object_detector

Content

• Introduction
• Dependence
• Build
• Usage

Introduction

点云聚类和图像识别。

Prerequisite

• Ubuntu 18.04
• ROS Melodic
• PCL 1.7.0+
• Opencv 4.0.0+
• usv-sensor-fusion-system

Build

1. Build a workspace

   mkdir ws/src

2. Clone this repository and prerequisite package in /ws/src

   cd ws/src
   git clone https://gitee.com/csc105/usv-sensor-fusion-system.git
   git clone https://github.com/HoEmpire/pointcloud-fusion.git

3. Build the files

   catkin_make

Usage

1. Usage on the stabilization platform

1. 本地监视

   用网线连接云台，设置 IP 为222.31.31.X，在本地 terminal 输入以下语句

   export ROS_MASTER_URI=http://222.31.31.50:11311

   设置本地 ros master 为云台，即可在本地检测数据。可视化可打开rviz，使用object_detector/rviz/debug.rviz的配置进行监视。

2. NX 上手动启动代码

   先关闭开机自启动的 service, 后在object_detecor文件夹内重新启动所有代码

   systemctl stop auto-start.service
   ./shell/start_onboard.sh

3. 外参标定

   将外参标定得到的.csv文件改名为data.csv，将data.csv放入 matlab 工作空间内，在 matlab 内运行object_detector/matlab/data_process.m，即可得到 yaw 外参的标定结果（角度值）

4. 参数说明

   参数文件主要为obejct_detector.yaml 说明如下

   • 数据的 topic

     data_topic:
       lidar_topic: /livox/lidar #激光雷达topic
       camera_topic: /pointgrey/image_color # 相机topic

   • 聚类后检测相关参数

     $$距离系数=\frac{当前距离}{校准距离}$$

     检测最小阈值与距离系数成二次关系，检测最大阈值与距离系数成线性关系，如 points_number_distance_coeff =100，points_number_max = 5000，points_number_min = 80， 则在 50m 处的聚类后点云数量为 320-10000 点可视为目标，400m 处的聚类后点云数量为 20-2500 点可视为目标

     detection:
       points_number_max: 5000 #在points_number_distance_coeff距离下最大的目标检测点数
       points_number_min: 9 #在points_number_distance_coeff距离下最小的目标检测点数
       points_number_distance_coeff: 300.0 # 目标检测校准距离，单位为m
       mode: "lidar_first" #检测方法，参数为“camera_first” or  "lidar_first"，前者暂时禁用
       boat_pixel_height: 80 #船检测的最小二维图像像素高度，用于滤除假目标和远处船

   • 点云滤波相关参数

     filter:
       filter_pt_num: 1 #statisticalfilter的一个batch点的数量
       filter_std: 10.0 #statisticalfilter的方差阈值
       filter_distance_max: 600.0 #检测点云的最远距离（单位：m）
       filter_distance_min: 100.0 #检测点云的最近距离（单位：m）

   • 聚类参数

     cluster:
       cluster_tolerance: 2.0 #聚类距离的最大阈值（单位m）
       cluster_size_min: 5 #聚类的最小点云数量
       cluster_size_max: 5000 ##聚类的最大点云数量

   • yolo 参数

     cam:
       cam_net_type: "YOLOV4_TINY" #网络类型
       cam_file_model_cfg: "/asset/yolov4-tiny-usv.cfg" #config文件地址
       cam_file_model_weights: "/asset/yolov4-tiny-usv_best.weights" #权重文件地址
       cam_inference_precison: "FP32" #浮点数精度，NX 上设置 WieFP16
       cam_n_max_batch: 1 #batch数量
       cam_prob_threshold: 0.5 #图像检测的可信度阈值，设置为0~1
       cam_min_width: 0 #图像检测的最大最小宽度和高度
       cam_max_width: 1440
       cam_min_height: 0
       cam_max_height: 1080

   • 外参参数

     extrinsic_parameter:
       translation: [0.0, 0.0, 0.0] #外参的[x.,y,z]位移，单位为m
       rotation: [0.0, 0.0, 0.0] #外参[roll, pitch, yaw]旋转，单位为degree

   • 云台指令参数

     platform:
       scan_cycle_time: 20.0 #转动一个周期的时间
       scan_range: 80.0 #总零位转动的最大角度
       track_timeout: 10.0 #从目指切换到周扫的等待时间

5. 云台调试相关

   1. 打开 GUI 调试界面

      cd /home/nvidia/SimpleBGC_GUI_2_70b0
      sudo ./run.sh
      

   2. PID 调整

      1. 点击左上角的 connect 连接云台（需要先停止代码，详见 2. 手动调试中关闭开机自启动 service 的部分）
      
      2. 在下面的窗口内调整各轴的 PID
      

      3. 调好后点击右下角的 write 写入

      4. 可进入 Monitoring 监视调试效果，主要监视 ERROR_ROLL, ERROR_PITCH, ERROR_YAW，调试方法为电机左下角MOTOR ON/OFF断电后上电，同时监视误差大小，观察是否震荡，超调大小以及响应速度

      

      PID 调试常见注意事项

      • 出现高频震荡，则减小该轴的 D
      • yaw 轴为了能顺滑运动，建议调整得到的曲线没有超调后者超调较小，通过减小 P 值和 I 值来保证
      • 如需完整调试 PID 参数参见官方文档10-11 页