模拟射击服务
  1. 视频报靶
模拟射击服务
  • 影像靶
    • UDP数据
    • 重新校准摄像头
      GET
    • 设置射击模式
      GET
    • 设置屏幕尺寸
      GET
    • 设置单发模式的激发间隔
      GET
    • 设置目标地址、端口
      GET
  • 激光视觉模拟靶
    • 靶面识别端系统安装指南
    • UDP通讯
    • MQTT通讯(暂不使用)
    • 安装opencv等环境
    • 图像地址
      视频流地址
    • 获取最新的靶面图片
      POST
    • 设置摄像头曝光
      POST
    • 设置设备参数
      POST
    • 设置设备IP地址和子网掩码
      POST
    • 设置设备WIFI
      POST
    • 重置设备WIFI
      POST
    • 获取设备所有参数
      POST
    • 获取命中记录
      POST
    • 清除命中
      POST
    • 校准靶面(自动单点配置)
      POST
    • 校准靶面(输入四边形坐标点)
      POST
    • 获取校准点
      POST
  • 视频报靶
    • jetson orin nano安装环境
    • yolo8 RK3588 rknn模型训练和获取
    • 设置850摄像头摄像头
      POST
    • 设置彩色摄像头摄像头
      POST
    • 获取实时的彩色图像
      POST
    • 设置工作模式
      POST
    • 设置图像模式
      POST
    • 获取命中图片
      POST
    • 重新初始化
      POST
    • 设置运行参数
      POST
  1. 视频报靶

yolo8 RK3588 rknn模型训练和获取

参考:https://blog.csdn.net/Striver_Nwj/article/details/143215393
https://blog.csdn.net/A_l_b_ert/article/details/141610417

数据集准备和转化#

voc数据集
格式如下:
1751946399643.jpg
转换成yolo所需的数据集:
image.png
voc转yolo数据集代码:

训练#

💡
1、 注意需使用https://github.com/airockchip/ultralytics_yolov8这里的代码
2、 把上面链接的源码中ultralytics/nn/modules/conv.py的nn.SiLU()都替换成nn.ReLU()
train.py:

pt模型转RKNN#

📌
以下转换都需要在Linux中进行:且安装:
rknn-toolkit2:https://github.com/airockchip/rknn-toolkit2
rknn_model_zoo:https://github.com/airockchip/rknn_model_zoo

pt转onnx#

pt2rknn.py
image.png

onnx转rknn#

把onnx复制到rknn_model_zoo项目中,修改下图内容:
image.png
image.png
image.png
修改完以后执行:
image.png
结果在../model/hit.rknn

python预测运行代码#

https://git.bwbot.org/publish/rknn3588-yolov8
修改于 2025-07-08 09:27:17
上一页
jetson orin nano安装环境
下一页
设置850摄像头摄像头
Built with