ROS2-DL 基于Ubuntu20.04—通过ros2发布自己的deep learning检测结果(一)

原创已于 2024-08-30 11:03:35 修改 · 476 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#ubuntu #python #YOLO

于 2024-04-29 14:03:44 首次发布

本文指导如何在非condaROS2环境中安装ultralytics，配置predict.py进行物体检测，创建YOLOV4DM功能包，修改相关文件并设置入口点，最终实现通过ROS2发布和接收图像进行物体检测。

部署运行你感兴趣的模型镜像

1.安装ultralytics

在非conda的已安装ros2环境中安装ultralytics：

pip3 install ultralytics

在这里插入图片描述如果有报错，多次重新输入指令安装。

2.在非 conda 环境中检验 predict.py 是否正常运行

predict.py这是用自己训练好的做预测的程序
以单张图片检测为例，predict.py 程序简化为下：
在这里插入图片描述运行：

python3 predict.py

在这里插入图片描述可以正常运行。

3.创建 YOLOV4DM ros2 工作空间及功能包

为了方便以后调试，直接在 ORB_SLAM3_Grid_Mapping/Examples 中创建 YOLOV4DM
文件夹，并在 YOLOV4DM 文件夹中创建 src 文件夹。(也可以在其他位置创建)
在这里插入图片描述从 YOLOV4DM/src 中进入终端，创建 yolov4_dm ros2 功能包。
这里为了方便调试，直接使用 ros2 现有的话题消息格式模块 geometry_msg，所以依赖
项要有 rclpy、geometry_msgs：

ros2 pkg create --build-type ament_python yolov4_dm --dependencies rclpy geometry_msgs

在这里插入图片描述注意：因为检测模型及 predict.py 使用的是 python 语言，所以在创建功能包时不能
使用 ament_cmake 而要使用 ament_python，否则编译无法识别，且无法生成 setup.py
文件。

4.复制相关文件

将相关文件复制到 YOLOV4DM/src/yolov4dm/yolov4dm 中
在这里插入图片描述

5.修改 predict.py

在 ros2 中引用相关 python 文件有几种方法，这里使用如下直观的方法：

import sys
sys.path.append('/home/stk/ros2work/ORB_SLAM3_Grid_Mapping/Examples/
YOLOV4DM/src/yolov4dm/yolov4dm')

创建 geometry_msgs 话题类型，并发布模型检测结果，整体文件如下：
在这里插入图片描述

6.修改 setup.py

在 YOLOV4DM/src/yolov4dm/setup.py 文件中添加入口点，如下内容：

'predict = yolov4dm.predict:main'

在这里插入图片描述

7.修改 yolo.py 相关路径

因为 predict.py 中主要引用 yolo.py(自己修改的)，所以需要修改 yolo.py 相关路径：
在这里插入图片描述

8.编译运行

YOLOV4DM/src/yolov4dm 进入终端：colcon build
在这里插入图片描述运行第一个终端：

. install/setup.bash
ros2 run yolov4dm predict

在这里插入图片描述运行第二个终端，查看话题消息：

ros2 topic echo /point_topic

在这里插入图片描述
在第一个终端输入一张图片位置：/home/stk/yolov4_dm/img/00011.jpg
此时第二个终端话题就有消息发出：
再来一个出图的，在predict.py中def publish_point(self)末尾加上：
plt.imshow(r_image)
plt.show()
编译好后，在第一个终端输入一张图片位置：/home/stk/yolov4_dm/img/00018.jpg
在这里插入图片描述