英特尔Movidius神经元计算棒(NCS)基于ROS的实现与封装如今

如今，人工智能的热潮正在席卷各行各业，而计算力和数据、算法一同支撑着人工智能的蓬勃发展。作为人工智能的一个重要分支，深度学习以其良好的表现，越来越受到业界的广泛关注。深度学习模型包含海量的参数，需要强大的计算力进行大规模的神经网络矩阵运算；而终端和物联网设备往往更多考虑小体积和功耗的要求，以至于很难兼顾满足高性能神经网络计算力和低功耗的要求。英特尔在去年发布的针对神经网络矩阵运算优化的Movidius神经元计算棒 (NCS) 就很好的适应了这一应用领域的需求。本文将向您介绍基于 Movidius NCS 的ROS开发包的功能及其使用方法，您可以轻松地将深度学习技术引入项目，和其他ROS节点无缝连接，为您的机器人装上人工智能的利器。

与Movidius神经元计算棒一同发布的还有NCSDK和NCAppZoo，为用户在Movidius 神经元计算棒之上开发各自的应用提供了良好的软件支持。

NCSDK目前提供了C和Python两种语言的编程的接口，通常应用开发者通过调用这些接口就能操作NCS做深度学习方面的图像预测工作。然而，在机器人研究领域，人们广泛采用ROS框架，这一框架下的各个应用通常采用消息(message)和话题(topic)的方式进行通信。在这种特殊情况下，机器人应用开发者不得不对NCSDK做进一步的封装才能使其无缝工作在ROS系统中。针对NCSDK到ROS系统的衔接问题，我们提出并实现了一种基于ROS系统的对NCSDK的封装。该项目目前已经在github上面开源(github 地址)。

项目介绍

1、软件架构设计

本项目主体由一个ROS发布节点和一个ROS服务节点组成，以适应不同的应用场景。ROS发布节点用于处理来自相机的视频流数据，预测结果以消息(message)的形式发布到相应的话题(topic)中，供上层应用调用。ROS服务节点用于处理单张图片数据，预测结果直接返回给上层消费服务的节点做进一步处理。为了更好的演示这两个节点的使用方法，我们还开发了多个客户端节点，最终处理结果会以图像的形式展现出来。

目前项目可以支持物体分类和物体识别两种应用。物体分类可以采用不同的CNN模型，例如，GoogleNet, AlexNet和SqueezeNet等。物体识别可以支持TinyYolo, mobilenet-SSD等。