nVidia TX2上基于ros进行yolo多版本的物体识别

在TX2板载进行darknet源码编译还是较为方便，但是要结合ros 分布式系统进行操作，就需要在ros本身的框架内先进性catkin make 然后发布相关识别信息，供内部判断和使用。

1 、编译准备

首先切换到工作空间src中

cd catkin_workspace/src

具体名称根据自己的命名修改。
这里给出两份git链接先：
git clone https://github.com/leggedrobotics/darknet_ros
或者 git clone https://github.com/I-am-Unique/catkin_darknet
第一个是官方给出的ros版本的yolo多版本可切换（可直接根据git指导步骤进行下一步，跳过本人以下内容介绍），第二个是我找到的个人整理过的可直接使用的代码，均可以使用。

切到darknet文件夹中cd catkin_workspace/src/darknet
发现空空如也，需要去官方下载

https://github.com/pjreddie/darknet.git

#从github上下载darknet安装包

这里，建议不用git clone 直接去网页download ，然后unzip成文件夹ctrl+v到darknet里。
接下来修改makefile参数：
如果使用GPU进行编译，则文件头部的设置，使GPU,CUDNN,OPENCV都为1，其次注意修改arch为62

#Arch 就是GPU的架构版本 ARCH= -gencode arch=compute_20,code=[sm_20,sm_21] # Fermi 架构 常见 gtx480 gtx580
-gencode arch=compute_30,code=sm_30 # Kepler 架构 常见 gtx680
-gencode arch=compute_35,code=sm_35 # Kepler 架构 常见 gtx780
-gencode arch=compute_50,code=[sm_50,compute_50] # Maxwell 架构 常见 gtx750Ti gtx8 到9 系列 M
-gencode arch=compute_52,code=[sm_52,compute_52]# Maxwell 架构 常见 gtx8 到9 系列
-gencode arch=compute_61,code=[sm_61,compute_61]# Pascal 架构 常见 gtx 10系列
-gencode arch=compute_70,code=[sm_70,compute_70]# Volta 架构 这个不常见,用作超算或者数据中心的,新出了一款2999刀的volta卡 Tesla V100,值得入手.
#高版本code不能在低版本的卡上跑,架构不同的其特性也有差距,所以尽量查一下你的显卡是在那个计算能力上的

这是gpu使用型号规则，TX2的GPU是Pascal架构，计算能力为6.2
找到makefile里的03，添加下面代码到后面

  -gencode arch=compute_62,code=[sm_62,compute_62]

2 编译源码

添加权重文件到darknet

cd catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
wget http://pjreddie.com/media/files/yolov2.weights
wget http://pjreddie.com/media/files/yolov2-tiny.weights

然后开始编译

cd catkin_workspace

catkin_make -DCMAKE_BUILD_TYPE=Release

会有漫长的等待。。。。
顺利的话，再添加声明路径如下。否则，先根据报错解决问题。。。。

echo "source ~/catkin_workspace/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

此时，需要需改摄像头发布的话题，进入/darknet_ros/config/ 查看ros.yaml如下，修改topic为自己的摄像头话题。

subscribers：
camera reading：
topic： camera/rgb/image-raw

然后，/darknet_ros/yolo_network_config/中存放了cfg和weights文件，与之名称对应的，/darknet_ros/config/存放了不同的yaml，会调用相同名称的cfg和weights，这便于我们调用不同版本的yolo网络。
在/darknet_ros/launch/darknet_ros.launch中修改下面参数就可以调用不同的yaml进行检测，例如，下面采用YOLOV2-tiny网络和权重

 <arg name="network_param_file" default="$(find darknet_ros)/config/yolov2-tiny.yaml"/>

3测试

roscore
roslaunch usb_cam usb_camera.launch
roslaunch darknet_ros darknet_ros.launch

三个命令行调用三个主题，分别打开ros，打开摄像头和打开yolo，这样就可以测试效果了。
当然，也可以使用自己训练的网络进行识别，具体步骤可以参考git官网给出的指导。

在catkin_darknet/src/darknet_ros/darknet_ros/config/目录下，ros.yaml文件定义了该工程订阅的topic以及它检测完成以后将结果发布出去的topic，见下图：

　　　　　可以看出，这个yolo_ros节点订阅了/camera/image话题作为输入，发布三个话题作为输出，分别是：

/darknet_ros/found_object 物体类别名称。

/darknet_ros/bounding_boxes 框信息。

/darknet_ros/detection_image 检测结果图片。

4遇到的问题

1、进行第二步的catkin make时，我遇到了一个问题。
在darknet_ros/darknet_ros/include/darknet_ros/YoloObjectDetector.hpp中

fetal error 找不到network.h等等多个头文件，我就把这些文件复制到了
darknet_ros/image_interface.h所在的darknet_ros/文件夹下，然后编译就通过了。
2、 在编译进行到百分百时候，

我太难了。。百分百了都，又来个这
它是说我的节点没有事先声明，应该是我之前编译出错，链接成hpp.o文件时候出了问题，这里把include和devel等文件夹里的darknet——ros节点删除，然后重新catkin make，屏息凝气的等待，最终成功了。

链接

感谢以下大佬的资料参考
链接: TX2下使用darknet_ros包在ROS中进行YOLOv3检测.
链接: TX2下ubuntu16.04的YOLOV3环境配置，使用demo和问题解决.
链接: YOLO v3基于ROS应用记录.
链接: ROS Kinetic + Ubuntu 16.04 yolov3配置.