gscam + darknet_ros + image_view node 物体检测节点编译测试

已于 2023-12-27 09:02:48 修改
阅读量710 收藏 8
点赞数 9
CC 4.0 BY-SA版权
文章标签： linux 学习
于 2023-12-26 23:49:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44334499/article/details/135231452

环境配置

记录一下使用 gscam + darknet_ros + image_view node 做物体检测测试的过程。
在做这个测试前要先配置好ros2 ，gstreamer, nvidia显卡驱动的环境
我使用的环境如下：
gstreamer一般使用设备自带的即可，ros2要看ubuntu版本选择安装，我使用的是ubuntu22.04,
使用源码安装humble版本。nvidia驱动使用桌面版ubuntu的软件与更新->扩展驱动安装最新的即可，
安装完成后重启，使用nvidia-smi查看结果。
HP
ubuntu: 22.04
gstreamer: 1.20.3
ros2: humble
graphics: GA107M(RTX3050 Ti)
opencv: 3.4.16(这个是自己编译的，darknet_ros用4.x编译会失败)
cuda : 11.5
nvidia driver: 535.129.03

1. Install gscam

gscam 是ros2的一个节点，用于为ros2节点提供image更具体的请看github的介绍，地址：
https://github.com/ros-drivers/gscam

下载安装：
mkdir gscam/src && cd gscam/src （也可以放到ros_humble下编译，不用每次配置环境）
git clone git@github.com:ros-drivers/gscam.git -b ros2
cd …
colcon build --packages-select gscam

使用：
. ~/envtool/ros2_humble/install/local_setup.bash
source install/local_setup.bash
运行节点：ros2 launch gscam v4l.launch.xml

我编译的lunch文件在~/envtool/ros2_humble/install/gscam/share/gscam/examples/v4l.launch.xml
，可以自行配置参数。
编译这个应该不会有什么错误。最多是一些库需要用apt安装一下。下面安装image_view node 来测试一下它。

2.install image_pipeline && vision_opencv

vision_opencv编译darknet_ros需要用到
安装 image_pipeline vision_opencv:
cd ~/envtool/ros2_humble/src/ros-perception
git clone git@github.com:ros-perception/image_pipeline.git -b humble
git clone git@github.com:ros-perception/vision_opencv.git -b humble

编译：
cd …/…/ (回到ros2_humble)
colcon build --symlink-install

可能会有错误：
错误：找不到 boost_pythonConfig.cmake，执行下面命令在编译
apt-cache search boost-python
sudo apt install libboost-python1.74-dev
sudo apt install libboost-python1.74.0
如果找不到**Config.cmake可以使用上面的方法安装，但这只能适用于ubuntu 与ros版本对应的情况，如果ubuntu22
源码装ros2 foxy或 u20装 humble就要动手上谷歌搜 boost_python使用源码安装了。（也有可能apt安装的库可以向下兼容，不过如果库与ros有关 eg: ros_***的，一定要用源码安装，apt无法安装，这是我在ubuntu18/04上安装 foxy的经验。对应关系：20.04 -> foxy ,22.04 -> humble）

2.2 gscam + image_pipeline测试

执行如下命令：
打开一个terminal
source ~/envtool/ros2_humble/install/local_setup.bash
source /opt/ros/humble/local_setup.bash
ros2 launch gscam v4l.launch.xml

在开一个：
source ~/envtool/ros2_humble/install/local_setup.bash
source /opt/ros/humble/local_setup.bash
ros2 launch gscam v4l.launch.xml
ros2 run image_view image_view --ros-args --remap image:=/v4l/camera/image_raw

3.安装darknet_ros

darknet_ros虽然年代久远，但是用来学习还是不错的。
节点地址： https://github.com/leggedrobotics/darknet_ros

3.1 获取code：

mkdir darknet_ros/src && cd darknet_ros/src
git clone --recursive git@github.com:leggedrobotics/darknet_ros.git -b foxy

cd 到darknet下 git branch 查看分支有没有在 508381b，没有的话手动切，仓库没有clone下来的话就手动clone一下，
然后: git checkout 508381b ，如下图：
在这里插入图片描述

3.2 编译code

命令：
colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release
有很多错误，毕竟我使用的是foxy版本，放到humble下且darknet_ros年代久远，接下来解决编译中的bug

3.3 编译问题

3.3.1 nvcc fatal : Unsupported gpu architecture ‘compute_30’ nvcc fatal : Unsupported gpu architecture ‘compute_30’

compute_30已经被cuda11放弃使用了，将Cmakeist.txt 中这一行对应内容注释掉即可。

3.3.2 opencv多版本共存

具体错误忘记是什么了，总之是没有安装opencv导致的。安装：
pip install opencv-python
pip install --upgrade pip

安装后的版本是4.5.4用这个版本编译，在我的另外一台设备（没有nvidia独立显卡和cuda是可以编译通过的）。
但是现在这一台不行，尝试了多种方法后只能选择使用 opencv3.x来编译darknet_ros了。我推测darknet_ros
是在opencv3.x、环境下开发的。 保留原有的opencv4.5.4,使用源码编译的方式 安装opencv3.4.16
( 3.x都可 )），使两个版本共存

opencv: github地址：https://github.com/opencv/opencv/releases

下载下面两个压缩文件
OPENCV
https://github.com/opencv/opencv/releases/tag/3.4.16
OPENCV_CONTRIB
https://github.com/opencv/opencv_contrib/releases/tag/3.4.16

mkdir opencv3.4.16 && cd opencv3.4.16 && mkdir build
在这里插入图片描述
cd opencv3.4.16/build ,在build目录下执行
执行编译命令：

CPU 版本：（过了）
cmake -D CMAKE_BUILD_TYPE=Release \
-D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.4.16 \
-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-3.4.16/modules \
-D OPENCV_GENERATE_PKGCONFIG=ON \
-D OPENCV_ENABLE_NONFREE=True ..

GPU 版本 (没编译通过)
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.4.16 \
-D CUDA_ARCH_BIN='8.6' \
-D WITH_CUDA=ON -D WITH_QT=ON -D OPENCV_GENERATE_PKGCONFIG=ON \
-D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-3.4.16/modules \
-D INSTALL_C_EXAMPLES=ON \
-D BUILD_EXAMPLES=ON ..
GPU编译二 （没过）
编译命令：
cmake -D CMAKE_BUILD_TYPE=RELEASE \
 -D CMAKE_INSTALL_PREFIX=/usr/local/opencv3.4.16 \
 -D INSTALL_PYTHON_EXAMPLES=ON \
 -D INSTALL_C_EXAMPLES=ON \
 -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-3.4.16/modules \
 -D PYTHON3_EXECUTABLE=/usr/bin/python3 \
 -D PYTHON_EXECUTABLE=/usr/bin/python \
 -D WITH_TBB=ON \
 -D WITH_V4L=ON \
 -D WITH_QT=ON \
 -D WITH_GTK=ON \
 -D WITH_VTK=ON \
 -D WITH_OPENGL=ON \
 -D WITH_OPENMP=ON\
 -D BUILD_EXAMPLES=ON \
 -D WITH_CUDA=ON \
 -D BUILD_TIFF=ON \
 -D ENABLE_PRECOMPILED_HEADERS=OFF\
 -D INSTALL_PYTHON_EXAMPLES=ON \
 -D OPENCV_GENERATE_PKGCONFIG=ON \
 -DOPENCV_ENABLE_NONFREE=ON \
 -D CUDA_nppicom_LIBRARY=stdc++ \
 -D CUDA_ARCH_BIN="8.6" ..

参考： https://blog.csdn.net/weixin_49099730/article/details/128478549
在这里插入图片描述
成功执行上面命令后继续执行：

sudo make -j8 //编译
sudo make install //安装
sudo ldconfig -v //查看

在编译的过程中可能会有一些问题，一般都是一些依赖没有安装
sudo apt-get install -y libprotobuf-dev
配置opencv3.4.16到共享库列表 ，此时在编译darknet_ros应该就可编译过了，但是执行时会出现连接库找不到的问题

3.3.3 libopencv_highgui.so找不到

运行 ros2 launch darknet_ros darknet_ros.launch.py 出错
libopencv_highgui.so找不到，
配置如下：注意文件位置
找到这个库
在这里插入图片描述
添加一个文件 ： sudo vim /etc/ld.so.conf.d/opencv.conf
在这里插入图片描述刷新： sudo ldconfig

还要配置环境变量
vim ~/.bashrc
加入 export PKG_CONFIG_PATH=/usr/local/opencv3.4.16/lib/pkgconfig
source ~/.bashrc

查看opencv版本：
pkg-config --modversion opencv （就是我们安装的3.4.16了）
pkg-config --modversion opencv4

如果想在加其他版本的opencv像上面步骤添加即可 *.pc文件自己改一下名字。
这样在编译和执行就应该没问题了

3.3.4 找不到darknet_ros_core_lib库

查看darknet_ros/src/darknet_ros/darknet_ros下的CMakeList.txt，CUDA_FOUND为真，不会编译darknet_ros_core_lib库，
把这一行注释掉：
#${PROJECT_NAME}_core_lib

注意 darknet_ros会使用到vision_opencv中 cv_bridge node

这个节点作用是沟通 ros2 与 opencv， 这个编译使用opencv4.x没问题，但是编译darknet_ros时还是会报一些警告，所以将这个
也用opencv3.4.16编译一下，修改它的CMakeList.txt
find_package(OpenCV QUIET） 看了下好像不用修改，添加了opencv3.x后默认应该就是先找到3.x版本的，
find_package(OpenCV 4.5.4 QUIET） 才是找4.5.4版本了。

ok，在编译一下ros_humble，然后编译darknet_ros，应该就没什么问题了。

4 测试

每打开一个terminal都要执行：
source ~/envtool/ros2_humble/install/local_setup.bash
source /opt/ros/humble/local_setup.bash

然后执行下面的命令：（每个ros2 node的 local_setup.bash也要执行一下，都在install目录下）

启动gscam 发布视频：
ros2 launch gscam v4l.launch.xml
在这里插入图片描述
topic如下，v4l/camera/image_raw就是发布主题，darknet_ros通过这个主题接收数据
在这里插入图片描述 执行启启动darknet_ros
在这之前还要配置一下，ros.yaml （主要是接受topic）,还有使用yovo3检测
在这里插入图片描述在这里插入图片描述

再编译一下，
在这里插入图片描述运行：
成功后执行下面命令，启动节点开始检测
ros2 launch darknet_ros darknet_ros.launch.py
darknet_ros可以配置是否需要预览，也可以使用image_view进行预览
在这里插入图片描述GPU状态
在这里插入图片描述 在darknet_ros/src/darknet_ros/darknet_ros/config目录下还可以配置是否需要预览，检测的目标有那些等等。

完成

Savarati
关注
ros安装image_view
网络架构
07-30 1697
catkin_ws: source /opt/ros/kinetic/setup.bash cd ~/catkin_ws/src && git clone https://github.com/ros-perception/image_pipeline cd ~/catkin_ws && catkin_make --only-pkg-with-deps image_view source ~/catkin_ws/devel/setup.bash rospack fi
【ROS机器人系统】自主导航+YOLO目标检测+语音播报
热门推荐
07-18 2万+
完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。..............................
ROS学习十一、图像话题可视化包image_view
qq_41035283的博客
01-24 6649
ROS学习十一、图像话题可视化包image_view前言安装image_view包查看某个图像话题从话题中保存图像从话题中保存视频 前言 本篇简要记录ros中的图像话题可视化包image_view常用的几个方法。 安装image_view包 sudo apt install ros-melodic-image-view 查看某个图像话题 rosrun image_view image_view image:=/myimg_topic 从话题中保存图像 rosrun image_view image_sa
使用ros的rqt_image_view 和ret_gui回放bag包中的视频
jmzlzl的博客
02-26 9920
目前使用到的功能：回放视频 步骤一：回放bag包： rosbag play ***.bag 可以加入-l参数，使之循环播放，这个时候正在以一定的帧率播放话题 步骤2：开启rqt_image_view rosrun rqt_iamge_view rqt_iamge_view 会出现如下界面： 点击更新按钮，就可以找到现在正在播放的可用话题信息，选中对应的话题，就能播放出图片了 如...
ROS 学习系列 -- image_transport 发布jpg图片文件流在image_view中看视频效果
newbeixue的博客
11-01 3077
https://www.it610.com/article/5477845.htm 目标： 目录/home/camera 中保存了2000张照相机连续拍照的JPG文件，名字按数字排序 1.jpg 2.jpg 3.jpg ......... 现在需要在ROS中建立一个node按频率发布所有照片，并可以在image_view中看视频效果。 详细见链接：http://wiki.ros...
gstcam开发（ROS+gstreamer）
一米阳光
01-08 4371
写在前面 gstcam是github上一个开元的ros软件包，它巧妙地将gstream流媒体框架引入ROS系统。通过利用 gstreamer 实现一个标准的ROS API接口.比如捕获usb uav camera 的图像，然后转化成　ros中　sensor_msgs/Image类型的image话题，发布到ros中，供其他节点使用。 gscam_github gscam_wiki 这里注意
基于ROS的YOLOV3实现目标检测项目过程记录
cxhmike的博客
08-13 4474
2020.08.07 问题记录 1.要命的ros_darknet 整体逻辑是用yolo检测出目标,然后通过ros节点将目标类别和位置信息发布出来,因此选择ros_darknet,2个问题: (1)依赖opencv和boost,boost库安装过程中并没有出现"安装成功"的最后提示,但是在工控机上编译仍然能通过 (2)工控机上运行roslaunch时,加载完.weights后进程突然死掉,在百度和github issues上搜了很多方法,仍然没有解决.之后将问题定位到创建yolo线程这一步,但是没有解决办法
ROS 下利用 usb_cam 读取图像、opencv 图像、摄像头的标定
dengheCSDN的博客
01-05 1万+
最近导师让我做一个小项目：检测汽车的充电孔与充电桩的的距离（x,y,z）和角度。为了控制成本，扔给我一个淘宝上十几块钱的摄像头。检测和计算部分再此不细说，本文只总结一下，一个普通的摄像头，如何在 ubuntu 下写一个 ROS 包，将图像读取和发布出来。       1、判断摄像头的类型       在 ROS 中，有两类，一类是 uvc，一类是 usb 。不同类别对应不同的软件包。以我这个摄
关于yolo在ros上的移植（一）
weixin_40003920的博客
03-14 7096
接到师兄的任务，把yolov2移植到ros上。环境为ubuntu16.04+ros+cuda9.0+NVDIA GTX1050刚开始想的解决方法是，先把yolov2的检测图片的代码一点点的黏贴到ros的程序包中然后进行编译，可是黏贴一点，编译一点，当编译到 struct network；typed struct network network；struct layer；typed struct l...
ROS部署YOLO
03-16
最后，应该建议用户参考现有的ROS包或教程，比如darknet_ros或使用ROS与OpenCV结合的方法，确保他们能够顺利部署YOLO模型并进行目标检测。</think>### 如何在ROS中集成和运行YOLO进行目标检测？ #### 步骤1：环境...
ROS机器视觉自学笔记（1）
zhangzhixin1998的博客
06-27 2578
简单记录一下ROS的学习过程，欢迎一起讨论学习
ros笔记系列（2）添加gscam包
weixin_30273931的博客
07-16 701
养成良好的习惯 学会看README 若有疑问发邮件给我[email protected] 下载gscam http://wiki.ros.org/gscam#Advanced_Usage（该网址内有下载链接https://github.com/ros-drivers/gscam） 如果您之前已经有了一个编译好的工作空间，并且您在里面添加了一个新的包gscam-master，可以使用如下命令将这...
【亲测免费】 GSCam：无缝集成视频流与ROS的桥梁
gitblog_00079的博客
06-17 652
GSCam：无缝集成视频流与ROS的桥梁 在机器人开发和自动化领域，实时图像处理是核心环节之一。今天，我们要为大家推介一个强大的工具——GSCam。这是一个由布朗大学机器人实验室孵化，并经过社区优化的ROS（Robot Operating System）包。GSCam通过利用广受欢迎的GStreamer框架，使任何基于GStreamer的视频流轻松接入ROS生态系统，为机器人开发者打开了一扇新的大...
gscam播放本地视频传输
穿着帆布鞋也能走猫步
02-20 2249
gscam播放本地视频传输
ros2 视频流 到 gstreamer管道
qq_44334499的博客
02-22 550
一个简单的例子，使用appsrc 用于将ros2 image主题消息转换为gstreamer 管道视频流。
csi_cam_topic详细内容
我是硝酸钾的博客
04-18 432
如果在文件中指定，每个文件都受许可的约束。CAM0 和 CAM1 将摄像头数据流连接到每个/csi_cam_0/image_raw并/csi_cam_1/image_raw与 ROS 主题同时传递，运行以下命令。要轻松检查视频是否正在传送，请启动您的设备rostopic list，运行它，/csi_cam_0/image_raw然后查找正在传送的 ROS 主题列表中命名的主题。要将作为 CAM0 连接/csi_cam_0/image_raw的相机流的数据作为ROS 主题分发，请在终端上执行以下命令。
ROS整合谷歌tensorflow实现物体识别
weixin_44827364的博客
02-13 3369
目前机器人行业最火的ROS,人工智能/机器学习方面相对较火的tensorflow，两者结合肯定是让机器人锦上添花，功能更加丰富完善。正好在GitHub上看到了tensorflow的ROS功能包，验证功能包可行性之后，给大家分享一下。 先看一下效果： TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，效果非常好，不得不承认谷歌太强了。 而且可以看到，准确率还是非...
【ROS】ros下的物体识别find_object_2d
moX980的博客
06-08 1171
https://www.guyuehome.com/33779
物体识别全流程（Ubuntu16.04）结合ROS
weixin_44290841的博客
08-20 2425
物体识别全流程（Ubuntu16.04）结合ROS 1.使用labellmg，标记图片，生成xml标签 在此下载labellmg包 下载之后解压到要放置的目录 推荐使用Python3+Qt5 打开labellmg包 在当前目录终端下运行如下命令行 sudo apt-get install pyqt5-dev-tools sudo pip3 install -r requirements/requi...
ERROR: cannot launch node of type [darknet_ros/darknet_ros]: Cannot locate node of type [darknet_ros] in package [darknet_ros]. Make sure file exists in package path and permission is set to executable (chmod +x) darknet_ros这个包是我刚加入的包，这是怎么了
最新发布
06-25
<think>我们正在处理一个ROS环境中的问题，用户尝试启动darknet_ros节点时出现错误。错误信息表明系统无法找到darknet_ros包中的可执行节点，并提示检查文件是否存在以及权限是否可执行。根据引用内容，我们可以总结出几个可能的原因和解决方案：1.文件权限问题：需要确保darknet_ros节点文件具有可执行权限（使用chmod+x命令）。2.编译问题：如果刚刚添加了darknet_ros包，可能没有进行编译（需要运行catkin_make）。3.环境变量问题：可能是由于conda等环境变量干扰了ROS环境（需要检查.bashrc文件，并注释掉conda环境变量，然后source）。4.包配置问题：在CMakeLists.txt中需要包含catkin_package()语句（引用[4]）。此外，引用[3]提到了一些具体的步骤，如放置权重文件、编译时指定Release类型以及修改ros.yaml文件中的话题，但这些与节点找不到的问题可能没有直接关系。因此，针对用户的问题，我们按照以下步骤来解决：步骤1：确保节点文件存在并且具有可执行权限-进入darknet_ros包的目录，通常位于`catkin_ws/src/darknet_ros/darknet_ros`下，查找名为`darknet_ros`的可执行文件（可能在`src`目录下，或者是在`nodes`目录下，具体取决于包的结构）。-如果找到该文件，则赋予可执行权限：`chmod+x<文件路径>`-如果找不到，可能需要重新编译。步骤2：重新编译工作空间-确保在ROS工作空间（通常是catkin_ws）下运行编译命令：```bashcd~/catkin_wscatkin_make```或者，如引用[3]提到的，使用：```bashcatkin_make-DCMAKE_BUILD_TYPE=Release```编译完成后，记得source工作空间：```bashsourcedevel/setup.bash```步骤3：检查环境变量-如果上述步骤没有解决问题，考虑是否是环境变量冲突（如conda环境）。检查`~/.bashrc`文件，如果之前有添加conda的环境变量，可以暂时注释掉，然后执行：```bashsource~/.bashrc```-然后再次尝试启动节点。步骤4：检查CMakeLists.txt-在darknet_ros包的CMakeLists.txt中，确保有`catkin_package()`的调用（即使没有参数也要有这一行）。步骤5：验证包是否被ROS识别-使用`rospackfinddarknet_ros`命令，看是否能找到该包。如果找不到，说明包没有被正确放置在src目录下或者没有被编译识别。如果以上步骤都执行了仍然有问题，可能需要检查包的完整性和依赖是否满足。根据用户描述，他们是在网上下载的模型文件，并且文件没有错误。但问题可能出在编译步骤的遗漏。因此，我们建议用户首先尝试重新编译，并赋予可执行权限。如果不行，再考虑环境变量问题。下面给出具体的解决步骤：</think>针对ROS节点启动错误 `ERROR: cannot launch node of type [darknet_ros/darknet_ros]: Cannot locate node of type [darknet_ros]`，请按以下步骤排查解决： ### 解决方案 1. **检查可执行文件权限** ```bash # 定位节点文件（通常位于包目录下） roscd darknet_ros cd nodes || cd src # 进入节点所在目录 ls -l darknet_ros # 查看文件权限 # 若无执行权限，添加权限： chmod +x darknet_ros ``` 2. **重新编译工作空间** ```bash cd ~/catkin_ws catkin_make -DCMAKE_BUILD_TYPE=Release # 引用[3] source devel/setup.bash # 刷新环境 ``` 3. **验证环境变量冲突** - 检查`~/.bashrc`中是否有conda环境变量冲突（引用[2]） - 临时注释conda初始化行（如`conda activate`） - 重新加载环境： ```bash source ~/.bashrc ``` 4. **检查CMake配置** - 确保`darknet_ros`包的`CMakeLists.txt`包含： ```cmake catkin_package() # 必须存在（引用[4]） add_executable(darknet_ros src/darknet_ros.cpp) target_link_libraries(darknet_ros ${catkin_LIBRARIES}) ``` 5. **验证包路径** ```bash echo $ROS_PACKAGE_PATH # 查看ROS包搜索路径 rospack find darknet_ros # 确认包位置 ``` - 若未找到，检查包是否在`catkin_ws/src`内 ### 验证是否解决 ```bash roslaunch darknet_ros darknet_ros.launch # 重新启动 ``` 若仍失败，检查启动文件`darknet_ros.launch`中节点路径： ```xml <node pkg="darknet_ros" type="darknet_ros" name="darknet_ros" output="screen"/> ``` 确保`type`属性值与可执行文件名**完全一致**（区分大小写）。 ### 常见原因总结 | 原因 | 解决方式 | 引用来源 | |---------------------|----------------------------------|----------| | 文件权限不足 | `chmod +x` 节点文件 | [^1] | | 未编译/未刷新环境 | `catkin_make && source devel/setup.bash` | [^1][^3] | | Conda环境冲突 | 注释`.bashrc`中的conda初始化 | [^2] | | CMake配置缺失 | 添加`catkin_package()` | [^4] |
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值