Yolov5 动态链接库DLL导出（tensorrt版本——Labview调用）

Yolov5 动态链接库DLL导出（tensorrt版本——Labview调用）

延续上一篇Yolov5 动态链接库DLL导出（tensorrt版本——C++调用）文章内容，这里将yolov5源码封装成动态链接库的方式供其他平台调用，例如可使用labview调用函数，既能实现检测识别功能，又可以利用labview的特性，快速搭建界面，实现图形化编程。这里针对labview对函数重新打包封装，可供labview接口识别调用。

一、C++端函数封装打包

1.创建yolo_dll指针

延续上一篇的工程目录，在工程目录下的Detection.cpp文件中添加如下代码，创建YOLOV5*指针供后续封装函数使用：

Connect connect;
YOLOV5*  yolo_dll = connect.Create_YOLOV5_Object();

2.封装yolov5_initial初始化函数

添加如下封装函数：

_declspec(dllexport) int yolov5_initial(const char* engine_path)
{
	
	yolo_dll->Initialize(engine_path, 0);
	return 0;
}

形参为yolov5s.engine权重文件的路径

3.封装yolov5_Detect检测函数

添加如下封装函数：

_declspec(dllexport) int yolov5_Detect(int rows, int cols, unsigned __int8* imageR, unsigned __int8* imageG, unsigned __int8* imageB, const char* classlable[100], cv::Rect* boxes[100])
{
	cv::Mat img;
	std::vector<cv::Rect> Boxes;
	std::vector<const char*> ClassLables;

	cv::Mat srcImageR(rows, cols, CV_8U, &imageR[0]);
	cv::Mat srcImageG(rows, cols, CV_8U, &imageG[0]);
	cv::Mat srcImageB(rows, cols, CV_8U, &imageB[0]);
	cv::Mat merger_array_src[] = { srcImageB,srcImageG,srcImageR };
	merge(merger_array_src, 3, img);

	yolo_dll->Detecting(img, Boxes, ClassLables);

	for (size_t i = 0; i < ClassLables.size(); i++)
	{
		classlable[i] = ClassLables[i];
	}
	for (size_t i = 0; i < Boxes.size(); i++)
	{
		boxes[i] = &Boxes[i];
	}


	return Boxes.size();
}

说明：
1）.输入图片格式转换（可参考原博客文档）
int rows, int cols, unsigned __int8* imageR, unsigned __int8* imageG, unsigned __int8* imageB
以上参数为了将labview图片与C++中的cv::Mat 图片格式进行转换，labview中将RGB图像拆分成RGB三个二维数组，和图片的imagesize（rows，cols）一并传入dll函数，opencv再利用内部函数将图片复原
2）.识别信息输出
const char* classlable[100], cv::Rect* boxes[100]
利用两个指针数组，将识别结果（识别标签和识别框）输出给labview使用。
3）.返回 Boxes.size()的大小，供labview解析指针数据使用
4）.提供思路供参考，实际使用根据需求完善封装代码

4.添加好以上代码后重新生成解决方案，以下目录中找到dll备用

二、labview（2019 x64)端调用

1.调用yolov5_initial初始化函数，配置相关接口参数

2.调用dll中的yolov5_Detect函数，配置接口参数

关键数据类型配置


注意：和C++中封装函数的接口数据类型必须匹配，否则运行labview软件直接卡死退出

3.打开摄像头，捕获图片帧，将图片拆分成RGB三个数组，传入dll中的yolov5_Detect函数

4.用labview moveblock函数解析指针数据

5.利用识别结果，画框标注

效果演示：