基于安卓平台的Yolov8+Bytetrack，实现多目标跟踪。 创作灵感#最近在实习了，主要工作是进行计算机视觉的调优。同时负责在嵌入式平台的部署。公司拿出的方案是在RK3588上面部署，但是居然不用RKNN的方案，转而用安卓平台，你敢信！？说是为了后续代码的通用，好吧...所以这一期就分享一下我在安卓平台部署yolov8+bytetrack的过程吧。。。
RK3588将yolov8封装成ros包，并且利用rknn2的多线程运行 最近在做机器人相关的视觉，谈到机器人就绕不开ros这个话题。接下来就记录一下从0开始部署封装一个ros-yolov8-rknn2_MultiThread_pool。rk3588是拥有多核npu的，如果你只用单核npu那你就太low了。yolov8n模型都达不到30帧。在这里呢，借鉴了这位大佬的项目，因为他写的模型后处理是最方便我们进行模型转换的，非常适合小白。他的后处理函数是适配rknn官方yolo项目的。
单目相机、双目相机、imu标定学习（单目和双目是利用OpenCV的方法，也可以利用ros1的kaliber） 2、因为板端原来只有ros2系统，所以还需要安装ros1的包，方便后续的标定。然后在ros2里下载ros1_bridge包，实现ros1和ros2的通信。3、录制imu的bag包，利用rosbag（ros1的包），去录制imu数据包（静止3h以上最佳）1、利用读取imu数据的功能包，读取imu数据，方便后续进行录制bag包。3、ros编写一个节点，用于订阅相机话题，然后在回调函数里读取yaml文件，进行图像处理。2、编写代码， 利用OpenCV去进行标定，获取相机的标定参数，得到yaml文件。
Linux小相机（利用V4L2接口编写，保存格式为Mat） 这段时间一直在做Linux视觉相关的学习，一直弄不清楚V4L2相关的操作。所以本着学习的态度，制作一个Linux小相机。本次工程是基于正原子的i.IMX6null开发板+USB免驱摄像头+任意显示屏。至于为什么要转为Mat格式呢？因为在后期进行深度学习时，利用OpenCV来处理是非常方便的。
全志V853的opencv4编译部署（适合小白的保姆教程） 之前一直在做全志V853的视觉开发。想要进行视觉处理，例如算法的部署、图像处理等等都需要opencv这个库。但是全志提供的普通用户SDK是没有OpenCV的，导致我在编译许多包含OpenCV的项目一直无法图通过，最主要的原因是链接不到OpenCV的库文件。而且你编译通过了，板端却没有OpenCV的链接库，在板端运行时也会出错。虽然官方论坛提供了许多OpenCV的编译示范，但是对于小白来说有一定的难度，我也不能咋看得懂。，并且在板端也能够正常运行相关程序。但是我们想要基于V853实现呀。
基于全志V853的弹孔识别（利用Opencv库处理） 首先我们在原图中找到我们需要截取的区域，确定四个顶点，如src_points所示，其次定义这几个点映射到我们需要得到的图片中。如dst_points，我们希望得到的图片大小是500x500，所以取（0,0）（0,500）（500,0）（500,500），这几个点就对应src_points的点。1、摄像头所拍摄到的图片是存在畸变的，并且实际拍摄是存在角度的，所以我们需要对图片进行校正。之后，我们可以运用opencv的findContours函数去寻找弹孔在图片的位置，进而得到弹孔的中心坐标。
关注
