参考：
源码
安装YOLO_V5环境以及测试——NVIDIA Jetson Xavier AGX平台

0.ros-yolo5介绍

实现yolo作为service的server,发送sensor::Imge 图片,得到yolo检测的结果(置信度,2dbbox左上右下点坐标,附加文本信息,分类结果), 使用步骤如下:

版本：torch==1.10.0 大于该版本yolo会报错
AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'

1.下载源码

cd catkin_ws/src
git clone https://github.com/OuyangJunyuan/ros-yolov5.git
git clone https://github.com/catkin/catkin_simple.git

然后回到工作空间目录下

catkin_make

2.修改config.yaml文件

• 文件位置：ros-yolov5-master/config/config.yaml

修改如下：

yolov5:
	  action: False #是否使用action
	  path: /home/agx/YOLOV5/yolov5 #yolo模型位置
 	  # weight: /home/ou/workspace/ros_ws/dev_ws/src/ros_yolo/model/best.pt
	  weight: /home/agx/YOLOV5/yolov5/weights/yolov5s.pt #yolo 模型的weight位置
 	  device: gpu
  	  img_size: 640

3.使用虚拟环境下的python

• 修改src/demo_service_server.py中首行 #!xxxxxx替换为你的虚拟环境下的python路径。

修改如下：

#!/home/agx/mambaforge/envs/py36/bin/python3.6  
# /home/ou/software/anaconda3/envs/dl/bin/python
import rospy
from yolo_bridge.yolo_bridge import Ros2Yolo

if __name__ == "__main__":
    yoloBridge = Ros2Yolo()
    rospy.spin()

4.进入yolov5虚拟环境

conda activate yolov5

5.运行服务端

source devel/setup.bash
roslaunch ros_yolo service_demo.launch 

终端输出：

Fusing layers…
YOLOv5s summary: 213 layers, 7225885 parameters, 0 gradients
labels:
[0:‘person’, 1:‘bicycle’, 2:‘car’, 3:‘motorcycle’, 4:‘airplane’,
5:‘bus’, 6:‘train’, 7:‘truck’, 8:‘boat’, 9:‘traffic light’,
10:‘fire hydrant’, 11:‘stop sign’, 12:‘parking meter’, 13:‘bench’, 14:‘bird’,
15:‘cat’, 16:‘dog’, 17:‘horse’, 18:‘sheep’, 19:‘cow’,
20:‘elephant’, 21:‘bear’, 22:‘zebra’, 23:‘giraffe’, 24:‘backpack’,
25:‘umbrella’, 26:‘handbag’, 27:‘tie’, 28:‘suitcase’, 29:‘frisbee’,
30:‘skis’, 31:‘snowboard’, 32:‘sports ball’, 33:‘kite’, 34:‘baseball bat’,
35:‘baseball glove’, 36:‘skateboard’, 37:‘surfboard’, 38:‘tennis racket’, 39:‘bottle’,
40:‘wine glass’, 41:‘cup’, 42:‘fork’, 43:‘knife’, 44:‘spoon’,
45:‘bowl’, 46:‘banana’, 47:‘apple’, 48:‘sandwich’, 49:‘orange’,
50:‘broccoli’, 51:‘carrot’, 52:‘hot dog’, 53:‘pizza’, 54:‘donut’,
55:‘cake’, 56:‘chair’, 57:‘couch’, 58:‘potted plant’, 59:‘bed’,
60:‘dining table’, 61:‘toilet’, 62:‘tv’, 63:‘laptop’, 64:‘mouse’,
65:‘remote’, 66:‘keyboard’, 67:‘cell phone’, 68:‘microwave’, 69:‘oven’,
70:‘toaster’, 71:‘sink’, 72:‘refrigerator’, 73:‘book’, 74:‘clock’,
75:‘vase’, 76:‘scissors’, 77:‘teddy bear’, 78:‘hair drier’, 79:‘toothbrush’]
service mode : yolo_service

6.运行服务端

rosrun ros_yolo service_client_demo

查看节点与话题：
ROS教程1 消息查看和使用服务

rosservice list

显示

/client_node/get_loggers
/client_node/set_logger_level
/demo_server/get_loggers
/demo_server/set_logger_level
/rosout/get_loggers
/rosout/set_logger_level
/rostopic_21344_1651755517549/get_loggers
/rostopic_21344_1651755517549/set_logger_level
/rqt_gui_py_node_32263/get_loggers
/rqt_gui_py_node_32263/set_logger_level
/yolo_service

• 服务消息的使用

7.ROS Action 使用

填写config/config.demo中参数 action=True

action-client 参考src/action_client_demo.cpp

action_client发出的goal只需包含iamge即goal.image = //sensor_msgs::Image

action_client接受到的结果result包含原始图像msg和检测结果即result->image 和 result->result

rosrun ros_yolo action_client_demo

8.修改硬件的视频流

• 原始读取的是本地视频文件;
• 调用内置USB摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2;
• 修改对应的客户端代码，使得读取实际的硬件视频流，如USB摄像头、rtsp摄像头;

//①先实例化再初始化：
VideoCapture capture；
capture.open(0)；//0,笔记本是内置摄像头

//②实例化的同时进行初始化 
VideoCapture capture(0);