Paddle Inference——在Jetson上基于python3在ROS中部署目标检测模型 https://blog.csdn.net/qq_45779334/article/details/119581845-CSDN社区

Irving.Gao PPDE飞桨开发者技术专家 2021-08-12 21:55:24

Paddle Inference——在Jetson上基于python3在ROS中部署目标检测模型 https://blog.csdn.net/qq_45779334/article/details/119581845

...全文

364 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍了在Jetson AGX Orin平台上基于ROS系统部署YOLOv8模型实现视频目标检测的过程。首先创建YOLOv8工作空间并编译功能包，解决Python环境问题后成功部署模型。然后通过usb_cam功能包调用本地USB摄像头数据，并修改YOLOv8订阅话题实现检测功能。最后使用rocon_rtsp_camera_relay功能包接入IP监控视频流，完成对网络摄像头的目标检测。实验过程中解决了环境配置、话题订阅等问题，并提出了后续优化方向，包括视频格式转换、云台跟踪和延迟优化等。

ubuntu18同时安装anaconda和ros，保证二者不冲突，并创建pytorch环境

本文整理了Linux系统开发与内核编译相关的实用技术笔记，主要内容包括：开发环境配置：Eclipse快捷键、Python版本切换、NodeJS安装、代理设置、SSH配置等系统优化：swap空间调整、桌面环境配置、软件源修改、依赖问题解决内核开发：内核源码获取与编译配置设备树文件编辑与转换摄像头驱动移植与CSI接口配置内核调试方法及驱动开发路径 Jetson平台专项： Xavier/Nano平台开发环境搭建 MIPI摄像头配置无头模式烧录方法常见问题解决：包括I2C禁用、权限配置、依赖冲突等

本文详细介绍了在香橙派5上部署YOLOv5与ROS，实现Realsense D435深度相机的实时目标检测。内容涵盖环境配置、ROS Noetic安装、Realsense驱动编译、YOLOv5模型集成及性能优化技巧，为嵌入式边缘计算应用提供实战指南。

１、在spyder3中import cv2，运行时报错No module named ‘cv2’ 然后参考这篇博主的文章https://blog.csdn.net/mieleizhi0522/article/details/79123638 在命令行输入find / -name “cv2.so” 找到cv2.so文件复制到你的usr/local/lib/python３.6/site-package...

飞桨PaddlePaddle

544

社区成员

1,211

社区内容

发帖

与我相关

我的任务

学习经验分享python 企业社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

欢迎投稿飞桨的学习笔记，我们通过积分奖励投稿文章，每月1日即可兑换JD卡！

试试用AI创作助手写篇文章吧

+ 用AI写文章