ROS下实现darknet_ros(YOLO V3)检测

一. 代码下载
代码Github主页：https://github.com/leggedrobotics/darknet_ros
下载命令：

mkdir -p catkin_workspace/src
cd catkin_workspace/src
git clone --recursive git@github.com:leggedrobotics/darknet_ros.git
cd ../

下载时间可能比较长，请耐心等待…

二. 编译
在ROS工作空间目录下，执行命令：

catkin_make -DCMAKE_BUILD_TYPE=Release

此时会开始编译整个项目，编译完成后会检查{catkin_ws}/darknet_ros/darknet_ros/yolo_network_config/weights文件下有没有yolov2-tiny.weights和yolov3.weights两个模型文件，默认下载好的代码里面为了节省体积是不带这两个模型文件的。因此编译之后会自动开始下载模型文件，此时又是一段漫长的等待时间。
如果刚好你之前已经下载好了模型文件，那就好了，在开始编译之前就把模型文件拷贝到上述文件夹下，就不会再次下载了。

三. 运行代码
1. 图像话题发布
因为darknet_ros会直接订阅指定的图像话题名，然后对图像进行检测，绘制检测框，并发布相应的检测话题，因此首先需要找一个能够发布图像话题的ROS包，这里推荐使用ROS官方提供的usb_cam驱动包，可以直接将电脑自带摄像头或连接电脑的USB摄像头采集的图像发布为ROS图像话题。
下载摄像头驱动：

sudo apt-get install ros-kinetic-usb-cam

然后发布摄像头图像话题：

roslaunch usb_cam usb_cam-test.launch

如果顺利的话应该可以看到实际的图像显示界面。

2. 运行darknet_ros
然后执行darknet_ros进行检测，在运行检测之前需要更改一下配置文件，使得darknet_ros订阅的话题与usb_cam发布的图片话题对应。
打开darknet_ros/config/ros.yaml文件，修改：

subscribers:
  camera_reading:
    topic: /camera/rgb/image_raw
    queue_size: 1

为

subscribers:
  camera_reading:
    topic: /usb_cam/image_raw
    queue_size: 1

回到darknet的工作空间根目录，执行：

source devel/setup.bash
roslaunch darknet_ros darknet_ros.launch

出现对摄像头采集图像的实时检测结果。

 

可以看到检测的结果还是有很大问题的！！

我们只需要把预训练集换成YOLO v3的来检测就可以了，更换如下：找到config文件可以看到如下的训练集

 打开launch文件

修改 darknet_ros.launch
 

arg name="network_param_file"         default="$(find darknet_ros)/config/yolov2-tiny.yaml"/

改为

arg name="network_param_file"         default="$(find darknet_ros)/config/yolov3.yaml"/

如下：

 然后重新启动：

roslaunch darknet_ros darknet_ros.launch

 检测结果如下：

多来几张结果：

 

我们可以看到检测帧数很慢FPS只有：0.1，这里我们需要安装NVIDIA驱动并安装CUDA，来使用GPU加速进行检测，这样的话速度就会快很多，安装步骤会方法如下：（安装步骤在我的另外一片文章：https://blog.csdn.net/qq_42145185/article/details/105793983）

 

安装完成之后只需要修改/darknet_ws/src/darknet_ros/darknet文件下的Makefile文件

修改如下：

完成修改只会只需要到工作空间下进行编译：

$ catkin_make

 重新运行结果：(可以看到识别速度已经可以达到FPS:11.4了，如果想更快可以把CUDNN安装上，再修改make文件编译之后进行测试)

后续有时间会尝试制作如何训练自己的训练集并在ROS下进行检测使用，谢谢！

更新！

yolov3训练自己的数据集

训练自己的数据集进行测试（链接：https://blog.csdn.net/qq_42145185/article/details/105816128）

 

测试结果，本人只是用了18图片迭代训练了500次，测试识别结果并不是很好，框容易框的很大！！！