本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程—

本科阶段最后一次竞赛Vlog——2024年智能车大赛智慧医疗组准备全过程——12使用YOLO-Bin

根据前面内容，所有的子任务已经基本结束，接下来就是调用转化的bin模型进行最后的逻辑控制了

1 .YOLO的bin使用

对于yolo其实有个简单的办法，也不需要自己写代码进行推理

直接找到websocker的demo修改配置文件

配置文件在手册其实也是作为一个demo进行演示，下面我把配置文件内容也给大家，大家就不需要去翻手册了

但是下面内容要根据你实际情况修改类别和类别list里面的label

{"model_file": "/root/yolov5s_640x640.5.13.bin","dnn_Parser": "yolov5","model_output_count": 3,"class_num": 1,"cls_names_list": "/root/obstacles.list","score_threshold": 0.65,"nms_threshold": 0.6,"nms_top_k": 2
}

2.模型数据的接受

既然使用了websocket那么如何拿到标签信息，经过当时在论坛上找来找去，然后改了改这里给大家提供个demo

大家可以根据自己的需要把需要得内容进行发布出去

import rclpy
from rclpy.node import Node
from std_msgs.msg import Float64
import numpy as np
from ai_msgs.msg import PerceptionTargets
import threadingclass YOffsetsMaxPublisher(Node):def __init__(self):super().__init__('y_offsets_max_publisher')self.YoloV5Subscriber = self.create_subscription(PerceptionTargets,'hobot_dnn_detection',self.YoloV5_listener_callback,100)self.data_store = {"y_offsets_conf": 150,  # 示例值，根据实际情况调整"needzhuanwan": False}self.lock = threading.Lock()def YoloV5_listener_callback(self, msg):result_list = msg.targets obj_len = len(result_list)self.obj_x = np.full(8, -1)  # 存坐标self.obj_y = np.full(8, -1)max_area = 0  # 用于存储最大面积with self.lock:for i in range(obj_len):if not result_list[i].rois:continuefor roi in result_list[i].rois:box = roi.rect  # 直接获取 roi 的 rect 属性x_offset = box.x_offsety_offset = box.y_offsetwidth = box.widthheight = box.heightarea = width * heightid = result_list[i].track_iddef main(args=None):rclpy.init(args=args)y_offsets_max_publisher = YOffsetsMaxPublisher()rclpy.spin(y_offsets_max_publisher)y_offsets_max_publisher.destroy_node()rclpy.shutdown()if __name__ == '__main__':main()