无人机目标检测 Darknet-ROS 学习（三）

无人机目标检测 Darknet-ROS 学习（三）

上一节已经讲解了Darknet-ROS项目工程里各个文件的大致作用以及ROS节点之间的相互关系，希望可以帮助理解yolo是如何在ROS平台上运行的。这一节来更加细致的学习一下相机D455和yolo的使用以及Darknet-ROS的运行。

整体结构

首先还是回到上一节的那张图：

其中主要的节点为camera和darknet_ros（以下简称为darknet节点），流程其实非常简单，camera节点中其他三个部分都是相机的驱动和管理，最重要的一部分就是/camera/color/image_raw，这个是相机的视频流，然后将该信息流传入darknet节点，与此同时yolo算法以检测器的形式在darknet节点上处理这些信息流的数据，实现实时的目标检测。
运行项目的时候要将上一节提到的对应的yaml文件中的camera_reading中的topic改成/camera/color/image_raw

相机安装以及使用

一般来说，使用的相机分为两种，一种是USB驱动的相机，另一种就是双目相机，例如D455，它是由realsense-SDK驱动，可以提供点云，单/双目视觉图像以及IMU信息。这里我们主要使用他的单目视觉图像。
相机的基本配置如下，这篇介绍的非常详细了：realsense

注意：

• 终端运行realsense-viewer，如果成功出现Intel的标志就算安装成功
• 最好不要使用扩展器连接相机，可能会出现连接问题，可以使用ls /dev/video*命令来检查相机是否连接

启动相机：

roscore
# 在相机所在的ROS工作空间下新开一个终端
source devel/setup.bash #每启动一个新终端都要执行这一句才能运行项目中的相关节点
roslaunch realsense_camera rs_camera.launch # 此时相机已经启动，可以看到相机镜头里有红点闪烁

如果想将相机可视化，启动rviz，添加/camera/color/image_raw的topic（非必要）

yolov4-tiny

经过上述步骤，已经成功运行了相机节点camera，接下来就是将yolo应用到camera传输的视频流上。运行如下：

# 在Darknet_ros文件夹下新开一个终端
source devel/setup.bash
roslaunch darknet_ros yolov4_tiny.launch

完成后即可看到结果
这里yolov4_tiny是我自己加入到darkent中的，加入的方法如第二节中所示，需要添加.cfg，.weight文件以及.yaml和. launch文件，其中.launch文件需要改一下调用的文件路径。
需要注意的是yolov4_tiny有两种不同的情况，分别是voc数据集训练的和coco数据集训练的，不同在于voc有20个class，coco多达80个class
这里不同数据集训练出来的.cfg，.weight文件不一样，同时.yaml文件的类别数也不同，如果这三个文件不能匹配，则会出现网络加载不出来或者运行到一半闪退的情况

效果

（某些地方涉及个人隐私已打码，未用电脑截屏所以比较模糊）

结论

根据测试，有一个比较模糊的比较，平台是TX2

算法	FPS
yolov2_tiny	17~18
yolov3	1.8~2.0
yolov4_tiny	23~24

本节内容到此结束，后续将会继续学习YOLOv4和tiny版本的优势