（四）瑞芯微rk3568中编译opencv并配置环境变量

DSZS123

已于 2022-04-19 09:49:12 修改

阅读量5.8k

点赞数 1

分类专栏： rockchip芯片调试记录总结文章标签： opencv 计算机视觉 arm 人工智能

于 2021-12-04 21:03:23 首次发布

本文链接：https://blog.csdn.net/dongshizhishui/article/details/121721495

版权

rockchip芯片调试记录总结专栏收录该内容

22 篇文章 37 订阅 ¥39.90 ¥99.00

订阅专栏

项目需求。需要在rk3568开发环境中使用opencv。所有要编译出opencv的库文件。步骤记录如下：

1、下载opencv源码下载（本人下载的是3.4.5）Releases - OpenCV

2、安装cmake-gui 。使用sudo snap install cmake --classic

3、cmake-gui使用参考海思hi3516dv300开发--编译Opencv - 知乎

4、生成makefile，make后出现如下错误：

解决方法：

进入opencv目录下的3rdparty的对应目录CMakeFiles/ *.dir下，打开flags.make，在C_FLAGS = 后添加-O3 -fPIC用来支持在64位机上编译
                如../3rdpar

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

DSZS123

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
打赏
2
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

RK3568平台开发系列讲解（环境篇）RK3568上OpenCV 的编译移植

内核笔记

08-25

4552

OpenCV作为一个开源计算机视觉库，在 Windows、Linux、Android和Mac OS等操作系统上均可运行。OpenCV库因其开源的特性，而且在各种平台上都能移植，加上其能提供的图像处理算法丰富多样，在 ARM 嵌入式平台上也适用于做算法的移植。本系统选择将 OpenCV3.2.0 编译移植到开发板上，开发环境是虚拟机上安装的 Ubuntu16.04。由于 OpenCV 开源，直接在官网上下载源码包 opencv-3.2.0.zip，在/opt 目录下新建文件夹 arm，并将源码包放入/op

基于RK3568平台移植opencv4.7.0

程小二的博客

06-24

247

本章节是针对opencv-4.7.0移植到 RK3568 Linux系统，运行在RK3568开发板上，详细的移植流程如下。

2 条评论您还未登录，请先登录后发表或查看评论

ARM应用之瑞芯微RK3568上使用QT+Opencv

huntenganwei的博客

03-14

2403

手上有一块RK3568板子，正好官方SDK提供了opencv和QT的环境，就整个QT+OPENCV的简单应用玩玩。还是通过ioctl映射出原始的图像数据，这里将图像的YUV数据转为bgr。在opencv中一般输入的是bgr图像进行处理。QT一般使用的是RGB图像，所以注意得转换一下，不然那颜色就反了。这里直接使用USB采集的图像进行处理。

[RK3588]瑞芯微3588S/3568交叉编译OpenCV

dashuo0501的博客

10-23

878

opencv2.4.10 交叉编译，适用于RK3588/RK3568，可以读取JPG文件，暂不支持读取MP4等视频文件

（新）9RK3568平台上的OpenCV编译与移植：打造视觉应用的利器

一直在水些技术小文

10-18

603

编译和移植OpenCV到RK3568平台为嵌入式视觉应用提供了强大的工具。通过配置开发环境、编译OpenCV并移植库文件，您可以开始开发视觉应用程序，从图像处理到目标识别。在接下来的文章中，我们将深入研究RK3568平台的更多特性和性能，以及如何开发更复杂的视觉应用。请继续关注本系列的下一篇文章，以了解更多有关RK3568平台的内容。

[RK3588]瑞芯微3588S/3568交叉编译OpenCV3.4.3+FFmpeg4.2.9

dashuo0501的博客

10-30

2305

软件交叉编译工具链：/usr/local/arm64/gcc-linaro-6.3.1-2017.05-x86_64_aarch64-linux-gnu/bin/aarch64-linux-gnu。（1）新建opcncv3_build文件夹，解压缩ffmpeg源码命令：tar -zxvf ./ffmpeg-4.2.9.tar.gz。（2）在opencv-3.4.3文件夹内，执行 mkdir arm64_install_opencv3创建文件夹，并进入。（3）进入./ffmpeg-4.2.9文件夹。

RK3588 RK3568 RK3566 Linux QT Opencv NPU YoloV5 摄像头实时检测

10-20

RK3588 RK3568 RK3566 Linux QT Opencv NPU YoloV5 摄像头实时检测系统使用debian11

测评 | 国产“芯” · 瑞芯微 RK3568 性能解析

linlinzia的博客

03-30

4633

瑞芯微出品的RK3568是一款定位中高端的通用型SoC，采用22nm先进制程工艺，主要面向工业互联网、HMI、NVR存储、车载中控、工业网关等领域。 RK3568兼具CPU、GPU、NPU、VPU于一身，具体性能如下： CPU 四核64位Cortex-A55 主频最高2.0GHz 22nm先进工艺 GPU Mail-G52 支持OpenGLES 1.1/2.0/3.2，OpenCL2.0，Vulkan1.1 内嵌高性能2D加速硬件 NPU 集成高效能AI加速器RKNN ...

（九）瑞芯微rk3568 Qtcreator 中添加ffmpeg

不见围墙

12-10

3087

一、Qtcretor中要想调用ffmpeg，首先要编译ffmpeg。 1、下载ffmpeg 我下载的是4.0.6 ./configure --prefix="/home/rpdzkj/QT/ffmpeg-4.0.6/myinstall" --enable-shared --enable-cross-compile --target-os=linux --arch=aarch64 --cc=/home/rpdzkj/rk3568/prebuilts/gcc/linux-x86/aarch64/gcc-l

UVCCamera+Opencv+RK3568+Android12+调试记录

10-24

说明：基于https://github.com/saki4510t/UVCCamera开发注：本压缩包内不包含源代码，可下载https://github.com/saki4510t/OpenCVwithUVC工程进行开发压缩包内OpencvWitchUVCCamera.apk实现功能如下 1、安卓主板运行外接USB摄像头 2、使用opencv开发安卓图像处理，完成轮廓识别及输出 3、解决Android10以上系统运行崩溃问题（插入USB摄像头崩溃，Android7系统无崩溃问题） 4、包含RK3568主板开发相关资料

Ubuntu18.04的RK3568开发板上安装opencv&qt

weixin_55015419的博客

06-03

1704

硬件——RK3568开发板、系统——Ubuntu18.04、工具——apt-get。

基于RK3568平台opencv的图像采集、ffmpeg推流和Windows端拉流(多线程)

最新发布

程小二的博客

08-30

1007

本章节是针对ffmpeg移植到 Linux系统，运行在RK3568开发板上，首先创建一个线程opencv通过摄像头采集视频图像，接着再创建两个线程，其中一个线程获取采集的视频图像送给ffmpeg服务，另一个线程用于获取采集的视频图像并处理，详细的流程请参看如下。

迅为RK3568开发板使用OpenCV处理图像（颜色转换）

mucheni的博客

12-11

638

首先进入到 ubuntu 的终端界面将“iTOP-3568 开发板\03_【iTOP-RK3568 开发板】指南教程\04_OpenCV 开发配套资料\05”路径下的 lena.png 文件拷贝到 ubuntu 虚拟机上，拷贝完成如。对一张彩色图像使用 cvtColor()函数转换为灰度图和 HSV，并使用 imshow()函数进行展示。第 5 行和第 6 行使用 imshow()函数对转换的图像进行展示；第 3 行使用了 cvtColor 函数将读取的图片转换成灰度图。BGR-灰度图和 BGR-HSV。

瑞芯微RK3588，交叉编译opencv

wave789的博客

07-20

4180

瑞芯微RK3588，交叉编译opencv

迅为RK3568开发板使用OpenCV处理图像-ROI区域-位置提取ROI

mucheni的博客

12-15

911

首先进入到 ubuntu 的终端界面将“iTOP-3568 开发板\03_【iTOP-RK3568 开发板】指南教程\04_OpenCV 开发配套资料\06”路径下的 lena.png 文件拷贝到 ubuntu 虚拟机上，拷贝完成如。可以通过对 img 变量存储的数组设定范围，进行位置提取以此来设定 ROI，例如使用以下命令展示 x 区域范围为[300,500],y 区域范围为[200,400]的图像。可以看到对应区域的图像已经显示了出来，至此位置提取 ROI 的实验就结束了。

RK3568平台（环境篇）ubuntu18.04上安装opencv环境

weixin_49303682的博客

07-05

322

OpenCV-Python 是一个 Python 绑定库，旨在解决计算机视觉问题。Python 是一种由 Guido van Rossum 开发的通用编程语言，它很快就变得非常流行，主要是因为它的简单性和代码可读性。它使程序员能够用更少的代码行表达思想，而不会降低可读性。与 C / C++等语言相比，Python 速度较慢。也就是说，Python 可以使用 C / C++轻松扩展，这使就可以在 C / C++中编写计算密集型代码，并创建可用作 Python 模块的 Python 包装器。

用迅为RK3568开发板使用OpenCV处理图像颜色通道提取ROI

mucheni的博客

09-01

590

在计算机的色彩图像中存有三个通道，即 BGR 通道，根据三个颜色通道的亮度值来显示出不同的颜色，通过 imread()函数读取图像文件之后，图像信息会保存到对应的变量中，以下面的代码为例读取到的信息会被保存到 img 变量中，12 img = cv2.imread("lena.png") #使用 imread 函数读取名为 lena.png 的图片。2 img = cv2.imread("lena.png") #使用 imread 函数读取名为 lena.png 的图片。

瑞芯微RK3568 android代码运行yolov5

07-24

瑞芯微RK3568是一款高性能的SoC芯片，具备强大的CPU、GPU以及神经网络加速器(NPU)，非常适合用于Android设备的深度学习应用。Yolov5是一种基于YOLO系列的目标检测算法，广泛应用于图像识别领域。下面简述如何在RK3568上通过Android系统运行Yolov5： ### 1. 准备环境 **硬件需求**：一台搭载瑞芯微RK3568 SoC的Android设备。 **软件准备**：确保Android设备已安装最新版本的Android系统，并且已经适配了Yolov5模型。 ### 2. 安装依赖库为了运行深度学习模型，如Yolov5，需要在Android项目中引入相关的依赖库。通常情况下，这包括TensorFlow Lite、OpenCV等库，这些库能够提供对神经网络计算的支持。你可以在项目的 `build.gradle` 文件中添加相应的依赖项： ```groovy dependencies { implementation 'org.tensorflow:tensorflow-lite:2.x.x' implementation 'org.opencv:opencv:4.x.x-android-maven' } ``` 请注意，实际的依赖版本可能会有所变化，请查阅最新的官方文档获取正确的版本信息。 ### 3. 模型转换与优化由于Android平台限制，模型在运行前通常需要转换成更适应移动设备的形式，例如使用TF-Lite格式。可以使用TensorFlow的模型转化工具进行转换： ```bash # 使用tfjs-converter将原模型转换为TF-Lite格式 npm install -g tfjs-converter npx tfjs-converter convert --inputModels yolov5/model.tflite --outputModel yolov5/tfLiteModel.tflite --signatureName predict ``` ### 4. 编写Android应用在Android应用中，你需要编写代码以加载模型并执行推理操作。基本框架如下： ```java import org.tensorflow.lite.support.tensorbuffer.TensorBuffer; import org.tensorflow.lite.task.core.CommonImageInput; import org.tensorflow.lite.task.core.Task; import org.tensorflow.lite.task.vision.detector.ObjectDetectorOptions; public class Yolov5DetectionActivity extends AppCompatActivity { private Task mObjectDetectorTask; private ObjectDetectorOptions options = new ObjectDetectorOptions.Builder() .setResultThreshold(0.5) .build(); @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout.activity_yolov5_detection); // 加载模型 try { mObjectDetectorTask = ObjectDetector.load(this, "model_path", options).build(); } catch (IOException e) { throw new RuntimeException("Failed to load model"); } // 读取图片 Bitmap inputBitmap = BitmapFactory.decodeResource(getResources(), R.drawable.your_image); CommonImageInput imageInput = CommonImageInput.fromBitmap(inputBitmap, 0); // 执行推理 Task.Outputs outputs = mObjectDetectorTask.detect(imageInput); // 输出结果处理... } } ``` 请确保替换`model_path`为本地模型文件路径，并调整其他配置以满足你的需求。 ### 相关问题: 1. **如何调试Android应用中的深度学习模型?** - 可以利用Logcat记录关键步骤的日志信息，同时结合可视化工具如TensorBoard监控模型的输入和输出数据。 2. **RK3568 SoC支持哪些类型的深度学习模型部署?** - 支持所有基于TensorFlow、PyTorch等主流机器学习框架的模型部署，只要模型格式兼容，并经过适当的优化。 3. **如何优化在Android设备上的深度学习应用性能?** - 调整模型精度（从FP32降级到FP16或INT8）、减少模型大小、合理分配资源（CPU/GPU/NPU），以及优化图像预处理和后处理流程都可以提升性能。

（四）瑞芯微rk3568中 编译opencv并配置环境变量

（四）瑞芯微rk3568中编译opencv并配置环境变量