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，这里经推荐使用ROS官方提供的usb_cam驱动包

首先说明一下为什么装3.2.0版本，起初我也是图方便，直接装最新版本，结果发现和后面的darknet_ros有冲突，darknet_ros一直编

运行环境：ubuntu20.04+显卡驱动(cuda与cudnn可以装也可以不装)一、获取功能包参考博客：ROS下实现darknet_ros(YOLOV3)检测_camera/rgb/image_raw

引言：用于M1无人机使用的18.04系统，采用的opencv3.4.5版本，因此M1无人机只提供了基于yolov3和yolov4版本的darknet_ros功能包进行物体识别，识别效果足够满足日常的物体识别使用

1.下载：darknet_ros直接下载zip就行，解压到ros环境下，会有三个文件夹，darknet是yolo作者写的框架，如果里面是空的，点击此处下载，然后进行编译。

文章目录前言一、yolo板端部署推理二、目标深度测距三、目标方位解算与导航点设定1、相机成像原理2、Python实现目标定位总结前言Darknet_ros是一个基于ROS（机器人操作系统）的开源深度学习框架

$catkin_make2、下载darknet_ros包$cdsrc/$gitclonehttps://github.com/leggedrobotics/darknet_ros3、下载Yolov4

链接:link分析：因为安装的ubuntu版本是20.04，对应安的noetic包里自带的是Opencv4.2，因此需要更改ros编译时使用的opencv版本。解决：打开/opt/ros/noetic/share/cv_bridge/cmake/cv_bridgeConfig.cmake文件，做以下更改：（注释掉的是源代码，后边是更改后的）#if(NOT"include;/usr/include/

原本打算在搭载Ubuntu18.04的智能小车上面运行使用darknet_ros包来进行yolov3的检测，但是运行过程中遇到了不少问题，从头到尾部的运行包括遇到的解决方法以及对应的文章一并列出，免得到处查找

2020.08.07问题记录1.要命的darknet_ros整体逻辑是用yolo检测出目标,然后通过ros节点将目标类别和位置信息发布出来,因此选择ros_darknet,2个问题:(1)依赖opencv

JetPack4.6，ubuntu18.04LTS，rosmelodic，cuda10.2（务必确认系统版本和JetPack版本对应，不然大概率出问题，详见JetPackArchive|NVIDIADeveloper）darknet_ros

文章目录一、下载darknet_ros与darknet？

很想实现ros和yolo的联合使用，所以找到了darknet_ros这个包，我感觉难点不在于工程，而在于yolo的环境配置。本文将从环境入手逐步实现功能。

一、darknet_ros部署1、创建ROS工作空间mkdir-p~/catkin_ws/srccd~/catkin_ws/src#初始化文件catkin_init_workspace#编译工作空间cd

cmake3.9.2至3.15.6参考ROS移植yolov4过程中出现报错Ubuntu18.04[100%]LinkingCXXexecutable/home/z/catkin_ws/devel/lib/darknet_ros

适用于嵌入式设备上的目标检测更改目标检测相机使用RGB-D相机的左摄像头而不是单目相机，修改配置如下在indoor.launch启动文件中模型使用realsense深度相机模型在~/catkin_ws/src/darknet_ros

配置darknet_rosmkdir-pcatkin_workspace/srccdcatkin_workspace/[email protected]:leggedrobotics/darknet_ros.git通常使用该命令时会报错：GitLab:Theprojectyouwerelookingforcouldnotbefound.fatal:无法读取远程

对应的GitHub库链接：https://github.com/leggedrobotics/darknet_ros可以运行如下命令mkdir-pcatkin_workspace/srccdcatkin_workspace

1.下载darknet_ros包在一个工作空间中进入src文件，下载darknet_ros包cdsrc/gitclonehttps://github.com/leggedrobotics/darknet_ros

1、darknet-ros下载及编译GitHub-leggedrobotics/darknet_ros:YOLOROS:Real-TimeObjectDetectionforROS直接下载zip就行，解压到

Darknet可以对目标对象进行识别，目前可以实现以下80个目标的识别。也可以训练自己的识别库。目前很多的超市就使用该技术进行称重识别，替代人工选择物品类别。（尝试过连红心柚子与白心柚子都可以分开。但是红心火龙果与白心的区分不开）当然也有很多其地方可以应用到，比如自动驾驶的红绿灯检测，还有行人避让，饮料瓶碾过。人自行车,汽车,摩托车,飞机,公共汽车,火车,卡车,船红绿灯,消防栓,停车标志,停车计时

在demo中，我是借助darknet_ros实现这一目标。当然，这一模块可以替换成性能更优秀的识别算法。

一.代码下载代码Github主页：https://github.com/leggedrobotics/darknet_ros打开命令行终端，键入以下命令下载mkdir-pcatkin_ws/srccdcatkin_ws

不是教程，我只是将整个流程记录下来，让后面的同学操作的时候能够避开这些坑，希望你能将整个系列的操作流程看了一遍斟酌后进行操作##################################  使用darknet_ros

设备和环境：奥比中光RGB-D相机（Astra）；Ubuntu16.04首先，先将自己的RGB-D相机的环境与依赖构建好，然后进行以下步骤构建darknet_ros。

ros下gazebo搭建小车（可键盘控制）安装摄像头仿真加载yolo检测识别标记物体目录总览一，项目代码下载二，ros下实现darknet_ros(YOLOV3)检测2.1编译整个项目2.2下载模型2.3

小车yolo机械臂（八）ros小车和机械臂gazebo仿真，机械臂根据darknet_ros中yolo检测结果来自动运动python实现目录总览项目下载arm_car_world.launch中添加darknet_ros

2020.08.07问题记录1.要命的darknet_ros整体逻辑是用yolo检测出目标,然后通过ros节点将目标类别和位置信息发布出来,因此选择ros_darknet,2个问题:(1)依赖opencv

文章目录前言一、darknet_ros代码简析二、修改ros驱动包的文件内容三、ros系统下运行效果总结前言Darknet——yolo3训练自己的数据集+在ros环境下实现目标检测实战教程（一）——环境配置

jetsonnano运行darknet_ros的环境配置1安装镜像JP4.52环境设置2.1JetsonNano换国内源2.2CUDA路径配置2.3拼音输入法2.4NFS3安装opencv3.4.103.1

结合yolo的ROS智能车实现1、搭建智能车环境2、启动仿真3.下载darknet_ros包4.编译5.运行程序6.运行结果1、搭建智能车环境1、下载包进行编译1.1、下载源码包gitclonehttps

先在终端中搜索：sudofind/-name"libcuda.so*"我的会显示：/usr/local/cuda-9.0/doc/man/man7/libcuda.so.7/usr/local/cuda-9.0/targets/x86_64-linux/lib/stubs/libcuda.sofind:‘/run/user/1000/gvfs’:Permissiondenied然后复制一份libc

libkinect2_registration.so:undefinedreferenceto`clReleaseMemObject@OPENCL_1.0'/home/robot/catkin_ws/devel/lib/libkinect2_registration.so:undefinedreferenceto`clEnqueueWriteBuffer@OPENCL_1.0'/home/robo

报错：a@a-6108GC:~/catkin_ws/src/darknet_ros/darknet$.

网上有很多关于这方面的博客，我下下来一个，并且经过修改之后能跑的代码链接如下：代码链接修改的步骤为：进入/darknet_ros/config，打开ros.yaml修改为自己的摄像头话题：subscribers

运行darknet_ros进行目标检测时，通过$rostopiclist查看到/darknet_ros/bounding_boxes这个话题，因此想查看该话题的数据，在使用$rostopicecho/darknet_ros

YOLO（YouOnlyLookOnce）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_ro

1.下载源码gitclonehttps://github.com/leggedrobotics/darknet_ros下载好的源码放在ros空间下，没有ros空间的自己搭一个，然后catkin_make

darknet_ros的安装以及在PX4无人机仿真平台的目标检测参考资料：https://github.com/leggedrobotics/darknet_roshttps://gitee.com/robin_shaun

官方文档https://github.com/leggedrobotics/darknet_ros一、用预训练权重1、cdcatkin_workspace/srcgitclone--recursivegit

文章目录码云镜像下载darknet_ros包下载权重文件编译修改话题寻找：修改：修改使用的yolo识别路障等物体码云镜像下载darknet_ros包请不要直接克隆，请gitclone--recursive

[5%]BuildingNVCC(Device)objectCMakeFiles/nheqminer_cuda_tromp.dir///cuda_tromp/nheqminer_cuda_tromp_generated_equi_miner.cu.onvccwarning:The'compute_20','sm_20',and'sm_21'architecturesaredeprecated,an

文章目录darknet_ros检测自己的图片文件结构darknet_ros运行detecting_test源代码修改说明运行程序darknet_ros检测自己的图片因为是要做毕业设计的原因，所以需要修改

1.依赖安装：CUDA和CUDNN：我是下了9.0的CUDAOPENCV:ROS自带BOOST：UBUNTU自带OPENMP：不知道，反正运行成功了2.查看自己显卡的显卡计算能力可以在NVIDA官网看到GTX950M的计算能力是5.0所以在darknet的Makefile中保留-gencodearch=compute_50,code=[sm_50,compute_50]即可然后按照这里就可以完成基

最近用自己的渣渣笔记本电脑跑了一下yolo目标检测在ROS中的实现，实现了用摄像头进行目标检测的任务。以下为笔记，防止遗忘。1、使用的环境和平台Ubuntu16.04LTS+ROS+Yolo2、实现具体流程（1）建立名为catkin_ws的工作空间：$mkdir-pcatkin_ws/src$cdsrc/$catkin_init_workspace1$cd..$catkin_make当然也可以命名

文章目录一、搭建智能车环境1、下载包以及编译1.1、下载源码包1.2、编译1.3、错误解决（1）、controllers相关（2）、driver_base相关（3）、ackermann_msgs相关（4）、Couldnotfindapackageconfigurationfileprovidedby"OpenCV"（5）、findLine.cpp找不到头文件2、启动仿真2.1、运行小车模型2.2、

developer.nvidia.com/cuda-downloads)二、[安装cuDNN](https://developer.nvidia.com/rdp/cudnn-download)三、下载usb-cam驱动四、下载darknet_ros

下载gitclonehttps://github.com/leggedrobotics/darknet_ros加入cfg和weights到：/darknet_ros/yolo_network_config

ROSKinetic+Ubuntu16.04yolov3配置1.安装项目Github地址：https://github.com/leggedrobotics/darknet_ros安装到本地时选择ssh

darknet_ros就是darknet在ros操作系统下的版本，即在ros下使用yolo进行目标检测。