RK3568学习笔记
文章平均质量分 85
只为学习RK3568记录的笔记,配套开发板为正点原子的ATK3568
殷忆枫
这个作者很懒,什么都没留下…
展开
-
RK3568笔记二十二:基于TACO的垃圾检测和识别
若该文为原创文章,转载请注明原文出处。基于TACO数据集,使用YOLOv8分割模型进行垃圾检测和识别,并在ATK-RK3568上部署运行。原创 2024-04-16 19:45:27 · 617 阅读 · 4 评论 -
RK3568笔记二十一:YOLOv8 实例分割部署
若该文为原创文章,转载请注明原文出处。参考rknn_model_zoo部署YOLOv8 实例分割.原创 2024-03-27 14:56:22 · 607 阅读 · 0 评论 -
RK3568笔记二十:PP-YOLOE部署测试
若该文为原创文章,转载请注明原文出处。注:转换测试使用的是Autodl服务器,CUDA11.1版本,py3.8。原创 2024-03-21 20:46:22 · 831 阅读 · 0 评论 -
RK3568笔记十九:Yolov5-seg训练部署
若该文为原创文章,转载请注明原文出处。根据airockchip/yolov5 仓库训练并部署全过程记录。原创 2024-03-12 00:28:20 · 1116 阅读 · 0 评论 -
RK3568笔记十八:MobileNetv2部署测试
MobileNet,它是谷歌研究人员于2017 年开发的一种 CNN 架构,用于将计算机视觉有效地融入 手机和机器人等小型便携式设备中,而不会显著降低准确性。后续进一步为了解决实际应用中的一些问题,推出了 v2,v3 版本。MobileNet提出了一种深度可分离卷积(Depthwise Separable Convolutions),该卷积不同于标准卷积,可以大幅度减小模型规模的同时保证模型性能下降很小。深度可分离卷积分为两个操作:深度卷积 (DW) 和逐点卷积 (PW)。原创 2024-03-03 11:25:04 · 1032 阅读 · 0 评论 -
RK3568笔记十七:LVGL v8.2移植
若该文为原创文章,转载请注明原文出处。本文介绍嵌入式图形库移植到Linux开发板ATK-RK3568上的步骤。原创 2024-02-16 11:20:31 · 1516 阅读 · 2 评论 -
RK3568笔记十六:Framebuffer实验
FrameBuffer中文译名为帧缓冲驱动,它是出现在2.2.xx内核中的一种驱动程序接口。主设备号为29,次设备号递增。Linux抽象出FrameBuffer这个设备来供用户态进程实现直接写屏。FrameBuffer机制模仿显卡的功能,将显卡硬件结构抽象掉, 可以通过FrameBuffer的读写直接对显存进行操作。用户可以将FrameBuffer看成是显示内存的一个映像, 将其映射到进程地址空间之后,就可以直接进行读写操作, 而写操作可以立即反应在屏幕上。这种操作是抽象的,统一的。原创 2024-02-15 22:35:46 · 598 阅读 · 2 评论 -
RK3568笔记十五:触摸屏测试
若该文为原创文章,转载请注明原文出处。使用正点原子的ATK-RK3568板子,一直在测试屏幕和视频,突然想到触摸屏测试,一直没有用过,原子给的demo跑的是QT系统,触摸功能是正常的,测试一下,并记录。原创 2024-02-15 12:10:18 · 1153 阅读 · 0 评论 -
RK3568笔记十四:yolov8pose部署
若该文为原创文章,转载请注明原文出处。本篇参考山水无移大佬文章,并成功部署了yolov8pose在RK3568板子上,这里记录下全过程。原创 2024-02-13 12:54:51 · 1459 阅读 · 9 评论 -
RK3568笔记十三:Zlmedia推流测试
若该文为原创文章,转载请注明原文出处。使用正点原子的屏幕竖屏用不习惯,所以想推流用VLC方式显示,而Zlmedia功能很强大,推流拉流都有,拉流在前面有提及。研究了几天,最后还是勇哥帮忙,所以知道了怎么推流。原创 2024-02-11 12:33:53 · 1179 阅读 · 0 评论 -
RK3568笔记十二:Zlmedia拉流显示测试
若该文为原创文章,转载请注明原文出处。Zlmediakit功能很强大,测试一下拉流,在通过解码显示。原创 2024-02-07 12:39:58 · 834 阅读 · 0 评论 -
RK3568笔记十一:mpp编解码
若该文为原创文章,转载请注明原文出处。主要是想测试MPP的解码,为后续做测试。原创 2024-01-22 23:37:48 · 1320 阅读 · 0 评论 -
RK3568笔记十:Zlmediakit交叉编译
ZLMediaKit是一套高性能的流媒体服务框架,目前支持rtmp、rtsp、hls、http-flv等流媒体协议,支持linux、macos、windows三大PC平台和ios、android两大移动端平台。类似于live555的工具,可以用来实现rtsp服务器的功能,且提供c 版本的api,使用起来十分简单,很容易上手。进行交叉编译,需要修改两个地方,一个是指定编译工具链,还有一个是指定已经交叉编译过的openssl库。原创 2024-01-21 23:06:27 · 743 阅读 · 0 评论 -
RK3568笔记九: DRM显示摄像头
学习DRM的目的是想做类似NVR显示多路实时流,通过勇哥(Marc)的指导,大概流程是通过Zlmedia拉流,RK3568的MPP解码,DRM显示,可以使用HDMI或DIS屏幕,所以为了后面的实现,先测试摄像头采集DRM显示。原创 2024-01-15 22:29:34 · 732 阅读 · 0 评论 -
RK3568笔记八: Display子系统
modetest 是由 libdrm 提供的测试程序,可以查询显示设备的特性,进行基本的显示测试,以及设置显示的模式。我们可以借助该工具来学习 Linux DRM 应用编程,另外为了深入分析 Rockchip DRM driver,有必要先了解一下这个工具的使用方法和内部实现。原创 2024-01-14 00:23:04 · 758 阅读 · 0 评论 -
RK3568笔记七:yolov5-seg实例分割测试验证
若该文为原创文章,转载请注明原文出处。记录的目的是想在RK3568上实现实例分割,在github的rknn_mode_zoo仓库里看到了例子,带着疑问测试了一下,结果跑通了,这里记录下全过程。1、硬件:正点原子ATK-DLRK3568板子2、虚拟:使用正点提供的虚拟机3、需要安装的工具(参考03【正点原子】ATK-DLRK3568_AI例程测试手册V1.0.pdf):以上自行安装,手册里有详细的説明。原创 2023-12-31 14:07:40 · 858 阅读 · 0 评论 -
RK3568笔记六:基于Yolov8的训练及部署
若该文为原创文章,转载请注明原文出处。基于Yolov8的训练及部署,参考鲁班猫的手册训练自己的数据集部署到RK3568,用的是正点的板子。1、原创 2023-11-28 22:33:51 · 2090 阅读 · 9 评论 -
RK3568笔记五:基于Yolov5的训练及部署
环境:Ubuntu20.04、python3.8芯片:RK3568芯片系统:buildroot开发板:ATK-DLRK3568开发主要参考文档:《Rockchip_Quick_Start_RKNN_Toolkit2_CN-1.4.0.pdf》、《Rockchip_User_Guide_RKNN_Toolkit2_CN-1.4.0.pdf》原创 2023-11-13 22:10:25 · 1466 阅读 · 0 评论 -
RK3568笔记四:基于TensorFlow花卉图像分类部署
TensorFlow 是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库 DistBelief。使用 tf.keras.Sequential 模型对花卉图像进行分类。原创 2023-10-20 21:06:14 · 1562 阅读 · 0 评论 -
RK3568笔记三:基于ResNet18的Cifar-10分类识别训练部署
ResNet18 是一种卷积神经网络,它有 18 层深度,其中包括带有权重的卷积层和全连接层。它是ResNet 系列网络的一个变体,使用了残差连接(residual connection)来解决深度网络的退化问题。ResNet(Residual Neural Network)由微软研究院的 Kaiming He 等人在 2015 年提出,ResNet 的结 构可以极快的加速神经网络的训练,模型的准确率也有比较大的提升。原创 2023-10-20 15:42:58 · 506 阅读 · 1 评论 -
RK3568笔记三:部署ResNet50模型
若该文为原创文章,转载请注明原文出处。通过ResNet50网络训练了识别10类车的模型并成功了转换成了onnx模型具体训练过程可以参考文章这里部署使用rknn-toolkit2工具转换成RKNN模型并测试rknn-toolkit2工具安装在前面文章有説明了,自行安装。接下来测试并转成RKNN模型。原创 2023-10-18 23:46:25 · 589 阅读 · 0 评论 -
RK3568笔记二:部署手写数字识别模型
部署手写数字识别模型,使用手写数字识别(mnist)数据集训练了一个 LENET 的五层经典网络模型。Lenet是我们的深度学习入门的必学模型,是深度学习领域中的经典卷积神经网络(CNN)架构之一。过程分为:训练,导出ONNX,转化RKNN,测试。原创 2023-10-07 07:15:07 · 556 阅读 · 0 评论 -
RK3568笔记一:RKNN开发环境搭建
RK3568开发板使用的是正点原子新出的ATK-DLRK3568 开发板,主要是学习从训练到部署的全过程,并记录,为自己的学习作个总结。关于ATK-DLRK3568 开发板,正点原子正在出教程,资料也开源,手册目前相对少一点,但不影响学习,因为主要是AI部分,所以基本要自己摸索。本篇从开发环境搭建开始记录,大部分在03【正点原子】ATK-DLRK3568_AI例程测试手册V1.0.pdf里有,具体要了解,可以去下载资料。虚拟机和系统自行安装,博主使用的是原子哥提供好的虚拟环境。原创 2023-10-06 22:21:13 · 2051 阅读 · 2 评论