G1吊舱开发者套件-快速使用(DeepSort)

准备：

  • G1吊舱
  • AllSpark机载计算机 （使用手册）
  • 显示器（NoMachine也可以）
  • 相关连接线

硬件连接：

image.png

吊舱控制PID调节：

  • 默认已经调节好PID参数，如果需要调节PID，请在在/home/amov/amov_gimbal_developer_kit/src/amov_gimbal_control/cfg文件夹中，有一个AMOV_PID.cfg配置文件，修改默认值即可修改吊舱PID值
#gen.add(参数名称，   参数类型，  位掩码，   参数描述，    		  默认值，   最小值，   最大值)
gen.add( "pitchKp", double_t,  0,     "pitch Kp parameter",   0.0,      0,       5)
gen.add( "pitchKi", double_t,  0,     "pitch Ki parameter",   0.0,      0,       5)
gen.add( "pitchKd", double_t,  0,     "pitch Kd parameter",   0.0,      0,       5)
gen.add( "yawKp", 	double_t,  0,     "yaw Kp parameter",     0.0,      0,       5)
gen.add( "yawKi", 	double_t,  0,     "yaw Ki parameter",     0.0,      0,       5)
gen.add( "yawKd", 	double_t,  0,     "yaw Kd parameter",     0.0,      0,       5)

YoloV5+DeepSort多目标跟踪算法：

  • 启动AllSpark机载计算机
  • 在AllSpark桌面上找到DeepSort图标
  • uTools_1656315430861.png
  • 双击图标运行算法程序

交互方式：

  • 当视野中出现目标目标会被框选为绿色框
  • 鼠标左键点击绿色框，被点击的框会变为绿色
  • 同时，吊舱会让视野中心对准目标，从而实现跟踪目标物体的效果
  • 鼠标右键点击空白处，取消跟踪
  • 建议：由于COCO是通用数据集，未经过特别数据集训练，对车辆和人的检测效果会更佳

Demo演示：

  • 切换目标：当目标有重叠的部分也可以选中目标

33.gif

  • 目标锁定：

55.gif

PyTorch YoloV5模型训练：

  • 亦可以使用Promethus的模型训练方法：模型训练

使用PyTorch模型转为TensorRT模型：

  • 接下来将COCO数据集的yoloV5模型为例子
  • 使用终端进入到/home/amov/amov_gimbal_developer_kit/src/yolov5目录下
  • 使用mkdir builld&&cd build命令，新建build文件夹并进入build文件夹中
  • 使用cmake ..命令进行配置cmake ，然后使用make命令进行编译
  • 输入如下命令python3 gen_wts.py，将会生成yolov5s.wts文件
  • 然后将yolov5s.wts文件复制到build文件夹中
  • 通过输入cd build进入build文件夹中，执行命令./yolov5 -s ，将会生成yolov5s.engine文件
  • uTools_1657006868581.png
  • uTools_1657007434372.png
  • 将yolov5s.engine文件复制到/home/amov/amov_gimbal_developer_kit/src/vision/deepsort/resources进行替换yolov5s.engine
  • 然后就可以使用TensorRT模型进行推理了