ROS2-DL 基于Ubuntu20.04—通过ros2发布deep learning检测结果

写这篇文章主要方便自己以后做ROS2与深度学习检测结果通讯作参考

一、以yolov8为例

主要参考https://blog.csdn.net/baidu_40624101/article/details/135476384
该作者很详细的描写了python和C++两种 (省略了一些小步骤)，这里我用的是python。
此处，是在笔记本CPU上测试的

1.创建ros2工作空间

mkdir -p server_demo/src

2.创建server_demo功能包

上面创建的工作空间的src文件夹进入终端

ros2 pkg create --build-type ament_cmake server_demo

3.server_demo功能包目录下创建srv文件夹，并创建一个Myimage.srv文件，并文件中添加(srv文件首字母必须要大写，而且文件名不可以有特殊符号)

参考链接文章对应部位

4.编辑CMakeLists.txt和package.xml文件

参考链接文章对应部位

5.编译

在工作空间进入终端

colcon build

6.ultralytics安装

要注意，之前在anaconda环境中创建并下载的ultralytics跟这里的安装没有任何关系。
这里我们要在非conda环境中安装ultralytics
直接从主目录进入终端：

pip3 install ultralytics

如果有报错，多次重新输入指令安装。

7.创建python的服务通信功能包

ros2 pkg create py_server --build-type ament_python --dependencies rclpy std_msgs server_demo

8.创建客户端和服务端的代码文件

参考链接文章对应部位

9.python服务端代码

参考链接文章对应部位

10.python客户端代码

参考链接文章对应部位

11.setup.py文件编辑

参考链接文章对应部位

12.下载yolov8模型及测试图片

yolov8模型库下载地址：https://github.com/ultralytics/assets/releases/tag/v0.0.0
这里找到yolov8n.pt下载，在工作空间同级文件夹下创建weights文件夹，将yolov8n.pt文件存放进去。
再随便下载一个测试图片存放好位置。
修改程序中相应位置的yolov8n.pt和图片路径

13.运行

colcon build

. install/setup.bash
ros2 run py_server server_py

再另开一个终端

. install/setup.bash
ros2 run py_server client_py

此时：