YOLOv8-based Visual Target Tracking for Mobile Robots

一. 项目简介

本项目基于 ROS Noetic 和 Gazebo 仿真环境，结合 YOLOv8 深度学习算法，实现移动机器人对特定目标的视觉感知与自主跟随。

二. 项目技术路线

模块1：仿真环境搭建与基础控制

  1. 使用 roslaunch turtlebot3_gazebo turtlebot3_world.launch 启动仿真世界。
  2. 通过键盘控制节点验证机器人底盘 /cmd_vel 话题通信。
  3. 验证 /camera/rgb/image_raw 图像话题正常发布。

模块2：视觉感知模块（YOLOv8 + ROS 封装）

  1. 在 ROS 节点中集成 Ultralytics 库，加载 yolov8n.pt 权重。
  2. 利用 cv_bridge 将 ROS 图像转换为 OpenCV 格式。
  3. 通过 /target_position 话题将目标坐标偏差发布出去

模块3：目标跟随控制模块

  1. 订阅 /target_position 话题接收目标偏差。
  2. 将偏差转化为速度指令，并发布到 /cmd_vel。若未识别到目标，则发送停止指令。

三. 环境搭建指引

  1. ROS 环境：Ubuntu 20.04 + ROS Noetic。
  2. 安装依赖： ```bash sudo apt install python3-opencv turtlebot3-gazebo pip install ultralytics

四.文件结构

src/yolov8-target-tracking/
├── scripts/
│   ├── main.py                     # YOLOv8 视觉检测节点（入口）
│   └── main_follower.py            # 目标跟随控制节点
├── launch/
│   └── main.launch                 # 一键启动文件
├── CMakeLists.txt
├── package.xml
└── requirements.txt

五. 运行说明

1.编译工作空间： 

bash
cd ~/catkin_ws
catkin_make
source devel/setup.bash

2.启动仿真环境（新开终端）： 

bash
roslaunch turtlebot3_gazebo turtlebot3_world.launch

3.启动完整项目（新开终端）： 

bash
cd ~/catkin_ws
source devel/setup.bash
roslaunch yolov8-target-tracking main.launch
(注意：请将 yolov8n.pt 放在 scripts/ 目录下与代码同层)

六. 实验数据与系统指标

1.相机话题：/camera/rgb/image_raw

2.ROS 版本：ROS Noetic

3.图像分辨率：384x640

4.是否需要显示器：是（需显示 Gazebo 与 YOLO 窗口）

5.推理耗时：在无 GPU 加速环境下（强制 CPU），单帧约 112ms。

6.控制频率：基于单帧约 120ms 的总耗时，频率约为 8Hz - 10Hz。

7.跟随误差：采用 P 控制，理论上画面中心偏移误差控制在图像宽度的 ±5% 以内。

七. 运行效果

Gazebo仿真环境 YOLOv8检测效果

以下截图为本人在重构“感知-控制”闭环代码后的最新实机复现效果。在无目标场景下，系统正确执行了停止指令：

最新运行截图

```