# 航天智慧物流车

**Repository Path**: fu-shuying/2023-7-ai_car_contest

## Basic Information

- **Project Name**: 航天智慧物流车
- **Description**: 全国大学生智能车竞赛图像识别
YOLOv5应用
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-03-10
- **Last Updated**: 2024-03-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: YOLOv5

## README

# 航天智慧物流车

#### 介绍

全国大学生智能车竞赛-航天智慧物流组

主要负责图像识别功能部署、应用、实现

#### 软件架构

硬件架构说明

智能车：轻舟智能车
开发板：Jetson Nano
控制板：stm32

软件架构说明

运行环境：linux、pytorch-gpu、YOLOv5

#### 使用说明
针对倒车入库识别部署YOLOv5
1.  利用小车现场拍照，采集数据集

![输入图片说明](image/image1.png)

2.  标注数据集，为YOLO格式

    倒车入库共四种标识-航天、三院、星航、机电，其中航天、三院对应需将小车倒车停入a库，而星航、机电对应需将小车停入b库；

    于是对数据集进行四个标识的长方形标注，并设定对应的a、b类标签；

![输入图片说明](image/image2.png)

3.  制作mycoco数据集

```
mycoco
├─all_images
├─all_labels
├─images
│  ├─train
│  └─val
├─ImageSets
└─labels
    ├─train
    └─val
```

4.  修改`yolov5-master/data/mycoco.yaml`

```
train: ../mycoco/images/train/  
val: ../mycoco/images/val/  

nc: 2

names: ['a','b' ]
```

5.  修改train.py当中相关路径

```
parser.add_argument('--data', type=str, default=ROOT / 'data/mycoco.yaml', help='dataset.yaml path')
```

6.  运行train.py
    使用`yolov5s.pt`进行训练
7.  最终实现小车到达指定点位，自动加载模型，预测结果（运行detect.py）

![输入图片说明](image/image3.png)

#### 前期尝试

1.  利用cnocr识别图片文字
    安装cnocr及其依赖
```
sudo pip3 install cnocr
```
```
sudo pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker six mock requests gast astor termcolor protobuf keras-applications keras-preprocessing wrapt google-pasta setuptools testresources
```
安装tensorflow
```
sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v45 tensorflow
```
2. 使用easyocr
3. 使用paddle-ocr

#### 报错解决
1. h5py安装失败：
先安装Cython `sudo pip3 install Cython`
再安装h5py `sudo pip3 install h5py`

2.  ubuntu系统下执行sudo apt-get update报错无法连接上：

①在ubuntu的设置界面下，找到网络->网络代理，设置为已禁用

②在终端运行命令env | grep -i proxy，显示大致内容有http_proxy，https_proxy 和HTTP_PROXY这三项，对应地使用命令将其全部删除：  
```
unset http_proxy
unset https_proxy
unset HTTP_PROXY
```
③删除ect/apt目录下apt.conf文件内容
```
sudo su
echo >apt.conf
```
3.  安装pytorch gpu（最终使用）

4.  编译安装opencv
①解决初始编译报错`cmake pip install cmake`

②更新软件包：
```
sudo apt update
sudo apt install -y build-essential cmake git libgtk2.0-dev pkg-config  libswscale-dev libtbb2 libtbb-dev
sudo apt install -y python-dev python3-dev python-numpy python3-numpy
sudo apt install -y curl
```
③安装视频和图像格式：
```
sudo apt install -y  libjpeg-dev libpng-dev libtiff-dev libjasper-dev 
sudo apt install -y libavcodec-dev libavformat-dev
sudo apt install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev
sudo apt install -y libv4l-dev v4l-utils qv4l2 v4l2ucp libdc1394-22-dev
```
④下载镜像
```
curl -L https://github.com/opencv/opencv/archive/4.1.0.zip -o opencv-4.1.0.zip
curl -L https://github.com/opencv/opencv_contrib/archive/4.1.0.zip -o opencv_contrib-4.1.0.zip
```
⑤解压并创建目录
```
unzip opencv-4.1.0.zip 
unzip opencv_contrib-4.1.0.zip 
cd opencv-4.1.0/
mkdir release
cd release/
```
⑥编译
```
cmake     -D WITH_CUDA=ON \
        -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib-4.1.0/modules \
        -D WITH_GSTREAMER=ON \
        -D WITH_LIBV4L=ON \
        -D BUILD_opencv_python2=ON \
        -D BUILD_opencv_python3=ON \
        -D BUILD_TESTS=OFF \
        -D BUILD_PERF_TESTS=OFF \
        -D BUILD_EXAMPLES=OFF \
        -D CMAKE_BUILD_TYPE=RELEASE \
        -D CMAKE_INSTALL_PREFIX=/usr/local ..
```
⑦用Contribs模块编译OpenCV
```
make -j4
sudo make install
```
编译时间较长，一度以为成功不了，最后功夫不负有心人，长久等待赢来的是安装成功

#### 参与贡献

1.  创建本仓库
2.  部署pytorch gpu环境
3.  利用小车收集现场红绿灯、倒车入库标识图像，完成YOLOv5训练
4.  编写代码，将模型预测融入ros代码，完成小车到达目标点位自动识别并返回预测结果，使小车完成下一步操作
5.  提交代码