### 使用YOLOv5训练模型编写的ROS1目标识别节点Python代码示例 以下是基于YOLOv5和ROS1的目标识别节点的Python代码示例。此代码实现了加载YOLOv5模型、订阅相机话题并发布检测结果的核心功能。 ```python #!/usr/bin/env python3 # encoding=utf-8 import rospy from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError from std_msgs.msg import String import torch import numpy as np import cv2 class YOLOv5Node: def __init__(self): self.bridge = CvBridge() self.image_subscriber = rospy.Subscriber("/camera/image_raw", Image, self.callback_image) self.result_publisher = rospy.Publisher("/yolo_result", String, queue_size=10) # 加载YOLOv5模型 (替换为您的路径或预训练权重) self.model = torch.hub.load('ultralytics/yolov5', 'custom', path='/path/to/best.pt') # 替换为您自己的模型路径[^4] def callback_image(self, data): try: # 将 ROS 图像转换为 OpenCV 格式 frame = self.bridge.imgmsg_to_cv2(data, "bgr8") except CvBridgeError as e: rospy.logerr(e) return # 使用YOLOv5进行推理 results = self.model(frame) # 对当前帧运行推理 detections = results.pandas().xyxy[0] # 获取检测框信息 # 构造要发布的字符串消息 result_str = "" for _, row in detections.iterrows(): label = str(row['name']) confidence = round(float(row['confidence']), 2) bbox = [round(x.item()) for x in row[['xmin', 'ymin', 'xmax', 'ymax']]] result_str += f"{label}: {confidence} @ BBox({bbox})\n" # 可视化边界框（可选） cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 2) cv2.putText(frame, f'{label}:{confidence}', (bbox[0], bbox[1]-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) # 发布检测结果 if not result_str.strip(): # 如果无任何检测结果，则发送空字符串 result_str = "No objects detected" self.result_publisher.publish(result_str) # 显示带有标注的结果图像（调试用途） cv2.imshow("YOLOv5 Detection Result", frame) cv2.waitKey(1) if __name__ == "__main__": rospy.init_node('yolov5_ros_node', anonymous=True) node = YOLOv5Node() rospy.spin() cv2.destroyAllWindows() ``` #### 关键点解释 1. **模型加载**: `torch.hub.load`用于加载YOLOv5模型，需指定本地保存的最佳权重文件路径 `/path/to/best.pt`[^4]。 2. **图像处理**: 利用 `CvBridge` 实现从ROS图像消息到OpenCV格式的转换[^1]。 3. **推理与解析**: 调用YOLOv5模型对每一帧执行推理操作，并提取检测结果中的类别名称、置信度以及边界框位置[^4]。 4. **可视化**: 在原始图像中标记检测结果以便于调试。 5. **结果发布**: 将检测结果以字符串形式通过ROS主题发布给其他节点使用[^1]。 --- ###