Dela via


Snabbstart: Konfigurera Azure Kinect-brödtextspårning

Den här snabbstarten vägleder dig genom processen att få kroppsspårning att köras på din Azure Kinect DK.

Systemkrav

Body Tracking SDK kräver en NVIDIA GPU installerad på värddatorn. Det rekommenderade kravet för kroppsspårning av värddatorer beskrivs på sidan systemkrav .

Installera programvara

Installera den senaste NVIDIA-drivrutinen

Ladda ned och installera den senaste NVIDIA-drivrutinen för ditt grafikkort. Äldre drivrutiner kanske inte är kompatibla med CUDA-binärfilerna som omfördelas med SDK:et för brödtextspårning.

Visual C++ Redistributable för Visual Studio 2015

Ladda ned och installera Visual C++ Redistributable för Visual Studio 2015.

Konfigurera maskinvara

Konfigurera Azure Kinect DK

Starta Azure Kinect Viewer för att kontrollera att din Azure Kinect DK har konfigurerats korrekt.

Ladda ned SDK för kroppsspårning

  1. Välj länken för att ladda ned SDK: et för brödtextspårning
  2. Installera SDK:et för brödtextspårning på datorn.

Verifiera brödtextspårning

Starta Azure Kinect Body Tracking Viewer för att kontrollera att SDK:et för brödtextspårning är korrekt konfigurerat. Visningsprogrammet installeras med installationsprogrammet för SDK msi. Du hittar den på startmenyn eller på <SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe.

Om du inte har en tillräckligt kraftfull GPU och fortfarande vill testa resultatet kan du starta Azure Kinect Body Tracking Viewer på kommandoraden med följande kommando: <SDK Installation Path>\tools\k4abt_simple_3d_viewer.exe CPU

Om allt är korrekt konfigurerat bör ett fönster med ett 3D-punktsmoln och spårade kroppar visas.

3D-visningsprogram för brödtextspårning

Ange ONNX Runtime-körningsmiljö

SDK:t för kroppsspårning stöder körningsmiljöerna CPU, CUDA, DirectML (endast Windows) och TensorRT för att härleda modellen för poseberäkning. Standardvärdet K4ABT_TRACKER_PROCESSING_MODE_GPU för CUDA-körning på Linux och DirectML-körning i Windows. Ytterligare tre lägen har lagts till för att välja specifika körningsmiljöer: K4ABT_TRACKER_PROCESSING_MODE_GPU_CUDA, K4ABT_TRACKER_PROCESSING_MODE_GPU_DIRECTMLoch K4ABT_TRACKER_PROCESSING_MODE_GPU_TENSORRT.

Kommentar

ONNX Runtime visar varningar för opcodes som inte accelereras. Dessa kan ignoreras på ett säkert sätt.

ONNX Runtime innehåller miljövariabler för att styra Cachelagring av TensorRT-modell. De rekommenderade värdena är:

  • ORT_TENSORRT_ENGINE_CACHE_ENABLE=1
  • ORT_TENSORRT_CACHE_PATH="pathname"

Mappen måste skapas innan brödtextspårning startas.

Viktigt!

TensorRT förprocesserar modellen före slutsatsdragning, vilket resulterar i utökade starttider jämfört med andra körningsmiljöer. Cachelagring av motorn begränsar detta till första körningen, men det är experimentellt och är specifikt för modellen, ONNX Runtime-versionen, TensorRT-versionen och GPU-modellen.

TensorRT-körningsmiljön stöder både FP32 (standard) och FP16. FP16 byter ~2x prestandaökning för minimal noggrannhetsminskning. Så här anger du FP16:

  • ORT_TENSORRT_FP16_ENABLE=1

Obligatoriska DLL:er för ONNX Runtime-körningsmiljöer

Läge ORT 1.10 CUDA 11.4.3 CUDNN 8.2.2.26 TensorRT 8.0.3.4
Processor msvcp140 - - -
onnxruntime
CUDA msvcp140 cudart64_110 cudnn64_8 -
onnxruntime cufft64_10 cudnn_ops_infer64_8
onnxruntime_providers_cuda cublas64_11 cudnn_cnn_infer64_8
onnxruntime_providers_shared cublasLt64_11
DirectML msvcp140 - - -
onnxruntime
directml
TensorRT msvcp140 cudart64_110 - nvinfer
onnxruntime cufft64_10 nvinfer_plugin
onnxruntime_providers_cuda cublas64_11
onnxruntime_providers_shared cublasLt64_11
onnxruntime_providers_tensorrt nvrtc64_112_0
nvrtc-builtins64_114

Exempel

Du hittar exemplen på hur du använder SDK :t för brödtextspårning här.

Nästa steg