38 lines
1.5 KiB
Markdown
38 lines
1.5 KiB
Markdown
# 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 若为humble则用source /opt/tros/humble/setup.bash
|
||
source /opt/tros/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](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 若为humble则用source /opt/tros/humble/setup.bash
|
||
source /opt/tros/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](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 若为humble则用source /opt/tros/humble/setup.bash
|
||
source /opt/tros/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
|
||
|