### Jetson Orin 上 MediaPipe 的安装与部署 #### 系统准备 为了在 Jetson Orin 设备上成功运行 MediaPipe，需先确认操作系统版本以及 Python 版本满足最低需求。通常推荐使用 Ubuntu 20.04 LTS 和 Python 3.8 或更高版本[^1]。 #### 虚拟环境管理 建议通过 `conda` 创建独立的虚拟环境来隔离依赖项。以下是创建和激活虚拟环境的具体方法： ```bash # 创建名为 mp_env 的 Conda 虚拟环境并指定 Python 版本 $ conda create -n mp_env python=3.9 # 激活该虚拟环境 $ conda activate mp_env ``` 完成上述操作后即可在一个干净无冲突的环境中继续安装其他必要的库和工具。 #### 安装 Bazel 编译器 MediaPipe 使用 Google 开发的构建系统 Bazel 来编译 C++ 部分源码。对于 ARM 架构硬件如 NVIDIA Jetson Orin，可能需要手动下载适合目标平台架构预编译好的二进制文件或者自行从源代码重新编译适配版 bazel 可执行程序。 #### 下载 MediaPipe 并设置开发路径 克隆官方 GitHub 存储库到本地目录作为工作区基础: ```bash # 克隆最新稳定分支至当前用户家目录下的mediapipe文件夹内 git clone https://github.com/google/mediapipe.git ~/mediapipe cd ~/mediapipe ``` #### 安装 Python 绑定及相关依赖包 确保 pip 已更新至最新状态后再添加所需模块列表中的各项组件： ```bash pip install --upgrade pip setuptools wheel pip install -r requirements.txt ``` 这里会自动拉取 mediapipe 执行过程中需要用到的一系列第三方扩展库集合定义于requirements文档之中。 #### 测试解决方案功能正常与否 最后一步验证整个流程是否顺利完成，尝试加载 demo 应用脚本来观察实际效果表现情况： ```python import cv2 import mediapipe as mp mp_drawing = mp.solutions.drawing_utils mp_hands = mp.solutions.hands cap = cv2.VideoCapture(0) with mp_hands.Hands( min_detection_confidence=0.5, min_tracking_confidence=0.5) as hands: while cap.isOpened(): success, image = cap.read() if not success: print("Ignoring empty camera frame.") results = hands.process(image) if results.multi_hand_landmarks: for handLms in results.multi_hand_landmarks: mp_drawing.draw_landmarks( image, handLms, mp_hands.HAND_CONNECTIONS) cv2.imshow('MediaPipe Hands', cv2.flip(image, 1)) key=cv2.waitKey(1)&0xFF if key==ord('q'): break cv2.destroyAllWindows() ``` 此段代码片段展示了如何利用摄像头捕获实时视频流并通过 Mediapipe 提供的手部追踪方案绘制关键点位置信息。