YOLOv4检测深度图像

1.点云转深度图像 2.YOLOv4在ros下使用 3.训练自己的数据集

1.点云转深度图像

(1) 深度图像又称为距离图像,深度图像的每个像素点代表的是物体到相机xy平面的距离，单位 mm。 直接反应了景物可见表面的几何形状。

(2) 深度图像经过坐标转换可以计算为点云数据，点云数据也可以转换为深度图像。

(3) 深度图与RGB-D比较 深度图就是从图像采集器到场景中各点的距离（深度）作为像素值的图像。 RGB-D=RGB+D(Depth Map)

深度图的应用 三维重建 姿态估计 目标检测 人体感应 图像分割 SLAM 前景提取 目标跟踪

2.YOLOv4在ros下使用

主要参考这位大佬： https://blog.csdn.net/JIEJINQUANIL/article/details/106461895

其中问题13，在darknet目录下的cmakelists.txt文件中添加如下内容

${DARKNET_PATH}/src/image_opencv.cpp ${DARKNET_PATH}/src/art.c ${DARKNET_PATH}/src/conv_lstm_layer.c ${DARKNET_PATH}/src/network_kernels.cu ${DARKNET_PATH}/src/network.c ${DARKNET_PATH}/src/sam_layer.c ${DARKNET_PATH}/src/yolo_layer.c ${DARKNET_PATH}/src/gaussian_yolo_layer.c ${DARKNET_PATH}/src/http_stream.cpp ${DARKNET_PATH}/src/scale_channels_layer.c ${DARKNET_PATH}/src/voxel.c ${DARKNET_PATH}/src/compare.c ${DARKNET_PATH}/src/writing.c ${DARKNET_PATH}/src/dice.c ${DARKNET_PATH}/src/rnn_vid.c ${DARKNET_PATH}/src/reorg_old_layer.c ${DARKNET_PATH}/src/swag.c ${DARKNET_PATH}/src/yolo_v2_class.cpp ${DARKNET_PATH}/src/gettimeofday.c ${DARKNET_PATH}/src/getopt.c ${DARKNET_PATH}/src/image.c

3.训练自己的数据集

参考 https://blog.csdn.net/JIEJINQUANIL/article/details/106458788 https://blog.csdn.net/JIEJINQUANIL/article/details/106459950

遇到的问题如下： 1）labelme下载的错误（报错python的编码问题） 最后创建虚拟环境安装成功的

2）darknet目录下开启终端输入make进行编译 （找不到cudnn头文件问题） 参考：https://blog.csdn.net/eaxy_z/article/details/108615548 更改头文件路径问题解决

3）训练了十几张深度图，不知道为啥训练时间一个小时（求知道的大佬解答）

最终的效果： 效果不太好，主要是熟悉下怎么用

后续进行深度图像稠密化在看看效果