- python版本的算法设计可以参考：ruhyadi/YOLO3D
- 考虑到目前只需要对 Car 类型进行检测，在C++算法设计过程中对计算过程进行优化
- 交叉编译链为gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu
- jetpack版本：4.6-b197
sudo apt-cache show nvidia-jetpack
-
.
├── 3rdparty
│ ├── cuda
│ ├── logc
│ ├── opencv
│ └── tensorrt
├── images
├── include
│ ├── bbox_queue.h
│ ├── inner_config.h
│ ├── tensorrt_logging.h
│ ├── infer_math.h
│ ├── infer_utils.h
│ └── utils.h
├── libs
├── models
│ ├── classificationModel.engine
│ └── depthModel.engine
├── scripts
│ ├── config.txt
│ ├── countCodeLine.sh
│ ├── quickmake.sh
│ ├── download.sh
│ └── upload.sh
├── src
│ ├── infer_utils.cpp
│ └── infer_math.cpp
├── tools
│ ├── export.py
│ └── mem_monitor.cpp
├── CMakeLists.txt
└── main.cpp- 该文件夹下面包含了程序编译过程中需要用到的第三方库
- cuda/tensorrt是从Xavier板上取下来的，保证版本一致
- 使用到的第三方库有cuda, logc, opencv, ffmpeg, tensorrt，需要自己编译一下opencv和ffmpeg，logc源码提供
- ffmpeg是用于实现视频推流检测，暂未完成
- 包含代码使用头文件
- bboxQueue.h 为检测框队列设计头文件，已弃用
- config.h 为全局参数定义和全局log函数定义文件
- 可以修改的变量包含：CLASSIFICATION_MAX_TARGET_NUM
- 针对宏定义#if 1 #else ...，修改1为0可以关闭log信息，反之打开log，方便调试
- inferMath.h&inferMath.cpp 为推理代码中数值计算相关函数存放位置
- inferUtils.h&inferUtils.cpp 为推理代码中预处理、推理以及后处理函数存放位置
- 同3rdpary类似，存放动态库
- 存放模型文件
- 由于github文件大小限制，从百度云盘下载，提取码：mgmr
- export.py 用于将torch模型转换为engine文件
- mem_monitor.cpp 用于内存检测，测试用
-
修改config.txt中的参数
- crossCompilerPrefix 为交叉编译链的前缀
- ip 为板子的ip
- foldPath 为板子上你希望的存放路径
- author 可以不修改，但是必须要存在且在最后一行
-
quickmake.sh 为编译脚本，使用方式:
$./scpirts/quickmake.sh$ -
download.sh & upload.sh 为下载和上传文件的脚本
-
countCodeLine.sh 统计代码行数，不确定是否可靠
-
下载并安装交叉编译链
-
修改./scripts/config.txt后执行./scripts/quickmake.sh脚本
-
执行脚本进行编译并上传板子
-
把模型文件上传到foldPath中，可以新建文件夹命名为models
-
进入板子环境（需要有gui）
-
设置环境变量：
export LD_LIBRARY_PATH=$path/to/libs:$LD_LIBRARY_PATH
-
执行程序
# 摄像头模式 ./demo path/to/models/classificationModel path/to/models/regressionModel # 固定图模式(一张图) ./demo path/to/models/classificaitonModel path/to/models/regressionModel path/to/detection/image
-
结束程序
- 首先选中显示框，输入”q"退出显示
- 其次选中程序执行的terminal，输入ctrl+c结束
-
