基于AidLux的项目实战之 智能预警在AidLux上的部署与应用
1.YOLOP模型onnx转换部署
YOLOP导出onnx模型
执行命令:
python3 export_onnx.py --height 640 --width 640
执行完成后，会在weights文件夹下生成转换成功的onnx模型
2.AidLux模型转换工具Al Model Optimizer
通过该工具对onnx模型转换成pt模型
3.YOLOP模型在AidLux上部署与应用
将项目上传到home文件夹，执行命令: pip install -r requirements.txt安装依赖环境，并通过demo.py验证推理效果。
4.智能预警系统代码实战
智能预警系统包含3个任务:目标检测，可行驶区域检测，车道线检测
1.输入:读取视频图像作为输入，图像尺寸1920*1080
2.预处理
2.1 将输入尺寸19201080 resize+padding到640640
2.2 归一化
2.3 6406403 -->13640*640
3.使用onnx模型进行推理
读取模型-->准备数据-->推理
得到det_out, da_seg_out, ll_seg_out，shape分别为:(1,n,6)(1,2,640,640)(1,2,640,640)
4.后处理
4.1将检测结果，可行驶区域检测结果，车道线检测结果，合并到一张图像上，分别用不同的颜色标记出来4.2将检测的帧数，帧率，车辆数等信息显示在图像上
5.输出
获取最终融合的图像，并保存成视频,图像尺寸、帧率、编码是原视频尺寸、帧率和编码
实战视频效果见下方链接
https://www.bilibili.com/video/BV1VF411o7qG/?vd_source=5d3ae1cbed185c1432e0f3004ca324fc