Sådan installerer du Aravis på Linux og optager billeder fra Machine Vision-kameraet

Aravis er et Machine Vision-softwarekit, der er udviklet til samtidig brug af Machine Vision-kameraer fra forskellige producenter. Aravis er et GObject-baseret vision-bibliotek, der oprindeligt blev udviklet til Linux til styring af og billedoptagelse fra digitale industrikameraer. Aravis anvender GenICam API'et til at betjene Machine Vision-kameraerne og leveres med en grundlæggende visningsgrænseflade. Det er også opbygget som enhver anden Meson-build. Du kan downloade Aravis gratis på GitHub.
Sådan installerer du Aravis på Linux og optager billeder fra Machine Vision-kameraet

I denne artikel beskriver vi, hvordan du installerer Aravis på Linux ved hjælp af Python, og hvordan du begynder at hente billeder fra det industrielle kamera.

Trin et: Installer Python og Pip på din Linux-computer

Åbn Linux-terminalen, og indtast følgende linjer for at installere Python og Pip:
Vælg en Python-version, der er kompatibel med din Linux-distribution, f.eks. Python 3.8.
 


$ sudo apt update
$ sudo apt install python3.8
$ sudo apt install python3-pip


Brug linjerne nedenfor til at kontrollere, om Python og Pip er installeret på din Linux-computer:


$ python3 --version
$ pip3 --version

Trin to: Installer Meson og Ninja

Installer nu Meson og Ninja med Python:


$ pip3 install --user meson
$ pip3 install ninja


De grundlæggende krav er nu installeret.

Trin tre: Installer den seneste version af Aravis

Da vi installerer Aravis fra kildekoden, er der kun én version til Linux, Windows og Mac.
Download den seneste Aravis-udgivelse på https://github.com/AravisProject/aravis/releases.

Før vi kan bygge Aravis, skal vi installere afhængighederne. Du kan finde den detaljerede liste over afhængigheder i filen “meson.build”

 


Du kan bruge følgende kommando til at installere de fleste af de nødvendige afhængigheder:


$ sudo apt install libxml2-dev libglib2.0-dev cmake libusb-1.0-0-dev gobject-introspection \
                 libgtk-3-dev gtk-doc-tools  xsltproc libgstreamer1.0-dev \
                 libgstreamer-plugins-base1.0-dev libgstreamer-plugins-good1.0-dev \
                 libgirepository1.0-dev


Valgfrit: Til farve-vision-kameraer skal du bruge yderligere plugins til “gstreamer”:


$ sudo apt-get install gstreamer1.0-plugins-bad


Før du kan bygge Aravis, skal du bruge yderligere to ting:
1.    Installer den nyeste version af “cmake”.
Følg Linux-vejledningen på deres websted: Installation | CMake
2.    Installer nu “gi-docgen” med følgende linje:


$ pip3 install --user gi-docgen


Nu er vi klar til at bygge Aravis. Brug følgende kommandoer til at bygge Aravis.


$ meson build
$ cd build
$ sudo ninja
$ sudo ninja install


Det sidste, vi skal gøre, er at kopiere filen “aravis.rules” til Linux-enhedshåndteringen “udev: etc/udev/rules.d”


$ sudo cp ~/Path/to/your/Aravis/src/aravis.rules /etc/udev/rules.d


Genstart computeren for at fuldføre installationen. Efter genstart af computeren kan du navigere i din Linux-terminal til fremviseren og starte programmet.


~/Path/to/your/Aravis/build/viewer$ ./arv-viewer-X.X


Tilslut dit kamera, og klik på genindlæsningsknappen. Du bør nu kunne se navnet på dit tilsluttede kamera og dets serienummer. Venstreklik på dit kamera, og tryk på afspilningsknappen for at starte billedoptagelsen. Du bør nu få en livevisning fra det valgte kamera.



 (Testet på Linux Ubuntu 20.04 med et MER-160-227U3M-L Machine Vision-kamera)

Aravis-fremviseren fungerer med både vores USB3- og vores GigE-kameraer. For GigE-kameraerne skal du først konfigurere IP-indstillingerne, ligesom du skal med GalaxyView. Når IP-adressen er konfigureret, fungerer GigE-kameraet med Aravis-fremviseren.


Har du brug for teknisk support?

Har du fulgt disse trin, men ikke opnået det ønskede resultat med det industrielle vision-kamera? Kontakt vores tekniske supportmedarbejdere! En af vores visioningeniører besvarer dit spørgsmål inden for 24 timer. Har du andre tekniske spørgsmål vedrørende Machine Vision? Se vores Machine Vision-videnscenter. Vi uploader regelmæssigt nye tekniske artikler.

Hvis du vil holde dig opdateret med vores vision-artikler, kan du følge vores side på LinkedIn. Vi offentliggør hver ny artikel efter udgivelsen.