如何把YOLOV5和realsense d435i结合到一起，并实现三维坐标显示。

最新推荐文章于 2024-06-13 09:54:18 发布

Melbourne421

最新推荐文章于 2024-06-13 09:54:18 发布

阅读量1.7k

点赞数

分类专栏： realsense yolo 文章标签：深度学习 python conda pytorch

本文链接：https://blog.csdn.net/weixin_68468234/article/details/127056638

版权

realsense 同时被 2 个专栏收录

1 篇文章 0 订阅

订阅专栏

yolo

1 篇文章 2 订阅

订阅专栏

我用一个人的YOLOv5训练好了数据集，可以实现图片和摄像头的检测了，但是只是普通的摄像头，不知道如何利用realsense摄像头输出坐标信息

有另外一位博主的程序里有realsense摄像头的程序可以实现相应的功能，但是我把我的权重放进去以后会出错，不知道为什么。

图片是我用的两位博主的程序原名

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Melbourne421

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
3
评论
如何把YOLOV5和realsense d435i结合到一起，并实现三维坐标显示。

realsense和yolov5结合，输出三维坐标
复制链接

扫一扫

专栏目录

项目设计：YOLOv5目标检测+机构光相机（intel d455和d435i）测距

weixin_45303602的博客

10-06

2699

Intel D455 是一款基于结构光（Structured Light）技术的深度相机。与ToF相机不同，结构光相机使用另一种方法来获取物体的深度信息。它通过投射可视光谱中的红外结构光图案，然后从被拍摄物体表面反射回来的图案重建出其三维形状和深度信息。Intel D455 深度相机采用了结构光技术，能够获取高精度、高分辨率的深度图像和点云数据。它具有以下特点：高精度深度感知：搭载了红外结构光投影器和深度传感器，能够实时获取高质量、高精度的深度数据。

YOLOv5+Intel realsense D405(目标检测+深度相机测距)

XUQIAN_LIUQIAN的博客

05-23

260

YOLOv5+Intel realsense D405(目标检测+深度相机测距)

3 条评论您还未登录，请先登录后发表或查看评论

Realsense D435i Yolov5目标检测实时获得目标三维位置信息

最新发布

gitblog_00029的博客

06-13

481

YOLOv5与D435i的强强联合：打造实时三维目标定位新纪元项目地址:https://gitcode.com/Thinkin99/yolov5_d435i_detection 项目介绍在这个数字化转型加速的时代，计算机视觉技术的应用场景日益广泛，从智能监控到自动驾驶，每一步创新都离不开精准的目标检测与定位功能。yolov5_d435i_detection正是这样一个融合了高效深度学习框架YO...

基于Yolov5和Intel_Realsense_D435i开发的物体之间三维距离测量源码+使用说明.zip

10-25

【资源说明】基于Yolov5和Intel_Realsense_D435i开发的物体之间三维距离测量源码+使用说明.zip 基于Yolov5和Intel_Realsense_D435i开发的物体之间三维距离测量源码+使用说明.zip 基于Yolov5和Intel_Realsense_D435i开发的物体之间三维距离测量源码+使用说明.zip 1.一个可运行yolov5的环境 2.一个Intel realsense D435i相机,pyrealsense2和各种依赖库 ``` 1. could run yolov5 2. pip install -r requirements.txt 3. pip install pyrealsense2 ``` ### Use: 配置yolov5_D435i_2.0/config/yolov5s.yaml,运行yolov5_D435i_2.0/config/main2.py即可。 Attenion 分辨率好像只能改特定的参数，不然会报错。d435i可以用 1280x720, 640x480, 848x480。要使用USB3.0接口，不然会报错 yolov5_D435i_2.0/config/yolov5s.yaml中的target是您想要检测距离的类别【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。欢迎下载，沟通交流，互相学习，共同进步！

YOLOv5在Intel Realsense上的Python实现

行秋的博客

05-18

1569

代码：GitHub - killnice/yolov5-D435i: using yolov5 and realsense D435i 设备： Windows10 RealSenseD435i 编译平台 Pycharm 1.在Anaconda安装Python3.7虚拟环境，并配置所需库。使用pip安装所需的包，进入本工程目录下 pip install -r requirements.txt（我是一个一个安装的，安装版本都是取“=”的版本） pip install pyrealsense2

Ubutntu下使用realsense d435i（三）：使用yolo v5测量目标物中心点三维坐标

gyxx1998的博客

12-13

1万+

使用realsense和yolo识别物体，并活动物体的中心点坐标

利用yolov5检测物体的3维坐标，并以ROS输出

bingshuiyuyi的博客

03-20

1万+

0.声明：由于懒，本代码以此基础上修改为ROS包，camera节点发送给检测节点的通用代码暂时不能运行，有时间再检查上存 GitHub - Thinkin99/yolov5_d435i_detection: 使用realsense d435i相机，基于pytorch实现yolov5目标检测，返回检测目标相机坐标系下的位置信息。 1.设备 realsense D435(D系列) 2.代码 GitHub - casso1993/realsense_yolo_ROS: have a try 感

基于Yolov5和Intel-Realsense-D435i实现的物体之间三维距离测量源码+使用说明

01-20

结合YOLOv5对Intel_Realsense_D435i 进行开发，实现实时检测物体之间的三维距离 yolov5:实时目标检测算法 Intel Relsense D435i深度摄像头:Intel使用realsense(实感)技术开发出来的的深度摄像头，可以获取目标的三...

基于YOLOv5+Intel_Realsense_D435i开发的物体之间三维距离测量python源码+项目说明.zip

04-10

结合YOLOv5对Intel_Realsense_D435i 进行开发，实现实时检测物体之间的三维距离 [yolov5]:实时目标检测算法 [Intel Relsense D435i深度摄像头](https://www.intelrealsense.com/zh-hans/depth-camera-d435i/):...

结合YOLOv5对Intel-Realsense-D435i 进行开发测量物体之间的三维距离源码+项目说明.zip

05-15

结合YOLOv5对Intel_Realsense_D435i 进行开发，测量物体之间的三维距离结合YOLOv5对Intel_Realsense_D435i 进行开发，测量物体之间的三维距离结合YOLOv5对Intel_Realsense_D435i 进行开发，测量物体之间的三维距离...

yolov5-realsense深度信息目标检测（构建自己的数据集模型）

qq_41669874的博客

12-08

1万+

yolov5-realsense深度信息目标检测（构建自己的数据集模型）训练准备： 1.安装运行yolov5代码略 2.制作训练数据集目标训练数据集，应大于50张图片以上（1）使用OpenCV拍摄640X480（32倍数）（相机尺寸）的图片并保存 import cv2 cap=cv2.VideoCapture(0) width = 640 #定义摄像头获取图像宽度 height = 480 #定义摄像头获取图像长度 cap.set(cv2.CAP_PROP_FRAME_WIDTH, wi

如何使用yunyang tensorflow-yolov3训练自己的数据集并使用 Intel realsense D435 传输视频流应用于实时检测？

Dontla的博客

11-21

2933

我这边使用自己的数据集已经训练好了权重文件，将该权重文件应用于evaluate.py效果不错，但用video_demo.py做实时检测却完全不行，查看代码发现，evaluate.py只用了cfg.TEST.WEIGHT_FILE即"./checkpoint/f_g_c_weights_files/yolov3_test_loss=15.8845.ckpt-47"，而video_demp.py使用的...

【D435i深度相机YOLO V5结合实现目标检测】

vor234的博客

05-12

4389

Ubutntu下使用realsense d435i（三）：使用yolo v5测量目标物中心点三维坐标欢迎大家阅读2345VOR的博客【D435i深度相机YOLO V5结合实现目标检测】🥳🥳🥳2345VOR鹏鹏主页：已获得CSDN《嵌入式领域优质创作者》称号👻👻👻，座右铭：脚踏实地，仰望星空🛹🛹🛹本文章属于《Ubuntu学习》和《ROS机器人学习》：这里主要是记录Ubuntu下简单使用yolov5测试检测效果的过程，我是使用realsense d435i摄像头的RGB图像。👍👍👍。

yolov5数据集_yolov5体验(pytorch模型训练+检测)亲测可行

weixin_39844880的博客

11-23

3371

基本流程代码clone下载训练集&预训练模型本地环境配置训练参数确定&训练集样式训练tensorbard可视化验证代码clone源码github: git clone ultralytics/yolov5码云下载(推荐):git clone yql/yolov5下载训练集&预训练模型https://www.kaggle.com/ultralytics/coco128ht...

Jetson Xavier NX Yolov5的搭建及配合Intel Realsense D435i的使用

gaow987654的博客

06-21

1983

本文档主要记录 1.xavier nx的系统烧录及环境搭建（SDK mananger） 2.jetson benchmark的测试流程 3.yolov5的搭建及配合intel realsense D435i的使用该实验需分为三步来完成1.在Jetson Xavier NX上搭建Yolov5。2.安装Intel Realsense D435i的SDK。3.配合YOLOV5实现实时目标检测。主要操作步骤：...

ROS - RealsenseD435/D455 - YOLO联合

eyas3的博客

12-22

2290

其中提供了支持gazebo的插件。

Ubutntu下使用realsense d435i（二）：获取某二维像素点的三维坐标

gyxx1998的博客

11-30

8297

00 准备工作准备工作包括安装驱动以及pyrealsense2，具体可参考上一篇： Ubutntu下使用realsense d435i（一）：准备工作以及安装pyrealsense2 https://blog.csdn.net/gyxx1998/article/details/121461293 01 通过二维像素点获得物体三维坐标这个在上一篇已经介绍了代码： realsense d435i获取某像素点三维坐标（计算深度和点云两种方法） https://blog.csdn.net/gyxx1998/

realsense D455深度相机+YOLO V5结合实现目标检测（一）

文一生

08-30

2万+

realsense D455深度相机+YOLO V5结合实现目标检测代码来源环境配置代码分析：1.如何用realsense在python下面调用的问题：2.对main_debug.py文件的分析：结束语可以实现将D435,D455深度相机和yolo v5结合到一起，在识别物体的同时，还能测到物体相对与相机的距离。说明一下为什么需要做这个事情？1.首先为什么需要用到realsense D455深度相机? 因为他是普通的相机还加了一个红外测距的东西，所以其他二维图像一样，能够得到三维世界在二维像素平面的投影

Python使用yolov5和深度相机一起使用检测冰，请提供完整思路

09-21

### 回答1：答案：可以先使用YOLOv5训练模型，然后将深度相机的图像数据作为输入，使用训练出来的模型运行物体检测算法，检测图像中的冰。此外，还可以使用Python的图像处理库，如OpenCV或Pillow，来辅助YOLOv5检测冰的位置。 ### 回答2：使用Python进行冰块检测的思路如下： 1. 安装所需的库和工具：首先，需要安装yolov5和深度相机的相关库和工具。可以使用pip命令安装yolov5，并根据深度相机型号选择合适的相机SDK进行安装。 2. 数据采集：使用深度相机进行冰块的图像采集。将相机连接到计算机上，并使用相机SDK获取实时图像。 3. 模型训练：使用yolov5进行冰块检测模型的训练。可以通过收集大量冰块和非冰块的图像样本来训练模型。将这些图像样本标记为冰块和非冰块，生成与之对应的标签文件。 4. 模型推理：使用训练好的yolov5模型进行冰块检测。将相机获取的实时图像传入模型，模型会输出检测到的冰块的位置信息。 5. 冰块识别与处理：根据模型输出的冰块位置信息，可以采用不同的方式进行冰块识别与处理。可以在图像或视频上绘制包围框来标识冰块位置，也可以计算冰块的数量、大小等统计信息。 6. 可视化和输出：将检测结果进行可视化展示，可以将结果保存为图像或视频文件，或将结果实时显示在屏幕上。同时，可以根据需求将冰块检测结果的统计信息进行输出和记录。总结：使用Python结合yolov5和深度相机可以实现冰块的检测。通过训练yolov5模型进行冰块检测，结合深度相机获取实时图像，并根据模型输出的结果进行冰块识别与处理，最终可视化展示并输出统计信息。 ### 回答3：使用Python中的yolov5和深度相机一起进行冰的检测，可以按以下思路进行： 1. 安装和配置yolov5：首先，需要在Python环境中安装yolov5库，并下载预训练的权重文件。可以使用pip命令来安装yolov5，并在代码中引入yolov5模块。 2. 链接深度相机：将深度相机与计算机进行物理连接，并安装相应的驱动和SDK，以便与Python代码进行交互。根据深度相机的型号和厂家提供的文档，了解相机的API和函数调用方式。 3. 获取深度图像：使用深度相机的SDK接口，调用相应的函数获取深度图像。深度图像是表示不同像素点距离相机的深度值的二维图像。 4. 图像预处理：将获取的深度图像进行预处理，使其符合yolov5模型输入的要求。这可能涉及图像尺寸的调整、归一化等操作。 5. 目标检测：使用yolov5模型调用相应的函数，对预处理后的深度图像进行目标检测。yolov5模型会返回检测到的冰的位置信息，如边界框的坐标和类别等。 6. 后处理和显示结果：对检测到的冰的位置信息进行后处理，例如去除重复的结果、筛选符合条件的结果等。最后，在深度图像上绘制冰的边界框，并将结果可视化展示。值得注意的是，深度相机的选择和配置、yolov5模型的使用以及后处理和结果展示的细节都是具体问题和应用场景相关的，因此请根据实际情况进行相应的调整和优化。