deepstream推理,进行车道线检测
deepstream推理,进行车道线检测方法有三种
方法1:想来想去,我觉得还是将车道线检测进行插件化,自定义ds-example,这样有灵活性,哪里都可以用,后期优化也方便,userMeta向下传递数据,displaymeta也传递下去进行绘制,这样可以不用自己写point的赋值过程,而且后面直接用这个displaymeta就可以显示出来。
最新思路是将ds-example中的mat数据发布的到ros,然后车道线检测程序订阅ros,最后将检测的结果返回给ros。
方法2:不选择使用nvinfer插件去推理车道线检测,因为用这个nvinfer插件的话,可能需要具体了解这个插件的代码是如何加载它的配置文件,因为车道线检测的点很多,所以如果用这个方法的话,且不说推理的结果如何传递下去,本身推理的过程有可能需要修改nvinfer的代码了,因为他是通过解析配置文件进行推理的。
方法3:如果用并行的方式的化需要加入多个插件:加入tee,加入nvstreamdemux,再加入nvstreammux,才可以将视频流分开,分开之后,推理还是需要想其他办法。
选择插件化的好处:
1,将插件的数据流接入到nvds-example,这个插件本身接入了图像视频数据流
在 DeepStream 的插件数据流过程中,视频图像是通过 GS