ros使用rviz订阅Image类型话题，显示yolov7目标检测结果

最新推荐文章于 2024-05-21 18:42:24 发布
最新推荐文章于 2024-05-21 18:42:24 发布
阅读量770 收藏 1
点赞数 1
分类专栏： ROS 文章标签： YOLO ubuntu ros rviz Image yolov7 目标检测
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/qq_42257666/article/details/130587084
版权
开发板深度相机系统
Xavierrealsense D455ubuntu18.04

1、首先启动yolov7的ros节点，发布话题/image。

在这里插入图片描述

2、终端输入rviz，回车打开rviz，Add——>Image：

在这里插入图片描述

3、展开Image选项，选择要订阅的topic，左下角就显示出Image视频流：

在这里插入图片描述

珍惜时间就是珍爱生命

振华OPPO
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ros2话题发布+rviz2可视化+c++
08-10
通过Tetris.h Tetris.cpp Block.h Block.cpp Map.h Map.cpp三个类分别编写锻炼cpp能力，利用key.cpp通过ros2的话题机制读取键盘输入信息，在通过话题发布给rviz2完成可视乎，适合ros2以及rviz2入门使用。（补充：①Tetris是游戏本身，是一个rclcpp::Node的子类，包含订阅前面节点输出话题，控制方块移动、旋转，触底后融入地图，以及地图中满一行后清除该行等功能②Map是地图的类，实现方块触底后融入地图，以及地图中满一行后清除该行等功能（Tetris里只是调用），同时保存了地图中方块信息（比如用二维数组保存每个格子是否为空等）③Block是方块的类，实现方块移动、旋转，判断是否接触地图块等功能，保存了方块的类型、当前占用的格子、当前在地图中所在地等数据） cpp方块处理部分逻辑可参考其他俄罗斯方块教程，这里为暴力处理方法。
[ROS]yolov8部署ROS
FL1623863129的博客
09-01 1870
这个是使用最新版本yolov8部署在ROS机器人操作系统演示，演示环境是虚拟机环境ubuntu18.04，调用笔记本摄像头进行演示。需要注意的是，由于Yolov8算法需要大量的计算资源，因此在部署到ROS之前，需要确保计算机或机器人具有足够的计算能力。总之，将Yolov8部署到ROS中需要一定的技术和经验，但通过仔细的配置和优化，可以实现高效、准确和快速的目标检测功能，为机器人的智能化提供有力支持。在安装完必要的软件和库之后，需要创建一个ROS功能包，用于打包和管理Yolov8代码和依赖项。
ubuntu20.04使用rivz的image话题
Buzixuetang的博客
04-06 117
4.点击左下角的add，在by topic中选择image_view的image即可。3.分别运行摄像头和rviz。1.版本为noetic版本。
ROS2——YOLOV7功能包
如果想成为中心，那么就到中心去吧。
02-16 927
这个工程是一个基于ROS2的YOLOV7功能包，可以订阅图像话题，并以String格式发布目标类别坐标信息、以图像格式发布可视化检测结果。
基于ROS与YOLO的人脸识别，人脸关键点识别（yolov7-face/yolov7-detect-face-onnxrun-cpp-py）
2301_77258991的博客
03-26 879
人脸识别是一个老生常谈的话题了，至于人脸识别的算法也是多种多样。有多种实现的方式，这里就不多说了。我今天要复现的是yolo的人脸识别算法，使用预训练好的onnx模型，同时接入到我们的ROS的系统中。
[ROS]yolov7部署ROS
FL1623863129的博客
09-01 1045
然后，需要将Yolov7的源代码克隆到功能包的src文件夹中，并修改CMakeLists.txt文件，指定PyTorch的路径和版本。Yolov7是一种基于PyTorch深度学习框架的目标检测算法，具有高精度和快速的特点，被广泛应用于机器人领域。需要注意的是，由于Yolov7算法需要大量的计算资源，因此需要确保计算机或机器人具有足够的计算能力。总之，将Yolov7部署到ROS中需要一定的技术和经验，但通过仔细的配置和优化，可以实现高效、准确和快速的目标检测功能，为机器人的智能化提供有力支持。
rviz自定义订阅Topic插件
weixin_28683491的博客
11-24 146
rviz 自定义显示topic插件
【ROS机器人系统】自主导航+YOLO目标检测+语音播报
热门推荐
Github主页：https://github.com/xinyangwy
07-18 1万+
完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。..............................
算法部署-基于ROS+TensorRT+Cpp部署YOLOv9目标检测算法.zip
03-15
算法部署_基于ROS+TensorRT+Cpp部署YOLOv9目标检测算法
利用QT添加ros项目，以及简单的rviz推送订阅话题
08-07
1.利用QT添加ros项目 2.利用QT添加rviz推送订阅话题
基于ROS的yolov5实时目标检测python源码+项目说明.zip
01-16
基于ROS的yolov5实时目标检测python源码+项目说明.zip 开发环境： - Ubuntu 16.04 / 18.04 - ROS kinetic/melodic - Python>=3.6.0环境，PyTorch>=1.7 安装Anaconda： 1.首先下载对应的安装包[Anaconda]...
ros+rviz+自定义消息+自定义插件
08-17
1.包含自定义消息 2.包含Panel类型的自定义插件 3.包含Display类型的自定义插件
【ROS】python rospy定义一个节点实现图像目标检测结果的发布和在Rviz上的实时显示
phoebeXD的博客
08-29 2983
之前，我们调用了torch中的yolov5模型，把机器人上相机采集的RGB图像放入模型中去做目标检测，最近想实现把检测结果能够实时在Rviz上做一个展示的效果。其实思路很简单，就是自己定义一个Publisher把目标检测的结果放进去，然后在Rviz里针对它去做一个订阅，实现效果放在文章最后了。接下来，说一下具体的解决方法。...............
为啥rviz2只需要订阅/robot_description就可以显示运动的机器人
joyopirate的博客
03-10 696
先说答案：实际它还订阅了坐标话题/tf、/tf_static。
深度学习之基于Yolov7驾驶员疲劳检测系统
2301_79809972的博客
05-17 981
一、项目背景随着汽车保有量的不断增加，驾驶安全问题日益受到人们的关注。驾驶员疲劳驾驶是导致交通事故的重要原因之一。因此，开发一种能够实时监测驾驶员疲劳状态并提前发出预警的系统对于保障驾驶安全具有重要意义。近年来，深度学习技术特别是目标检测技术在计算机视觉领域取得了显著进展，为驾驶员疲劳检测提供了新的解决方案。本项目旨在利用YOLOv7算法，开发一个基于深度学习的驾驶员疲劳检测系统。二、项目目标。
YOLOv8改进 | 图像修复 | 适用多种复杂场景的全能图像修复网络AirNet助力YOLOv8检测（全网独家首发）
Snu77的博客
05-16 294
官方代码地址点击此处即可跳转 ​文章提出的一种名为AirNet（All-in-one Image Restoration Network）的全能图像修复网络。AirNet由对比基降解编码器（CBDE）和降解引导修复网络（DGRN）两个神经模块组成，能够在未知损坏类型和程度的情况下恢复受损图像。这两部分共同工作，能够处理多种类型的图像退化，而无需预先知道损坏的具体信息。
番外篇 | YOLOv8改进之更换主干网络MobileNetv3 + 添加CA注意力机制
最新发布
突然好想你
05-21 286
MobileNetv3是一种轻量级网络，采用了深度可分离卷积等轻量化技术，具有较小的模型参数量和计算复杂度，适合在计算能力较弱的设备上运行。本节课就让我们结合论文来对YOLOv8进行组合改进（更换主干网络MobileNetv3 + 添加CA注意力机制），希望同学们学完本节课可以有所启迪！🌈
特征融合篇 | YOLOv8改进之引入多尺度特征融合iAFF，提升小目标检测能力
突然好想你
05-19 37
迭代注意力特征融合（Iterative Attentional Feature Fusion，iAFF）是一种用于图像分类的深度学习模型。它使用了多个不同的卷积神经网络（CNN）模型来提取图像特征，并通过迭代注意力机制将这些特征进行融合，以提高分类准确率。🌈
YOLOv8+PyQt：实时检测（摄像头、视频）
qq_45445740的博客
05-19 166
【代码】YOLOv8+PyQt：实时检测（摄像头、视频）
如何使用 ros ImageTransport函数 订阅压缩图像话题
05-13
使用ROS的ImageTransport函数订阅压缩图像话题需要先创建一个ImageTransport对象，然后使用该对象的subscribe()函数来订阅话题。下面是一个示例代码： ``` python import rospy from sensor_msgs.msg import CompressedImage from cv_bridge import CvBridge import cv2 def image_callback(msg): bridge = CvBridge() img = bridge.compressed_imgmsg_to_cv2(msg) cv2.imshow("Image window", img) cv2.waitKey(1) rospy.init_node('image_subscriber') it = rospy.image_transport.ImageTransport(rospy.get_node_handle()) sub = it.subscribe('/compressed_image_topic', CompressedImage, image_callback) rospy.spin() ``` 在这个代码中，我们首先导入了需要的ROS和OpenCV库以及消息类型。然后定义了一个回调函数image_callback()，它将收到的压缩图像消息转换为OpenCV图像格式，并显示在窗口中。接着我们初始化了ROS节点，并创建了一个ImageTransport对象。最后，使用ImageTransport对象的subscribe()函数来订阅压缩图像话题，并传递回调函数image_callback()。最后使用rospy.spin()函数来保持节点的运行。 需要注意的是，压缩图像消息需要使用CvBridge库的compressed_imgmsg_to_cv2()函数进行转换，而不是普通的imgmsg_to_cv2()函数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

振华OPPO

你的鼓励是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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