引言
本教程连载一辆能够用 ROS 控制的带摄像头的小车，用 ROS 发布图像数据，对获取到的图像进行处理，例如目标检测。这里主要介绍如何把本教程后面的的内容汇聚起来，实现一个能目标检测的小车。
先归纳一下之后文档的内容:
获取本项目完整教程代码及文档请关注下方二维码
并在公众号后台回复数字“4"
这篇文档几乎涉及了上面所有文档的内容是一个综合应用，大家可以根据之后的连载一步一步学起来。如果对上面的内容比较熟悉了，就会发现这篇文档很简短，但是却是建立在之前已有的基础上。
现在应当已经熟悉的内容：
了解 CNN 的工作原理；
能使用 Darknet 训练自己的目标检测模型
能用 rosserial 建立 RT-Thread 和 ROS 的连接
能用 ROS 发布图像信息
下面就会介绍如何用 ROS 发布的图像信息和 Darknet 连接做目标检测。
1.Darknet ROS
1.1 获取源码
其实下面要用到的是一个 ROS 软件包，这个软件包现在也是开源的：
1# 初始化工作环境
2$ mkdir catkin_workspace
3$ cd catkin_workspace/src
4$ catkin_init_workspace
5
6## 下载源码
7$ git clone --recursive http://github.com/leggedrobotics/darknet_ros.git
除了源码，我们还要下载一些训练好的神经网络权值，放在下面这个目录：
1$ catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
如果觉得国外下载速度太慢的话，这里我有个国内的 CDN 加速镜像：
yolov2-tiny.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov2-tiny.weights
yolov2.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov2.weights
yolov3.weights：https://wuhanshare-1252843818.cos.ap-guangzhou.myqcloud.com/yolov3.weights
如果源码和权值都下载好了，我们就可以准备编译了。
1.2 编译源码
为了保证 Darknet 能够获取到摄像头的数据，我们需要先告诉它摄像头的信息发布在哪里，修改这个文件：
1$ catkin_workspace/src/darknet_ros/darknet_ros/config/ros.yaml把下面的 topic 修改为自己图像发布的位置，例如我这里发布在 /usb_cam/image_raw
1camera_reading:
2 topic: /usb_cam/image_raw
3 queue_size: 1
然后就可以编译软件包了，在 catkin_workspace 目录下：
1$ catkin_make
一切正常的话，编译就完成了，其实不需要做太多的工作，编译完记得更新一下环境变量，这样后面才能正常启动这个软件包。
1$ sorce devel/setup.bash
在进行目标检测前，我们先启动 ROS 节点：
1$ roscore
然后启动一个摄像头节点：
1roslaunch usb_cam usb_cam-test.launch
这样就可以实时看到摄像头的数据了，摄像头在哪里其实不重要，既可以在小车上，也可以在电脑上，这也是 ROS 的优美之处，只要节点发布了摄像头消息，不管摄像头在哪， ROS 都能拿到处理：
接下来我们启动 Darknet 的节点：
1$ roslaunch darknet_ros darknet_ros.launch
下面这张图就可以看到有两个视频流，左边的是没有处理的实时图像，右边是运行了目标检测的结果：
RT-Thread 作为实时操作系统负责控制，Linux 则负责提供丰富的软件包运行算法，两者相结合，互相取长补短还是配合地挺好的。
3.参考文献Darknet ROS：https://github.com/leggedrobotics/darknet_ros
获取本项目完整教程代码及文档请关注下方二维码
并在公众号后台回复数字“4"
RT-Thread
让物联网终端的开发变得简单、快速，芯片的价值得到最大化发挥。Apache2.0协议，可免费在商业产品中使用，不需要公布源码，无潜在商业风险。
长按二维码，关注我们
点击“阅读原文”进入RT-Thread GitHub
