该文章介绍了如何在JetsonNano上使用Alex-Beh的tensorrtx项目，结合YOLOv5模型和TensorRT进行对象检测加速。步骤包括构建、编译项目，修改配置以适应不同的模型（如yolov5s），调整锚框颜色，并通过USB摄像头获取视频流进行实时推理。此外，提到了特定的PyTorch版本要求以及在ROS环境中生成和运行engine的步骤。
Yolov5 TensorRT inteference with usb camera
mkdir build
cd build
cmake ..
make
cd build
./video_inteference_yolov5
# 里面engine 类别 video修改自己，yolov5s，修改完还要make一下
# 162行 修改锚框颜色 BGR cv::rectangle(pr_img, r, cv::Scalar(0x27, 0xC1, 0x36), 2);
cd /dev
ls | grep video
#see video0 detail info
udevadm info --query=all --name=/dev/video0
参考alex配准tensorrtx
Jetson Nano Yolov5+tensorrt设置说明
Jetson nano + yolov5 + TensorRT加速+调用usb摄像头
Jetson Nano部署YOLOv5与Tensorrtx加速
自己电脑跑yolov5
环境 yolo
cuda10.2 torch 1.8.0 torchvision 0.9.0 一定要版本对应
conda activate yolo
pip install torch
pip install torchvision
roscore
rosrun camera_yolo video_in执行
在tensorrtx中生成engine
如果修改，在camera_ws中执行catkin_make
然后rviz
python3 gen_wts.py new_best_test3.py
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
