<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Linzhenghan的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Linzhenghan</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Linzhenghan]]></copyright><item><title><![CDATA[【凌智视觉模块】基于rv1106的GPIO基本使用]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148258845</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148258845</guid><author>Linzhenghan</author><pubDate>Tue, 27 May 2025 15:46:17 +0800</pubDate><description><![CDATA[本文档详细介绍了GPIO（通用输入输出）模块的使用方法。首先解释了GPIO的基本概念、工作模式（输入/输出）和状态（高/低电平），然后提供了API文档说明，包括配置模式、读写操作等核心函数。文档还包含两个完整示例：输入模式用于读取引脚状态，输出模式用于控制LED灯亮灭，并附有流程图和代码解析。最后提供了编译环境配置指南，使用CMake 3.10及以上版本进行项目构建。]]></description><category></category></item><item><title><![CDATA[RV1106（凌智视觉模块）摄像头调用指南]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148030656</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148030656</guid><author>Linzhenghan</author><pubDate>Mon, 19 May 2025 09:41:13 +0800</pubDate><description><![CDATA[本文介绍了如何使用LockAI进行视频流的读取，并通过Edit模块进行图像传输。首先，文章简要介绍了OpenCV库及其VideoCapture类，详细说明了如何初始化摄像头、设置分辨率、读取视频帧等操作。接着，文章介绍了lockzhiner_vision_module::edit::Edit类，展示了如何初始化模块、建立连接并进行图像传输。最后，文章提供了两个综合代码示例，分别演示了基础摄像头读取和摄像头图像传输的实现流程，并附有流程图和代码解析。此外，文章还简要介绍了编译环境的搭建和CMake的配置。通过]]></description><category></category></item><item><title><![CDATA[RV1106 YOLOv5s部署：OpenCV优化实现20FPS边缘推理(无大量硬件加速)]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148025260</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148025260</guid><author>Linzhenghan</author><pubDate>Sat, 17 May 2025 11:52:20 +0800</pubDate><description><![CDATA[本研究针对RV1106平台上YOLOv5模型移植中的技术瓶颈，提出基于OpenCV的端到端视频流推理方案，成功解耦硬件依赖，提升系统可移植性。通过重构摄像头数据采集模块为OpenCV标准接口，并替换预处理、后处理环节为OpenCV标准函数库操作，系统在320×320分辨率下达到20FPS推理性能。性能分析显示，OpenCV图像操作是当前主要瓶颈，降低分辨率可进一步提升帧率。研究还详细介绍了YOLOv5目标检测模型的基本知识、API文档及代码实现流程，为实时目标检测应用提供了完整解决方案。]]></description><category></category></item><item><title><![CDATA[基于RV1106 PaddleDetection ncnn 的车牌检测识别系统]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148006670</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148006670</guid><author>Linzhenghan</author><pubDate>Fri, 16 May 2025 15:03:41 +0800</pubDate><description><![CDATA[基于RV1106芯片的车牌检测识别系统采用PaddleDetection模型实现25FPS的车牌定位，结合ncnn部署的RCNN识别模型达到5FPS字符解析，支持中文字符识别与复杂场景适应，通过RKNN模型转换实现嵌入式高效部署，提供开源模型与完整C++ API，适用于智慧交通、移动警务等实时边缘计算场景。]]></description><category></category></item><item><title><![CDATA[RV1106(凌智视觉模块)串口的使用]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148005463</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148005463</guid><author>Linzhenghan</author><pubDate>Fri, 16 May 2025 14:06:37 +0800</pubDate><description><![CDATA[本文介绍了在凌智视觉模块（Lockzhiner Vision Module）上使用串口（UART）进行数据传输的方法。串口通讯因其简单、成本低且适合短距离通信，广泛应用于嵌入式系统中。文章首先对比了常见的嵌入式通讯协议（如UART、SPI、I2C等），并指出串口在自定义快速开发场景中的优势。接着，详细说明了串口通讯的基本知识，包括波特率、数据位、停止位和校验位等关键参数。随后，提供了凌智视觉模块的串口API文档，涵盖打开、关闭、发送和读取数据的函数接口。最后，通过两个示例代码展示了如何使用串口进行数据的读取]]></description><category></category></item><item><title><![CDATA[基于RV1106 OpenCV-mobile的色块识别]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148005136</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148005136</guid><author>Linzhenghan</author><pubDate>Fri, 16 May 2025 13:51:27 +0800</pubDate><description><![CDATA[开始|-- 创建 Edit 对象 edit 并启动连接|   |-- 成功 -> 继续执行|   |-- 失败 ->|       |-- 输出 “Error: Failed to start and accept connection.”|       |-- 返回错误码 1|-- 设置摄像头分辨率并打开摄像头设备|   |-- 成功 -> 继续执行|   |-- 失败 ->]]></description><category></category></item><item><title><![CDATA[RV1106 图像分割 基于paddleseg]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/148002919</link><guid>https://blog.csdn.net/Linzhenghan/article/details/148002919</guid><author>Linzhenghan</author><pubDate>Fri, 16 May 2025 11:43:41 +0800</pubDate><description><![CDATA[本文介绍了在 Lockzhiner Vision Module 上基于 PaddleSeg 模型实现 PP-HumanSeg 人像分割的案例。首先，文章简要介绍了人像分割的基本概念及其应用场景，并对比了几种常用的人像分割方法，如传统算法、U-Net、DeepLab、BiSeNet 和 PP-HumanSeg，重点强调了 PP-HumanSeg 在精度与速度上的平衡优势。接着，文章详细解析了 C++ API 文档，包括 RKNPU2Backend 类的初始化、推理执行及输入输出属性获取等功能。随后，文章通过流]]></description><category></category></item><item><title><![CDATA[基于RV1106的文字OCR文字检测和识别]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/147988898</link><guid>https://blog.csdn.net/Linzhenghan/article/details/147988898</guid><author>Linzhenghan</author><pubDate>Thu, 15 May 2025 18:29:06 +0800</pubDate><description><![CDATA[本章节介绍了在Lockzhiner Vision Module上基于OcrLiteNcnn模型实现OCR中文字符识别系统的过程。首先，文章概述了OCR技术的基本概念及其在中文识别中的挑战，详细描述了图像预处理、文字定位、字符分割、特征提取与识别等核心步骤。接着，提供了C++ API文档，包括Net类和Extractor类的使用方法，并解析了OCR中文字符识别的代码流程，涵盖参数检查、模型加载、图像预处理、文本检测与识别等关键步骤。最后，文章介绍了编译环境的搭建和Cmake配置，为开发者提供了完整的实现指南。]]></description><category></category></item><item><title><![CDATA[基于RV1106 PaddleDetection ArcFace的多模型人脸识别系统]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/147986837</link><guid>https://blog.csdn.net/Linzhenghan/article/details/147986837</guid><author>Linzhenghan</author><pubDate>Thu, 15 May 2025 17:07:39 +0800</pubDate><description><![CDATA[本文介绍了一个基于 Lockzhiner Vision Module 的人脸识别系统，该系统结合了 LZ-Picodet 模型和 ArcFace 模型，实现了高效的人脸检测与识别。系统通过底层摄像头接口的对齐，减少硬件影响，专注于软件开发，并全面支持 OpenCV-mobile，提供更强大的功能和灵活的使用方法。文章详细讲解了人脸识别的基本知识、常用方法，并提供了 C++ API 文档，包括 FaceRecognitionSystem 类和 Visualize 函数的使用说明。此外，文章还解析了系统的核心代]]></description><category></category></item><item><title><![CDATA[【RV1106 OpenCV PaddleClas硬核教程】手写数字识别竟如此简单？RKNN模型部署+实时检测，附完整代码]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/147984850</link><guid>https://blog.csdn.net/Linzhenghan/article/details/147984850</guid><author>Linzhenghan</author><pubDate>Thu, 15 May 2025 16:05:52 +0800</pubDate><description><![CDATA[本文基于RV1106平台实现嵌入式手写数字识别系统，采用OpenCV+PaddleClas构建轻量化模型，支持单张图像检测与摄像头实时识别两种模式。通过RKNN-Toolkit2完成Paddle模型转换，提供完整的CMake工程配置、交叉编译指南和运行示例，配套代码实现图像预处理、模型推理和结果可视化全流程，适用于智能教育、工业质检等边缘计算场景，具备低资源占用、高部署效率的技术特点。

]]></description><category></category></item><item><title><![CDATA[【基于RV1106和PaddleDetection的目标检测方案】]]></title><link>https://blog.csdn.net/Linzhenghan/article/details/147975914</link><guid>https://blog.csdn.net/Linzhenghan/article/details/147975914</guid><author>Linzhenghan</author><pubDate>Thu, 15 May 2025 10:48:53 +0800</pubDate><description><![CDATA[本文档详细介绍了如何在RV1106平台上使用PaddleDetection进行高效目标检测。首先，文章概述了目标检测的基本概念及其应用场景，并介绍了PaddleDetection库的特点和适用场景。接着，文档提供了PaddleDetection类的API说明，包括模型初始化、阈值设置、预测和结果可视化等功能。随后，通过示例代码解析了目标检测的完整流程，包括模型初始化、图像捕获、推理和结果可视化。最后，文档简要介绍了编译环境的搭建和CMake配置。本文为开发者提供了在嵌入式系统中实现目标检测的实用指南。]]></description><category></category></item></channel></rss>