有风格的网站google google

本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——5Webscoket节点的使用

​ 有了前面几篇文章的铺垫，现在已经可以实现我到手测试那一步的

1.解读usb_websocket_display.launch.py

​ 首先进入这个目录/root/dev_ws/src/origincar/origincar_bringup/launch/

​ 打开usb_websocket_display.launch.py

​ 下面是里面源码，唯一需要修改的地方就是这个红框，红框里含义就是dnn推理节点所加载的配置文件

​ 当然你打开肯定和我的不一样，因为我修改过了，原始的我记得是fcos啥吧，接下来我将把这些东西给你

2.yolov5workconfig.json

​ 现在你只需要，新建一个json文件，把我下面的放进去就行

​ 注意model_file这里对应的是你模型所在的全路径，我建议用绝对路径反正不会错

​ 注意class_num 是模型输出的label数量（整数类型）

{"model_file": "/root/你的模型名字.bin","dnn_Parser": "yolov5","model_output_count": 3,"class_num": 标签类别数,"cls_names_list": "/root/obstacles.list","score_threshold": 0.65,"nms_threshold": 0.6,"nms_top_k": 2
}

3.obstacles.list

​ 这个list其实就是画框的时候用的展示label名字

​ 只需要根据你训练时候的id进行一次输入，每个之间进行换行

obstacles
第二个labelname

4.编译

​ 经过上面的步骤WebScoket的配置文件已经修改完成了，把功能包编译一下

​ 为了省事直接全部编译问题也不大

cd /dev_ws
colcon build

​ 成果无误编译之后效果如图下

5.结果展示

​ 执行如下命令：

ros2 launch origincar_bringup usb_websocket_display.launch.py

​ 下面图里画红色框的应该就和你刚才修改的一样了

​ 打开页面就可以看到效果如下：

6.总结与下期预告

​ 到目前为止，目标检测之Yolov5-2.0系列已经完结了，当然这里给大家介绍的这几期，其实只是一个上手使用

​ 有关进一步的内容，后续我研究研究给大家带来详细的介绍

前为止，目标检测之Yolov5-2.0系列已经完结了，当然这里给大家介绍的这几期，其实只是一个上手使用

​ 有关进一步的内容，后续我研究研究给大家带来详细的介绍

​ 下一期将进行黑色引导线的相关介绍