Hämta Azure Kinect Body tracking SDK

  • Artikel
  • 2 minuter för att läsa

Det här dokumentet innehåller länkar för att installera varje version av Azure Kinect Body tracking SDK.

Innehåll för Azure Kinect Body tracking SDK

  • Sidhuvud och bibliotek för att bygga ett program för innehålls spårning med hjälp av Azure Kinect DK.
  • Distribuerbara DLL-filer som behövs för innehålls spårnings program med hjälp av Azure Kinect DK.
  • Exempel på brödtext som spårar program.
Version Ladda ned
1.1.0 databaspaketet
1.0.1 MSI - NuGet
1.0.0 MSI - NuGet

Installations anvisningar för Linux

För närvarande är den enda distribution som stöds Ubuntu 18,04 och 20,04. Information om hur du begär stöd för andra distributioner finns på den här sidan.

Först måste du konfigurera Microsofts paket lagrings platsgenom att följa anvisningarna här.

libk4abt<major>.<minor>-devPaketet innehåller de huvuden-och cmake-filer som ska byggas libk4abt . libk4abt<major>.<minor>Paketet innehåller de delade objekt som krävs för att köra körbara filer som är beroende av libk4abt och exempel visnings programmet.

De grundläggande självstudierna kräver libk4abt<major>.<minor>-dev paketet. Kör för att installera den

sudo apt install libk4abt<major>.<minor>-dev

Om kommandot lyckas är SDK klart för användning.

Anteckning

När du installerar SDK måste du komma ihåg vilken sökväg du installerar till. Till exempel "C:\Program Files\Azure Kinect Body tracking SDK 1.0.0". Du hittar exemplen som refereras i artiklar i den här sökvägen. Bröd text spårnings exemplen finns i mappen Body-tracking-samples i Azure-Kinect-samples-lagringsplatsen. Du hittar exemplen som refereras i artiklar här.

Ändringslogg

v-1.1.0

  • Zoomfunktionen Lägg till stöd för DirectML (endast Windows) och TensorRT-körning av attityd uppskattnings modell. Se vanliga frågor och svar om nya körnings miljöer.
  • Zoomfunktionen Lägg till model_path i k4abt_tracker_configuration_t struktur. Tillåter användare att ange sökväg för en attityd uppskattnings modell. Standardvärdet för dnn_model_2_0_op11.onnx standard beräknings modellen finns i den aktuella katalogen.
  • Zoomfunktionen Inkludera en dnn_model_2_0_lite_op11.onnx beräknings modell för lite attityd. Den här modellen är för hög ~ dubbelt så hög prestanda ökning för en lägre precision på ~ 5%.
  • Zoomfunktionen Verifierade exempel kompileras med Visual Studio 2019 och uppdaterings exempel för att använda den här versionen.
  • [Viktig ändring] Uppdatera till ONNX Runtime 1,6 med stöd för processor, CUDA 11,1, DirectML (endast Windows) och TensorRT 7.2.1-körnings miljöer. Kräver att NVIDIA-drivrutinen uppdateras till R455 eller bättre.
  • [Viktig ändring] Ingen NuGet-installation.
  • [Fel korrigering] Lägg till stöd för NVIDIA RTX 30xx-seriens GPU- länk
  • [Fel korrigering] Lägg till stöd för AMD-och Intel-integrerade GPU- länkar (endast Windows)
  • [Fel korrigering] Uppdatera till CUDA 11,1- länk
  • [Fel korrigering] Uppdatera till sensor SDK 1.4.1- länk

v-1.0.1

  • [Fel korrigering] Åtgärda problemet att SDK kraschar om du läser in onnxruntime.dll från sökväg på Windows version 19025 eller senare: länk

v-1.0.0

  • Zoomfunktionen Lägg till C#-omslutningen i MSI-installationsprogrammet.
  • [Fel korrigering] Åtgärda problemet att huvud rotationen inte kan identifieras korrekt: länk
  • [Fel korrigering] Åtgärda problemet att CPU-användningen går upp till 100% på Linux-datorn: länk
  • Stickprov Lägg till två exempel i exempel lagrings platsen. Exempel 1 visar hur du transformerar text spårnings resultat från länkendjup yta till färg utrymme. exempel 2 visar hur du identifierar länken golv plan

Nästa steg