yolo_ros

在 ROS 2 里一行启动 YOLO 检测，图像进结果出

yolo_ros 是把 Ultralytics YOLO 系列模型（YOLOv8/v9/v10/v11/v12）封装成 ROS 2 节点的开源项目，解决机器人开发者需要在 ROS 2 系统中快速接入目标检测、实例分割、姿态估计、OBB 旋转框和 3D 检测等视觉能力的问题。它提供标准化的发布/订阅接口，把图像话题输入直接转成检测结果话题输出，支持多种任务类型和模型切换，省去自己写推理节点、消息转换和参数配置的重复工作。项目用 Python 实现，依赖 Ultralytics 库，可配合深度相机或点云做 3D 检测与人体姿态估计，适合移动机器人、机械臂抓取、自动驾驶感知等场景快速验证。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1136

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队mgonzs13

所属国家

官网地址https://mgonzs13.github.io/yolo_ros

GitHubhttps://github.com/mgonzs13/yolo_ros

定价模式free

价格说明开源免费，基于AGPL-3.0许可证

访问状态

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型3d-human-pose-estimation,3d-object-detection,human-pose-estimation,instance-segmentation,obb,object-detection,object-tracking,oriented-bounding-box,ros2,ultralytics,yolo,yolo-world,yolo26,yoloe,yolov10,yolov11,yolov12,yolov8,yolov9

GitHub 星标★ 1136

30天Star增速

HF 下载量

上线时间2023-02-21 00:00:00

最近更新2026-09-16 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-13

浏览次数1

使用教程

难度：进阶约 30 分钟部署方式：本地安装 7 步

环境要求

ROS 2 环境（README 提供 Humble 分支 main 的构建测试）
已配置的 ROS 2 工作空间（README 示例路径为 ~/ros2_ws）
Python 3 与 pip3（使用旧版 pip/rosdep 安装方式时需要）
Docker（使用 Docker 方式构建运行容器时需要）
NVIDIA Container Toolkit 与 CUDA GPU（可选，容器内加速需要）

安装与启动步骤

1获取项目源码

把仓库放到 ROS 2 工作空间的 src 目录下，README 中使用的路径是 ~/ros2_ws/src/yolo_ros。
```
git clone https://github.com/mgonzs13/yolo_ros.git ~/ros2_ws/src/yolo_ros
```
2安装 uv 工具

README 推荐的安装方式，用官方脚本安装 uv，并重新加载 shell 配置使其生效。
```
curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.bashrc
```
3同步虚拟环境

进入 yolo_ros 包目录，创建带系统站点包的 .venv，并按 pyproject.toml 同步依赖（不安装项目本身与 dev 依赖）。
```
cd ~/ros2_ws/src/yolo_ros/yolo_ros
uv venv --python python3 --system-site-packages .venv
uv sync --no-install-project --no-dev
```
4安装 rosdep 依赖

回到工作空间根目录，用 rosdep 安装 apt 安装器对应的系统依赖，-r 忽略错误、-y 自动确认。
```
cd ~/ros2_ws
rosdep install --from-paths src --ignore-src --filter-for-installers "apt" -r -y
```
5构建工作空间

在 ~/ros2_ws 下用 colcon build 构建；已装 uv 时会自动管理虚拟环境，未装则用系统 Python。
```
cd ~/ros2_ws
colcon build
```
6构建 Docker 镜像

在仓库根目录执行 docker build 生成 yolo_ros 镜像，镜像名与 README 中一致。
```
docker build -t yolo_ros .
```
7运行 Docker 容器

以交互方式启动容器，--rm 退出即删除；用 GPU 需先装 NVIDIA Container Toolkit 并加 --gpus all。
```
docker run -it --rm --gpus all yolo_ros
```

如何确认成功

uv sync 与 rosdep 安装无报错、colcon build 构建成功，或 docker run 后成功进入容器交互终端即可。

常见问题

Q：uv 安装和旧的 pip 安装该选哪个？

A：优先用 uv（README 推荐），它会在包源码树内创建并同步隔离虚拟环境；pip 和 rosdep 方式为旧方案，依赖装进系统环境，可能出现 Python 包版本冲突。

Q：不装 uv 时依赖怎么装？

A：在 ~/ros2_ws/src/yolo_ros/yolo_ros 下执行 pip3 install -r requirements.txt --break-system-packages；或用旧 rosdep 方式：先 pip3 install lap，再执行 PIP_BREAK_SYSTEM_PACKAGES=1 rosdep install --from-paths src --ignore

Q：Docker 里怎么启用 GPU？

A：先安装 NVIDIA Container Toolkit，然后在 docker run 时加上 --gpus all 参数，否则容器只能使用 CPU 运行。

注意事项

uv 是 README 推荐方式，会保证 pyproject.toml 中声明的 Python 依赖版本一致。
未安装 uv 时 colcon build 会跳过虚拟环境管理，节点改用系统 Python 解释器运行。
旧版 pip 安装需带 --break-system-packages，旧版 rosdep 安装需设置 PIP_BREAK_SYSTEM_PACKAGES=1。
README 中的 ~/ros2_ws 是示例工作空间路径，请按自己的实际路径替换。

核心亮点

覆盖 YOLOv8 到 v12 多版本，检测/分割/姿态/OBB/3D 任务一站式支持
标准 ROS 2 话题接口，图像输入检测输出，接入现有机器人系统成本低
Python 实现依赖 Ultralytics，模型替换和参数调整直观，上手快

不足之处

Python 推理节点在高帧率或大模型下实时性不如 C++ 方案
3D 检测和姿态估计依赖深度/点云输入，配置门槛相对较高

适用场景

移动机器人用摄像头做行人、障碍物实时检测
机械臂视觉抓取中做目标检测与 OBB 位姿估计
服务机器人或巡检机器人做人体姿态与行为感知

替代项目

ros2_yolo、darknet_ros、vision_msgs

项目介绍

yolo_ros 是一个计算机视觉领域的开源项目，官方简介：Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 for ROS 2。项目使用 Python 开发，在 GitHub 上获得 1135 星标。

上一篇：TagLab

下一篇：camera.ui