实时视觉识别

Last updated 3 years ago

Was this helpful?

实时视觉识别

注意：本文只适用于装载Jetson Nano的Kerloud无人机产品

开启视觉识别介绍所使用的官方示例项目是jetson-inference资源库，链接为：，这是一个适用于英伟达Jetson Nano的hello-world示例。该库支持图像分类、物体定位及图像分割，用户可以根据自身兴趣进一步探究项目细节。本文中我们仅对视觉识别的基础部分加以阐述，并解决代码调试中的常见问题。

代码结构

主要目录列举如下，读者可阅读顶层的CMakeLists.txt进一步理解：

c/: 用于detectNet、imageNet及segNet的网络类；
data/: 网络数据和图像；
docker/: 用于提取、创建、运行本地镜像的脚本；
doc/: 文件；
examples/: 用于部署各种网络的主执行文件；
plugin/, python/, tools/, utils/: 其他功能、库及脚本。

如何编译

用户可参考官方关于该项目编译的说明文件，链接为：。然而，由于中国境内网络限制，用户通过代码访问github或nvida的被禁网页时，可能会被中断。于是我们修改代码，并将代码及全部网络数据下载到目录~/jetson-inference下作为库的组成部分。用户可按照如下指令轻松实现编译：

    sudo apt-get update
    sudo apt-get install git cmake libpython3-dev python3-numpy
    cd ~/jetson-inference
    git checkout master_ck
    mkdir build
    cd build
    cmake ../
    make -j2
    sudo make install
    sudo ldconfig

如何运行

可使用如下指令识别文件夹中图片：

    cd ~/jetson-inference/build/aarch64/bin

    ./imagenet-console.py --network=googlenet images/orange_0.jpg output_0.jpg  # --network flag is optional (default is googlenet)

这些命令将在bin文件夹下生成一张新图片，标有结果和一个置信度，如下图所示，下面展示两个物体：

实时视频识别样例：（请注意，板载摄像头连接到CSI端口0上）

    ./imagenet csi://0                    # MIPI CSI camera

为了获得更好的识别结果，强烈建议使用干净的背景。此处样例中所部署的googlenet在视频识别方面效果不佳。

参考资料：

Previous吊舱操作 NextROS深度学习集成

Last updated 3 years ago

Was this helpful?