超维空间S2无人机使用说明书——31、使用yolov8进行目标识别

这篇具有很好参考价值的文章主要介绍了超维空间S2无人机使用说明书——31、使用yolov8进行目标识别。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

引言:为了提高yolo识别的质量,提高了yolo的版本,改用yolov8进行物体识别,同时系统兼容了低版本的yolo,包括基于C++的yolov3和yolov4,以及yolov7。

简介,为了提高识别速度,系统采用了GPU进行加速,在使用7W功率的情况,大概可以稳定在20FPS,满功率情况下可以适当提高。

硬件:D435摄像头,Jetson orin nano 8G

环境:ubuntu20.04,ros-noetic, yolov8

步骤一: 启动摄像头,获取摄像头发布的图像话题

roslaunch realsense2_camera rs_camera.launch  

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS

没有出现红色报错,出现如下界面,表明摄像头启动成功

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS

步骤二:启动yolov8识别节点

roslaunch yolov8_ros yolo_v8.launch 

launch文件如下,参数use_cpu设置为false,因为实际使用GPU加速,不是CPU跑,另外参数pub_topic是yolov8识别到目标后发布出来的物体在镜头中的位置,程序作了修改,直接给出目标物的中心位置,其中参数image_topic是订阅的节点话题,一定要与摄像头发布的实际话题名称对应上。

<?xml version="1.0" encoding="utf-8"?>
<launch>

  <!-- Load Parameter -->
  
  <param name="use_cpu"           value="false" />

  <!-- Start yolov8 and ros wrapper -->
  <node pkg="yolov8_ros" type="yolo_v8.py" name="yolov8_ros" output="screen" >
    <param name="weight_path"       value="$(find yolov8_ros)/weights/yolov8n.pt"/>
    <param name="image_topic"       value="/camera/color/image_raw" />
    <param name="pub_topic"         value="/object_position" />
    <param name="camera_frame"      value="camera_color_frame"/>
    <param name="visualize"         value="false"/>
    <param name="conf"              value="0.3" />
  </node>
</launch>

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS

出现如下界面表示yolov8启动成功

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS

步骤三:打开rqt工具,查看识别效果

rqt_image_view 

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS

等待出现如下界面后,选择yolov8/detection_image查看yolov8识别效果

超维空间S2无人机使用说明书——31、使用yolov8进行目标识别,超维空间S2无人机使用说明,无人机,YOLO,ROS文章来源地址https://www.toymoban.com/news/detail-775229.html

从图中可以看出,在7W功率的情况下,大概在18帧的效果,识别准确度比较高

到了这里,关于超维空间S2无人机使用说明书——31、使用yolov8进行目标识别的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 超维空间M1无人机使用说明书——41、ROS无人机使用yolo进行物体识别

    一、启动darknet_ros物体识别 当终端无报错出现以上界面,表示物体识别正常运行 1、bringup_darknet.launch文件分别启动了USB摄像头和darknet_ros节点,其中摄像头节点主要是发布图像话题,提供给darknet_ros节点订阅,相反,darknet_ros订阅图像话题,根据订阅到的图像数据进行识别处理

    2024年01月22日
    浏览(46)
  • 超维空间M1无人机使用说明书——61、ROS无人机物体识别与精准投放

    一、视频演示: 二、源代码下载链接 三、使用说明 1、启动二维码识别与降落程序 未出现红色报错,表明程序运行正常 2、launch文件详解 launch文件启动了四个节点,节点作用如下

    2024年02月01日
    浏览(51)
  • 超维空间M1无人机使用说明书——53、ROS无人机二维码识别与降落——V2升级版本

    一、启动二维码识别与降落程序 未出现红色报错,表明程序运行正常 launch文件详解 launch文件启动了四个节点,节点作用如下 二、视频演示 视频演示: 二维码降落

    2024年02月03日
    浏览(48)
  • 超维空间M1无人机使用说明书——01、ROS机载电脑使用说明——远程连接

    1、SSH优缺点 优点:1、消耗网络资源 2、运行稳定 缺点:1、图形化界面卡顿 2、对新手不友好 2、可视化软件优缺点 优点:1、对新手友好 2、运图形化界面比ssh流畅 缺点:1、消耗网络资源 一、远程登录到无人机端的Jetson nano 步骤一、通过SSH 登录到ROS主控端 无人机上电后会默认发

    2024年01月22日
    浏览(66)
  • 3维空间下按平面和圆柱面上排版设计

    AR空间中将若干平面窗口排列在指定平面或圆柱体面上 平面排版思路 指定平面方向向量layout_centre ,平面上的一点作为排版版面的中心layout_position

    2024年02月13日
    浏览(91)
  • 【人工智能】大模型的本质:在超高维空间上对人类全部知识的高度压缩映射

    在计算机科学和人工智能领域,大模型成为了当前研究的热门话题之一。大模型通常指拥有上亿参数数量的深度神经网络模型。近年来,GPT-3等巨型自然语言处理模型的出现,引起了广泛的关注和探讨。本文将从理论和实践两个角度,详细介绍大模型的本质和应用。 大模型是

    2024年02月12日
    浏览(50)
  • 无人机航拍图像的空间分辨率计算

    GSD:无人机/遥感卫星的空间分辨率,指航片/遥感影像一个像素点代表的空间距离。 计算公式: d:单位cm、指空间分辨率。 s:单位µm、指像元大小(像素间距)。 H:单位m、指飞行高度。 f:单位mm、指焦段(即镜头的焦段)。 注意:计算时统一单位。同时,更值得注意的

    2024年02月01日
    浏览(52)
  • 遥感影像/无人机航片的空间分辨率GSD计算推导

    参考资料1 参考资料2-地面分辨率,空间分辨率(GSD为地面采样间隔) GSD:无人机/遥感卫星的空间分辨率,指航片/遥感影像一个像素点代表的空间距离。 IFoV:单个像素代表的空间范围。 幅宽:成像的画面所对应的空间距离。 如何通过无人机的飞行高度、镜头参数计算GSD、幅宽

    2024年02月08日
    浏览(79)
  • 【无人机】采用最基本的自由空间路损模型并且不考虑小尺度衰落(多径多普勒)固定翼无人机轨迹规划(Matlab代码实现)

    💥💥💞💞 欢迎来到本博客 ❤️❤️💥💥 🏆博主优势: 🌞🌞🌞 博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️ 座右铭: 行百里者,半于九十。 📋📋📋 本文目录如下: 🎁🎁🎁 目录 💥1 概述 📚2 运行结果 2.1 文献结果:  2.2 Matlab代码复现结果 🎉

    2024年02月01日
    浏览(63)
  • 无人机影像的空间三维建模:Pix4Dmapper运动结构恢复法

      本文介绍基于 Pix4Dmapper 软件,实现由 无人机影像 建立研究区域 空间三维模型 的方法。 目录 1 背景知识 1.1 运动结构恢复方法原理 1.2 运动结构恢复方法流程 2 软件与数据准备 2.1 软件准备 2.2 数据准备 3 研究区域模型建立 3.1 数据导入与配置 3.2 第一次模型建立 3.3 第二

    2024年02月05日
    浏览(48)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包