yolov5s_trt_ros

项目效果：

利用TensorRT对yolov5s进行加速，并将其应用于ROS，实现交通标志、红绿灯(直接输出路灯状态)、行人和车辆等交通场景的检测。

在本人的jetson Agx xavier开发板上跑出约19ms~20ms/帧的速度，并可极好的检测目标物体，是配置自动驾驶算法的良好选择。在ROS中运行的效果如下：

项目构成：

本项目分为两个部分：yolov5s-trt构建和添加ROS通信。

1.yolov5s-trt构建

由于要结合ROS通信，所以我修改了原本要生成yolov5s.engine文件的yolov5s.cpp，所以大家在进行这一步时，可以先根据该链接：egbertYeah/yolov5s_bdd100k_trt: yolov5s suitable for bdd100k with tensorrt inference, support image folder and video input, and mAP testing in tensorrt (github.com)生成yolov5s.engine文件，再将yolov5s.engine放入本项目中即可。放入位置：yolov5_trt_ros/src/yolo_detect/src/yolov5s.engine。
1. 在build中生成yolov5s可执行文件
```
cd yolov5s_trt_ros/src/yolo_detect/src
mkdir build && cd build    
cmake ..
make
```
1. 运行./yolov5s -s 在build文件夹内生成yolov5s.engine文件

2.添加ROS通信

本项目使用自定义消息类型，如下所示：

string ClassName
int32 conf
int32 tl_x
int32 tl_y
int32 br_x
int32 br_y

运行如下操作

#终端1
cd yolov5s_trt_ros
catkin_make
roslaunch usb_cam usb_cam-test.launch  \\运行usb摄像头

#终端2
rosrun yolo_detect yolov5s        \\运行检测节点

#终端3
rostopic echo yolov5_result       \\打印话题消息

3.总结

本项目虽是yolov5-trt-ros在jetson agx Xavier运行成功的版本，但完全可以移植到任何设备上。其逻辑如下所示：

graph LR
usb发布图像话题-->yolov5s接受话题并进行检测-->yolov5s继续发布检测结果话题-->yolov5_reult接受检测结果话题-->打印话题