我或者订阅我的专栏。