引言

本教程連載一輛能夠用 ROS 控制的帶攝像頭的小車，用 ROS 發布圖像數據，對獲取到的圖像進行處理，例如目標檢測。這里主要介紹如何把本教程后面的的內容匯聚起來，實現一個能目標檢測的小車。

先歸納一下之后文檔的內容:

獲取本項目完整教程代碼及文檔請關注下方二維碼

并在公眾號后臺回復數字“4"

這篇文檔幾乎涉及了上面所有文檔的內容是一個綜合應用，大家可以根據之后的連載一步一步學起來。如果對上面的內容比較熟悉了，就會發現這篇文檔很簡短，但是卻是建立在之前已有的基礎上。

現在應當已經熟悉的內容：

• 了解 CNN 的工作原理；

• 能使用 Darknet 訓練自己的目標檢測模型

• 能用 rosserial 建立 RT-Thread 和 ROS 的連接

• 能用 ROS 發布圖像信息

下面就會介紹如何用 ROS 發布的圖像信息和 Darknet 連接做目標檢測。

1.Darknet ROS

1.1 獲取源碼

其實下面要用到的是一個 ROS 軟件包，這個軟件包現在也是開源的：

1#?初始化工作環境 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練好的神經網絡權值，放在下面這個目錄：

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

如果覺得國外下載速度太慢的話，這里我有個國內的 CDN 加速鏡像：

• 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

如果源碼和權值都下載好了，我們就可以準備編譯了。

1.2 編譯源碼

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

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

把下面的 topic 修改為自己圖像發布的位置，例如我這里發布在 /usb_cam/image_raw

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

一切正常的話，編譯就完成了，其實不需要做太多的工作，編譯完記得更新一下環境變量，這樣后面才能正常啟動這個軟件包。

1$?sorce?devel/setup.bash

1.3 目標檢測

在進行目標檢測前，我們先啟動 ROS 節點：

1$?roscore

然后啟動一個攝像頭節點：

1roslaunch?usb_cam?usb_cam-test.launch

這樣就可以實時看到攝像頭的數據了，攝像頭在哪里其實不重要，既可以在小車上，也可以在電腦上，這也是 ROS 的優美之處，只要節點發布了攝像頭消息，不管攝像頭在哪， ROS 都能拿到處理：

接下來我們啟動 Darknet 的節點：

1$?roslaunch?darknet_ros?darknet_ros.launch

下面這張圖就可以看到有兩個視頻流，左邊的是沒有處理的實時圖像，右邊是運行了目標檢測的結果：

2.總結

RT-Thread 作為實時操作系統負責控制，Linux 則負責提供豐富的軟件包運行算法，兩者相結合，互相取長補短還是配合地挺好的。

3.參考文獻

Darknet ROS：https://github.com/leggedrobotics/darknet_ros

獲取本項目完整教程代碼及文檔請關注下方二維碼

并在公眾號后臺回復數字“4"

RT-Thread

讓物聯網終端的開發變得簡單、快速，芯片的價值得到最大化發揮。Apache2.0協議，可免費在商業產品中使用，不需要公布源碼，無潛在商業風險。

長按二維碼，關注我們

點擊“閱讀原文”進入RT-Thread GitHub

總結

以上是生活随笔為你收集整理的开源项目|从0到1教你搭建一个适配于智能车的目标检测系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。