做个 ROS 2 视觉检测开源库-YOLO介绍与使用

大家好，我是小鱼。

今天给大家分享一个 ROS 2 +视觉开源库。

《做个 ROS 2 视觉检测开源库-YOLO介绍与使用》

在无人驾驶和室内工作场景中，机器人需要进行物体识别，包括路上的车辆和行人，以及室内的餐盘回收等任务。计算机视觉技术在机器人系统中扮演着至关重要的角色。其中，YOLO（You Only Look Once）是一种高速而准确的目标检测算法，能够实时识别图像或视频中的多个对象，而无需多次检测。本章将详细介绍如何将目标检测算法YOLO与ROS 2集成，同时探讨如何创建一个开源库来完成目标检测任务。

YOLO 介绍与安装

目标检测（Object Detection）是计算机视觉领域中的一项重要任务，它的主要作用是识别图像中的物体并确定其位置。比如一张道路图像，通过目标检测不仅要找到道路中的物体，还需要确认物体的位置和类别。在目标检测中物体的位置一般使用边界框（Bounding Box ）表示，边界框使用物体的中心位置（x，y）和物体的宽（w）、高（h）四个数据表示，而类别则使用标签表示，一般是字符串，比如货车、轿车和自行车等。YOLO 就是一种基于深度学习的实时目标检测算法，也是本章在开源库中使用的检测算法，所以在开始编写开源库之前，我们先来了解 YOLO 和其使用方法。

目标检测可以分为单一物体检测和多物体检测，YOLO 就是一种高效且准确的多物体检测算法，就像其名字全称 ”You Only Look Once“ 含义一样， “你只需看一眼“ 就可以完成目标检测任务。YOLO 有多个版本，YOLOv1 是最早被提出的，在 YOLOv1 之前的时代，目标检测这活一直由 R-CNN 系列算法主导，尽管R-CNN系列在检测准确度方面表现出色，但因为其结构复杂，导致检测速度无法满足实时要求。于是在 2016 年，YOLOv1 算法由 Joseph Redmon 等人提出，它将目标检测视为一个回归问题，直接在整个图像上使用一个卷积神经网络来预测边界框和类别概率。所以 YOLOv1 算法的特点是速度快，而且能够捕捉到目标的全局信息，减少了背景误检的情况，这一特点也被后续版本的 YOLO 算法所继承。本章的重点是结合 ROS 2 来使用 YOLO，所以对目标检测的基本概念和 YOLO 算法的工作原理不会进行更进一步的介绍。YOLO 有多个版本，本章我们选用安装更为方便和更容易投入生产的 YOLOv5 作为我们学习和使用的版本。要在我们系统上安装 YOLOv5 非常简单，只需要通过 Python 包管理器 pip，一行命令就可以安装，命令如下：

sudo pip3 install yolov5 -i https://pypi.tuna.tsinghua.edu.cn/simple

因为安装 YOLO 需要下载较多功能包，所以上面的命令使用 -i 选项指定了一个国内清华的软件源进行下载。如果对源码感兴趣或者有修改源码需求的小伙伴，可以通过下载源码方式进行安装，下载以及安装命令如下：通过源码安装 YOLOv5

git clone https://github.com/fcakyon/yolov5-pip.git
cd yolov5-pip
sudo python3 setup.py install

安装完成后，就可以使用命令行工具进行训练和检测了，我们并没有训练自己的数据集，所以这里使用 YOLOv5 提供的训练好的常见物体的目标检测模型，新建 chapt8/learn_yolo 目录，然后在终端中进入该目录运行下面的命令，下载模型文件和待检测图片：

wget https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5n.pt
wget https://raw.githubusercontent.com/fcakyon/yolov5-pip/main/tests/data/zidane.jpg

第一行命令中下载的是模型文件 yolov5n.pt ，它的大小不到 5 MB，是非常小的版本，适合要求较快检测速度的场景，除了 yolov5n.pt ，根据模型从小到大还有 yolov5s.pt， yolov5m.pt， yolov5l.pt， yolov5x.pt，体积越大的模型相应检测精度越高，速度越慢。有了模型文件和图片，使用下面的命令就可以使用模型文件对该图片进行目标检测，命令如下:

yolov5 detect --source zidane.jpg --weights yolov5n.pt
---
...
Fusing layers... 
YOLOv5n summary: 270 layers, 1872157 parameters, 0 gradients
image 1/1 /home/fishros/zidane.jpg: 384x640 2 persons, 1 tie, 30.8ms
Speed: 0.4ms pre-process, 30.8ms inference, 1.0ms NMS per image at shape (1, 3, 640, 640)
Results saved to runs/detect/exp2

从结果可以看出，对于图片 zidane.jpg ，一共检测出了三个物体 2 persons, 1 tie 耗时 30.8ms，检测结果图片保存在了 runs/detect/exp2 目录，打开该目录可以看到同名的结果图片，对应的物体位置和类别已经完美的被检测出来。

除了直接检测一个本地图片，也可以直接指定系统视频设备的编号来启动实时的检测，比如指定设备号为 0 的视频设备，指令如下：

yolov5 detect --source 0 --weights yolov5x.pt

感受完 YOLO 的强大，但要想让 YOLO 结合 ROS 2 一起使用，我们还要掌握如何使用 Python 调用 yolov5 模块，完成检测。