本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——12使用YOLO-Bin
本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——12使用YOLO-Bin
根据前面内容,所有的子任务已经基本结束,接下来就是调用转化的bin模型进行最后的逻辑控制了
1 .YOLO的bin使用
对于yolo其实有个简单的办法,也不需要自己写代码进行推理
直接找到websocker的demo修改配置文件
配置文件在手册其实也是作为一个demo进行演示,下面我把配置文件内容也给大家,大家就不需要去翻手册了
但是下面内容要根据你实际情况修改类别和类别list里面的label
{"model_file": "/root/yolov5s_640x640.5.13.bin","dnn_Parser": "yolov5","model_output_count": 3,"class_num": 1,"cls_names_list": "/root/obstacles.list","score_threshold": 0.65,"nms_threshold": 0.6,"nms_top_k": 2
}
2.模型数据的接受
既然使用了websocket那么如何拿到标签信息,经过当时在论坛上找来找去,然后改了改这里给大家提供个demo
大家可以根据自己的需要把需要得内容进行发布出去
import rclpy
from rclpy.node import Node
from std_msgs.msg import Float64
import numpy as np
from ai_msgs.msg import PerceptionTargets
import threadingclass YOffsetsMaxPublisher(Node):def __init__(self):super().__init__('y_offsets_max_publisher')self.YoloV5Subscriber = self.create_subscription(PerceptionTargets,'hobot_dnn_detection',self.YoloV5_listener_callback,100)self.data_store = {"y_offsets_conf": 150, # 示例值,根据实际情况调整"needzhuanwan": False}self.lock = threading.Lock()def YoloV5_listener_callback(self, msg):result_list = msg.targets obj_len = len(result_list)self.obj_x = np.full(8, -1) # 存坐标self.obj_y = np.full(8, -1)max_area = 0 # 用于存储最大面积with self.lock:for i in range(obj_len):if not result_list[i].rois:continuefor roi in result_list[i].rois:box = roi.rect # 直接获取 roi 的 rect 属性x_offset = box.x_offsety_offset = box.y_offsetwidth = box.widthheight = box.heightarea = width * heightid = result_list[i].track_iddef main(args=None):rclpy.init(args=args)y_offsets_max_publisher = YOffsetsMaxPublisher()rclpy.spin(y_offsets_max_publisher)y_offsets_max_publisher.destroy_node()rclpy.shutdown()if __name__ == '__main__':main()
3.总结
目前对于yolo的使用已经结束,其实有需要大家可以使用cpp和py单独使用dnn模块进行推理也可以
这里给大家带来小白用法,更多的用法大家可以去地瓜手册进行查询api函数
下面给大家带来resnet使用
束,其实有需要大家可以使用cpp和py单独使用dnn模块进行推理也可以
这里给大家带来小白用法,更多的用法大家可以去地瓜手册进行查询api函数
下面给大家带来resnet使用