zhaoming.han/rdk_robot_dev_agent
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
rdk_robot_dev_agent/knowledge_hub/YOLO目标检测算法部署流程.md

1.5 KiB
Raw Permalink Blame History

YOLO目标检测算法部署流程：用MIPI摄像头发布为照片

  1. 配置tros.b环境 foxy版本:source /opt/tros/setup.bash humble版本:source /opt/tros/humble/setup.bash

  2. 配置MIPI摄像头 export CAM_TYPE=mipi

  3. 启动launch文件 ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080

  4. 测试效果 运行成功后在pc端游览器输入：http://IP:8000，即可查看图像和算法渲染效果（IP为RDK的IP地址）

YOLO目标检测算法部署流程：用usb摄像头发布为照片

  1. 配置tros.b环境 foxy版本:source /opt/tros/setup.bash humble版本:source /opt/tros/humble/setup.bash

  2. 配置usb摄像头 export CAM_TYPE=usb

  3. 启动launch文件 ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image_width:=1920 dnn_example_image_height:=1080

  4. 测试效果 运行成功后在pc端游览器输入：http://IP:8000，即可查看图像和算法渲染效果（IP为RDK的IP地址）

YOLO目标检测算法部署流程：使用本地照片回灌

  1. 配置tros.b环境 foxy版本:source /opt/tros/setup.bash humble版本:source /opt/tros/humble/setup.bash

  2. 启动launch文件 ros2 launch dnn_node_example dnn_node_example_feedback.launch.py dnn_example_config_file:=config/yolov2workconfig.json dnn_example_image:=config/target.jpg