第一次接触 ZED 相机的时候我差点被 CUDA 折腾到退坑。打开官方文档一看要装 CUDA又看到各种版本号、驱动对应关系脑子直接嗡嗡的。可后来我发现ZED SDK 的安装其实可以做到“免 CUDA”——不是说你不需要 NVIDIA 显卡而是说不需要在系统里手动去装一套完整的 CUDA Toolkit。SDK 自带了运行所需的 CUDA 运行时库配好驱动之后直接下载安装包就能把 ZED 跑起来。这篇文章我打算把整套流程拆开讲清楚为什么可以免 CUDA、安装前要准备什么、各个环节怎么操作、装完以后怎么验证、以及我实际踩过的几个坑。无论你是刚入手 ZED 相机的新手还是要在无 CUDA 环境下快速集成深度相机的工程师这篇内容都能帮你少走弯路。1. 为什么说ZED SDK可以“免CUDA”安装1.1 CUDA Toolkit 和 CUDA Runtime 不是同一个东西很多人一提 CUDA 就头大核心原因是把“CUDA”这个概念当成了一整块。实际上在 ZED SDK 的安装场景里至少有两个层级需要分开看NVIDIA 显卡驱动驱动里包含 CUDA Driver负责让操作系统和应用能调用 GPU。装驱动之后运行nvidia-smi能看到驱动版本和对应的 CUDA 版本号。CUDA Toolkit这是完整的开发环境包含编译器nvcc、各种库、头文件。它通常由开发者主动安装体积好几个 GB而且多个版本之间容易互相干扰。CUDA RuntimecuDART这是应用运行时真正调用的库一般隐藏在 SDK 或者依赖包里不需要用户手动安装。ZED SDK 安装包里边其实已经预置了可用的 CUDA Runtime 相关组件。官方安装脚本主要依赖的是系统里的 NVIDIA 驱动来和 GPU 通信并不强制要求你手工去装一套 CUDA Toolkit。换句话说SDK 的安装阶段完全可以把 CUDA 这一环跳过去后面的深度计算照样能通过自带的运行时库跑起来。1.2 “免CUDA”适合哪些用户我自己的实际场景是一台专门做数据采集的机器系统里同时装了 ROS 和一堆乱七八糟的库完全不想再碰 CUDA Toolkit 的版本冲突问题。这种情况下免 CUDA 安装是最舒服的。适合免 CUDA 安装的用户大致有几类只需要采集 ZED 的彩色图、深度图、点云不需要自己写 CUDA kernel。用 Python API 或者 ROS 封装做应用集成底层 CUDA 版本不想自己维护。机器上已经装过多个 CUDA 版本怕新版本影响其他项目。磁盘空间紧张不想多留几个 GB 给 Toolkit。但不适合的情况也有如果你要自己写 CUDA 程序、编译需要nvcc的第三方库或者要跑某些强制依赖特定 CUDA Toolkit 的老项目那还是老老实实补装一套 CUDA 环境。另外如果你要用 ZED 官方的高精度 AI 模型推理有些模块对 CUDA 运行时版本仍然有要求这个在最后一节我会说明。提示这里说的“免 CUDA”指的是免掉“手动安装 CUDA Toolkit”这一步。NVIDIA 显卡驱动依然是必须的。2. 安装前的准备驱动检查、下载渠道和安装包选择2.1 先花两分钟确认显卡驱动装 ZED SDK 之前先把驱动状态搞清楚不然后面报错时根本分不清是驱动问题还是 SDK 问题。在 Linux 终端执行nvidia-smi正常情况下你会看到类似这样的输出----------------------------------------------------------------------------- | NVIDIA-SMI 535.154.05 Driver Version: 535.154.05 CUDA Version: 12.2 | -----------------------------------------------------------------------------下面那个 CUDA Version 是驱动能够支持的最高 CUDA 版本不是说你系统里已经装了 CUDA 12.2。只要这里能看到你的显卡型号和驱动版本驱动这一层就没问题。如果你执行nvidia-smi提示找不到命令先用下面几条命令确认显卡是否被识别lspci | grep -i nvidia ls /dev/nvidia*如果lspci能看到 NVIDIA 显卡但/dev/nvidia*不存在说明驱动没装好或没加载。这时先别继续弄 ZED直接把驱动装上再说。Ubuntu 下可以用ubuntu-drivers devices sudo apt install nvidia-driver-535装完驱动重启再次执行nvidia-smi确认正常后再进入下一步。2.2 从官网下载哪个安装包ZED SDK 的官方下载地址是 Stereolabs 的开发者页面https://www.stereolabs.com/developers/release/。需要注意这个页面通常要求注册并登录开发者账号下载时会根据你的账号信息校验权限。页面上会按系统和 CUDA 版本给出一堆安装包比如ZED_SDK_Ubuntu20_cuda11.4_v3.8.5.runZED_SDK_Ubuntu20_cuda12.0_v3.8.5.runZED_SDK_Ubuntu20_NoCUDA_v3.8.5.run部分版本提供对应的.deb包很多人的第一个误解是必须选一个和自己系统 CUDA 版本完全一致的包。其实在你确认免 CUDA 安装的情况下有两种选择优先找带NoCUDA字样的安装包这种包明确标注不携带额外 CUDA 依赖安装时最省事。如果只在页面找到cuda11.4、cuda12.0这类包也没关系。这类包并不强制要求系统里已经装了对应版本的 CUDA安装过程中会有交互选项让你跳过 CUDA 的安装步骤。如果你是在 Jetson 等嵌入式平台使用ZED SDK 的安装方式会略有不同通常系统镜像里已经预置了 CUDA直接装 SDK 即可也不存在单独装 CUDA 的问题。下载时候有个小细节浏览器断点续传、公司代理、网盘转存都可能让.run安装包不完整。后面安装时报gzip: stdin: invalid compressed>chmod x ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run然后直接用 sudo 执行sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run这里我特别强调一下安装过程中那个交互界面是很多人翻车的点。你会看到类似这样的提示是否接受许可协议输入y回车。是否安装 CUDA这里就是免 CUDA 安装的关键一问。如果不想装就选n或者直接回车跳过如果选了y脚本可能自动去下载完整的 CUDA Toolkit那就不是“免 CUDA”了。是否安装 Python API / ROS 依赖根据你自己的需要选择。一般情况下先装上 Python API 也不会错。某些版本的安装脚本还支持非交互参数。执行前可以先用--help看看sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run --help部分版本会列出--skip_cuda、--skip_python、--unattended之类的参数。如果有--skip_cuda那就可以直接写成sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run --skip_cuda脚本跑完之后SDK 会默认安装到/usr/local/zed/目录下。目录里的关键结构大概是/usr/local/zed/ ├── include/ # C 头文件 ├── lib/ # 动态库包括 libzed.so 和运行时依赖 ├── settings/ # 配置文件、udev规则 ├── tools/ # ZED_Diagnostic、ZED_Explorer 等工具 ├── samples/ # 示例程序源码 └── python/ # Python API 文件3.2 方法B用 .deb 包安装如果你的发行版提供.deb包或者你更习惯用包管理器维护软件可以用 dpkg 安装sudo dpkg -i ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.deb如果提示依赖缺失先执行sudo apt-get install -f再重新配置sudo dpkg --configure -a.deb方式的好处是后续卸载时用sudo dpkg -r zedsdk就能清掉不容易留下残留文件。但它的交互性比较弱如果你需要跳过 CUDA可能还是要用.run安装包。3.3 插上相机验证安装是否成功装完 SDK先把 ZED 相机通过 USB 3.0 接口连到电脑上。注意ZED 是 USB 3.0 设备插到 USB 2.0 口上也能识别但带宽不够帧率和分辨率都会受限。首先确认系统能看到设备lsusb | grep -i zed正常会输出类似Stereolabs Inc. ZED的信息。如果这里没有检查线材和接口或者换一个 USB 口再试。然后运行官方诊断工具/usr/local/zed/tools/ZED_Diagnostic这个工具会检查显卡驱动、SDK 版本、相机连接状态、USB 带宽等。如果全部通过会给出绿色提示。接着可以打开图形化工具 ZED Explorer/usr/local/zed/tools/ZED_ExplorerZED Explorer 在插入相机后会自动打开视频流左侧还能看到深度图、IMU 数据、固件版本等信息。屏幕上能正常出画面就说明免 CUDA 安装这条路已经走通了。如果你是在没有桌面环境的服务器上操作用ZED_Diagnostic验证即可视频示例可以先跳过。4. 免CUDA环境下还能不能开发Python、ROS和C的接入方式4.1 Python APIpip 安装后的隐性问题很多人跑 Python 项目时会执行pip install pyzed这个命令装的是 Python 绑定层它的运行依赖还是系统的 SDK 动态库。所以正确的安装顺序是先完成上一节的 SDK 安装再执行 pip 安装。如果顺序反了import pyzed.sl时经常报错找不到libzed.so。免 CUDA 环境下测试 Python API 的完整示例import pyzed.sl as sl # 创建相机对象 camera sl.Camera() # 初始化参数 init_params sl.InitParameters() init_params.sdk_verbose True # 启动时输出详细信息 # 尝试打开相机 status camera.open(init_params) if status ! sl.ERROR_CODE.SUCCESS: print(打开相机失败:, status) else: print(相机打开成功) # 关闭相机 camera.close()执行这段代码时注意终端输出。如果动态库路径有问题会出现libcudart.so.* not found之类的提示。这时候不用急着去装 CUDA Toolkit先确认 SDK 的库目录是否在系统搜索路径里export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH python3 test_zed.py如果这样能跑通就把这一行写进~/.bashrc省得每次手动设置。实际使用中我推荐用虚拟环境但注意虚拟环境不影响系统级动态库搜索LD_LIBRARY_PATH还是要单独处理。4.2 ROS / ROS2 集成避开 rosdep 的 CUDA 陷阱在 ROS 环境里集成 ZED常见的做法是下载zed-ros-wrapper或zed-ros2-wrapper源码到工作空间然后编译。这里有个很隐蔽的坑rosdep install会尝试解析依赖某些版本的 rosdep 规则里会把 CUDA 相关库列为依赖导致安装流程卡在“等待安装 CUDA”这一步。如果你是免 CUDA 用户可以用-r参数跳过缺失的依赖或者手动把报错的那几个依赖注释掉。编译前记得确认环境变量export ZED_SDK_INSTALL_DIR/usr/local/zed然后编译catkin_make # ROS1 # 或 colcon build # ROS2实际验证时可以从带的示例开始比如 ROS1 下的zed_display_rviz或 ROS2 下的zed_display_rviz2。终端里能持续输出zed/left/image_rect_color和zed/depth/depth_registered这些 topic说明 SDK 在没有完整 CUDA Toolkit 的情况下也能稳定为 ROS 提供数据。4.3 C 编译链接你以为会缺头文件其实都备齐了C 开发者最关心的问题通常是没有 CUDA 头文件我还能编译 ZED 项目吗答案是能。ZED SDK 的头文件和库文件都集中在/usr/local/zed下示例代码编译时只需要指定g test.cpp -I/usr/local/zed/include -L/usr/local/zed/lib -lzed -o test如果你需要自己处理相机图像数据直接用sl::Mat和sl::Camera的 API 就够了不需要写 CUDA kernel。SDK 内部对于深度计算、图像矫正这些操作都链接好了自带的运行时库。如果你想验证 SDK 链接的是哪个 CUDA 运行时可以查ldd /usr/local/zed/lib/libzed.so | grep cuda ldd /usr/local/zed/lib/libzed.so | grep nvidia看到libcuda.so.1这类输出很正常那是对系统驱动的调用看到libcudart相关输出也不用慌那是 SDK 自带的运行时依赖。只要ldd能全部解析没有 “not found”程序就能起来。5. 我实际踩过的坑驱动版本、gzip损坏和权限问题5.1 运行时提示CUDA driver version is insufficient装好 SDK运行ZED_Explorer时终端突然弹出一句CUDA driver version is insufficient for CUDA runtime version第一次遇到时我第一反应是“完了还是要装 CUDA。”后来排查完才明白问题根本不在 SDK而在驱动版本太老。ZED SDK 自带的那部分 CUDA Runtime 可能是针对新驱动编译的如果你的显卡驱动版本过低运行时就会认为“驱动不够新”于是报这个错。解决办法有两个方向升级 NVIDIA 驱动。Ubuntu 下用ubuntu-drivers devices查看推荐版本直接装推荐驱动重启后再试。换一个旧版 ZED SDK 安装包让它自带运行时版本和当前驱动更匹配。另外如果你刚好装了新驱动而 SDK 是非常老的版本也可能反过来报错。这个时候优先选官方新版 SDK 就好。5.2 gzip: stdin: invalid compressed>gzip: stdin: invalid compressed>wget -c -O ZED_SDK.run 下载链接-c支持断点续传比浏览器下载更靠谱。5.3 明明免CUDA安装为什么还报CUDA相关错误这一类报错通常出现在装完 SDK 后运行 Python API 或示例程序时比如error while loading shared libraries: libcudart.so.11.0: cannot open shared object file: No such file or directory遇到这个错误时先别急着装 CUDA。你只是没有把 SDK 自带的库目录告诉系统。执行export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH再运行程序。如果能跑通就把它写进~/.bashrc或/etc/ld.so.conf.d/zed.conf然后执行sudo ldconfig。还有一种特殊情况是系统里之前装过某个版本的 CUDA后来卸载时把/usr/lib/x86_64-linux-gnu/libcudart.so*删掉了而项目配置里写死了绝对路径。这种情况下只要把 SDK 自带的libcudart做软链接到系统库目录也能解决但我个人不推荐这么干容易污染系统环境还是优先设置LD_LIBRARY_PATH。5.4 相机识别不到权限和USB接口问题ZED_Diagnostic提示找不到相机或者 Python API 报NO GPU优先检查这几个东西USB 接口ZED 对 USB 带宽要求高必须插 USB 3.0 以上接口。机箱前面板接口经常因为延长线问题导致带宽不稳定建议直接插主板后置 USB 口。udev 规则SDK 安装时会自带一个规则文件但某些安装方式下没有自动生效。手动执行sudo cp /usr/local/zed/settings/99-zed.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm trigger然后把相机拔下来重新插上。再运行lsusb | grep -i zed就能看到设备了。权限如果只有普通用户权限下看不到设备可以先确认当前用户是否在video组或者plugdev组groups $USER不在的话执行sudo usermod -aG video $USER sudo usermod -aG plugdev $USER然后重新登录再验证一次权限。6. 要不要补装CUDA我给不同场景的最终建议6.1 如果你只是拿ZED做数据采集这个场景下免 CUDA 安装是完全够用的。我目前的环境就是没有独立 CUDA Toolkit 的 Ubuntu 服务器配合pyzed做相机数据采集连续跑了几个星期深度图、点云、IMU 数据都很稳定。日常操作完全感受不到系统里少了 CUDA。如果后续你发现某个第三方库编译时报错找不到nvcc说明那个库需要 CUDA Toolkit而不是 ZED 本身需要。6.2 如果你要跑ZED官方的AI模块ZED SDK 里除了基础深度计算还有一些官方 AI 模块比如人体骨架、物体检测、空间映射里的部分高级功能。这类模块对运行时库版本会更敏感但仍然不一定要装完整 Toolkit。大多数情况下SDK 自带组件就能跑。真正需要补装 CUDA Toolkit 的场景是你要自己训练模型或者直接用 TensorRT、PyTorch 等框架做 GPU 推理。这些框架编译时依赖nvcc和 CUDA 头文件没有它们很多库根本装不上。这种情况下我建议用 conda 或者 Docker 环境单独装一套 CUDA避免污染系统全局环境也避免影响已经稳定的 ZED 运行环境。以 Docker 为例官方镜像提供了带 CUDA 的 Ubuntu 基础镜像ZED SDK 也提供容器安装方式。这样显卡驱动由宿主机提供容器内部自带 CUDA互不干扰。6.3 我个人的一点经验如果在安装交互界面里被问到“是否安装 CUDA”我建议新手先按需选择不要默认全选。很多人一路回车装完才发现系统里多了一套 CUDA把原来的驱动版本或者远程桌面环境搞坏了。ZED 的安装每一步都有明确的提示看懂之后再选择反而更省事。还有一个小技巧值得分享安装完 SDK 后把/usr/local/zed/lib和/usr/local/zed/python的路径整理清楚甚至在工程配置里写个路径检查脚本能省掉很多麻烦。我常用的方式是写一个环境初始化脚本放在项目根目录export ZED_SDK_INSTALL_DIR/usr/local/zed export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH if [ -d /usr/local/zed/python ]; then export PYTHONPATH/usr/local/zed/python:$PYTHONPATH fi每次进入项目目录就source一下环境不会乱。另外如果你是 Debian 系的系统也比较推荐优先用.deb安装包卸载干净、版本管理方便配合包管理器做版本回退也容易。ZED SDK 的免 CUDA 安装并不神秘核心就是搞清楚“驱动、运行时、Toolkit”三者的关系然后选择正确的安装路径。照着上面这个流程走一遍你的 ZED 相机应该很快就能出图了。
ZED SDK免CUDA安装指南：驱动配置、实操步骤与避坑经验
第一次接触 ZED 相机的时候我差点被 CUDA 折腾到退坑。打开官方文档一看要装 CUDA又看到各种版本号、驱动对应关系脑子直接嗡嗡的。可后来我发现ZED SDK 的安装其实可以做到“免 CUDA”——不是说你不需要 NVIDIA 显卡而是说不需要在系统里手动去装一套完整的 CUDA Toolkit。SDK 自带了运行所需的 CUDA 运行时库配好驱动之后直接下载安装包就能把 ZED 跑起来。这篇文章我打算把整套流程拆开讲清楚为什么可以免 CUDA、安装前要准备什么、各个环节怎么操作、装完以后怎么验证、以及我实际踩过的几个坑。无论你是刚入手 ZED 相机的新手还是要在无 CUDA 环境下快速集成深度相机的工程师这篇内容都能帮你少走弯路。1. 为什么说ZED SDK可以“免CUDA”安装1.1 CUDA Toolkit 和 CUDA Runtime 不是同一个东西很多人一提 CUDA 就头大核心原因是把“CUDA”这个概念当成了一整块。实际上在 ZED SDK 的安装场景里至少有两个层级需要分开看NVIDIA 显卡驱动驱动里包含 CUDA Driver负责让操作系统和应用能调用 GPU。装驱动之后运行nvidia-smi能看到驱动版本和对应的 CUDA 版本号。CUDA Toolkit这是完整的开发环境包含编译器nvcc、各种库、头文件。它通常由开发者主动安装体积好几个 GB而且多个版本之间容易互相干扰。CUDA RuntimecuDART这是应用运行时真正调用的库一般隐藏在 SDK 或者依赖包里不需要用户手动安装。ZED SDK 安装包里边其实已经预置了可用的 CUDA Runtime 相关组件。官方安装脚本主要依赖的是系统里的 NVIDIA 驱动来和 GPU 通信并不强制要求你手工去装一套 CUDA Toolkit。换句话说SDK 的安装阶段完全可以把 CUDA 这一环跳过去后面的深度计算照样能通过自带的运行时库跑起来。1.2 “免CUDA”适合哪些用户我自己的实际场景是一台专门做数据采集的机器系统里同时装了 ROS 和一堆乱七八糟的库完全不想再碰 CUDA Toolkit 的版本冲突问题。这种情况下免 CUDA 安装是最舒服的。适合免 CUDA 安装的用户大致有几类只需要采集 ZED 的彩色图、深度图、点云不需要自己写 CUDA kernel。用 Python API 或者 ROS 封装做应用集成底层 CUDA 版本不想自己维护。机器上已经装过多个 CUDA 版本怕新版本影响其他项目。磁盘空间紧张不想多留几个 GB 给 Toolkit。但不适合的情况也有如果你要自己写 CUDA 程序、编译需要nvcc的第三方库或者要跑某些强制依赖特定 CUDA Toolkit 的老项目那还是老老实实补装一套 CUDA 环境。另外如果你要用 ZED 官方的高精度 AI 模型推理有些模块对 CUDA 运行时版本仍然有要求这个在最后一节我会说明。提示这里说的“免 CUDA”指的是免掉“手动安装 CUDA Toolkit”这一步。NVIDIA 显卡驱动依然是必须的。2. 安装前的准备驱动检查、下载渠道和安装包选择2.1 先花两分钟确认显卡驱动装 ZED SDK 之前先把驱动状态搞清楚不然后面报错时根本分不清是驱动问题还是 SDK 问题。在 Linux 终端执行nvidia-smi正常情况下你会看到类似这样的输出----------------------------------------------------------------------------- | NVIDIA-SMI 535.154.05 Driver Version: 535.154.05 CUDA Version: 12.2 | -----------------------------------------------------------------------------下面那个 CUDA Version 是驱动能够支持的最高 CUDA 版本不是说你系统里已经装了 CUDA 12.2。只要这里能看到你的显卡型号和驱动版本驱动这一层就没问题。如果你执行nvidia-smi提示找不到命令先用下面几条命令确认显卡是否被识别lspci | grep -i nvidia ls /dev/nvidia*如果lspci能看到 NVIDIA 显卡但/dev/nvidia*不存在说明驱动没装好或没加载。这时先别继续弄 ZED直接把驱动装上再说。Ubuntu 下可以用ubuntu-drivers devices sudo apt install nvidia-driver-535装完驱动重启再次执行nvidia-smi确认正常后再进入下一步。2.2 从官网下载哪个安装包ZED SDK 的官方下载地址是 Stereolabs 的开发者页面https://www.stereolabs.com/developers/release/。需要注意这个页面通常要求注册并登录开发者账号下载时会根据你的账号信息校验权限。页面上会按系统和 CUDA 版本给出一堆安装包比如ZED_SDK_Ubuntu20_cuda11.4_v3.8.5.runZED_SDK_Ubuntu20_cuda12.0_v3.8.5.runZED_SDK_Ubuntu20_NoCUDA_v3.8.5.run部分版本提供对应的.deb包很多人的第一个误解是必须选一个和自己系统 CUDA 版本完全一致的包。其实在你确认免 CUDA 安装的情况下有两种选择优先找带NoCUDA字样的安装包这种包明确标注不携带额外 CUDA 依赖安装时最省事。如果只在页面找到cuda11.4、cuda12.0这类包也没关系。这类包并不强制要求系统里已经装了对应版本的 CUDA安装过程中会有交互选项让你跳过 CUDA 的安装步骤。如果你是在 Jetson 等嵌入式平台使用ZED SDK 的安装方式会略有不同通常系统镜像里已经预置了 CUDA直接装 SDK 即可也不存在单独装 CUDA 的问题。下载时候有个小细节浏览器断点续传、公司代理、网盘转存都可能让.run安装包不完整。后面安装时报gzip: stdin: invalid compressed>chmod x ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run然后直接用 sudo 执行sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run这里我特别强调一下安装过程中那个交互界面是很多人翻车的点。你会看到类似这样的提示是否接受许可协议输入y回车。是否安装 CUDA这里就是免 CUDA 安装的关键一问。如果不想装就选n或者直接回车跳过如果选了y脚本可能自动去下载完整的 CUDA Toolkit那就不是“免 CUDA”了。是否安装 Python API / ROS 依赖根据你自己的需要选择。一般情况下先装上 Python API 也不会错。某些版本的安装脚本还支持非交互参数。执行前可以先用--help看看sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run --help部分版本会列出--skip_cuda、--skip_python、--unattended之类的参数。如果有--skip_cuda那就可以直接写成sudo ./ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.run --skip_cuda脚本跑完之后SDK 会默认安装到/usr/local/zed/目录下。目录里的关键结构大概是/usr/local/zed/ ├── include/ # C 头文件 ├── lib/ # 动态库包括 libzed.so 和运行时依赖 ├── settings/ # 配置文件、udev规则 ├── tools/ # ZED_Diagnostic、ZED_Explorer 等工具 ├── samples/ # 示例程序源码 └── python/ # Python API 文件3.2 方法B用 .deb 包安装如果你的发行版提供.deb包或者你更习惯用包管理器维护软件可以用 dpkg 安装sudo dpkg -i ZED_SDK_Ubuntu20_cuda12.0_v3.8.5.deb如果提示依赖缺失先执行sudo apt-get install -f再重新配置sudo dpkg --configure -a.deb方式的好处是后续卸载时用sudo dpkg -r zedsdk就能清掉不容易留下残留文件。但它的交互性比较弱如果你需要跳过 CUDA可能还是要用.run安装包。3.3 插上相机验证安装是否成功装完 SDK先把 ZED 相机通过 USB 3.0 接口连到电脑上。注意ZED 是 USB 3.0 设备插到 USB 2.0 口上也能识别但带宽不够帧率和分辨率都会受限。首先确认系统能看到设备lsusb | grep -i zed正常会输出类似Stereolabs Inc. ZED的信息。如果这里没有检查线材和接口或者换一个 USB 口再试。然后运行官方诊断工具/usr/local/zed/tools/ZED_Diagnostic这个工具会检查显卡驱动、SDK 版本、相机连接状态、USB 带宽等。如果全部通过会给出绿色提示。接着可以打开图形化工具 ZED Explorer/usr/local/zed/tools/ZED_ExplorerZED Explorer 在插入相机后会自动打开视频流左侧还能看到深度图、IMU 数据、固件版本等信息。屏幕上能正常出画面就说明免 CUDA 安装这条路已经走通了。如果你是在没有桌面环境的服务器上操作用ZED_Diagnostic验证即可视频示例可以先跳过。4. 免CUDA环境下还能不能开发Python、ROS和C的接入方式4.1 Python APIpip 安装后的隐性问题很多人跑 Python 项目时会执行pip install pyzed这个命令装的是 Python 绑定层它的运行依赖还是系统的 SDK 动态库。所以正确的安装顺序是先完成上一节的 SDK 安装再执行 pip 安装。如果顺序反了import pyzed.sl时经常报错找不到libzed.so。免 CUDA 环境下测试 Python API 的完整示例import pyzed.sl as sl # 创建相机对象 camera sl.Camera() # 初始化参数 init_params sl.InitParameters() init_params.sdk_verbose True # 启动时输出详细信息 # 尝试打开相机 status camera.open(init_params) if status ! sl.ERROR_CODE.SUCCESS: print(打开相机失败:, status) else: print(相机打开成功) # 关闭相机 camera.close()执行这段代码时注意终端输出。如果动态库路径有问题会出现libcudart.so.* not found之类的提示。这时候不用急着去装 CUDA Toolkit先确认 SDK 的库目录是否在系统搜索路径里export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH python3 test_zed.py如果这样能跑通就把这一行写进~/.bashrc省得每次手动设置。实际使用中我推荐用虚拟环境但注意虚拟环境不影响系统级动态库搜索LD_LIBRARY_PATH还是要单独处理。4.2 ROS / ROS2 集成避开 rosdep 的 CUDA 陷阱在 ROS 环境里集成 ZED常见的做法是下载zed-ros-wrapper或zed-ros2-wrapper源码到工作空间然后编译。这里有个很隐蔽的坑rosdep install会尝试解析依赖某些版本的 rosdep 规则里会把 CUDA 相关库列为依赖导致安装流程卡在“等待安装 CUDA”这一步。如果你是免 CUDA 用户可以用-r参数跳过缺失的依赖或者手动把报错的那几个依赖注释掉。编译前记得确认环境变量export ZED_SDK_INSTALL_DIR/usr/local/zed然后编译catkin_make # ROS1 # 或 colcon build # ROS2实际验证时可以从带的示例开始比如 ROS1 下的zed_display_rviz或 ROS2 下的zed_display_rviz2。终端里能持续输出zed/left/image_rect_color和zed/depth/depth_registered这些 topic说明 SDK 在没有完整 CUDA Toolkit 的情况下也能稳定为 ROS 提供数据。4.3 C 编译链接你以为会缺头文件其实都备齐了C 开发者最关心的问题通常是没有 CUDA 头文件我还能编译 ZED 项目吗答案是能。ZED SDK 的头文件和库文件都集中在/usr/local/zed下示例代码编译时只需要指定g test.cpp -I/usr/local/zed/include -L/usr/local/zed/lib -lzed -o test如果你需要自己处理相机图像数据直接用sl::Mat和sl::Camera的 API 就够了不需要写 CUDA kernel。SDK 内部对于深度计算、图像矫正这些操作都链接好了自带的运行时库。如果你想验证 SDK 链接的是哪个 CUDA 运行时可以查ldd /usr/local/zed/lib/libzed.so | grep cuda ldd /usr/local/zed/lib/libzed.so | grep nvidia看到libcuda.so.1这类输出很正常那是对系统驱动的调用看到libcudart相关输出也不用慌那是 SDK 自带的运行时依赖。只要ldd能全部解析没有 “not found”程序就能起来。5. 我实际踩过的坑驱动版本、gzip损坏和权限问题5.1 运行时提示CUDA driver version is insufficient装好 SDK运行ZED_Explorer时终端突然弹出一句CUDA driver version is insufficient for CUDA runtime version第一次遇到时我第一反应是“完了还是要装 CUDA。”后来排查完才明白问题根本不在 SDK而在驱动版本太老。ZED SDK 自带的那部分 CUDA Runtime 可能是针对新驱动编译的如果你的显卡驱动版本过低运行时就会认为“驱动不够新”于是报这个错。解决办法有两个方向升级 NVIDIA 驱动。Ubuntu 下用ubuntu-drivers devices查看推荐版本直接装推荐驱动重启后再试。换一个旧版 ZED SDK 安装包让它自带运行时版本和当前驱动更匹配。另外如果你刚好装了新驱动而 SDK 是非常老的版本也可能反过来报错。这个时候优先选官方新版 SDK 就好。5.2 gzip: stdin: invalid compressed>gzip: stdin: invalid compressed>wget -c -O ZED_SDK.run 下载链接-c支持断点续传比浏览器下载更靠谱。5.3 明明免CUDA安装为什么还报CUDA相关错误这一类报错通常出现在装完 SDK 后运行 Python API 或示例程序时比如error while loading shared libraries: libcudart.so.11.0: cannot open shared object file: No such file or directory遇到这个错误时先别急着装 CUDA。你只是没有把 SDK 自带的库目录告诉系统。执行export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH再运行程序。如果能跑通就把它写进~/.bashrc或/etc/ld.so.conf.d/zed.conf然后执行sudo ldconfig。还有一种特殊情况是系统里之前装过某个版本的 CUDA后来卸载时把/usr/lib/x86_64-linux-gnu/libcudart.so*删掉了而项目配置里写死了绝对路径。这种情况下只要把 SDK 自带的libcudart做软链接到系统库目录也能解决但我个人不推荐这么干容易污染系统环境还是优先设置LD_LIBRARY_PATH。5.4 相机识别不到权限和USB接口问题ZED_Diagnostic提示找不到相机或者 Python API 报NO GPU优先检查这几个东西USB 接口ZED 对 USB 带宽要求高必须插 USB 3.0 以上接口。机箱前面板接口经常因为延长线问题导致带宽不稳定建议直接插主板后置 USB 口。udev 规则SDK 安装时会自带一个规则文件但某些安装方式下没有自动生效。手动执行sudo cp /usr/local/zed/settings/99-zed.rules /etc/udev/rules.d/ sudo udevadm control --reload-rules sudo udevadm trigger然后把相机拔下来重新插上。再运行lsusb | grep -i zed就能看到设备了。权限如果只有普通用户权限下看不到设备可以先确认当前用户是否在video组或者plugdev组groups $USER不在的话执行sudo usermod -aG video $USER sudo usermod -aG plugdev $USER然后重新登录再验证一次权限。6. 要不要补装CUDA我给不同场景的最终建议6.1 如果你只是拿ZED做数据采集这个场景下免 CUDA 安装是完全够用的。我目前的环境就是没有独立 CUDA Toolkit 的 Ubuntu 服务器配合pyzed做相机数据采集连续跑了几个星期深度图、点云、IMU 数据都很稳定。日常操作完全感受不到系统里少了 CUDA。如果后续你发现某个第三方库编译时报错找不到nvcc说明那个库需要 CUDA Toolkit而不是 ZED 本身需要。6.2 如果你要跑ZED官方的AI模块ZED SDK 里除了基础深度计算还有一些官方 AI 模块比如人体骨架、物体检测、空间映射里的部分高级功能。这类模块对运行时库版本会更敏感但仍然不一定要装完整 Toolkit。大多数情况下SDK 自带组件就能跑。真正需要补装 CUDA Toolkit 的场景是你要自己训练模型或者直接用 TensorRT、PyTorch 等框架做 GPU 推理。这些框架编译时依赖nvcc和 CUDA 头文件没有它们很多库根本装不上。这种情况下我建议用 conda 或者 Docker 环境单独装一套 CUDA避免污染系统全局环境也避免影响已经稳定的 ZED 运行环境。以 Docker 为例官方镜像提供了带 CUDA 的 Ubuntu 基础镜像ZED SDK 也提供容器安装方式。这样显卡驱动由宿主机提供容器内部自带 CUDA互不干扰。6.3 我个人的一点经验如果在安装交互界面里被问到“是否安装 CUDA”我建议新手先按需选择不要默认全选。很多人一路回车装完才发现系统里多了一套 CUDA把原来的驱动版本或者远程桌面环境搞坏了。ZED 的安装每一步都有明确的提示看懂之后再选择反而更省事。还有一个小技巧值得分享安装完 SDK 后把/usr/local/zed/lib和/usr/local/zed/python的路径整理清楚甚至在工程配置里写个路径检查脚本能省掉很多麻烦。我常用的方式是写一个环境初始化脚本放在项目根目录export ZED_SDK_INSTALL_DIR/usr/local/zed export LD_LIBRARY_PATH/usr/local/zed/lib:$LD_LIBRARY_PATH if [ -d /usr/local/zed/python ]; then export PYTHONPATH/usr/local/zed/python:$PYTHONPATH fi每次进入项目目录就source一下环境不会乱。另外如果你是 Debian 系的系统也比较推荐优先用.deb安装包卸载干净、版本管理方便配合包管理器做版本回退也容易。ZED SDK 的免 CUDA 安装并不神秘核心就是搞清楚“驱动、运行时、Toolkit”三者的关系然后选择正确的安装路径。照着上面这个流程走一遍你的 ZED 相机应该很快就能出图了。
