基于地平线RDK模型YOLOv5s深度学习的方法进行赛道障碍物检测应用实例
功能介绍
基于深度学习的方法识别赛道中的障碍物,使用模型为YOLOv5s。
使用方法
准备工作
具备真实的机器人或机器人仿真模块,包含运动底盘、相机及RDK套件,并且能够正常运行。
编译与运行
1. 编译
启动机器人后,通过终端SSH或者VNC连接机器人,打开终端拉取相应代码并编译安装。
# 拉取目标检测代码代码
mkdir-p~/racing_ws/src && cd~/racing_ws/src
git clone https://github.com/wunuo1/racing_obstacle_detection_yolo.git -b feature-x5
# RDK X3
git clone https://github.com/wunuo1/racing_obstacle_detection_yolo.git -b feature-x3
# 编译
cd ..
# humble
source /opt/tros/humble/setup.bash
# foxy
source /opt/tros/setup.bash
colcon build
2. 运行障碍物检测功能
source ~/racing_ws/install/setup.bash
cp -r ~/racing_ws/install/racing_obstacle_detection_yolo/lib/racing_obstacle_detection_yolo/config/.
# web端可视化障碍物(启动功能后在浏览器打开 ip:8000)
export WEB_SHOW=TRUE
# 仿真(使用仿真模型)
ros2 launch racing_obstacle_detection_yolo racing_obstacle_detection_yolo_simulation.launch.py
# 实际场景(使用实际场景中的模型)
ros2 launch racing_obstacle_detection_yolo racing_obstacle_detection_yolo.launch.py
原理简介
地平线RDK通过摄像头获取小车前方环境数据,图像数据通过训练好的YOLO模型进行推理得到障碍物的图像坐标值并发布。
接口说明
话题
Pub话题
Sub话题
参数
注意
该功能包提供gazebo仿真环境中识别障碍物的模型以及特定的实际场景中识别障碍物的模型,若自行采集数据集进行训练,请注意替换。
仿真环境参考:https://github.com/wunuo1/race-sim/tree/main
- |
- +1 赞 0
- 收藏
- 评论 0
本文由雪飘梦飞转载自D-Robotics官网,原文标题为:赛道障碍物检测,本站所有转载文章系出于传递更多信息之目的,且明确注明来源,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
相关推荐
基于RDK X3 & Module的性能检测软件使用示例
Performance Node该应用基于Web网页打造,无论是什么品牌的电脑和手机,只需要在浏览器访问即可。
地平线深度学习双目深度估计算法使用示例
双目深度估计算法是使用地平线OpenExplorer在SceneFlow数据集上训练出来的StereoNet模型。算法输入为双目图像数据,分别是左右视图。算法输出为左视图的视差。此示例使用ZED 2i双目相机作为图像数据输入源,利用BPU进行算法推理,发布包含双目图像左图和感知结果的话题消息,在PC端浏览器上渲染显示算法结果。
OriginBot机器人最小功能系统的机器人底盘驱动应用实例
OriginBot是一款智能机器人开源套件,更是一个社区共建的开源项目,旨在让每一位参与者享受机器人开发的乐趣。该项目是OriginBot机器人最小功能系统,该最小系统可接受/cmd_vel指令控制机器人运动并反馈/Odom信息。
地瓜机器人与火山引擎联手打造基于大模型的“云-边-端”一体化机器人开发底座
地瓜机器人与字节跳动旗下云服务平台火山引擎达成合作,双方将在“机器人+大模型”领域强强联合,实现地瓜机器人软硬件通用底座与火山引擎边缘智能大模型网关“云-边-端”的全面打通,加速大模型在机器人场景的落地,拓展机器人的无限智能化潜能。作为拥有极致算力性价比与极简开发体验的地瓜机器人开发者套件,RDK X5可提供高达10 TOPS的端侧算力,接口丰富,极致易用。
RDK用户免费畅享地瓜大模型网关,多种主流大模型任意切换,前所未有的资源支持!
地瓜机器人已与字节跳动旗下云服务平台火山引擎达成合作,双方将在“机器人+大模型”领域强强联合。地瓜大模型网关免费申请现已开启,现为所有购买RDK开发板的用户免费开放大模型网关接口能力,允许用户轻松访问和利用强大的云边大模型资源。无论是进行复杂的数据分析、自然语言处理还是机器学习任务,都能得到高效且稳定的支持。用户可以通过NodeHub应用和RDK Studio两种方式进行使用和尝试。
基于RDK X3操作思岚激光雷达驱动示例
SLLIDAR ROS2驱动,以ROS2标准消息格式发送激光雷达数据。
【IC】D-Robotics RDK X5机器人开发者套件,可提供高达10 Tops算力,加速智能化应用快速落地
D-Robotics RDK X5搭载Sunrise 5智能计算芯片,可提供高达10 Tops的算力,是一款面向智能计算与机器人应用的全能开发套件,接口丰富,极致易用,支持Transfomer、RWKV、Occupancy、Stereo Perception等多种复杂模型和最新算法,加速智能化应用快速落地。
D-Robotics RDK™X5产品简介
描述- D-Robotics RDK TM X5 是一款搭载 Sunrise 5 智能计算芯片的全能开发套件,具备高算力(10 Tops),适用于智能计算与机器人应用。该套件具有丰富的接口,支持多种复杂模型和最新算法,旨在加速智能化应用的快速落地。
型号- RDK X5 4GB,RDK™ X5,RDK X5 8GB
YDLIADAR激光雷达驱动应用实例
介绍YDLIADAR激光雷达驱动的方案与技术要求,YDLIDAR ROS2驱动,以ROS2标准消息格式发送激光雷达数据。
RDK X5重磅发布、RDK S100惊喜亮相,地瓜机器人开发者套件全家桶全新登场
9月20日,以“加速智能生长”为主题的“2024地瓜机器人开发者日”活动在深圳成功举办。地瓜机器人重磅推出面向“机器人+”时代的软硬件产品全家桶,包括专为新一代通用机器人而生的旭日5智能计算芯片、极致易用全能开发首选RDK X5机器人开发者套件、具身智能全场景算力核心RDK S100,以及赋能全链条全生命周期的机器人云端开发环境,软硬结合、端云一体,让开发更简单、让机器更智能。
连接RDK X3操作奥比中光Astro Pro相机驱动示例
基于RDK X3的奥比中光Astro Pro相机驱动操作方案介绍。
2D垃圾检测应用示例
本Node是基于hobot_dnn开发的2D垃圾目标检测算法,采用PaddlePaddle开源框架, 利用PPYOLO模型进行垃圾检测任务设计和训练。为了达到快速部署的目的,本Node支持配置文件更换垃圾检测模型,开发者可以将更多精力投入在算法模型能力的迭代,减少部署工作量,识别输出的AI信息不仅可以通过话题发布,还可以在Web页面渲染显示。
电子商城
登录 | 立即注册
提交评论