玩玩AI(2)-ncnn_ros功能包

最新推荐文章于 2025-08-07 15:04:09 发布
原创 最新推荐文章于 2025-08-07 15:04:09 发布 · 549 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #自动驾驶 #机器人 #深度学习

ncnn_ros功能包整合了ncnn框架，并支持多种AI算法如nanodet、yolov系列和yolact。它移除了GUI，改为通过ROS话题发布结果，提供了性能参数调节，并定义了定制的消息类型。安装前需先编译ncnn框架，模型文件可从github仓库或压缩包获取。演示中展示了如何启动检测节点并调整参数。

参考项目

GitHub - Tencent/ncnn: ncnn is a high-performance neural network inference framework optimized for the mobile platform

GitHub - nilseuropa/ros_ncnn: ROS wrapper for NCNN neural inference framework

ncnn_ros功能包参考了ncnn中的demo和ros_ncnn项目，相比于ros_ncnn，主要改动是

1、适配了nanodet、yolov3、yolo5、yolox和yolov7几种分类算法和yolact分割算法

2、移除了代码中GUI显示部分，改为ROS话题发布

3、增加影响检测速度的参数调节配置接口

4、单独定义了消息类型，方便跨设备订阅话题

安装

Noet：安装前需要已经正常编译ncnn框架

获取ncnn_ros和object_inf

最低0.47元/天 解锁文章
2、ubuntu18.04&20.04构建ROS系统和NCNN检测模块
sxj731533730
04-06 873
基本思想：最近接了一个项目，构建ROS系统并完成检测功能，实现效果并不是十分完美，在此随手记录一下吧~ 一、更新一下源 ubuntu@ubuntu:~$ sudo gedit /etc/apt/sources.list ## 追加阿里源 deb http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ trusty-security
4.1底盘基础功能：nmcli命令配置机器人无线网 Xshell中进行（冰达ros机器人例程运行）
weixin_55877886的博客
04-13 1862
可以看到，相比机器人导航章节的rviz界面中，多出了一个“2D Nav Goal”按钮，这两个按钮所触发的话题也是不同的，左侧的按钮和导航章节功能一样，给定机器人指定一个目标点，在机器人到达目标点之前指定新的目标点，则机器人会放弃之前的目标点而去新的目标点，右侧的按钮就是本章节的主角，可以连续给机器人指定多个目标点，机器人会依次去往各个目标点。为了防止获取到的最小值是由雷达传感器噪声产生的，可以对最小值和数组中临近的值做比较，如果最小值没有通过滤波器，则丢弃数据，继续寻找新的最小值。
ros_ncnn:用于NCNN神经推理框架的ROS包装器
05-05
ROS_NCNN 这是NCNN的ROS软件包，NCNN是一种针对移动平台进行了优化的高性能神经网络推理框架（由腾讯提供）： ARM NEON程序集级别优化 先进的内存管理和数据结构设计，内存占用极低 支持多核并行计算加速 通过下一代低开销的Vulkan API支持GPU加速 整个库的大小小于700K，可以很容易地减小到小于300K 可扩展的模型设计，支持8位量化和半精度浮点存储 可以导入caffe / pytorch / mxnet / onnx模型 配置 图书馆 ROS包装 将此存储库克隆到您的catkin工作区中。 初始化和更新子模块ncnn-assets （这是一些流行模型的集合） 编译工作区。 CMake脚本将自动检测ncnn库是否使用Vulkan构建。 （如果启用了Vulkan，则所有节点都将使用GPU。） 常规启动参数 < node name = " yolact_
ncnn_ros功能包参考了ncnn中的demo和ros_ncnn项目，相比于ros_ncnn，主要改动是1、适配了nanodet、yolov3、yolo5、yolox和yolov7几种分类算法
weixin_55877886的博客
04-13 1405
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。 ncnn 从设计之初深刻考虑手机端的部署和使用。 无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。 基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行， 开发出人工智能 APP，将 AI 带到你的指尖。 ncnn 目前已在腾讯多款应用中使用，如：QQ，Qzone，微信，天天 P 图等。
ubuntu16.04基于ROS实现Mask R-CNN（2022-11更新）
qq_52382976的博客
03-17 2732
1 Mask R-CNN 环境配置 1.1 显卡驱动 1.2 cuda 1.3 Anaconda 安装 1.4 测试 2 ROS-kinetic 安装 3 Mask R-CNN_ROS ValueError：list.remove(x) 在visualize.py中 sys.path.remove(’/opt/ros/indigo/lib/python2.7/dist-packages’) 修改ROS的版本为kinetic ...
玩玩AI(2)-ncnn_ros功能包（适配了nanodet、yolov3、yolo5、yolox和yolov7几种分类算法和yolact分割算法）
weixin_55877886的博客
04-22 1219
如果github访问通畅，可以从nihui大佬的仓库直接clone(注意，这个仓库比较大，约1G，另外就是没有包含yolox的模型文件，需要单独获取，然后拷贝至ncnn-assets/models目录中)ncnn_ros功能包参考了ncnn中的demo和ros_ncnn项目，相比于ros_ncnn，主要改动是。测试是便开发边做的，运行的参数可能不完全一样，所以不具备绝对的对比价值。powersave CPU模式，默认值0，可选0，1，2。2、移除了代码中GUI显示部分，改为ROS话题发布。
玩玩AI(1)-腾讯ncnn编译安装
bingda_robot的博客
12-14 709
基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行， 开发出人工智能 APP，将 AI 带到你的指尖。）对于RK3588这类大小核心且大核性能很强的CPU，powersave设置为0（即所有核全开）似乎并不是性能最好的，经过测试，powersave设置为2（即只开大核），num_threads设置为4（大核数量为4）可以跑出更好的测试成绩，下图左为核全开，右边为只开大核的成绩。注：--depth=1参数，只获取最新一次提交的代码，而不clone整个仓库的历史提交，可以加快clone速度。
玩玩AI(1)-腾讯ncnn编译安装（适配了nanodet、yolov3、yolo5、yolox和yolov7几种分类算法和yolact分割算法）
weixin_55877886的博客
04-22 598
基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行， 开发出人工智能 APP，将 AI 带到你的指尖。ncnn 目前已在腾讯多款应用中使用，如：QQ，Qzone，微信，天天 P 图等。）对于RK3588这类大小核心且大核性能很强的CPU，powersave设置为0（即所有核全开）似乎并不是性能最好的，经过测试，powersave设置为2（即只开大核），num_threads设置为4（大核数量为4）可以跑出更好的测试成绩，下图左为核全开，右边为只开大核的成绩。跳转到example目录。
基于C++深度学习 （NCNN、MNN、OpenVINO）OpenCV 等实践
keny-大成的博客
08-07 1127
摘要： Moki是一个多义词，涵盖科技公司（物联网设备管理）、游戏角色（《塞尔达传说》中的精灵生物）以及C++框架等多种含义。在技术领域，C++Moki是一个轻量级网络应用框架，支持异步I/O和事件驱动模型，适用于服务器开发。同时，我们还介绍了基于C++的深度学习模型部署方案（如NCNN、MNN、OpenVINO）、OpenCV图像处理、PCL点云操作、FFTW信号处理等技术实例，以及SSD目标检测模型的实现方法。这些内容覆盖了从基础编程到高级应用的多领域技术实践，为开发者提供了全面的参考指南。
创建ROS-wrapper
weixin_43205582的博客
08-29 2039
创建ROS-wrapper对高博的ygz-stereo-inertial的开源算法添加ROS node源文件的编写CMakeLists文件的编写分目录下的CMakeLists完整CMakeLists路径/home/fei/devv/ygz-stereo-inertial-master/backend下的CMakeLists文件路径/home/fei/devv/ygz-stereo-inertial...
冰达ROS机器人使用-实现slam建模、自主导航、避障
热爱学习、热爱生活
04-03 1万+
ROS机器人使用—实现slam建模、自主导航、避障 一、使用前准备工作 1.在windows中下载好远程连接工具：xshell、puty1 2.机器人有两种模式： 模式 说明 AP模式 机器人自己创建一个热点，电脑端连接该热点，实现局域网互通 WiFi模式 机器人和电脑同时连接一个路由器，实现局域网通信 ps：本文使用AP模式，因为用起来比较方便 3.在机器人AP模式下，用PC（personal computer，个人笔记本电脑）连接热点BingDa-Robot，密码为1234567
冰达ROS机器人快速使用指南
weixin_55877886的博客
04-20 3996
A：适合完全0基础新手，需要快速跑起来机器人的基本功能。也适合技术大佬需要快速的了解冰达ROS机器人的使用方法。Ａ：这份教程编写的目的是为了让用户能快速的使用起机器人，需要完整的学习ROS和机器人可以看专栏：本教程已经尽可能简化，完全阅读并完成实验仅需。本教程中每一个篇章都很重要，请按目录顺序完成实验，切勿跳过部分章节。
基于ROS的SLAM建图、自动导航、避障（冰达机器人）
热门推荐
weixin_45509406的博客
06-21 1万+
基于ROS的SLAM建图、自动导航、避障（冰达机器人） 小车可以运行ros中激光雷达功能包，在PC端的rviz中可以查看；在启动底盘、键盘控制后可以控制小车移动；根据SLAM算法对实验室的环境进行建图；可以保存、读取地图，在PC端控制小车从A点到B点实现路径规划并自动避障。...
深度学习模型部署学习记录之NCNN_YOLOV5
maken
02-23 2055
spnn修炼中<imzhuo@foxmail.com> 2022/2/16 18:06:06 https://github.com/MarsTechHAN/keras2ncnn spnn修炼中<imzhuo@foxmail.com> 2022/2/16 18:06:22 https://github.com/zchrissirhcz/awesome-ncnn spnn修炼中<imzhuo@foxmail.com> 2022/2/16 18:06:46 https://
4.3雷达建图与导航（冰达机器人实现）
weixin_55877886的博客
04-17 1680
可以看到，相比机器人导航章节的rviz界面中，多出了一个“2D Nav Goal”按钮，这两个按钮所触发的话题也是不同的，左侧的按钮和导航章节功能一样，给定机器人指定一个目标点，在机器人到达目标点之前指定新的目标点，则机器人会放弃之前的目标点而去新的目标点，右侧的按钮就是本章节的主角，可以连续给机器人指定多个目标点，机器人会依次去往各个目标点。而本章节的仿真实验是完全在PC下进行，不依赖实体机器人。普通的导航只能发布一个目标点，在抵达目标点前，如果发布了新的当目标点则会舍弃原本的目标点直接前往新的目标点。
5.1激光雷达跟随（冰达机器人）
weixin_55877886的博客
04-17 1516
在检测到需要跟随的目标后，根据目标距离机器人的距离和角度信息，计算机器人的运动速度，使机器人朝目标运动。 机器人跟随也不能无限制的接近跟随的物体，否则就撞上了，可以设置一个安全的跟随距离，当小于跟随距离后，机器人不再继续运动靠近跟随目标。
安装ROS，运行roscore,报错
qq_44158369的博客
10-24 5123
Command ‘roscore’ not found, but can be installed with:sudo apt install python-roslaunch 根据提示安装python-roslaunch, 报错：E: Unable to correct problems, you have held broken packages. 网上查说是文件夹 “/opt/ros/indigo/bin/” 里可能不存在名为 “roscore” 的二进制可执行文件，有了之后就没有问题了 解决
rrt_exploration自主探索建图
bingda_robot的博客
10-20 2607
ROS调包侠#rrt。
windows10 + ncnn + x86 安装时 -- Performing Test NCNN_COMPILER_SUPPORT_X86_F16C -- Performing Test NCNN_COMPILER_SUPPORT_X86_F16C - Failed
最新发布
08-10
在 Windows 10 环境下使用 CMake 配置 ncnn 时，如果出现 `NCNN_COMPILER_SUPPORT_X86_F16C` 检测失败的问题，通常与编译器对 F16C 指令集的支持、CPU 硬件能力或 CMake 的检测逻辑有关。 F16C 是 x86 架构中用于...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值