【Ubuntu系统18.04虚拟机ros下实现darknet_ros(YOLO V3)检测问题解析最全】

news2025/1/19 14:14:07

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。

首先是在ROS下实现darknet_ros(YOLO V3)检测
参考文章

https://blog.csdn.net/qq_42145185/article/details/105730256

一. 代码下载
代码Github主页：https://github.com/leggedrobotics/darknet_ros
下载命令：

mkdir -p catkin_workspace/src
cd catkin_workspace/src
git clone --recursive git@github.com:leggedrobotics/darknet_ros.git
cd ../

下载时间可能比较长，请耐心等待…
如果下载的Ubuntu系统不支持从gitthub上面直接爬取代码，可以转换下载方式来进行下载。点击GitHub里的clone，下拉可以选择ssh以及https两种模式加载。这个时候只需要转换git clone代码即可。
通过ssh

git clone --recursive git@gitcode.net:mirrors/leggedrobotics/darknet_ros.git

通过https

git clone --recursive https://gitcode.net/mirrors/leggedrobotics/darknet_ros.git

在这里插入图片描述
下载可能遇到的其他问题可以参考这篇文章中下载darknet_ros包的章节

http://t.csdn.cn/hPQyd

其中，因为是移动到搭载Ubuntu的小车上面，所以直接通过win11下载，然后通过u盘移动到小车内部Ubuntu系统，这种移动过程中文件可能会有缺少损坏导致后期运行报错，所以不建议。最好是直接通过上述方法直接下载，不能通过下载GitHub的zip等各种压缩包来使用。
比如说
启动yolo3检测摄像头看到的物体

roslaunch darknet_ros darknet_ros.launch

报错
在这里插入图片描述
这个错误大概率是因为将这个包从windows移动到ubuntu上过后，有些cfg文件识别不到。
回到/home/xx/catkin_ws/src/darknet_ros目录下，打开终端，执行
git stash在这里插入图片描述
再重新运行一次即可。

二. 编译
在ROS工作空间目录下，执行命令：

catkin_make -DCMAKE_BUILD_TYPE=Release

此时会开始编译整个项目，编译完成后会检查{catkin_ws}/darknet_ros/darknet_ros/yolo_network_config/weights文件下有没有yolov2-tiny.weights和yolov3.weights两个模型文件，默认下载好的代码里面为了节省体积是不带这两个模型文件的。因此编译之后会自动开始下载模型文件，此时又是一段漫长的等待时间。
如果刚好你之前已经下载好了模型文件，那就好了，在开始编译之前就把模型文件拷贝到上述文件夹下，就不会再次下载了。
在这里插入图片描述
下载链接：

https://pjreddie.com/media/files/yolov2.weights
https://pjreddie.com/media/files/yolov2-tiny.weights
https://pjreddie.com/media/files/yolov3.weights
https://pjreddie.com/media/files/yolov3-tiny.weights

将下载文件放入/darknet_ros/darknet_ros/yolo_network_config/weights文件中
继续

catkin_make -DCMAKE_BUILD_TYPE=Release

3.图像话题发布
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，这里推荐使用ROS官方提供的usb_cam驱动包，可以直接将电脑自带摄像头或连接电脑的USB摄像头采集的图像发布为ROS图像话题。
下载摄像头驱动：

sudo apt-get install ros-kinetic-usb-cam

下载摄像头驱动，有的时候自己的操作系统未必是kinetic的版本，所以需要通过终端命令查询自己的ros版本。

 rosversion -d

如果是melodic版本就使用：

sudo apt-get install ros-kinetic-usb-cam

在这里插入图片描述
然后发布摄像头图像话题：

roslaunch usb_cam usb_cam-test.launch

如果顺利的话应该可以看到实际的图像显示界面。

3.启动摄像头测试节点
报错1
在输入以下测试启动命令后，出现了报错。
在这里插入图片描述
解决方法
1.摄像头接口插入USB3.0试试。
USB3.0，USB3.0又称为SuperSpeed USB总线，与高速（High Speed）USB2.0总线相比，其传输速度更快。
2.其次如下图所示一定要有勾选上才行，不然说明未连接相机。
在这里插入图片描述
报错2
在这里插入图片描述
解决办法：

sudo apt-get install ros-melodic-image-view

报错3
在这里插入图片描述

设置usb设备勾选上ubs3即可
在这里插入图片描述
然后就是运行darknet_ros
然后执行darknet_ros进行检测，在运行检测之前需要更改一下配置文件，使得darknet_ros订阅的话题与usb_cam发布的图片话题对应。
打开darknet_ros/config/ros.yaml文件，找到：
在这里插入图片描述
将camera_reading中的topic修改为上图所示，即：

subscribers:
  camera_reading:
    topic: /usb_cam/image_raw
    queue_size: 1

然后回到darknet的工作空间根目录，执行：

source devel/setup.bash
roslaunch darknet_ros darknet_ros.launch

我们只需要把预训练集换成YOLO v3的来检测就可以了，更换如下：找到config文件可以看到如下的训练集
在这里插入图片描述
打开launch文件
在这里插入图片描述
修改 darknet_ros.launch

arg name="network_param_file"         default="$(find darknet_ros)/config/yolov2-tiny.yaml"/
 
改为
 
arg name="network_param_file"         default="$(find darknet_ros)/config/yolov3.yaml"/
如下：

然后重新启动：

roslaunch darknet_ros darknet_ros.launch

差不多就可以实现了，然后基本上上述错误都是从以下这些参考文章找到的解决办法。

ROS下实现darknet_ros(YOLO V3)检测

https://blog.csdn.net/qq_42145185/article/details/105730256

小车yolo机械臂（一）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

https://blog.csdn.net/WhiffeYF/article/details/109187804

ROS学习（三）调用笔记本和usb外接摄像头

https://blog.csdn.net/m0_56451176/article/details/126174060?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169020102516800227494294%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=169020102516800227494294&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-2-126174060-null-null.142^v91^insert_down1,239^v3^control&utm_term=sudo%20apt-get%20install%20ros-melodic-usb-cam&spm=1018.2226.3001.4187

ROS下使用摄像头

https://blog.csdn.net/wilylcyu/article/details/51732710

在ROS中开启摄像头_详细步骤

https://blog.csdn.net/weixin_41074793/article/details/83474501?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_utm_term-0&spm=1001.2101.3001.4242

ROS学习笔记-在ROS中连接USB摄像头

https://blog.csdn.net/weixin_51244852/article/details/116169460?ops_request_misc=&request_id=&biz_id=102&utm_term=sudo%20apt-get%20install%20ros-melod&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-116169460.142^v91^insert_down1,239^v3^control&spm=1018.2226.3001.4187

ROS下使用usb_cam驱动读取摄像头数据

https://blog.csdn.net/Yangxiaoaijiejie/article/details/127061479?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169020121616800227474354%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=169020121616800227474354&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-2-127061479-null-null.142^v91^insert_down1,239^v3^control&utm_term=%E5%AE%89%E8%A3%85ROS_USB%E9%A9%B1%E5%8A%A8%E6%8A%A5%E9%94%99&spm=1018.2226.3001.4187

这里给一个使用yolov3的报错解释，因为darknet_ros.launch文件里面有不同的launch文件，如果使用以下命令。

roslaunch darknet_ros yolov3.launch

在这里插入图片描述
可能会报错缺少yolov3-tiny.cfg文件，找不到这个文件，就需要手动新建一个.cfg的文件粘贴。
这个文件连接有中文注释可能报错，以下是整理好的代码，自行参考。

https://blog.csdn.net/weixin_44152895/article/details/106570976?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169027884416800222821030%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=169027884416800222821030&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-26-106570976-null-null.142^v91^insert_down1,239^v3^control&utm_term=yolov3-tiny.cfg%E4%B8%8B%E8%BD%BD&spm=1018.2226.3001.4187

[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=2
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

learning_rate=0.001
burn_in=1000
max_batches = 500200
policy=steps
steps=400000,450000
scales=.1,.1

[convolutional]
batch_normalize=1
filters=16
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=32
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=64
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=128
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=2

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[maxpool]
size=2
stride=1

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

###########

[convolutional]
batch_normalize=1
filters=256
size=1
stride=1
pad=1
activation=leaky

[convolutional]
batch_normalize=1
filters=512
size=3
stride=1
pad=1
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=255
activation=linear



[yolo]
mask = 3,4,5
anchors = 10,14,  23,27,  37,58,  81,82,  135,169,  344,319
classes=80
num=6
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

[route]
layers = -4

[convolutional]
batch_normalize=1
filters=128
size=1
stride=1
pad=1
activation=leaky

[upsample]
stride=2

[route]
layers = -1, 8

[convolutional]
batch_normalize=1
filters=256
size=3
stride=1
pad=1
activation=leaky

[convolutional]
size=1
stride=1
pad=1
filters=255
activation=linear

[yolo]
mask = 0,1,2
anchors = 10,14,  23,27,  37,58,  81,82,  135,169,  344,319
classes=80
num=6
jitter=.3
ignore_thresh = .7
truth_thresh = 1
random=1

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：http://www.coloradmin.cn/o/809062.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

127.【SpringBoot 源码刨析D】

127.【SpringBoot 源码刨析D】

SpringBoot 源码刨析D (三)、SpringBoot 核心功能4.单元测试功能(1).JUnit5 的变化(2).JUnit5常用注解(3).断言（ assertions ）(3.1).简单断言(3.2).数组断言(3.3).组合断言(3.4).异常断言(3.5).超时断言(3.6).快速失败 (4).前置条件（ assumpt…
阅读更多...
【小白必看】Python爬虫实战之批量下载女神图片并保存到本地

【小白必看】Python爬虫实战之批量下载女神图片并保存到本地

文章目录 前言运行结果部分图片1. 引入所需库2. 发送请求获取网页内容3. 解析网页内容并提取图片地址和名称4. 下载并保存图片完整代码关键代码讲解 结束语 前言 爬取网络上的图片是一种常见的需求，它可以帮助我们批量下载大量图片并进行后续处理。本文将介绍如何使…
阅读更多...
如何选择台式还是便携式多参数水质检测仪呢

如何选择台式还是便携式多参数水质检测仪呢

选择台式还是便携式多参数水质检测仪主要取决于具体的使用需求和场景。 1.便携式多参数水质检测仪适用于需要在不同地点进行水质检测的情况，例如户外采样、实地调查等。它具有小巧轻便的特点，方便携带和操作，适合需要频繁移动或需要灵活使用的…
阅读更多...
深入解析Linux进程内存：VSS、RSS、PSS、USS及查看方式

深入解析Linux进程内存：VSS、RSS、PSS、USS及查看方式

VSS 虚拟耗用内存大小，是进程可以访问的所有虚拟内存的总量，包括进程独自占用的物理内存、和其他进程共享的内存、分配但未使用的内存。 RSS 驻留内存大小，是进程当前实际占用的物理内存大小，包括进程独自占用的物理内存、和其…
阅读更多...
bootstrap入门到精通

bootstrap入门到精通

官网：列表组 - Bootstrap框架 (bootstrapdoc.com) 菜鸟教程：Bootstrap 列表组 | 菜鸟教程 (runoob.com) 1.什么是bootstrap bootstrap是一个用于快速开发web应用程序和网站的前端框架。基于HTML、CSS和JavaScript封装 响应式 ElementUI 更适合用于企…
阅读更多...
WIZnet W5500-EVB-Pico DHCP 配置教程（三）

WIZnet W5500-EVB-Pico DHCP 配置教程（三）

DHCP协议介绍 什么是DHCP？ 动态主机配置协议DHCP（Dynamic Host Configuration Protocol）是一种网络管理协议，用于集中对用户IP地址进行动态管理和配置。 DHCP于1993年10月成为标准协议，其前身是BOOTP协议。DHCP协议由R…
阅读更多...
Spring源码（五）— 解析XML配置文件(一) bean标签解析流程

Spring源码（五）— 解析XML配置文件(一) bean标签解析流程

前面几章的内容已经介绍了BeanFactory创建前的准备工作，以及加载XML配置文件前的准备的步骤。本章会着重介绍解析XML的步骤。 registerBeanDefinitions 前几个方法不做过多的赘述，着重看registerBeanDefinitions方法中解析XML的步骤。 public int regi…
阅读更多...
C++ 多进程学习总结

C++ 多进程学习总结

C多进程 进程间通信 消息队列 消息队列：提供一个种进程间发送/接收数据块（常为结构体数据）的方法。 函数接口 ftok()：获取消息队列键值msgget()：创建和访问消息队列msgsnd()：向消息队列发送数据msgrcv…
阅读更多...
罗布乐思Roblox学习笔记

罗布乐思Roblox学习笔记

罗布乐思 文章目录 罗布乐思基本操作CFrameGUIModule script呼吸灯商店imageChangetag标签知识答题showTips 基本操作 缩放按shift 等比例缩放 ctrl 双向缩放 复制对象 ctrlD （如果选择多个对象，按住ctrl） F 聚焦 Workspace ​ Terrain…
阅读更多...
看完这篇文章，你还会用再用AUTOMATIC1111 WebUI吗？

看完这篇文章，你还会用再用AUTOMATIC1111 WebUI吗？

​说起 AUTOMATIC1111 的 Stable diffusion-wbui 这个项目，使用过Stable diffusion的人应该无人不知吧，网络上基本一边倒的在使用他家的项目，而且fork量和star量还不小： 但是AUTOMATIC1111 这个名字总给我一些不靠谱的感觉&#x…
阅读更多...
【C++】多态、黑马程序员案例— —电脑组装、Visual Studio开发人员工具查看内部结构,cl /d1 reportSingleClassLayout

【C++】多态、黑马程序员案例— —电脑组装、Visual Studio开发人员工具查看内部结构,cl /d1 reportSingleClassLayout

author：&Carlton tag：C topic：【C】多态、黑马程序员案例— —电脑组装、Visual Studio开发人员工具查看内部结构,cl /d1 reportSingleClassLayout website：黑马程序员C date：2023年7月24日 目录 纯虚函数、抽…
阅读更多...
map的初始化、erase()、写入与写出

map的初始化、erase()、写入与写出

运行代码&#xff1a; //map的初始化、erase()、写入与写出 #include"std_lib_facilities.h"istream& operator>>(istream& is, map<string, int>&mm) {string ss"";int ii0;is >> ss;if(is>>ii)mm[ss] ii;return i…
阅读更多...
【数据集】3小时尺度降水数据集-MSWEPV2

【数据集】3小时尺度降水数据集-MSWEPV2

1 MSWEP V2 precipitation product 官网-MSWEP V2降水产品 参考
阅读更多...
《向量数据库指南》：向量数据库Pinecone如何集成LangChain （一）

《向量数据库指南》：向量数据库Pinecone如何集成LangChain （一）

目录 LangChain中的检索增强 建立知识库 欢迎使用Pinecone和LangChain的集成指南。本文档涵盖了将高性能向量数据库Pinecone与基于大型语言模型（LLMs）构建应用程序的框架LangChain集成的步骤。 Pinecone使开发人员能够基于向量相似性搜索构建可扩展的实时推荐和搜索系统…
阅读更多...
redis之Bitmap

redis之Bitmap

位图数据结构其实并不是一个全新的玩意&#xff0c;我们可以简单的认为就是个数组&#xff0c;只是里面的内容只能为0或1而已(二进制位数组)。 GETBIT用于返回位数组在偏移量上的二进制位的值。值得我们注意的是&#xff0c;GETBIT的时间复杂度是O(1)。 GETBIT命令的执行过程如…
阅读更多...
LeetCode 75 第十三题(1679)K和数对的最大数目

LeetCode 75 第十三题(1679)K和数对的最大数目

题目: 示例: 分析: 给一个数组&#xff0c;两个和为K的数为一组&#xff0c;问能凑成几组。 既然一组是两个数&#xff0c;那么我们可以使用双指针分别指向数组首尾&#xff0c;然后再判断能否凑成和为K的组. 在使用双指针寻找之前,我们应当先将数组排序(升序降序都无所谓),…
阅读更多...
[SSM]Spring面向切面编程AOP

[SSM]Spring面向切面编程AOP

目录 十五、面向切面编程AOP 15.1AOP介绍 15.2AOP的七大术语 15.3切点表达式 15.4使用Spring的AOP 15.4.1准备工作 15.4.2基于AspectJ的AOP注解式开发 15.4.3基于XML配置方式的AOP&#xff08;了解&#xff09; 15.5AOP的实际案例&#xff1a;事务处理 15.6AOP的实际…
阅读更多...
flask用DBUtils实现数据库连接池

flask用DBUtils实现数据库连接池

flask用DBUtils实现数据库连接池 在 Flask 中&#xff0c;DBUtils 是一种实现数据库连接池的方案。DBUtils 提供了持久性&#xff08;persistent&#xff09;和透明的&#xff08;transient&#xff09;两种连接池类型。 首先你需要安装 DBUtils 和你需要的数据库驱动。例如&…
阅读更多...
关于c++中虚函数和虚函数表的创建时机问题

关于c++中虚函数和虚函数表的创建时机问题

以这段代码为例。 #include <iostream>using namespace std;class Parent { public:Parent(){}virtual void func1() {};virtual void func2() {}; };class Child :public Parent { public:Child():n(0),Parent(){cout << "Child()" << endl;}vir…
阅读更多...
【机器学习】西瓜书学习心得及课后习题参考答案—第4章决策树

【机器学习】西瓜书学习心得及课后习题参考答案—第4章决策树

这一章学起来较为简单&#xff0c;也比较好理解。 4.1基本流程——介绍了决策树的一个基本的流程。叶结点对应于决策结果&#xff0c;其他每个结点则对应于一个属性测试&#xff1b;每个结点包含的样本集合根据属性测试的结果被划分到子结点中&#xff1b;根结点包含样本全集&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023