ROS系统学习16---OpenCV进阶---利用dnn模块加载YoloV4模型进行对象检查

最新推荐文章于 2023-09-19 18:55:22 发布
最新推荐文章于 2023-09-19 18:55:22 发布
阅读量795 收藏 4
点赞数 3
分类专栏： ROS操作系统学习 文章标签： opencv dnn
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。
本文链接：https://blog.csdn.net/weixinhum/article/details/115922098
版权
本文介绍了在ROS上使用OpenCV的dnn模块加载YoloV4模型进行对象检测的过程。由于darknet与OpenCV新版本的兼容问题，作者选择了直接使用OpenCV 4.5的dnn模块支持YoloV4。通过下载YOLOV4的权重、配置文件和类别名，结合CUDA编译的OpenCV，实现了在ROS上的对象检测功能。
摘要由CSDN通过智能技术生成

年前需要在ROS上使用YoloV4对道路上的障碍物进行检测，记得早期使用YoloV3的时候是用的Yolo开发团队提供的darknet版本，因此就自然而然的去下其提供的Ros节点包然后开搞。

结果由于当时操作了一波，使用的是Manjaro系统，ROS是自己编译的(OpenCV版本是4.5)，结果花了一个晚上改了无数错误之后依然编译不过。最后一查才发现darknet架构在OpenCV3.4.0后(OpenCV在该版本后把c接口直接用c++实现了，可能最新的noetic二进制安装文件依然用的是OpenCV3.2就是为了兼容)的版本都支持不良，所以只能作罢。

从该情况看来，修改的办法有三个

  1. 从系统开始换，换成Ubuntu，也就等同于换了OpenCV版本。但本人实在是不喜欢Ubuntu，甚至当时都直接用Manjaro而放弃Ubuntu了，绝不可能再装回去！

  2. 直接换掉noetic的OpenCV版本，这个是很容易想到的方案，但本着用新不用旧的原则，本人也一点都不想选。

  3. 直接不用darknet架构了，这个是本人最后选的，结果却极其意外的发现OpenCV在4.4版本后直接在dnn模块上支持了YoloV4的架构，简直不要再开心！！！

于是事情变得非常简单，参考：https:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
_寒潭雁影
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
订阅专栏
ros-yolov5-ws
07-14
4. **模型加载与配置**：项目可能包含了预训练的YOLOv5模型权重文件。需要将这些权重加载到模型中，同时根据需求调整YOLOv5的配置文件（如`cfg/yolov5s.cfg`），以改变检测类别、阈值等参数。 5. **运行节点**：...
opencv dnn模块 示例(16) 目标检测 object_detection 之 yolov4
热爱生活，忠于自己
09-15 1152
yolo v1~v3 的作者Joseph Redmon于2020年初宣布停止一切CV研究，原因是自己的开源算法已经用在军事和隐私问题上，对他的道德造成了巨大的考验。他的退出是学术界对于AI道德问题一记警钟。salute…俄罗斯大神AlexAB作为YOLO系列的继任者，在Redmon宣发放弃更新Yolo后两个月，发布了YOLOv4。我们以前在windows上测试YOLO算法时，使用的就是AlexAB 的darknet开源项目版本。
opencv调用yolov3模型进行目标检测，以实例进行代码详解
热门推荐
月照银海似蛟龙的博客
05-21 1万+
weightsPath='E:\deep_learn\yolov3_modeFile\yolov3-voc_25000.weights'# 模型权重文件 configPath="E:\deep_learn\yolov3_modeFile\yolov3-voc.cfg"# 模型配置文件 labelsPath = "E:\\deep_learn\\yolov3_modeFile\\voc.names"...
OpenCV调用YOLOv4进行目标检测
Steven的博客
08-19 1万+
目标检测就是对目标进行动态实时跟踪定位，常见的目标检测算法有 R-CNN、Fast R-CNN、Faster R-CNN、SSD、Yolo 等，其中 Yolo 的速度和精确度都比较高，且只需训练一次，使用起来比较方便。 这里我们就使用官方现成的模型来检测图片，看一看效果，先学会使用流程，以后再训练自己的模型。 注意：opencv-python 目前只有 4.4.0 版本适配了 YOLOv4 导入库 import numpy as np import time import cv2 设置标签和标注颜色
ROS kinetic 单独调用YOLO V4实现图像识别，移植性强
qq_42178802的博客
09-30 976
由于项目需要，需要在指定位置和时刻调用yolov4进行识别，其余时间不需要识别。因此参考网上的教程，自己改写了ros下对yolov4的调用，并写成了单独的功能包，可以通过接收话题的形式触发网络进行识别，移植性强。 运行环境： ubuntu16.04 ros kinetic opencv2.4.10（项目需要） 无gpu，纯cpu运行 项目开始 首先先把yolov4的darknet下载下来 git clone https://github.com/AlexeyAB/darknet.git 进入该文件夹 cd
YOLO V3学习（2）——在ROS下基于已训练好的模型实时检测对象
lzy6041的博客
08-19 1018
1 安装OpenCV 2 修改Makefile文件y
ros2-web-bridge:将浏览器桥接到ROS 2.0
04-27
ros2-web-bridgerosbridge v2协议的服务器实现ros2-web-bridge利用客户端，通过采用为提供JSON接口。 该网桥可以通过WebSockets上的JSON处理命令。ROS 2支持该ros2幅桥默认支持（目前最新的ROS 2的稳定版本 ），请...
ROS-6.43.16-X64-L6[60M].ovf.zip
02-07
1、解压ROS-6.43.16-X64-L6[60M].ovf.zip文件，用WinSCP把ROS6上传至PVE 2、PVEshell输 qm importovf 999 /ROS6/ROS6.ovf local-lvm 3、已经看到999（ROS6）的虚拟机了不要启动 4、使用WinSCP打开路径/etc/pve/nodes...
gqcnn:通过ROS集成进行GQ-CNN培训和部署的Python模块
05-10
注意：Python 2.x支持已被正式删除。... 它是正在进行的项目的一部分，该项目由UC Berkeley的创建和维护。安装及使用请参阅以获取安装和使用说明。引文如果您在出版物中使用此代码的任何部分，请引用。
基于ros2的fast-lio2定位算法
最新发布
09-08
基于ros2的fast-lio2定位算法
ROS+openCV图像处理方法及案例
rp846的博客
10-14 3022
本文主要将ROS和OpenCV进行结合来实现图像处理，环境是Ubuntu20.04，参考的古月进行总结。
踩了无数坑的ROS，Gazebo,px4以及yolo3和opencv环境搭建
weixin_52214198的博客
04-12 2959
硬件平台为戴尔G15，显卡为RTX3060，系统Ubuntu18.04，使用opencv版本为3.4.14并且安装opencv contrib。 1.安装nvidia显卡驱动 首先在bios设置中关闭secure boot，具体的关闭方法根据电脑不同有所区别。 关闭后进入nvidia官网下载显卡驱动。如果你后续要使用pytorch那这里就不建议安装最近的显卡驱动，截至2022年4月12日pytorch只支持到CUDA11.3。显卡驱动版本和CUDA的版本要求在这里查找：Release Notes ::
python、C++ 中通过OpenCV的DNN模块使用YoloV4
不精，不诚，不足以动人
05-19 1686
1 Python环境下调用 这个较为简单，唯一注意要点是安装的opencv-python版本要对，以下代码仅支持4.4.0.XX系列OpenCV版本，4.5.0版本OpenCV没有getUnconnectedOutLayersNames()这个属性。 完整代码如下： import numpy as np import time import cv2 if cv2.__version__ != '4.4.0': print("opencv版本不支持！ 本程序语法仅支持4.4.0系列OpenC
【yolov4目标检测】(4) opencv+yolov4-tiny 实现选择性目标检测，附python完整代码
博观而约取，厚积而薄发
01-13 6113
各位同学好，今天和大家分享一下如何使用 opencv 调用 yolov4-tiny 目标检测方法，并对指定类别进行检测。用b站的视频做测试。 点击按钮 'all'，按钮变红色，对所有的类别检测 点击按钮 'person'，按钮变红色，只对'person'类别检测 1.文件配置 首先，我们需要导入 yolov4-tiny 网络模型结构 cfg 文件，网络权重 weights 文件，以及 COCO 数据集的分类名称的 txt 文件。这里我已经给大家提供好了各种配置文件及代码，有需要的自取
OpenCV DNN模块官方教程(二)YoloV4目标检测实例
Color Space的博客
09-20 2117
OpenCV DNN模块官方教程地址如下，可以查看各个对应的使用方法https://docs.opencv.org/4.4.0/d2/d58/tutorial_table_of_content_dnn.html 今天介绍第五部分：加载darknet框架的YoloV4模型做目标检测，相较于官方文档更易理解，之所以选YoloV4，是因为YoloV4现已很流行，同时YoloV4和YoloV3在OpenCV DNN模块的使用方法相似，下面的代码只需要改动YoloV3对应的权重和配置文件就可以。 S...
OpenCV4.4 + contrib + Cuda DNN模块调用Yolov3 / Yolov4模型及处理
kkkkkk0729的博客
03-29 570
RoboMaster 视觉雷达开发前言一、调用代码二、效果展示 前言     此博客记录了 OpenCV4.4 + contrib + Cuda 在重新编译后，运用OpenCV4.4 中的 “DNN模块” 对Yolov3 / Yolov4等深度学习模型的调用方法和一些简单的处理。   此处仅贴代码，关于如何在 Linux 系统下编译 OpenCV4.4 + contrib + Cuda 版本，后续会出相关博客。   一、调用代码   Yolo.h #include <fstream&g.
Opencv4 dnn调用Darknet yolov4-tiny模型
Crazy_Happy的博客
09-14 913
1.下载yolov4-tiny.cfg和yolov4-tiny.cfg 地址：https://github.com/AlexeyAB/darknet 2.opencv dnn调用代码 import cv2 as cv import numpy as np yolo_tiny_model = "yolov4-tiny.weights"; yolo_tiny_cfg = "yolov4-tiny.cfg"; # Load names of classes classes = None with op
OpenCV之YOLOv4 目标检测
风间琉璃的博客
09-19 554
YOLOv4（You Only Look Once version 4）是计算机视觉领域中的一个物体检测算法，它是 YOLO 系列算法的最新版本之一。YOLOv4 极大地改进了物体检测的性能和准确性，并且在速度和精度之间取得了良好的平衡。yolov4网络结构如下：yolov4相对于yolov3 spp性能提升的不多，但是相对应yolov3，性能得到了极大的提高。yolov4基本组成：1. CBM：Yolov4网络结构中的最小组件，由Conv+Bn+Mish激活函数三者组成。
机器人行人识别与跟随 （OPENCV DNN Tensorflow ROS）（只有链接）
light169的专栏
06-18 3033
OpenPose 基于OpenCV DNN 的多人姿态估计 基于OpenCV使用OpenPose进行多个人体姿态估计 Opencv之HOG特征与SVM相结合的人体检测 行人检测 基于 OpenCV 的人体检测 基于opencv的行人检测（支持图片，视频） opencv︱opencv中实现行人检测：HOG+SVM（二） Tensorflow+OpenCV实战行人检测（笔记） 基于Tensorflow和Opencv的行人检测 细致 行人检测--OpenCV与TensorFlow SSD对比...
评论 3
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