Advertisement

Vision2021: 2021年首个FRC银河搜寻任务视觉代码,适用于Nvidia Jetson Nano及YOLO...

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
Vision2021是一款专为2021年FRC银河搜寻任务设计的视觉识别软件,基于NVIDIA Jetson Nano平台并采用YOLO技术,助力机器人精准定位与快速响应。 2021年愿景 在2021年的FRC银河搜寻任务中开发视觉代码。该代码将利用Nvidia Jetson Nano与YOLOv5实现运动场上的实时目标检测。 关于YOLOv5对象检测的文档介绍了它作为用于实时对象检测的人工智能库的功能和用法。 资源 使用说明:所有软件包及模块均在虚拟环境中安装,具体操作为进入项目文件夹后启动venv环境。从YOLOv5_trained_model目录中执行source venv/bin/activate来激活此环境变量。 powercell_model YOLOv5_Trained_Model目录包含训练完成的机器学习模型,包括data.yaml、custom_yolov5s.yaml和best.pt(即最终训练好的模型文件)。这些模型是通过特定流程生成并转换为YOLOv5格式。 若要获取或更新已有的训练模型,请遵循相应的操作指南进行下载或重新训练。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Vision2021: 2021FRCNvidia Jetson NanoYOLO...
    优质
    Vision2021是一款专为2021年FRC银河搜寻任务设计的视觉识别软件,基于NVIDIA Jetson Nano平台并采用YOLO技术,助力机器人精准定位与快速响应。 2021年愿景 在2021年的FRC银河搜寻任务中开发视觉代码。该代码将利用Nvidia Jetson Nano与YOLOv5实现运动场上的实时目标检测。 关于YOLOv5对象检测的文档介绍了它作为用于实时对象检测的人工智能库的功能和用法。 资源 使用说明:所有软件包及模块均在虚拟环境中安装,具体操作为进入项目文件夹后启动venv环境。从YOLOv5_trained_model目录中执行source venv/bin/activate来激活此环境变量。 powercell_model YOLOv5_Trained_Model目录包含训练完成的机器学习模型,包括data.yaml、custom_yolov5s.yaml和best.pt(即最终训练好的模型文件)。这些模型是通过特定流程生成并转换为YOLOv5格式。 若要获取或更新已有的训练模型,请遵循相应的操作指南进行下载或重新训练。
  • Jetson Nano的Torch和TorchVision
    优质
    本项目为NVIDIA Jetson Nano平台优化了PyTorch及其视觉工具包TorchVision,提供高效深度学习与计算机视觉应用开发支持。 安装torch及其配套的vision组件遇到了一些问题。直接使用pip安装torch和torchvision会导致无法使用cuda的问题。英伟达官网提供了适用于torch的whl包,但没有提供对应的torchvision版本。官方推荐的是通过dockter进行安装,但这对于我来说有些复杂且难以操作。在网上搜索了一番后,找到了一个arm版本的vision组件,并发现它似乎可以与英伟达提供的torch(版本号1.10.0)配套使用。找到的这个vision组件的版本是0.11.0。
  • Jetson-Fan-CTL: Nvidia Jetson Nano的智能自动风扇调节工具
    优质
    Jetson-Fan-CTL是一款专为Nvidia Jetson Nano设计的智能软件,能够自动调节设备风扇转速,确保散热效果的同时降低噪音和能耗。 杰森·范的Nvidia Jetson Nano自动魔术风扇控制要求如下: 硬件方面:您需要一个5V PWM风扇。我使用的是Noctua nf-a4x20 5V PWM风扇。另外,建议您使用带有4A电源的桶形插孔。 软件部分:假设您的Jetson Nano上安装了标准图像,Python 3应该已预先安装在Jetson Nano中。您可以运行`python3 --version`来检查版本(至少需要3.5或更高)。如果没有预装,请通过命令 `sudo apt install python3-dev` 安装。 如何安装:运行 `sudo ./install.sh` 脚本,它将在启动时自动执行。这是永久设置,除非您想调整风扇速度。 自定义配置:使用喜欢的编辑器打开 `/etc/automagic-fan/config.json`(我用的是nano): 运行命令 `sudo nano /etc/au` 来进行个性化设定。
  • YoloV4-ncnn-Jetson-Nano:在Jetson Nano上的YoloV4实现
    优质
    本项目为基于Jetson Nano平台的YOLOv4模型优化实现,采用ncnn库进行轻量化部署,适用于资源受限环境下的实时目标检测。 YoloV4-ncnn-Jetson-Nano 是基于 ncnn 框架的 YoloV4 版本,专为 Jetson Nano 设备设计。 基准测试结果如下: | 模型 | 杰特逊纳米2015 MHz | RPi 4 64-OS 1950兆赫 | |----------------|----------------------|--------------------| | YoloV2(416x416) | 10.1帧/秒 | 3.0帧/秒 | | YoloV3(352x352)微小 | 17.7帧/秒 | 4.4 FPS | | YoloV4(416x416)微小 | 11.2 FPS | 3.4帧/秒 | | YoloV4(608x608)完整 | 0.7帧/秒 | 0.2帧/秒 | | YoloV5(640x640)小 | 4.0 FPS | 1.6帧/秒 | 为了运行该应用程序,您需要: - 安装腾讯 ncnn 框架。 - 安装 Code::Blocks。 (通过命令行 `$ sudo apt-get install codeblocks` 来安装)。
  • Autonomous RC Car Racing: 使Nvidia Jetson Nano Board和Pytorch进行比赛训练...
    优质
    本项目利用Nvidia Jetson Nano板与PyTorch框架,开发自主控制的遥控赛车系统,通过机器学习技术优化赛道表现,实现高效精准的比赛训练。 自主遥控赛车 使用Nvidia Jetson Nano Board和Pytorch为比赛训练自动遥控车。 2.2 图形驱动程序安装 2.3 系统配置 2.3.1 功能 2.3.2 安装 开始您的自动驾驶之旅 1. 校准 1.1 配置文件 1.2 油门校准 1.3 转向校准 1.4 精细调整和测试校准 2. 数据收集 2.1 使用Web控制器驱动 2.1.1 功能 2.1.2 键盘快捷键 2.2 使用物理操纵杆控制器进行驾驶 2.2.1 功能 2.2.2 启动程序进行数据收集 2.2.3 数据收集程序 2.2.4 提示 3. 模型训练 3.1 将数据从RC-Car传输到主机PC 3.2 开始训练模型 3.3 复制模型回RC-Car 3.4 加速模型 4. 模型测试 笔记: 其他有用的教程 编码语言: Python3 深度学习框架: PyTorch 1.6 车载计算机: Jetson Nano B
  • Jetson Nano的Darknet_ROS包
    优质
    本项目开发了在Jetson Nano平台上运行的Darknet_ROS包,实现了深度学习目标检测算法与ROS系统的无缝集成,适用于机器人视觉任务。 使用说明:参考相关博客文章中的详细教程进行操作。 希望这个版本符合您的要求。如果需要进一步的调整或有其他需求,请随时告知我。
  • YOLO算法的原理、实现其在计算机中的实际应
    优质
    本文章详细解析了YOLO(You Only Look Once)算法的工作原理与技术实现,并探讨其在计算机视觉领域的广泛应用和实践案例。 在图像分类的基础上,还有更复杂且有趣的任务等待探索,例如目标检测、物体定位以及图像分割。一个实际应用案例是无人驾驶技术:如果能够将有效的目标检测系统安装到无人车上,那么这辆车就能像人一样具备“视觉”能力,可以迅速识别出前方的行人和车辆,并作出实时决策。
  • NVIDIA Jetson AGX Xavier的AI环境配置软件包
    优质
    本软件包专为搭载NVIDIA Jetson AGX Xavier平台设计,提供便捷的AI开发环境搭建工具,助力开发者快速部署与优化各类深度学习应用。 这段文字包含以下软件:Archiconda3-0.2.3-Linux-aarch64.sh、torch-1.6.0-cp36-cp36m-linux_aarch64.whl、torch-1.7.0a0-cp37-cp37m-linux_aarch64.whl、torch2trt.zip和torchvision-0.8.0a0-cp36-cp36m-linux_aarch64.whl以及vision-0.8.0.zip。
  • Qt-5.15.2-for-Jetson-Nano
    优质
    本资源为适用于Jetson Nano开发板的Qt框架版本5.15.2,提供图形界面编程工具及库支持,便于开发者在嵌入式系统上构建高效应用。 Jetson Nano 使用 Jetpack 4.6.1 版本进行编译 Qt5.15.2(带 xcb 和 opengl 支持),qml 可用。在板子上编译大约需要六小时,期间可能会遇到各种问题,试错成本较高。如果有需求的小伙伴想要避免自行编译带来的麻烦和时间浪费,可以考虑直接使用已编译好的版本。
  • Jetson Nano电路图
    优质
    《Jetson Nano电路图》提供了详尽的硬件设计资料,包括每一个芯片、接口和连接细节。对于开发者、工程师及爱好者来说,是探索和理解Nano架构的宝贵资源。 Jetson Nano是由NVIDIA公司推出的一款高效能、低功耗的嵌入式计算平台,适用于人工智能、机器学习及计算机视觉等领域。它提供了强大的计算性能,适合用于开发智能物联网设备和边缘计算解决方案。 提供的文件中包含了官方设计的原始版本原理图,这对于开发者与硬件爱好者来说非常有价值。这份原理图涵盖了PCB布局、组件分布、接口连接以及电源管理等方面的信息,是理解Jetson Nano内部工作原理的重要参考资料。 1. **组件分布**: - Jetson Nano开发板包括多个关键组件:SODIMM内存插槽用于扩展存储;M.2 Key-E接口支持Wi-Fi和蓝牙功能。 - Gigabit Ethernet(千兆以太网)接口,兼容POE技术,可通过网络供电。 - DisplayPort接口提供高清视频输出。40-Pin GPIO扩展引脚提供了丰富的数字输入/输出选项,方便连接各种外设。 - USB 3.1 Type-A和USB 3.1 x4 HUB支持高速设备的接入;HDMI接口则用于标准视频输出。 - DC Jack为电源输入端口,并包括风扇、调试及EEPROM等其他辅助组件。 2. **电源管理**: 原理图详细展示了不同电压等级的转换,如3V3 DCDC和1V8 LDO,以确保系统中各个部分获得稳定的电力供应。 3. **I2C总线分配**: 通过I2C接口与BOARDID EEPROM及CAM I2C接口等设备进行通信。EEPROM存储硬件标识信息;摄像头相关控制则由特定的I2C接口处理。 4. **测试与调试** 文件中提到Loop Back Test是一种自我检测机制,用于验证内部通信链路是否正常工作。 - Debug端口可能包括JTAG或串行调试接口,有助于开发过程中的问题排查和优化。 5. **合规性与免责声明**: NVIDIA提供的所有材料均“按原样”提供,并不保证符合任何特定的设计、非侵权性、销售适配性和特殊目的的适用性。同时提醒用户注意可能存在已知或未知的技术规范偏差,需自行评估风险。 了解Jetson Nano原理图有助于开发者更好地定制硬件配置、优化电源效率及散热设计等,以满足各自项目的需求。这在开发创新应用和解决方案方面至关重要。 通过深入研究这些详细信息,可以掌握Jetson Nano的完整工作流程,并实现高效的系统集成与故障排除。