ROS+Pytorch的联合使用示例(语义分割)

8 篇文章 1 订阅

本篇根据 ROS图像的Deeplab v3+实时语义分割(ROS+Pytorch)进行踩坑记录,并附加一些对应操作的理解。(自觉有很多理解不到位的地方,若有大佬路过还请不吝赐教!

正文 (跑通代码看这里)

首先,上面那篇文章写的非常好!代码也很nice,本文对其代码进行了稍微改动了一下,gitee地址

本代码主要针对ubuntu 18.04,ros-melodic版本;
ubuntu20.04的ros-noetic因为自带python3,有可能没这么麻烦。

改源码路径

首先找到Img_seg_ros/predict.py,修改python路径,注意版本(这部分我有改动,请参考本文提供的代码)
在这里插入图片描述

另外修改图像话题名称img_topic,和pth模型路径ckpt。

  • 5
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
ROS(机器人操作系统)和PyTorch(深度学习框架)是两种不同的工具,分别用于不同的机器人和深度学习应用。 ROS是一个开源的机器人操作系统,它提供了一系列的工具和库,用于建立、控制和协调机器人的各个组件。它的设计目标是为了简化机器人软件的开发和集成,具有良好的可维护性和可扩展性。ROS采用节点(node)和话题(topic)的方式进行通信,通过消息传递实现不同节点之间的信息交换。它支持多种编程语言,如Python,C++等,可以运行在各种平台上。 PyTorch是一个开源的深度学习框架,它的特点是灵活、可扩展和易于使用PyTorch提供了丰富的工具和支持,用于构建和训练深度神经网络。它允许用户使用动态图模型定义自己的网络结构,并且使用自动微分来优化模型参数。PyTorch具有良好的性能,并且与Python语言紧密集成,方便用户进行快速原型开发和实验。 将ROSPyTorch结合使用可以实现更高级别的机器人控制和智能决策。借助ROS提供的机器人操作功能,结合PyTorch提供的强大深度学习能力,可以实现机器人感知、决策和运动控制等高级功能。例如,可以利用PyTorch对机器人感知数据进行处理和分析,提取关键特征并做出决策,然后使用ROS控制机器人执行相应的动作。 总之,ROSPyTorch是两个不同的工具,ROS用于机器人操作和协调,PyTorch用于深度学习模型的构建和训练。将两者结合使用可以实现更高级别的机器人控制和智能决策。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

昼行plus

你的鼓励将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
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