参考项目
GitHub - nilseuropa/ros_ncnn: ROS wrapper for NCNN neural inference framework
ncnn_ros功能包参考了ncnn中的demo和ros_ncnn项目，相比于ros_ncnn，主要改动是
1、适配了nanodet、yolov3、yolo5、yolox和yolov7几种分类算法和yolact分割算法
2、移除了代码中GUI显示部分，改为ROS话题发布
3、增加影响检测速度的参数调节配置接口
4、单独定义了消息类型，方便跨设备订阅话题
安装
Noet：安装前需要已经正常编译ncnn框架
获取ncnn_ros和object_information_msgs源码
cd ~/catkin_ws/src/git clone https://gitee.com/bingda_ai/ncnn_ros.gitgit clone https://gitee.com/bingda_ai/object_information_msgs.git编译工作空间
cd ~/catkin_ws/ && catkin_make --pkg object_information_msgs ncnn_ros准备模型文件
将模型文件放在用户主目录中
方法1：
如果github访问通畅，可以从nihui大佬的仓库直接clone(注意，这个仓库比较大，约1G，另外就是没有包含yolox的模型文件，需要单独获取，然后拷贝至ncnn-assets/models目录中)
cd ~git clone https://github.com/nihui/ncnn-assets.gityolox模型地址
https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s_ncnn.tar.gz
方法2：
也可以下载我精简后的压缩包，然后解压到用户主目录
cd ~unzip unzip ncnn-assets运行Demo
启动摄像头
roslaunch ncnn_ros camera.launch启动一个检测节点，例如NanoDet
roslaunch ncnn_ros nanodet.launch参数调整
camera_topic 节点订阅的话题名
enable_gpu 是否启用GPU，默认值false
target_size 目标尺寸，默认值640（不同节点有差异，参考launch文件）
display_output 是否输出检测后图像话题，默认值true
powersave CPU模式，默认值0，可选0，1，2
thread 线程数，默认2
不严谨的性能测试
测试是便开发边做的，运行的参数可能不完全一样，所以不具备绝对的对比价值
| NanoDet |
YOLO V3 |
YOLO V5 |
YOLO X |
YOLO V7 |
YOLOACT |
备注 |
|
| 全志H6 |
6.5 FPS |
2.0 FPS |
1.9 FPS |
1.6FPS |
1.6 FPS |
0.1 FPS |
powersave:=0 thread:=4 |
| 树莓派4B |
3.3FPS |
powersave:=0 thread:=4 |
|||||
| RK3399 |
13.5 FPS |
5.2 FPS |
5.0 FPS |
4.0 FPS |
4.3 FPS |
powersave:=0 thread:=4 |
|
| 旭日X3 |
8.7 FPS |
3.6 FPS |
3.3FPS |
2.8 FPS |
3.1 FPS |
powersave:=0 thread:=4 |
|
| RK3588 |
48.0 FPS |
37.0 FPS |
22.0 FPS |
33.0 FPS |
33.0 FPS |
powersave:=2 thread:=4 |