yolov8部署于Ros操作系统上,基于Ros话题通信机制,自定义消息类型,实时发布检测目标的坐标信息,以便无人机操作目标的坐标信息
首先要安装Ros系统,创建Ros工作空间,创建yolov8环境,自定义消息,基于yolov8检测目标坐标信息编写Ros话题通信代码,运行Ros系统
目录
一、创建Ros工作空间
打开ubuntu命令终端,创建工作空间:
mkdir -p xxx_ws/src(必须得有 src)
进入此工作空间:
cd xxx_ws
对工作空间初始化
catkin_make
如图:
进入工作空间,并用vscode打开工作空间:
cd xxx_ws
code .
选定 src 右击 ---> create catkin package 命名Ros功能包并添加依赖项roscpp rospy std_msgs
二、创建yolov8环境
在虚拟机ubuntu18.04,创建yolov8环境,具体可见我的第一篇博客,但是这里因为是虚拟机,好像不能虚拟主机显卡,所以这里pytorch安装的是CPU版本
将yolov8代码粘贴进Ros工作空间功能包下
用conda命令激活创建的yolov8环境,再进入工作空间,用code . 打开Ros工作空间
在vscode终端用pip命令安装requirements文件,注意:如果显示找不到requirements文件,就加上requirements文件的地址再次运行:
再安装yolov8的ultralytics包,终端内运行
pip install ultralytics
三、自定义消息
在功能包内创建文件夹msg,并在文件夹内创建如图所示文件(坐标信息都是int类型的)
配置package.mal文件
配置CMakelist文件
配置完后编译所有文件,在devel文件夹下会生成两种自定义消息类型文件,供C++使用的.h文件,和供python调用的.py文件
四、编写代码
这里我的发布方是用python实现,接收方是用C++实现的,在功能包创建scripts文件夹,放python代码,src文件夹放C++代码:
发布方代码(python实现):
#!/usr/bin/env python
from ultralytics import YOLO
import cv2
import rospy
from communication_yolo.msg import yolomsg
model = YOLO("src/communication_yolo/yolov8_main/yolov8n.pt")
results = model.predict(source=0,show = True,stream=True)
rospy.init_node("yolo_ros_pub") #初始化Ros节点
pub = rospy.Publisher("yolomsg",yolomsg,queue_size=10) #创建发布对象,指定发布方的话题和消息类型
while not rospy.is_shutdown():
for r in results: #results为yolov8处理的每帧图像
point = list() #创建一个列表用于接收每帧图像中识别目标的boxes
point = r.boxes.xyxy.tolist() #将Tensor类型的xy坐标数据转为一个二维列表,外层列表长度为识别目标boxes的个数,内层为xyxy四个目标坐标信息
i = 0
while i < len(point):
msg = yolomsg() #创建自定义消息的对象
msg.xmin= int(point[i][0])
msg.ymin = int(point[i][1])
msg.xmax =int(point[i][2])
msg.ymax = int(point[i][3])
pub.publish(msg)
i += 1
注意:python代码写完要给赋予可执行权限 ,右键点击scripts文件夹进入终端,输入:chmod +x *.py,给所有.py文件赋予权限
chmod +x *.py
接收方代码(C++实现):
#include "ros/ros.h"
#include "/home/zzb/yolov8_ws/devel/include/communication_yolo/yolomsg.h"
void doyolomsg(const communication_yolo::yolomsg::ConstPtr& yolomsg)
{
ROS_INFO("目标的坐标信息为:xmin=%d,ymin=%d,xmax=%d,ymax=%d",yolomsg->xmin,yolomsg->ymin,yolomsg->xmax,yolomsg->ymax);
}
int main(int argc, char *argv[])
{
setlocale(LC_ALL,"");
ros::init(argc,argv,"yolo_ros_sub");
ros::NodeHandle nh;
ros::Subscriber sub =nh.subscribe("yolomsg",10,doyolomsg);
ros::spin();
}
关于yolov8检测结果的声明与应用,以及做预测时参数修改见yolov8的官方说明
results为处理的每帧图像的结果,是一个对象;boxes为results对象的一个属性,表示目标的检测边界框,boxes为Boxes类的一个对象;其xyxy为一帧结果的所有边界框的四个坐标,是一个Tensor类型的二维数据 eg:
from ultralytics import YOLO
model = YOLO("yolov8n.pt")
results = model.predict("ultralytics/assets/zidane.jpg")
for r in results:
print(r.boxes.xyxy)
结果为:
代码写好了,配置完CMakelist文件见b站赵虚左老师Ros入门课程视频p60、p61,就可以跑了
五、运行Ros系统
终端中输入roscore 启动Ros核心
另起终端conda activate yolov8 启动yolov8代码环境
cd yolov8_ws 进入工作空间
source ./devel/setup.bash 刷新一下
rosrun communication_yolo yolo_pub.py 启动发布方代码
rostopic echo yolomsg 查看发布的消息
另起终端,进入yolov8工作空间,启动接收方代码
source ./devel/setup.bash
rosrun communication_yolo yolo_sub
整体结果如下:1.为启动roscore
2.为发布方yolov8代码,摄像头检测结果
3.为发布方基于Ros话题通信,发布的数据
4.为接收方接收到数据后执行的回调函数的结果
Tips:
1、ros编译出错:
解决办法: pip install empy==3.3.4
marm AttributeError: ‘module‘ object has no attribute ‘RAW_OPT‘-CSDN博客