前言

第一节：
基于paddledetection在ROS中搭建红绿灯检测控制车模运动（1）—— 环境搭建准备以及软件安装
第二节：
基于paddledetection在ROS中搭建红绿灯检测控制车模运动（2）—— 数据集制作以及训练
第三节：
基于paddledetection在ROS中搭建红绿灯检测控制车模运动（3）—— 使用训练结果在ros中仿真红绿灯控制小车运动

项目地址

训练部分aistudio地址：传动门
racecar仿真软件下载地址：传送门
本地项目下载地址：传送门

数据准备

打开仿真环境：

roslaunch racecar_gazebo racecar_normal_light_runway.launch

在本地pycharm中新建一个工程文件：proj6_lightContrl/src在src下创建脚本读取ros中摄像头数据并按键截图保存本地，prtSc.py文件如下：

import rospy,cv2
from sensor_msgs.msg import Image
import sys
sys.path.append("~/catkin_workspace/install/lib/python3/dist-packages/")
import cv_bridgeclass Follower:def __init__(self):self.bridge = cv_bridge.CvBridge()#cv2.namedWindow("window", 1)self.image_sub = rospy.Subscriber('/camera/zed/rgb/image_rect_color',Image, self.image_callback)self.num1 = 0self.num2 = 0def image_callback(self, msg):self.image = self.bridge.imgmsg_to_cv2(msg,desired_encoding='bgr8')cv2.imshow("pic",self.image)k = cv2.waitKey(3)if k == 27:  # 按ESC退出cv2.destroyAllWindows()elif k == ord('r'):  # 按r保存并退出self.num1 += 1cv2.imwrite("./red/" + str(self.num1) + ".jpg", self.image)print("保存成功：" + str(self.num1) + ".jpg")elif k == ord('g'):  # 按r保存并退出self.num2 += 1cv2.imwrite("./green/" + str(self.num2) + ".jpg", self.image)print("保存成功：" + str(self.num2) + ".jpg")if __name__ == '__main__':rospy.init_node('follower')follower = Follower()rospy.spin()

按键r保存摄像头图片到red文件夹下，按键g保存到green文件夹下：

调整角度和远近制作自己的数据集：

图片标注

cd labelImg
python labelImg.py

打开图片路径：

选择框选：

标注完成：

在aistudio上准备描述文件

在aistudio上创建项目（以下操作均在aistudio上进行）
首先下载paddledetection：

!git clone https://github.com/PaddlePaddle/PaddleDetection.git

将创建的red和green文件夹压缩上传到aistudio上的paddledetection中dataset下的my_light下执行解压命令：

%cd PaddleDetection-release-0.3/dataset/my_light/
!unzip picture.zip

安装paddledetection依赖：

%cd ~/PaddleDetection-release-0.3/
!pip install -r requirements.txt

测试aistudio环境：

#测试项目环境
!export PYTHONPATH=`pwd`:$PYTHONPATH
!python ppdet/modeling/tests/test_architectures.py

输出如下即可：

在my_light文件夹下创建green_xmls和red_xmls存放xml文件，方便记录txt：

%cd ~/PaddleDetection-release-0.3/dataset/my_light/
%mkdir green_xmls
%cd ./green
%mv *.xml ../green_xmls

%cd ~/PaddleDetection-release-0.3/dataset/my_light/
%mkdir red_xmls
%cd ./red
%mv *.xml ../red_xmls

记录xml和picture的关系：

# 记录train图片
import os
import randompath = "/home/aistudio/PaddleDetection-release-0.3/dataset/my_light/"
total_red = os.listdir(path + "red/")
total_green = os.listdir(path + "green/")num = len(total_red)
list=range(num)ftrain = open('/home/aistudio/PaddleDetection-release-0.3/dataset/my_light/train.txt', 'w')
fval = open('/home/aistudio/PaddleDetection-release-0.3/dataset/my_light/val.txt', 'w')for i  in list:if i % 9 != 0:name=total_red[i][:-4]writeName = "red/" + name + ".jpg " + "red_xmls/" + name + ".xml\n"ftrain.write(writeName)else:name=total_red[i][:-4]writeName = "red/" + name + ".jpg " + "red_xmls/" + name + ".xml\n"fval.write(writeName)for i  in list:if i % 9 != 0:name=total_green[i][:-4]writeName = "green/" + name + ".jpg " + "green_xmls/" + name + ".xml\n"ftrain.write(writeName)else:name=total_green[i][:-4]writeName = "green/" + name + ".jpg " + "green_xmls/" + name + ".xml\n"fval.write(writeName)ftrain.close()
fval.close()

输出的train.txt如下：

输出的val.txt如下:

数据好像有点少哎！
在train.txt同目录创建label_list.txt：

训练

修改configs/ssd/ssd_mobilenet_v1_voc.yml这个文件，主要修改位置：

num_classes: 3
trainReader下的anno_path和dataset_dir

anno_path: train.txt
dataset_dir: dataset/my_light
EvalReader下的anno_path和dataset_dir

anno_path: val.txt
dataset_dir: dataset/my_light
TestReader下的anno_path和dataset_dir:

dataset_dir: dataset/my_light
anno_path: label_list.txt

训练：

#训练模型
%cd ~/PaddleDetection-release-0.3/
# ssd训练
!python -u tools/train.py -c configs/ssd/ssd_mobilenet_v1_voc.yml -o --eval

等待训练完成即可：

基于paddledetection在ROS中搭建红绿灯检测控制车模运动（2）—— 数据集制作以及训练相关推荐

基于paddledetection在ROS中搭建红绿灯检测控制车模运动（3）—— 使用训练结果在ros中仿真红绿灯控制小车运动
前言第一节: 基于paddledetection在ROS中搭建红绿灯检测控制车模运动(1)-- 环境搭建准备以及软件安装第二节: 基于paddledetection在ROS中搭建红绿灯检测控制车模 ...
agx 安装ros opencv_基于paddledetection在ROS中搭建红绿灯检测控制车模运动（1）
前言本来想直接用百度智能车比赛的数据集训练,但是发现在ROS中搭建红绿灯模型和提供的数据集在颜色亮度外形上都有点差别- -无奈从创建数据集开始.目录:基于paddledetection在ROS中搭建红 ...
【项目实践】基于Mask R-CNN的道路物体检测与分割（从数据集制作到视频测试）...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 1.内容概要 Mask R-CNN的框架是对Faster R-CNN的扩展,与BBox识别并行的增加一 ...
ROS中搭建分布式系统主从机模式
系统介绍: 机器人端(主机): 设备:工控机sz 主机名:sz-Default-string 固定IP:192.168.5.101 远程PC(从机): 设备:笔记本Dell 主机名:ubuntu 固定 ...
ROS中的机器人模型控制——ros_control
ros_control就是ROS为开发者提供的机器人控制中间件,可以在丰富的机器人应用中通用,包含一系列控制器接口.传动装置接口.硬件接口.控制器接口.控制器工具箱等,可以帮助机器人应用功能包快速落地 ...
智能家居-基于香橙派zreo2——手把手搭建、继电器控制灯（一）
一.什么是设计模式设计模式(Design pattern)代表了最佳的实践,通常被有经验的面向对象的软件开发人员所采用.设计模式是软件开发人员在软件开发过程中面临的一般问题的解决方案.这些解决方案是 ...
基于MTCNN和FaceNet的实时人脸检测识别系统
文章目录模型介绍 MTCNN FaceNet 基于MTCNN和FaceNet的实时人脸检测识别系统在LFW数据集上测试参考文献 GitHub项目地址:https://github.com/Har ...
基于resnet-18的轻量型车道检测研究
基于resnet-18的轻量型车道检测研究 1.论文介绍以及实验 2.参考内容论文2: Ultra Fast Structure-aware Deep Lane Detection 官方代码地址:h ...
用 Python 和 OpenCV 检测和跟踪运动对象
这个该死的家伙.我就知道他偷了我最后一罐啤酒! 对于一个男人来讲,这些话永远都不该说.但是当我关上冰箱门的时候,我愤怒地叹息,感到厌恶,自言自语地说了这些. 你看,我花了12个小时写了这篇将要发表的文 ...

基于paddledetection在ROS中搭建红绿灯检测控制车模运动（2）—— 数据集制作以及训练

前言

项目地址

数据准备

图片标注

在aistudio上准备描述文件

训练

基于paddledetection在ROS中搭建红绿灯检测控制车模运动（2）—— 数据集制作以及训练相关推荐

最新文章

热门文章