darknet_ros检测自己的图片

darknet_ros检测自己的图片

因为是要做毕业设计的原因，所以需要修改darknet_ros（以下简称darknet）的源代码。因此记录下所学到的一些东西。关于darknet_ros的运行配置问题，可以参考上一篇博客。

文件结构

首先对catkin当中的文件结构进行一些说明。以我目前运用的文件结构举例，下面的图片就是我的catkin中的文件，具体说明如下

build
build是编译生成出的一些中间文件，可以看到不同的包都编译出对应的东西

devel
devel是develop的缩写，里面比较重要的就是lib文件夹，如果你写了一个node节点，这里面就会出现相应的菱形一样的东西，例如我的detecting_test这个package下面就有image_publisher和image_subscriber两个节点，就会生成两个这样的文件。

src
src就不用说了，存放的是源文件，也是我们研究的重点，我的src下面有三个package，如下图所示

其中的节点在roboware中如下所示：

重点看一下darknet_ros文件夹

darknet文件夹里面是关于darknet的一些文件，darknet_ros就是关于在ros中使用darknet编写的一些文件，darknet_ros_msgs就是一些关于message或者action的定义文件。

darknet_ros

重点看darknet_ros文件夹

config 配置文件，重要，里面存放的就是各种yaml文件

在这里可以很方面地查看作者定义的topic，例如ros.yaml文件如下

你可以修改或者利用这里的话题，进行自己相应的开发。例如，在当初运行darknet_ros的时候，我想从摄像头读取图片，就应该将camera_reading的topic改为usb_cam/image_raw

doc 存放的是用来检测的图片
include 存放的包含的头文件
launch 存放launch文件，有3个launch文件，可以通过roslaunch命令运行
src 源程序，主要是darknet与ros的接口实现
test 用来测试的程序，这里还没弄明白应该怎么运行
yolo_network_config 网络配置文件，其中的cfg文件夹中存放了各种网络设置的超参数，以及网络的结构，weights文件夹中存放的是已经训练好的网络模型，想要运行程序必须先把网络模型下载好

运行detecting_test

网上的教程一般是没有说明这一块文件是怎么运行的。具体操作如下

源代码

为了运行这个package，我修改了其中的源代码
image_publisher.cpp

/**************************************************************************
 * @author z.h
 * @date 2019.1.4
 * @usage:image_publisher.cpp 
 * @brief:@params[IN]:@return:
 **************************************************************************/
#include <ros/ros.h>
#include <opencv2/opencv.hpp>
#include <image_transport/image_transport.h>
#include <cv_bridge/cv_bridge.h>

int main(int argc, char *argv[])
{
	ros::init(argc, argv, "image_publisher");
	ros::NodeHandle nh;
	image_transport::ImageTransport it(nh);
	image_transport::Publisher pub = it.advertise("/camere/image_raw", 1);

	cv::Mat image = cv::imread("/home/vlt/Downloads/1.jpg", CV_LOAD_IMAGE_COLOR);
	sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8",image).toImageMsg();

	ros::Rate loop_rate(5);
    while (nh.ok()) {
	    pub.publish(msg);
	    ros::spinOnce();
	    loop_rate.sleep();
  }
  return 0;
}

image_subscriber.cpp

/**************************************************************************
 * @author z.h
 * @date 2019.1.4
 * @usage:image_subscribe.cpp 
 * @brief:@params[IN]:@return:
 **************************************************************************/
#include <ros/ros.h>
#include <opencv2/opencv.hpp>
#include <image_transport/image_transport.h>
#include <cv_bridge/cv_bridge.h>

void imageCallback(const sensor_msgs::ImageConstPtr& msg)
{
	try
	{
		cv::imshow("view", cv_bridge::toCvShare(msg, "bgr8")->image);
		cv::imwrite("/home/vlt/catkin_ws/src/detecting_test/data/results.jpg", cv_bridge::toCvShare(msg, "bgr8")->image);
		cv::waitKey(10);
	}
	catch (cv_bridge::Exception& e)
	{
		ROS_ERROR("Could not convert from '%s' to 'bgr8'.", msg->encoding.c_str());
	}
}

int main(int argc, char **argv)
{
	ros::init(argc, argv, "image_subscriber");
	ros::NodeHandle nh;
	cv::namedWindow("view");
	//cv::startWindowThread();
	image_transport::ImageTransport it(nh);
	image_transport::Subscriber sub = it.subscribe("/darknet_ros/detection_image", 1, imageCallback);///darknet_ros/detection_image
	ros::spin();
	cv::destroyWindow("view");
	return 0;
}

修改说明

在image_publisher.cpp中，修改了话题的发布名称，和ros.yaml中的camera_reading的topic要一致，才能调用darknet进行检测。检测的图片就是我随便下载的一张图片，填上路径就行了。

	image_transport::Publisher pub = it.advertise("/camere/image_raw", 1);

	cv::Mat image = cv::imread("/home/vlt/Downloads/1.jpg", CV_LOAD_IMAGE_COLOR);

在image_subscriber.cpp，修改了检测图片的存储地址

cv::imwrite("/home/vlt/catkin_ws/src/detecting_test/data/results.jpg", cv_bridge::toCvShare(msg, "bgr8")->image);

注意订阅的话题名称要和ros.yaml中的publisher的detection_image的topic要一致，得到darknet的检测结果并进行存储

运行程序

roscore

另开一个窗口

rosrun detecting_image image_publisher

另开一个窗口

roslaunch darknet_ros darknet_ros.launch

另开一个窗口

rosrun detecting_image image_subscriber

即，我通过detecting_image的image_publisher发布图像话题“/camere/image_raw”，通过darknet_ros中的darknet_ros接收到了发布的图像并进行了检测，然后发布了另一个话题“/darknet_ros/detection_image”，然后detecting_image中的image_subscriber收到了这个话题，保存好了检测结果图片。

最终的检测结果如下图所示：