ROS深度学习集成

注意：本文只适用于装载Jetson Nano的Kerloud无人机产品

为开发机器人应用，我们可以参照官方资源库（参考链接为https://github.com/dusty-nv/ros_deep_learning）来整合英伟达深度学习功能和ROS。 该代码包括一些ROS节点，可用来基于已安装的 jetson inference libraries进行网络部署。

代码结构

ROS深度学习库的主目录列举如下：

(1) launch/: 启动文件，用于部署深度学习任务所需的ROS节点

(2) src/: ROS节点的源代码

node_detectnet:用于部署detectnet网络以实现物体定位的ROS节点；

node_imagenet:用于部署imagenet网络以实现视觉识别的ROS节点；

node_segment:用于部署segnet网络以实现图像分割的ROS节点；

node_video_source:处理视频输入和图像输出的ROS节点；

node_video_output:使用叠加图像创建动态视频的ROS节点；

image_converter.cpp: 用于将图像转换成各种ROS信息的类。

如何安装

用户需安装jetson-inference libraries、ROS并创建ros_deep_learning 工作区。官网指南如下：https://github.com/dusty-nv/ros_deep_learning#installation。 关于jetson-inference的安装，请参考前节内容。

对于ROS melodic，我们需预先安装： Sudo apt-get install ros-melodic-image-transport ros-melodic-vision-msgs 然后位于~/ros_workspace目录下的工作区运行'catkin_make'。

如何运行

(1) 在继续之前，如果您使用的是ROS Melodic，请确保roscore首先运行。

(2) 启动视频播放器，检查视频流是否正常：

    cd ~/ros_workspace
    source devel/setup.bash
    roslaunch ros_deep_learning video_viewer.ros1.launch input:=csi://0 output:=display://0

关于输入、输出的设置细节，请参考： https://github.com/dusty-nv/jetson-inference/blob/master/docs/aux-streaming.md

(3) 启动用于视频识别的imagenet节点

    cd ~/ros_workspace
    source devel/setup.bash
    roslaunch ros_deep_learning imagenet.ros1.launch input:=csi://0 output:=display://0

(4) 启动用于物体检测的detectnet节点

    cd ~/ros_workspace
    source devel/setup.bash
    roslaunch ros_deep_learning detectnet.ros1.launch input:=csi://0 output:=display://0

(5) 启动用于图像分割的segnet节点

    cd ~/ros_workspace
    source devel/setup.bash
    roslaunch ros_deep_learning segnet.ros1.launch input:=csi://0 output:=display://0

在使用之前，确保已经下载、安装了jetson-inference必要的网络结构。如果没有，可以考虑参照如下链接中的指令进行手动处理，链接为： https://github.com/dusty-nv/jetson-inference/releases。