引言

獲取本項(xiàng)目完整教程代碼及文檔請關(guān)注下方二維碼

并在公眾號后臺回復(fù)數(shù)字“4"

這篇文檔幾乎涉及了上面所有文檔的內(nèi)容是一個綜合應(yīng)用，大家可以根據(jù)之后的連載一步一步學(xué)起來。如果對上面的內(nèi)容比較熟悉了，就會發(fā)現(xiàn)這篇文檔很簡短，但是卻是建立在之前已有的基礎(chǔ)上。

現(xiàn)在應(yīng)當(dāng)已經(jīng)熟悉的內(nèi)容：

• 了解 CNN 的工作原理；

• 能使用 Darknet 訓(xùn)練自己的目標(biāo)檢測模型

• 能用 rosserial 建立 RT-Thread 和 ROS 的連接

• 能用 ROS 發(fā)布圖像信息

下面就會介紹如何用 ROS 發(fā)布的圖像信息和 Darknet 連接做目標(biāo)檢測。

1.Darknet ROS

1.1 獲取源碼

1# 初始化工作環(huán)境
2$ mkdir catkin_workspace
3$ cd catkin_workspace/src
4$ catkin_init_workspace
5
6## 下載源碼
7$ git clone --recursive http://github.com/leggedrobotics/darknet_ros.git

除了源碼，我們還要下載一些訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)權(quán)值，放在下面這個目錄：

1$ catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/

• yolov2-tiny.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov2-tiny.weights

• yolov2.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov2.weights

• yolov3.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov3.weights

如果源碼和權(quán)值都下載好了，我們就可以準(zhǔn)備編譯了。

1.2 編譯源碼

為了保證 Darknet 能夠獲取到攝像頭的數(shù)據(jù)，我們需要先告訴它攝像頭的信息發(fā)布在哪里，修改這個文件：

1$ catkin_workspace/src/darknet_ros/darknet_ros/config/ros.yaml

1camera_reading:
2    topic: /usb_cam/image_raw
3    queue_size: 1

然后就可以編譯軟件包了，在 catkin_workspace 目錄下：

1$ catkin_make

1$ sorce devel/setup.bash

1.3 目標(biāo)檢測

1$ roscore

然后啟動一個攝像頭節(jié)點(diǎn)：

1roslaunch usb_cam usb_cam-test.launch

接下來我們啟動 Darknet 的節(jié)點(diǎn)：

1$ roslaunch darknet_ros darknet_ros.launch

2.總結(jié)

3.參考文獻(xiàn)

獲取本項(xiàng)目完整教程代碼及文檔請關(guān)注下方二維碼

并在公眾號后臺回復(fù)數(shù)字“4"