ardupilot开发 --- Jetson Orin Nano 前篇

已于 2025-04-26 01:47:14 修改
阅读量1.7k 收藏 18
点赞数 5
分类专栏： 无人机技术 文章标签： Ardupilot
于 2024-04-24 17:03:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43321489/article/details/138152617
版权

在这里插入图片描述

多情应笑我早生华发

0. 一些概念

  • 官网：https://www.nvidia.com/en-us/

  • Developers

  • Documentation

  • Getting Started

  • Jetson Developer Kits

  • User Guide

  • 论坛
    提问、项目分享。

  • 博客
    案例分享。提问题请去 论坛

  • 对于开发小白，Developers、Documentation、Getting Started、User Guide，到底先看哪个呢？
    在这里插入图片描述
    建议小白从 Getting Started 开始！
    再看 User Guide
    在开发过程中从Documentation 按需查看。
    从使用案例中寻找开发灵感。
    提问和 trouble shooting 请上 论坛 。
    图文、视频教程请浏览 Tech 。
    资源下载请移步 Download 。

  • Jetson Orin Nano 开发板简介
    在这里插入图片描述

  • 几个有用的导航
    可以找到你想要的，如资源、教程、社区、相关项目、案例、下载等等…

    • Developers 页面下的 Resource 栏
      在这里插入图片描述
    • Developers ~> Jetson developer kits 页面下的 Community 栏
      在这里插入图片描述

  • 教程、视频教程
    对于Jetson Orin Nano开发版，导航到教程的方式如下：
    Developers
    ~> Browse by Solution Areas
    ~> Autonomous Machines
    ~> Jetson developer kits
    ~> Community
    ~> Tech、Forum

  • JetPack SDK 是什么？
    JetPack 为构建人工智能应用程序提供了完整的开发环境。
    JetPack 包含以下组件(模块)：

    • 一个 Ubuntu 系统
      这个 Ubuntu 系统由以下模块构成。Ubuntu 版本、Jetson Linux系统版本因 JetPack 版本而异。
      （1）Jetson Linux系统
      （2）Linux 内核
      （3）系统引导（bootloader）
      （4）Ubuntu 文件系统
    • 一些具有GPU加速的计算机视觉库；
    • 一些用于 AI 计算的SDK，如 CUDA 、Tensorrt、cuDNN、VPI 等。
    • 一些例程和文档；。

  • NVIDIA SDK Manager 又是什么？
    顾名思义就是一个管理 NVIDIA SDK 的工具。例如可用于为开发板安装 JetPack SDK 或操作系统。

    • 适用于不同系列的NVIDIA开发板；
    • 可以为开发板安装不同的操作系统；
    • 快速便捷地配置开发环境；
    • A central location for all your software development needs.
    • Coordination of SDKs, library and driver combinations, and any needed compatibilities or dependencies.
    • Notifications for software updates keep your system up-to-date with the latest releases.

  • SD Card image
    用于为开发板首次安装操作系统的镜像文件，本质上是JetPack 。

  • pre-configured SD card image
    用于为开发板首次安装操作系统的自定义镜像文件，可预安装一些包如ROS、OpenCV等。

  • Jetson 旗下的 机载端人工智能平台有哪些？
    如Jetson Orin Nano开发板等…

  • Jetson 生态系统
    与 Jetson 平台合作的厂商、兼容的传感器、硬件设备…

  • ROS + Intel RealSense camera 实现室内 VSLAM
    Jetson Isaac ROS Visual SLAM Tutorial
    在这里插入图片描述

1. 系统安装（刷机、flash）

1.1 使用SD卡刷机

  • 参考：Getting Started
  • 过程简述：把SD Card Image 镜像制作到SD卡中，然后用SD卡去Boot开发板以实现系统的首次安装。
  • 本质：通过SD卡为Jetson开发板安装 JetPack SDK，JetPack SDK 包含了一个适配NVIDIA开发板的Ubuntu系统。
  • 这里的系统安装与下一节的【使用 SD Card Image 方式安装 JetPack】是相同的过程和结果。

1.2 使用固态硬盘刷机

1.3 如何安装纯净的Ubuntu？

如何安装纯净的Ubuntu而不是Jetson Linux ？？
待续…

1.4 扩容

sudo apt install gparted
sudo gparted

在这里插入图片描述

2. JetPack SDK

2.1 一些概念

  • JetPack 简介
  • JetPack 文档
  • JetPack SDK的作用是为构建人工智能应用程序提供了一个完整的开发环境。
  • JetPack 包含以下组件(模块)：
    • 一个 Ubuntu 系统
      这个 Ubuntu 系统由以下模块构成。Ubuntu 版本、Jetson Linux系统版本因 JetPack 版本而异。
      • Jetson Linux系统
      • Linux 内核
      • 系统引导（bootloader）
      • Ubuntu 文件系统
    • 一些具有GPU加速的计算机视觉库；
    • 一些用于 AI 计算的SDK，如 CUDA 、Tensorrt、cuDNN、VPI 等。
    • 一些例程和文档；
  • full JetPack 和 runtime JetPack 的区别：
    full JetPack 包含示例和文档，有利于开发工作，适用于开发环境。runtime JetPack不包含示例和文档，比较简洁，适用于生产环境。
  • Ubuntu系统、Linux内核、Jetson Linux系统、L4T版本 的关系
    Ubuntu、Red Hat、Fedora等是Linux的一个发行版本（Linux Distribution）。
    Linux是一个开源操作系统内核，而Ubuntu是基于Linux内核的操作系统之一。经常说的Linux版本实质指的是Linux内核版本。
    Ubuntu = Linux内核 + 界面系统。
    Jetson Linux 系统是NVIDIA公司开发的适用于Jetson 开发板的Linux内核，本质上是一种根据硬件型号定制的Linux内核。
    L4T 是 Linux for Tegra的缩写，因为jetson系列用的是Tegra架构，因此L4T可以理解为jetson定制的Linux操作系统，具体的来说就是 Ubuntu 定制款。
    因此，L4T版本指的是 Jetson Linux 版本。
    在这里插入图片描述
  • JetPack Archive 发行日志

2.2 安装、升级

  • 使用 apt 安装完整的JetPack
    需要事先为开发板安装好 Jetson Linux 36.2 系统。
    参考：Package Management Tool
    如：
    sudo apt show nvidia-jetpack
sudo apt update
sudo apt install nvidia-jetpack
  • 使用 apt 选择性安装 JetPack 中的某些packages
    需要事先为开发板安装好Ubuntu系统。
    参考：JetPack Debian Packages on Host
    如：
    sudo apt-get install cuda-toolkit-12-2 cuda-cross-aarch64-12-2 nvsci libnvvpi3 vpi3-dev vpi3-cross-aarch64-l4t python3.9-vpi3 vpi3-samples vpi3-python-src nsight-systems-2023.4.3 nsight-graphics-for-embeddedlinux-2023.3.0.0
  • JetPack Debian Packages 列表
    参考：List of JetPack Debian Packages
    在这里插入图片描述
  • 使用 SD Card Image 方式安装 JetPack
    不需要事先为开发板安装Ubuntu，因为JetPack包含了一个Ubuntu系统。
    参考：Installing JetPack by SD Card Image
  • 使用 NVIDIA SDK Manager 方式安装 JetPack
    参考：Installing JetPack by NVIDIA SDK Manager
  • 升级
    不支持使用apt工具从 JetPack 5 升级到 JetPack 6。
    请使用NVIDIA SDK Manager 或 卸载重装 的方式进行升级。

2.3 相关链接

3. NVIDIA SDK Manager

参考：NVIDIA Software Development Kit (SDK) Manager
NVIDIA SDK Manager 顾名思义就是一个管理 NVIDIA SDK 的工具。例如可用于为开发板安装 JetPack SDK 或操作系统。特的用处包括：

  • 适用于不同系列的NVIDIA开发板；
  • 可以为开发板安装不同的操作系统；
  • 快速便捷地配置开发环境；
  • A central location for all your software development needs.
  • Coordination of SDKs, library and driver combinations, and any needed compatibilities or dependencies.
  • Notifications for software updates keep your system up-to-date with the latest releases.

待续…

4. SSH远程登录、文件传输、VNC远程桌面

  • SSH：Secure Shell，Secure Socket Shell，是用于安全访问远程机器的Unix命令接口和协议，它被网络管理员广泛用来远程控制网络和其它服务。
  • 作用：windows借助PuTTY通过网络远程登录机载计算机进入shell页面、本地计算机的windows与远程计算机Linux相互传输文件。
    常用的远程登录工具有PuTTY、SSH、Xshell等，哪个最好用？
    推荐使用 MobaXterm ，优点：家庭版免费，可以通过USB或局域网进行SSH、拥有IP扫描功能。缺点：个人版是收费的。
    次推荐使用 PuTTY，优点：开源，简洁。缺点：只能通过局域网进行ssh。
    MobaXterm官网。
    PuTTY官网。

4.1 使用 MobaXterm 进行SSH

  • 用USB连接进行SSH
    • 下载并安装MobaXterm。
    • 用USB连接PC与Jetson Orin Nano 开发板。
    • 打开MobaXterm
    • Session ~> SSH ~> Remote host 的IP地址是固定的：192.168.55.1 ~> OK
  • 使用局域网进行SSH
    • 将PC和Jetson Orin Nano 开发板用网线或WiFi连接到同一个局域网下
    • 查看Jetson Orin Nano的IP地址。根据不同情况有以下三种方法
      • 打开 MobaXterm ~> Tools ~> Network scanner：SS栏显示绿色打勾图标的则表明该设备可以进行SSH：
      • 登录路由器查看
      • 如果Jetson Orin Nano连接了屏幕，使用ifconfig命令查看
    • 打开MobaXterm
    • Session ~> SSH ~> Remote hos：Jetson Orin Nano的IP地址 ~> OK
  • 如果使用的是yahboom固态硬盘的出厂镜像系统，账号是jetson，密码是yahboom。

注意事项

  • MobaXterm 的SSH命令窗口中识别不了ll命令？文件夹没变蓝色？
    要source ~/.bashrc 一下。

4.2 使用 MobaXterm + x11vnc 进行VNC远程桌面

VNC能干嘛？即Virtual Network Console，功能像windows的向日葵远程一样，可以实现远程桌面控制。

  • 安装和配置 x11vnc
    参考：https://blog.csdn.net/jiexijihe945/article/details/126222983
  • 开启VNC服务
    • （1）要先用MobaXterm进行SSH连接
    • （2）开启VNC服务
      sudo systemctl start x11vnc
    • （3）查看VNC状态
      systemctl status x11vnc
  • MobaXterm 远程桌面
    在这里插入图片描述
    usb连接方式，ip：192.168.55.1
    局域网连接方式，ip：开发板的IP地址

4.3 文件传输

将文件从windows拖进蓝色框区域。

在这里插入图片描述

4.2 使用VSCode进行SSH并打开远程目录

  • 远程主机的Linux系统已安装openssh-server
    sudo apt-get install openssh-server
  • windows的VSCode做如下操作：
    • 安装插件remote ssh
      在这里插入图片描述
    • 第一次连接
      在这里插入图片描述
    • 查看配置
      在这里插入图片描述
    • 连接
      在这里插入图片描述
      在这里插入图片描述
    • 打开工作目录
      在这里插入图片描述
      在这里插入图片描述

5. Jtop的安装和使用

https://www.yahboom.com/build.html?id=6453&cid=590

6. Intel RealSense SDK 2.0 安装

参考：https://blog.csdn.net/weixin_43321489/article/details/138284219
要先断开D455相机与开发板的连接。

# 更新系统，最好不用执行会影响其他
#sudo apt-get update && sudo apt-get upgrade && sudo apt-get dist-upgrade
# 安装编译工具
sudo apt-get install git wget cmake build-essential
# 安装依赖库
sudo apt-get install git libssl-dev libusb-1.0-0-dev pkg-config libgtk-3-dev 
# 如果你想为SDK构建支持OpenGL的示例，请安装以下依赖
sudo apt-get install libglfw3-dev libgl1-mesa-dev libglu1-mesa-dev
# 下载源码，可以选择合适的版本
cd ~/shd
git clone https://github.com/IntelRealSense/librealsense.git
cd librealsense
# Realsense permissions script
./scripts/setup_udev_rules.sh
# 编译
mkdir build && cd build
cmake .. -DBUILD_EXAMPLES=true -DCMAKE_BUILD_TYPE=release -DBUILD_WITH_CUDA=true
make -j$(($(nproc)-1))
# 安装，默认安装在usr/local中
sudo make install

验证是否安装成功：
rs-depth或 realsense-viewe

7. VISP安装

参考：在Ubuntu上安装visp 和 在jetson上安装visp。
步骤：

  • 安装opencv
    opencv是ViSP的依赖库。
    如果不需要使用opencv最新版本，可以直接使用apt安装opencv的预编译包，如：sudo apt-get install libopencv-dev。
    如果需要使用opencv最新版本，建议通过编译源码的方式安装。推荐使用此法：安装参考opencv篇。
    本文使用编译源码方式安装opencv。
  • 安装其他依赖库
    # 编译工具
sudo apt-get install build-essential cmake-curses-gui git wget
# x11
sudo apt-get install libx11-dev
# 矩阵运算相关
sudo apt-get install liblapack-dev libblas-dev libeigen3-dev libopenblas-dev libatlas-base-dev libgsl-dev 
# 视频、图像获取 相关
sudo apt-get install libv4l-dev libzbar-dev libpthread-stubs0-dev nlohmann-json3-dev
  • 安装 libdc1394
    libdc1394是ViSP的依赖库，用于访问USB摄像机。
    注意：libdc1394-dev和libdc1394-22-dev的区别：libdc1394-22是早期版本，仅支持Ubuntu21.04以前的系统！
    libdc1394-dev 或 libdc1394-22-dev，根据提示信息选择安装哪一个！
    例如，选其中一个安装时提示要移除opencv或其他的库则证明这个包与当前的系统不兼容，安装另一个。
    sudo apt-get install libdc1394-22-dev
  • 安装mavsdk1.4
    目前最新版本的mavsdk(v2.x)会导致visp编译报错，至少当前的最新版本visp3.2.x编译会报错，后续visp版本不知会不会修复此问题。我自己修复了此问题：请参考 visp-d455：基于IBVS的Pixhawk无人机视觉伺服 章节！
    稳妥起见本次以安装mavsdk1.4为例：
    cd ~/shd
sudo apt-get update
sudo apt-get install build-essential cmake git
git clone https://github.com/mavlink/MAVSDK.git -b v1.4
cd MAVSDK
git branch
git submodule update --init --recursive
cmake -DCMAKE_BUILD_TYPE=Release -Bbuild/default -H.
sudo cmake --build build/default --target install -j4
    在这里插入图片描述
  • 下载VISP源码、编译
    echo "export VISP_WS=$HOME/shd/visp-ws" >> ~/.bashrc
source ~/.bashrc
mkdir -p $VISP_WS
cd ~/shd/visp-ws
git clone https://github.com/lagadic/visp.git
mkdir -p ~/shd/visp-ws/visp-build
cd ~/shd/visp-ws/visp-build
cmake ../visp -DUSE_BLAS/LAPACK=GSL
make -j$(nproc)
    设置环境变量 VISP_DIR
    echo "export VISP_DIR=$VISP_WS/visp-build" >> ~/.bashrc
source ~/.bashrc
    验证是否安装成功：
    cd ~/shd/visp-ws/visp-build/tutorial/image
./tutorial-image-display-scaled-auto
    在这里插入图片描述
    cmake配置提示参考：
jetson@unbutu:~/shd/visp-ws/visp-build$ cmake ../visp -DUSE_BLAS/LAPACK=GSL
-- Detected processor: aarch64
-- Could NOT find Python3 (missing: Python3_LIBRARIES Python3_INCLUDE_DIRS Development) (found version "3.9.5")
-- Required CMake version for Python bindings is 3.19.0,
  but you have 3.16.3.
  Python bindings generation will be deactivated.

-- Could NOT find MKL (missing: MKL_LIBRARIES MKL_INCLUDE_DIRS MKL_INTERFACE_LIBRARY MKL_SEQUENTIAL_LAYER_LIBRARY MKL_CORE_LIBRARY)
-- Found OpenBLAS libraries: /usr/lib/aarch64-linux-gnu/liblapack.so
-- Found OpenBLAS include: /usr/include/aarch64-linux-gnu
-- Found Atlas (include: /usr/include/aarch64-linux-gnu, library: /usr/lib/aarch64-linux-gnu/libatlas.so)
-- Could NOT find OpenGL (missing: OPENGL_opengl_LIBRARY OPENGL_glx_LIBRARY OPENGL_INCLUDE_DIR)
-- Try C99 flag = [-std=gnu99]
-- Performing Test C99_FLAG_DETECTED
-- Performing Test C99_FLAG_DETECTED - Success
-- mavsdk found
-- v4l2 found
-- Could NOT find FTIITSDK (missing: FTIITSDK_FT_LIBRARY FTIITSDK_COMMUNICATION_LIBRARY FTIITSDK_INCLUDE_DIR)
-- openmp found
-- eigen3 found
Package libusb was not found in the pkg-config search path.
Perhaps you should add the directory containing `libusb.pc'
to the PKG_CONFIG_PATH environment variable
No package 'libusb' found
-- libusb_1 found
-- realsense2 found
-- threads found
-- xml2 found
-- Found CUDA: /usr/local/cuda-11.4 (found suitable exact version "11.4")
-- opencv found
-- zlib found
-- x11 found
-- jpeg found
-- png found
-- zbar found
-- Found CUDA: /usr/local/cuda-11.4 (found version "11.4")
-- tensorrt found
-- Performing Test HAVE_FUNC_ISNAN
-- Performing Test HAVE_FUNC_ISNAN - Success
-- Performing Test HAVE_FUNC_STD_ISNAN
-- Performing Test HAVE_FUNC_STD_ISNAN - Success
-- Performing Test HAVE_FUNC__ISNAN
-- Performing Test HAVE_FUNC__ISNAN - Failed
-- Performing Test HAVE_FUNC_ISINF
-- Performing Test HAVE_FUNC_ISINF - Success
-- Performing Test HAVE_FUNC_STD_ISINF
-- Performing Test HAVE_FUNC_STD_ISINF - Success
-- Performing Test HAVE_FUNC_ROUND
-- Performing Test HAVE_FUNC_ROUND - Success
-- Performing Test HAVE_FUNC_STD_ROUND
-- Performing Test HAVE_FUNC_STD_ROUND - Success
-- Performing Test HAVE_FUNC_ERFC
-- Performing Test HAVE_FUNC_ERFC - Success
-- Performing Test HAVE_FUNC_STD_ERFC
-- Performing Test HAVE_FUNC_STD_ERFC - Success
-- Performing Test HAVE_FUNC_ISFINITE
-- Performing Test HAVE_FUNC_ISFINITE - Success
-- Performing Test HAVE_FUNC_STD_ISFINITE
-- Performing Test HAVE_FUNC_STD_ISFINITE - Success
-- Performing Test HAVE_FUNC__FINITE
-- Performing Test HAVE_FUNC__FINITE - Failed
-- Performing Test HAVE_FUNC_LOG1P
-- Performing Test HAVE_FUNC_LOG1P - Success
-- Could NOT find Doxygen (missing: DOXYGEN_EXECUTABLE)
-- Could NOT find JNI (missing: JAVA_AWT_LIBRARY JAVA_JVM_LIBRARY JAVA_INCLUDE_PATH JAVA_INCLUDE_PATH2 JAVA_AWT_INCLUDE_PATH)
--
-- ==========================================================
-- General configuration information for ViSP 3.6.1
--
--   Version control:               v3.6.0-880-g659128117
--
--   Platform:
--     Timestamp:                   2024-05-13T15:47:41Z
--     Host:                        Linux 5.10.104-tegra aarch64
--     CMake:                       3.16.3
--     CMake generator:             Unix Makefiles
--     CMake build tool:            /usr/bin/make
--     Configuration:               Release
--
--   System information:
--     Number of CPU logical cores: 6
--     Number of CPU physical cores: 1
--     Total physical memory (in MiB): 6480
--     OS name:                     Linux
--     OS release:                  5.10.104-tegra
--     OS version:                  #1 SMP PREEMPT Sun Mar 19 07:55:28 PDT 2023
--     OS platform:                 aarch64
--     CPU name:                    Unknown family
--     Is the CPU 64-bit?           yes
--     Does the CPU have FPU?       no
--     CPU optimization:            NEON
--
--   C/C++:
--     Built as dynamic libs?:      yes
--     C++ Compiler:                /usr/bin/c++  (ver 9.4.0)
--     C++ flags (Release):         -Wall -Wextra -fopenmp -pthread -std=c++17 -fvisibility=hidden -fPIC -O3 -DNDEBUG
--     C++ flags (Debug):           -Wall -Wextra -fopenmp -pthread -std=c++17 -fvisibility=hidden -fPIC -g
--     C Compiler:                  /usr/bin/cc
--     C flags (Release):           -Wall -Wextra -fopenmp -pthread -std=c++17 -fvisibility=hidden -fPIC -O3 -DNDEBUG
--     C flags (Debug):             -Wall -Wextra -fopenmp -pthread -std=c++17 -fvisibility=hidden -fPIC -g
--     Linker flags (Release):
--     Linker flags (Debug):
--     Use cxx standard:            17
--
--   ViSP modules:
--     To be built:                 core gui imgproc io java_bindings_generator klt me sensor ar blob robot visual_features vs vision detection mbt tt tt_mi
--     Disabled:                    -
--     Disabled by dependency:      -
--     Unavailable:                 java
--
--   Python 3:
--     Interpreter:                 /usr/bin/python3.9 (ver 3.9.5)
--
--   Java:
--     ant:                         no
--     JNI:                         no
--
--   Python3 bindings:              no
--     Requirements:
--       Python version > 3.7.0:    python not found or too old (3.9.5)
--       Python in Virtual environment or conda:
--                                  ok
--       Pybind11 found:            failed
--       CMake > 3.19.0:            failed (3.16.3)
--       C++ standard > 201703L:    ok (201703L)
--
--   Build options:
--     Build deprecated:            yes
--     Build with moment combine:   no
--
--   OpenCV:
--     Version:                     4.9.0
--     Modules:                     calib3d core dnn features2d flann gapi highgui imgcodecs imgproc ml objdetect photo stitching video videoio alphamat aruco bgsegm bioinspired ccalib cudaarithm cudabgsegm cudacodec cudafeatures2d cudafilters cudaimgproc cudalegacy cudaobjdetect cudaoptflow cudastereo cudawarping cudev datasets dnn_objdetect dnn_superres dpm face fuzzy hdf hfs img_hash intensity_transform line_descriptor mcc optflow phase_unwrapping plot quality rapid reg rgbd saliency shape signal stereo structured_light superres surface_matching text tracking videostab wechat_qrcode xfeatures2d ximgproc xobjdetect xphoto
--     OpenCV dir:                  /usr/local/lib/cmake/opencv4
--
--   Mathematics:
--     Blas/Lapack:                 yes
--     \- Use MKL:                  no
--     \- Use OpenBLAS:             no
--     \- Use Atlas:                no
--     \- Use Netlib:               no
--     \- Use GSL:                  yes (ver 2.5)
--     \- Use Lapack (built-in):    no
--     Use Eigen3:                  yes (ver 3.3.7)
--     Use OpenCV:                  yes (ver 4.9.0)
--
--   Simulator:
--     Ogre simulator:
--     \- Use Ogre3D:               no
--     \- Use OIS:                  no
--     Coin simulator:
--     \- Use Coin3D:               no
--     \- Use SoWin:                no
--     \- Use SoXt:                 no
--     \- Use SoQt:                 no
--     \- Use Qt5:                  no
--     \- Use Qt4:                  no
--     \- Use Qt3:                  no
--
--   Media I/O:
--     Use JPEG:                    yes (ver 80)
--     Use PNG:                     yes (ver 1.6.37)
--     \- Use ZLIB:                 yes (ver 1.2.11)
--     Use OpenCV:                  yes (ver 4.9.0)
--     Use stb_image (built-in):    yes (ver 2.27.0)
--     Use TinyEXR (built-in):      yes (ver 1.0.2)
--     Use simdlib (built-in):      yes
--
--   Real robots:
--     Use Afma4:                   no
--     Use Afma6:                   no
--     Use Franka:                  no
--     Use Viper650:                no
--     Use Viper850:                no
--     Use ur_rtde:                 no
--     Use Kinova Jaco:             no
--     Use aria (Pioneer):          no
--     Use PTU46:                   no
--     Use Biclops PTU:             no
--     Use Flir PTU SDK:            no
--     Use MAVSDK:                  yes (ver 1.4.18)
--     Use Parrot ARSDK:            no
--     \-Use ffmpeg:                no
--     Use Virtuose:                no
--     Use qbdevice (built-in):     yes (ver 2.6.0)
--     Use takktile2 (built-in):    yes (ver 1.0.0)
--     Use pololu (built-in):       yes (ver 1.0.0)
--
--   GUI:
--     Use X11:                     yes
--     Use GTK:                     no
--     Use OpenCV:                  yes (ver 4.9.0)
--     Use GDI:                     no
--     Use Direct3D:                no
--
--   Cameras:
--     Use DC1394-2.x:              no
--     Use CMU 1394:                no
--     Use V4L2:                    yes (ver 1.18.0)
--     Use directshow:              no
--     Use OpenCV:                  yes (ver 4.9.0)
--     Use FLIR Flycapture:         no
--     Use Basler Pylon:            no
--     Use IDS uEye:                no
--
--   RGB-D sensors:
--     Use Realsense:               no
--     Use Realsense2:              yes (ver 2.55.1)
--     Use Occipital Structure:     no
--     Use Kinect:                  no
--     \- Use libfreenect:          no
--     \- Use libusb-1:             yes (ver 1.0.23)
--     \- Use std::thread:          yes
--     Use PCL:                     no
--     \- Use VTK:                  no
--
--   F/T sensors:
--     Use atidaq (built-in):       no
--     Use comedi:                  no
--     Use IIT SDK:                 no
--
--   Mocap:
--     Use Qualisys:                no
--     Use Vicon:                   no
--
--   Detection:
--     Use zbar:                    yes (ver 0.23)
--     Use dmtx:                    no
--     Use AprilTag (built-in):     yes (ver 3.1.1)
--     \- Use AprilTag big family:  no
--
--   Misc:
--     Use Clipper (built-in):      yes (ver 6.4.2)
--     Use pugixml (built-in):      yes (ver 1.9.0)
--     Use libxml2:                 yes (ver 2.9.10)
--     Use json (nlohmann):         no
--
--   Optimization:
--     Use OpenMP:                  yes
--     Use std::thread:             yes
--     Use pthread:                 yes
--     Use pthread (built-in):      no
--     Use simdlib (built-in):      yes
--
--   DNN:
--     Use CUDA Toolkit:            yes (ver 11.4)
--     Use TensorRT:                yes (ver 8.5.2.2)
--
--   Documentation:
--     Use doxygen:                 no
--     \- Use mathjax:              no
--
--   Tests and samples:
--     Use catch2 (built-in):       yes (ver 2.13.7)
--     Tests:                       yes
--     Apps:                        yes
--     Demos:                       yes
--     Examples:                    yes
--     Tutorials:                   yes
--     Dataset found:               no
--
--   Library dirs:
--     Eigen3 include dir:          /usr/lib/cmake/eigen3
--     OpenCV dir:                  /usr/local/lib/cmake/opencv4
--
--   Install path:                  /usr/local
--
-- ==========================================================
-- Configuring done
-- Generating done
-- Build files have been written to: /home/jetson/shd/visp-ws/visp-build
jetson@unbutu:~/shd/visp-ws/visp-build$

8. 安装vscode

下载 vscode.deb.
使用MobaXterm将vscode.deb复制到Ubuntu中。
安装vscode：sudo dpkg -i vscode.deb
打开vscode：在命令行中输入code
取消文件窗口覆盖：在设置中搜索 workbench.editor.Enable Preview,并将它取消勾选。

9. visp：通过 RealSense SDK 获取 D455 相机的视频帧

运行VISP例程：

cd ~/shd/visp-ws/visp-build/tutorial/grabber
./tutorial-grabber-realsense --seqname I%04d.pgm --record 1

注意：--seqname和 --record要一起使用才可以，不然会报 invalid directory 错误。

10. visp：通过 opencv 获取 D455 相机的视频帧

运行例程 tutorial-grabber-opencv报错，初步判定原因是RealSense SDK安装过程中跳过了打系统内核补丁的步骤导致。

11. visp：标定 D455 相机内参

参考：8.4 相机内参标定

  • 获取适量图片，10~15张为宜
cd ~/shd/visp-ws/visp-build/tutorial/grabber
mkdir ~/shd/visp-ws/cali-cam-d455
./tutorial-grabber-realsense --seqname ~/shd/visp-ws/cali-cam-d455/chessboard-%02d.jpg --record 1

在这里插入图片描述
此时会生成一个示例的标定文件：~/shd/visp-ws/cali-cam-d455/camera.xml，参数是不正确的，标定时要删掉该示例文件。

  • 标定
cd ~/shd/visp-ws/cali-cam-d455
cp ~/shd/visp-ws/visp-build/example/calibration/calibrate-camera ./
cp ~/shd/visp-ws/visp-build/example/calibration/default-chessboard.cfg ./
rm camera.xml
./calibrate-camera default-chessboard.cfg

运行标定程序时如果出现下面的错误：
在这里插入图片描述
或：
在这里插入图片描述
这是由于没有使用第三方库如 MKL、OpenBLAS、 Atlas、 GSL、Netlib来加速矩阵运算导致的，cmake ../visp -DUSE_BLAS/LAPACK=GSL完成后要保证：
在这里插入图片描述
尝试了 OpenBLAS、 Atlas、Netlib都不行，GSL可行，MKL没试。
MKL、OpenBLAS、 Atlas、 GSL、Netlib 的安装和指定请参考：8.1 基本的矩阵向量运算

  • 安装可以优化矩阵运算的第三方库GSL
sudo apt install libgsl-dev
  • 指定使用GSL来加速矩阵运算，并重新编译visp或只编译例程calibrate-camera
cd ~/shd/visp-ws/visp-build
rm -rf *
cmake ../visp -DUSE_BLAS/LAPACK=GSL
make -j$(nproc) calibrate-camera
或
make -j$(nproc)
  • 成功标定
cd ~/shd/visp-ws/cali-cam-d455
rm calibrate-camera camera.xml
cp ~/shd/visp-ws/visp-build/example/calibration/calibrate-camera ./
./calibrate-camera default-chessboard.cfg

标定结果 px，py，u0，v0 保存在~/shd/visp-ws/cali-cam-d455/camera.xml中：

<?xml version="1.0"?>
<root>
  <!--This file stores intrinsic camera parameters used
   in the vpCameraParameters Class of ViSP available
   at https://visp.inria.fr/download/ .
   It can be read with the parse method of
   the vpXmlParserCamera class.-->
  <camera>
    <!--Name of the camera-->
    <name>Camera</name>
    <!--Size of the image on which camera calibration was performed-->
    <image_width>640</image_width>
    <image_height>480</image_height>
    <!--Intrinsic camera parameters computed for each projection model-->
    <model>
      <!--Projection model type-->
      <type>perspectiveProjWithoutDistortion</type>
      <!--Pixel ratio-->
      <px>398.84641712787538</px>
      <py>398.68682503969529</py>
      <!--Principal point-->
      <u0>322.99756859139262</u0>
      <v0>248.6004154301479</v0>
    </model>
    <model>
      <!--Projection model type-->
      <type>perspectiveProjWithDistortion</type>
      <!--Pixel ratio-->
      <px>388.57370857483153</px>
      <py>388.41874618866353</py>
      <!--Principal point-->
      <u0>325.65955938183913</u0>
      <v0>248.12836717904835</v0>
      <!--Undistorted to distorted distortion parameter-->
      <kud>-0.039473814232162549</kud>
      <!--Distorted to undistorted distortion parameter-->
      <kdu>0.040460699526659552</kdu>
    </model>
    <!--Additional information-->
    <additional_information>
      <date>2024/05/13 11:40:55</date>
      <nb_calibration_images>7</nb_calibration_images>
      <calibration_pattern_type>Chessboard</calibration_pattern_type>
      <board_size>9x6</board_size>
      <square_size>0.025</square_size>
      <global_reprojection_error>
        <without_distortion>0.191072</without_distortion>
        <with_distortion>0.105808</with_distortion>
      </global_reprojection_error>
      <camera_poses>
        <cMo>-0.1224468879  -0.09066443142  0.2851836326  0.396193237  0.0252419678  0.05725736687</cMo>
        <cMo>-0.1122749815  -0.07131476187  0.2850666327  0.07173676775  -0.4428100689  0.03359819038</cMo>
        <cMo>-0.1252028762  -0.09066211225  0.2824452077  0.1124871165  -0.555598502  0.05762187366</cMo>
        <cMo>-0.1741429871  -0.05962608505  0.3464753725  0.2196880035  -0.3503487077  -0.1767877418</cMo>
        <cMo>-0.02636216889  -0.0568963793  0.4076841021  0.01830059873  0.6156466408  0.210153884</cMo>
        <cMo>-0.06688647124  -0.1001443402  0.2733689325  0.2880379529  0.01325446236  0.4713165184</cMo>
        <cMo>-0.1100997782  -0.1000982268  0.3432905219  -0.07095469824  0.2366782342  0.393682507</cMo>
        <cMo_dist>-0.1242547143  -0.09017472147  0.2748890938  0.3974270231  0.0157942535  0.05879537619</cMo_dist>
        <cMo_dist>-0.1142069932  -0.0709658145  0.2755640618  0.07116784978  -0.4471194347  0.03401523573</cMo_dist>
        <cMo_dist>-0.126982605  -0.09026828346  0.2720565051  0.1118477587  -0.5628451697  0.05778465003</cMo_dist>
        <cMo_dist>-0.1761208319  -0.05913361779  0.3334596217  0.2209953356  -0.3609393418  -0.1755910688</cMo_dist>
        <cMo_dist>-0.02911523232  -0.05641192436  0.3968714019  0.0171518882  0.6106532922  0.2093655367</cMo_dist>
        <cMo_dist>-0.06871420006  -0.09981702989  0.2645287482  0.2850990662  0.009511734891  0.4721361553</cMo_dist>
        <cMo_dist>-0.1126448284  -0.09979328033  0.3330543328  -0.07206900533  0.220845779  0.3932979184</cMo_dist>
      </camera_poses>
    </additional_information>
  </camera>
</root>

标定提示如：

jetson@unbutu:~/shd/visp-ws/cali-cam-d455$ ./calibrate-camera default-chessboard.cfg
Settings from config file: default-chessboard.cfg
grid width : 9
grid height: 6
square size: 0.025
pattern    : CHESSBOARD
input seq  : chessboard-%02d.jpg
tempo      : 1

Settings from command line options:
Ouput xml file : camera.xml
Camera name    : Camera
Initialize camera parameters with default values
Camera parameters used for initialization:
Camera parameters for perspective projection without distortion:
  px = 600       py = 600
  u0 = 320       v0 = 240

Process frame: chessboard-04.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-05.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-06.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-07.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-08.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-09.jpg, grid detection status: 1, image used as input data
Process frame: chessboard-10.jpg, grid detection status: 1, image used as input data

Calibration without distortion in progress on 7 images...
Camera parameters for perspective projection without distortion:
  px = 398.8464171       py = 398.686825
  u0 = 322.9975686       v0 = 248.6004154

Image chessboard-04.jpg reprojection error: 0.2249227586
Image chessboard-05.jpg reprojection error: 0.1894938163
Image chessboard-06.jpg reprojection error: 0.1602951323
Image chessboard-07.jpg reprojection error: 0.1386196645
Image chessboard-08.jpg reprojection error: 0.148481482
Image chessboard-09.jpg reprojection error: 0.2398637129
Image chessboard-10.jpg reprojection error: 0.2111191561

Global reprojection error: 0.191072441
Camera parameters without distortion successfully saved in "camera.xml"


Calibration with distortion in progress on 7 images...
Camera parameters for perspective projection with distortion:
  px = 388.5737086       py = 388.4187462
  u0 = 325.6595594       v0 = 248.1283672
  kud = -0.03947381423
  kdu = 0.04046069953

Image chessboard-04.jpg reprojection error: 0.1195661908
Image chessboard-05.jpg reprojection error: 0.1193498118
Image chessboard-06.jpg reprojection error: 0.1057798103
Image chessboard-07.jpg reprojection error: 0.08989710063
Image chessboard-08.jpg reprojection error: 0.09226062422
Image chessboard-09.jpg reprojection error: 0.1115839283
Image chessboard-10.jpg reprojection error: 0.09794506681

Global reprojection error: 0.1058083044

This tool computes the line fitting error (mean distance error) on image points extracted from the raw distorted image.
chessboard-04.jpg line 1 fitting error on distorted points: 0.180956872 ; on undistorted points: 0.02950599891
chessboard-04.jpg line 2 fitting error on distorted points: 0.1228108594 ; on undistorted points: 0.01468993169
chessboard-04.jpg line 3 fitting error on distorted points: 0.07217472377 ; on undistorted points: 0.01824309706
chessboard-04.jpg line 4 fitting error on distorted points: 0.02996954372 ; on undistorted points: 0.02391568145
chessboard-04.jpg line 5 fitting error on distorted points: 0.02206760241 ; on undistorted points: 0.02048522567
chessboard-04.jpg line 6 fitting error on distorted points: 0.1117242205 ; on undistorted points: 0.06897936988

This tool computes the line fitting error (mean distance error) on image points extracted from the undistorted image (vpImageTools::undistort()).
chessboard-04.jpg undistorted image, line 1 fitting error: 0.05715642892
chessboard-04.jpg undistorted image, line 2 fitting error: 0.03421786
chessboard-04.jpg undistorted image, line 3 fitting error: 0.02696133557
chessboard-04.jpg undistorted image, line 4 fitting error: 0.02182783737
chessboard-04.jpg undistorted image, line 5 fitting error: 0.01848111712
chessboard-04.jpg undistorted image, line 6 fitting error: 0.07628415665

This tool computes the line fitting error (mean distance error) on image points extracted from the raw distorted image.
chessboard-05.jpg line 1 fitting error on distorted points: 0.07842274598 ; on undistorted points: 0.04073278419
chessboard-05.jpg line 2 fitting error on distorted points: 0.02894332818 ; on undistorted points: 0.03381049647
chessboard-05.jpg line 3 fitting error on distorted points: 0.03171134573 ; on undistorted points: 0.03028086031
chessboard-05.jpg line 4 fitting error on distorted points: 0.08958890743 ; on undistorted points: 0.08256816471
chessboard-05.jpg line 5 fitting error on distorted points: 0.07121212097 ; on undistorted points: 0.05129840474
chessboard-05.jpg line 6 fitting error on distorted points: 0.09545491062 ; on undistorted points: 0.03808806659

This tool computes the line fitting error (mean distance error) on image points extracted from the undistorted image (vpImageTools::undistort()).
chessboard-05.jpg undistorted image, line 1 fitting error: 0.03642440367
chessboard-05.jpg undistorted image, line 2 fitting error: 0.03209987361
chessboard-05.jpg undistorted image, line 3 fitting error: 0.0281838577
chessboard-05.jpg undistorted image, line 4 fitting error: 0.08309325865
chessboard-05.jpg undistorted image, line 5 fitting error: 0.04991418802
chessboard-05.jpg undistorted image, line 6 fitting error: 0.0292585384

This tool computes the line fitting error (mean distance error) on image points extracted from the raw distorted image.
chessboard-06.jpg line 1 fitting error on distorted points: 0.05561697668 ; on undistorted points: 0.0662133449
chessboard-06.jpg line 2 fitting error on distorted points: 0.05927166434 ; on undistorted points: 0.02312656332
chessboard-06.jpg line 3 fitting error on distorted points: 0.02796679038 ; on undistorted points: 0.03354572908
chessboard-06.jpg line 4 fitting error on distorted points: 0.05702547089 ; on undistorted points: 0.05405971444
chessboard-06.jpg line 5 fitting error on distorted points: 0.0584693254 ; on undistorted points: 0.04685735151
chessboard-06.jpg line 6 fitting error on distorted points: 0.03431135262 ; on undistorted points: 0.03052371163

This tool computes the line fitting error (mean distance error) on image points extracted from the undistorted image (vpImageTools::undistort()).
chessboard-06.jpg undistorted image, line 1 fitting error: 0.06296087909
chessboard-06.jpg undistorted image, line 2 fitting error: 0.04294818457
chessboard-06.jpg undistorted image, line 3 fitting error: 0.05168819921
chessboard-06.jpg undistorted image, line 4 fitting error: 0.0556851262
chessboard-06.jpg undistorted image, line 5 fitting error: 0.05056370979
chessboard-06.jpg undistorted image, line 6 fitting error: 0.04425359694

This tool computes the line fitting error (mean distance error) on image points extracted from the raw distorted image.
chessboard-07.jpg line 1 fitting error on distorted points:
最低0.47元/天 解锁文章
NVIDIA Jetson Orin Nano性能跃升80倍
yu198991的博客
03-25 1929
无论是部署边缘AI应用的工程师，还是构建新一代智能机器的机器人操作系统(ROS)开发者，这一前所未有的性能和多功能性，将使更多的客户创造出曾经看起来不可能的商品，并使其商业化。AGXOrin开发者套件开发适用于OrinNano系列的应用，从今天开始，客户就可以使用AGXOrin开发者套件开发，并且可以灵活地设计一个系统来支持多个Jetson模块，并且可以轻松地扩展其应用。结合OrinNano强大的硬件性能，最新的NVIDIAIsaac™该软件的增强功能给机器人专家带来了前所未有的性能和生产力。
ardupilot开发 --- Jetson Orin Nano 后篇
记录老板的每次pua，分享领导每天的毒鸡汤...
06-21 1583
mavlink无人机机载计算机Jetson Orin Nano的开发从0到1，无论是环境安装还是算法应用部署，从视频推拉流、mqtt数据推送、4g图数传到视觉伺服应用，还是OpenCV应用、YOLO算法应用，都在此篇！看不了看亏买不了上当，看它！
【Nvidia边缘AI】Jetson Orin Nano Super Devkit开发板测评：边缘AI的性价比王者
daisy.skye的博客
03-04 1600
Jetson Orin系列AI开发板就是百花齐放的统一内存阵营的一员。在固件更新后，Jetson Orin Nano的8G版本性能释放到了25w，双通道内存带宽达到了102GB/s，算力也是来到了恐怖的67TOPS。
探索高性能AI识别和边缘计算 | NVIDIA Jetson Orin Nano 8GB 开发套件的全面测评
踏雨歌青春，诗酒趁年华
03-07 8916
本文对NVIDIA Jetson Orin Nano 8GB开发板进行了详细测评，包括配置解析、YOLOv5物体识别算法实测及与Raspberry Pi 4B和Raspberry Pi 5的横向性能对比。实测表明Orin Nano凭借40 TOPS强大算力和GPU加速优势，推理速度明显领先树莓派系列，更适用于边缘实时AI应用。文中还深入分析了Orin Nano的软硬件生态、功耗优势和实际应用案例，明确其在机器人、自主驾驶和智能监控等领域的突出价值。
Jetson Orin Nano安装（烧录）Ubuntu22.04.4LTS（并配置基础环境）
qq_57539839的博客
08-03 6528
最后就是耐心等待安装，STEP 04的时候点击finish，拔下板子上短接的线，重新给板子上电，就可以开始jetson orin nano的使用了。将板子FC REC和GND引脚短接（核心板下方载板的第二和第三个引脚），进入刷机模式（recovery，也就是烧录模式）下面红色框的就是系统，其他的都是可以之后安装的，看个人需求，选择好了之后就点击continue。在安装过程中，会让输入用户名和密码，存储设备根据设备进行选择，我的是固态，“NVMe”选项。主机（也可以是虚拟机，只要是ubuntu系统就可以）
Jetson Orin Nano 开发手册——快速入门
FREEDOM_X的专栏
06-19 3568
本主题将帮助您快速开始使用NVIDIA® Jetson™ Linux和NVIDIA Jetson开发者套件。
Jetson 开发系列：Orin Nano 开箱！一款强大的嵌入式&物联网开发板
u010522887的专栏
10-02 4798
本文带大家实操搭建 Jetson 开发环境：VNC 远程桌面 + SSH 远程登录 + jtop 命令使用
NVIDIA Jetson Orin Nano 开发套件
FREEDOM_X的专栏
06-21 2104
为创建入门级人工智能机器人、智能无人机和智能视觉系统设定了一个新标准，如和。它还简化了系列的入门。紧凑的设计、众多的连接器和高达 40 项人工智能性能，使这款开发套件成为将您富有远见的概念转化为现实的理想选择。该开发套件由一个 Jetson Orin Nano 8GB模块和一个参考承载板组成，该承载板可容纳所有 NVIDIA Jetson Orin Nano-和 NVIDIA ZVK4]Orin NX模块，为下一代边缘人工智能产品的原型设计提供了理想的平台。
Face-Mask-Detection-Jetson-Nano:Jetson Nano上的面罩检测
04-19
面膜检测Jetson-Nano 在Jetson Nano上以44-5 FPS运行的快速面罩识别。 这是在公共领域中发现的两种深度学习模型的快速C ++实现。 第一个是在ncnn框架上运行的Linzaer的面部检测器。 。 第二个是Paddle Lite遮罩检测...
jetson-nano-image：为NVIDIA jetson nano板创建自己的图像
01-31
标题 "jetson-nano-image：为NVIDIA jetson nano板创建自己的图像" 指向的是一个项目，目的是教你如何自定义NVIDIA Jetson Nano开发板的操作系统映像。NVIDIA Jetson Nano是一款低功耗、高性能的嵌入式AI开发平台，...
Jetson-Orin-NX-and-Orin-Nano-series-Pinmux-Config-Template.xlsm
最新发布
03-14
Jetson_Orin_NX_and_Orin_Nano_series复用接口表格，模块引脚名称和编号、SoC pin名称、Verilog pin名称。
全新Jetson Orin Nano/NX载板，稳定，高性价比！
qq_30637245的博客
06-21 716
全新Jetson Orin Nano/NX载板 所有功能和孔位与原厂一致 支持Orin Nano 4G/8G&NX 8G/16G 堆料比起原厂更猛，全MLCC电容，TE&foxconn连接器，镀金排针。
1.Jetson Orin Nano Developer Kit系统刷机
亦已焉哉
08-20 5997
三种方案给Jetson Orin Nano安装系统; 1:使用>32G的SD卡安装开发套件; 2:在Ubuntu18.04下通过SDK Manager软件在线安装系统. 3:在Ubuntu18.04下通过脚本方式安装系统.
Jetson Orin Nano 刷机——windows——镜像刷入SD 卡
FREEDOM_X的专栏
06-20 1137
要准备您的 microSD卡，您需要一台具有 Internet 连接的计算机，并且能够通过内置 SD卡插槽或适配器读取和写入SD卡。如果您的microSD卡通过USB3连接，Etcher大约需要15分钟来写入和验证镜像。6，Etcher 完成后，Windows可能会让您知道它不知道如何读取SD卡。只需单击取消并去掉microSD卡。2，单击 “Select image” 并选择之前下载的压缩图像文件。使用 Etcher 将SD卡映像写入您的microSD卡。3，如果尚未插入，请插入您的microSD卡。
Jetson Orin Nano 刷机——linux——镜像刷入SD 卡
FREEDOM_X的专栏
06-20 679
2，LINUX说明1，将。
Jetson Orin Nano 快速安装 ROS2 Foxy详解
cau_weiyuhu的博客
05-27 3722
在Ubuntu-20.4下。当前流行的版本：1）rolling 2）humble 3）Galactic 4）Foxy，其中Foxy是比较好的，表现在包比较全；通过跑多个项目比较，Foxy是支持最稳定的，最差的是rolling版。本文主要介绍在Jeston Orin Nnao 8G版本模块，JetPack5.1.1环境，对应也就是Ubuntu-20.4安装Foxy的方法和步骤。
Jetson Orin Nano Developer Kit
bingdund的博客
07-07 696
Jetson Orin Nano Developer Kit包括Jetson Orin Nano 8GB模块，该模块具有NVIDIA®安培GPU(具有1024个CUDA®内核和32个第三代张量内核)和6核ARM CPU，能够运行多个并发AI应用程序管道并提供高推断性能。40针GPIO头，2个M.2 Key M接口，1个M.2 Key E，预填充wifi网卡，1 Gbe以太网端口，一个显示端口，多个USB a型端口和1个USB C型端口用于调试。4个模块的开发提供了理想的平台。
Jetson Orin Nano 工具——jtop安装及页面详解
FREEDOM_X的专栏
06-26 6999
进程名称或命令，表示进程的名称或正在执行的命令。: 页面底部有一系列控制按钮，如“1ALL”， “2GPU”， “3CPU”， “4MEN”， “5ENG”， “6CTRL”，“ZINFO”， 和“Quit”。在jtop的界面中，你可以看到每个CPU核心的使用率，GPU的显存使用情况，以及内存的使用情况等。例如，你可以根据GPU的使用情况来调整你的模型推理速度，或者根据CPU的使用情况来优化你的代码。命令，然后按回车键，你将看到一个实时更新的界面，上面显示了设备的CPU、GPU、内存等资源的使用情况。
如何通过串口连接Jetson Orin Nano开发板与Arduino Uno进行通信？
11-11
要通过串口连接Jetson Orin Nano开发板（基于Linux系统）与Arduino Uno（基于Arduino IDE，通常使用USB连接）进行通信，你需要遵循以下几个步骤： 1. **硬件连接**： - 将Jetson Orin Nano的UART（通用异步收发器）端口连接到Arduino Uno的RX（接收）和TX（发送）引脚上，通常对应于数字IO 0（RX）、数字IO 1（TX）。确保它们之间的电气兼容并且有良好的屏蔽和接线。 2. **软件设置**： - **Jetson端**： - 在Jetson上，打开终端并进入`/dev/ttyTHSx`目录，其中`x`是你的UART设备编号（如UART0、UART1等）。使用命令`stty -F /dev/ttyTHSx baudrate 9600`设置波特率为9600或其他所需速率，并保存配置。 - 如果你使用的是Python，可以使用`pySerial`库来创建串口对象。 - **Arduino Uno端**： - Arduino Uno通常会自动检测串口，不需要额外配置。如果你需要更改波特率，可以在Arduino IDE的“Tools” -> “Board” -> “Ports”选项中进行设置。 3. **编写代码**： - 对于Jetson（Python示例）： ```python import serial ser = serial.Serial('/dev/ttyTHSx', 9600) ``` - 对于Arduino Uno（C/C++示例）： ```c++ #include <SoftwareSerial.h> SoftwareSerial mySerial(0, 1); // RX (pin0) to TX (pin1) void setup() { Serial.begin(9600); // Monitor communication on the USB port for debugging mySerial.begin(9600); } void loop() { // Send and receive data through mySerial here } ``` 4. **数据传输**： - 在`loop()`函数或相应的函数里，你可以交换文本信息（ASCII字符串），或者更复杂的结构化数据，比如使用自定义协议。 5. **错误处理**： - 确保添加适当的错误检查和处理机制，例如检查串口是否已打开，以及在通信过程中可能出现的超时或断开连接等情况。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值