模拟射击服务
视频报靶
复制页面
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
视频报靶
复制页面
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:
转换成yolo所需的数据集:
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
onnx转rknn
#
把onnx复制到rknn_model_zoo项目中,修改下图内容:
修改完以后执行:
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