如何开始使用OAK和OAK－D？
连接到OAK的USB－C连接器传输数据和电源。只需打开硬件的盒子，将其连接到计算机并运行一些命令。你的空间AI将在几分钟内运行。
安装DepthAI：DepthAI是Luxonis运行计算机视觉模型的软件库。我们需要安装它来运行我们的模型。安装文档可在DepthAI的安装指南中找到。
对于ubuntu用户连接OAK－D，打开终端并运行这些命令来安装python、DepthAI、DepthAI python需求，并将系统指向OAK设备。
sudo apt install git python3－pip python3－opencv libcurl4 libatlas－base－dev libhdf5－dev libhdf5－serial－dev libatlas－base－dev libjasper－dev libqtgui4 libqt4－test
echo ＇SUBSYSTEM＝＝＂usb＂， ATTRS｛idVendor｝＝＝＂03e7＂， MODE＝＂0666＂＇ ｜ sudo tee ／etc／udev／rules．d／80－movidius．rules
sudo udevadm control －－reload－rules ＆＆ sudo udevadm trigger
git clone https：／／github．com／luxonis／depthai．git
cd depthai
python3 －m pip install －r requirements．txt
安装完所有内容后，运行命令
python3 test．py
现在你可以看到OAK－D运行的对象检测模型可以检测80个常见对象。有了OAK和OAK－D，我们可以使用它们提供的自由神经网络或者我们可以用免费的google colab notebook训练新的神经网络。
OAK系列神经网络；COVID－19掩膜／无掩膜检测，年龄识别情绪识别人脸检测面部标志（如眼角、嘴角、下巴等）一般目标检测（20级）行人检测车辆检测该列表会定期添加。现在，如果我们想训练自己的模型，就在公共数据集上训练模型，并使用OpenVINO将其部署到OAK和OAK－D。OAK－1和OAK－D都支持Linux、macOS和Windows主机，这使得它具有足够的通用性，可以用于任何大小的原型流程。要部署和训练你自己的模型，请遵循本教程：将自定义模型部署到Luxonis OAK－快速入门指南https：／／blog．roboflow．com／deploy－luxonis－oak／是的，这样就可以插上电源，随时可以使用了。它附带python示例。同时支持C＋＋，因为API是用pybd11编写的，用于Python绑定。基于节点的管道生成器也可用于安排计算机视觉和人工智能工作流，使多步空间人工智能变得简单。这允许你拖放脚本，可以生成一个脚本，作为图像处理管道运行。为了简化原型设计，我可以做的是拖放所需的任务（例如，对象检测），并拖动任何其他转换和参数进行定制。
如何使用空间AI在OAK－D上使用空间AI有两种方法。1） 融合立体深度的单眼神经推理。在这种模式下，神经网络在融合了视差深度结果的单个相机（左／右／RGB）上运行。在这种模式下，物体的边界框将显示在物体的中间，物体的深度将显示。
2） 立体神经推理。在这种情况下，神经网络在OAK－D的左右摄像头上并行运行，直接用神经网络生成3D位置数据。在这两种情况下，都可以使用标准的神经网络。神经网络不需要用三维数据进行。OAK－D在这两种情况下都使用标准的2D网络自动提供3D结果。
在上面的例子中，神经网络在两个摄像机上并行运行。
