darknet_ros源码解析(一)-代码配置

YOLO(You Only Look Once) 作为一个检测速度非常快,检测目标种类极其丰富的深度学习算法,受到了非常多的研究人员和深度学习爱好者的青睐。
网上有关darknet(YOLO算法的框架)的代码已经有非常详细的博客介绍,但因为平时喜欢在ROS框架下进行算法开发,便于做一些实际应用,所以就想要在能够在ROS框架下使用YOLO,所幸已经有大牛将YOLO写成了非常好用ROS包——darknet_ros
本系列博客是在自己做毕设课题时阅读darknet_ros相关代码进行理解的基础上做的一些笔记,分享给大家,可能更新速度不是很快,理解上也会有些偏差,还望大家不吝赐教。
本篇博客主要梳理一下darknet_ros的整体框架,并先教会大家如何跑起来这个框架并且看到实时效果,毕竟能够看到酷炫的效果才能激起阅读代码的激情!
系统环境:

  • Ubuntu16.04
  • ROS Kinetic

一. 代码下载

代码Github主页:darknet_ros_github
下载命令:

mkdir -p catkin_workspace/src
cd catkin_workspace/src
git clone --recursive [email protected]:leggedrobotics/darknet_ros.git
cd ../

下载时间可能比较长,请耐心等待…

二. 编译

在ROS工作空间目录下,执行命令:

catkin_make -j6

此时会开始编译整个项目,编译完成后会检查{catkin_ws}/darknet_ros/darknet_ros/yolo_network_config/weights文件下有没有yolov2-tiny.weightsyolov3.weights两个模型文件,默认下载好的代码里面为了节省体积是不带这两个模型文件的。因此编译之后会自动开始下载模型文件,此时又是一段漫长的等待时间。
如果刚好你之前已经下载好了模型文件,那就好了,在开始编译之前就把模型文件拷贝到上述文件夹下,就不会再次下载了。

三. 运行代码

1. 图像话题发布

因为darknet_ros会直接订阅指定的图像话题名,然后对图像进行检测,绘制检测框,并发布相应的检测话题,因此首先需要找一个能够发布图像话题的ROS包,这里推荐使用ROS官方提供的usb_cam驱动包,可以直接将电脑自带摄像头或连接电脑的USB摄像头采集的图像发布为ROS图像话题。
下载及编译:

cd catkin_workspace/src
git clone [email protected]:ros-drivers/usb_cam.git
cd ..
catkin_make -j5

然后发布摄像头图像话题:

source devel/setup.bash
roslaunch usb_cam usb_cam-test.launch

如果顺利的话应该可以看到实际的图像显示界面。

2. 运行darknet_ros

然后执行darknet_ros进行检测,在运行检测之前需要更改一下配置文件,使得darknet_ros订阅的话题与usb_cam发布的图片话题对应。
打开darknet_ros/config/ros.yaml文件,修改:

subscribers:
  camera_reading:
    topic: /camera/image_raw
    queue_size: 1

subscribers:
  camera_reading:
    topic: /usb_cam/image_raw
    queue_size: 1

回到工作空间根目录,执行:

source devel/setup.bash
roslaunch darknet_ros darknet_ros.launch

此时就会出现对摄像头采集图像的实时检测结果。


End

你可能感兴趣的:(深度学习)