paddle_inference_ros能将Paddle Inference嵌入ROS，在Ubuntu18.04 ROS Melodic环境部署飞桨CV模型，实现实时图像检测。需特定软硬件环境，编译相关组件后，运行节点可借助GPU和TensorRT加速。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
paddle_inference_ros（基于paddle inference的ROS部署功能包）
功能包介绍
paddle_inference_ros功能包能够完全基于python3将原生的Paddle Inference嵌入ROS中的工具，使Paddle Inference能够作为一个节点实现对ROS中图像信息进行实时检测功能，可以帮助开发者在Ubuntu18.04 ROS Melodic环境中中使用Paddle inference部署基于飞桨的CV模型。
功能包架构
- paddle_inference_ros(ros package)
- scripts
- camera.py(camera_node)
- pp_infer.py(ppinfer_node)
- download_model.sh
- scripts
Paddle Inference介绍
Paddle Inference是飞桨的原生推理库，提供高性能的推理能力。 由于能力直接基于飞桨的训练算子，因此Paddle Inference可以通用支持飞桨训练出的所有模型。 Paddle Inference功能特性丰富，性能优异，针对不同平台不同的应用场景进行了深度的适配优化，做到高吞吐、低时延，保证了飞桨模型在服务器端即训即用，快速部署。
Paddle Inference的高性能实现
- 内置高性能的CPU/GPU Kernel
- 子图集成TensorRT加快GPU推理速度
主流软硬件环境兼容适配
- 支持服务器端X86 CPU、NVIDIA GPU芯片 (包括Jetson系列的GPU)，兼容Linux/Mac/Windows系统。支持所有飞桨训练产出的模型，完全做到即训即用。
多语言环境丰富接口可灵活调用
- 支持C++、Python、C，接口简单灵活，20行代码即可完成部署。对于其他语言，提供了ABI稳定的C API, 用户可以很方便地扩展。
1.环境准备
（1）硬件平台
- Jetson nano（Jetson系列开发板配置和以下都相同，X86系统在PaddlePaddle的安装方面不同，其他都相同） Jetson系列基础环境配置：Jetson系列——Ubuntu18.04版本基础配置（换源、ROS、远程桌面、开机自连WIFi、SD卡备份）
（2）软件环境
- Ubuntu18.04
- python3.6.9
- ROS Melodic
- PaddlePaddle-gpu 2.1.1
PaddlePaddle：跑通Paddle inference Demo
- Jetson Nano——基于python API部署Paddle Inference GPU预测库（2.1.1）
待Paddle inference GPU预测正常之后再将其迁移进ROS中。
2、编译python3的cv_bridge
在ROS中想使用原生python3的Paddle Inference，最重要的就是需要重新编译基于python3的cv_bridge，只有我们在编译完成后，才能在ROS中运行python3的Paddle Inference目标检测、分类、分割等相关节点时，自动调用基于python3的cv_bridge。所以编译基于python3的cv_bridge便是最基础和最重要的一步，按以下步骤进行操作：
$ mkdir -p paddle_ros_ws/src && cd paddle_ros_ws/src $ catkin_init_workspace $ git clone https://gitee.com/irvingao/vision_opencv.git $ cd ../ $ catkin_make install -DPYTHON_EXECUTABLE=/usr/bin/python3
$ vim ~/.bashrc
在最后添加：
source ~/paddle_ros_ws/devel/setup.bashsource ~/paddle_ros_ws/install/setup.bash --extend
检查是否安装成功：
$ python3
import cv_bridgefrom cv_bridge.boost.cv_bridge_boost import getCvType
如果显示如下，则表明安装成功：
Python 3.6.9 (default, Jan 26 2021, 15:33:00) [GCC 8.4.0] on linuxType "help", "copyright", "credits" or "license" for more information.>>> import cv_bridge>>> from cv_bridge.boost.cv_bridge_boost import getCvType>>>
3、编译paddle_inference_ros功能包
cd src $ git clone https://gitee.com/irvingao/paddle_inference_ros.git $ cd paddle_inference_ros/scripts $ chmod +x * $ cd ../../.. $ catkin_make -DPYTHON_EXECUTABLE=/usr/bin/python3
4、运行节点
下载yolo_v3目标检测模型
$ cd src/paddle_inference_ros/scripts $$ ./download_model.sh
分别使用三个终端运行：
$ roscore$ rosrun paddle_inference_ros camera.py$ rosrun paddle_inference_ros pp_infer.py
可以成功在ROS中运行paddle inference，并实现GPU和TensorRT的加速！
