Jeston与ROS 大二下半学期开始接触四旋翼无人机，主要在实验室学习飞控，针对bibi飞控的二次开发，与实验室其余成员参加了大大小小的无人机比赛，包括令人崩溃的电赛，虽然没有取得较好的成绩，但却学到了很多。鉴于bibi飞控的种种,我希望能在假期学习PX4飞控，为实验室之后的发展增加一个选择。 文章目录Jeston与ROS前言一、Jeston Nano二、Jeston系统安装1、与所有开发
Jetson nano的使用流程@TOCJetson nano的第一次使用Jetson nano介绍 Jetson nano是nvidia自家推出的人工智能嵌入式开发板，它体积小巧、功能强大，性能比树莓派更强，支持英伟达的NVIDIA JetPack组件包，其中包括用于深度学习、计算机视觉、GPU计算、多媒体处理等的板级支持包，CUDA，cuDNN和TensorRT软件库。 支持一系列流行的AI框
转载
2023-12-28 14:54:59
469阅读
CPU与GPU性能测试1. CPU性能测试：计算圆周率bc 命令是任意精度计算器语言，通常在 linux 下当计算器用。它类似基本的计算器, 使用这个计算器可以做基本的数学运算man 一下 bc 即可知道，a 是 bc 的一个内置函数，代表反正切 arctan ，由于 tan(pi/4) = 1&n
转载
2024-10-21 16:27:31
99阅读
Jetson Nano & TX2配置教程Jetson Nano 激活Jetson TX2 烧录更新系统国内源安装系统工具jtop从源代码编译opencv安装archconda安装mmdetection 更新于2021年4月10日。本文介绍了Jetson Nano 和 Jetson TX2两种设备的配置教程，前一部分以Jetson Nano为例，后半部分以Jetson TX2为例。这两
转载
2024-04-17 20:44:47
1211阅读
搬砖是真的难受。。。。可是 我菜我快乐啊哈哈哈，博主前两天和老师说了说，能不能用我自己的nano做一个人脸识别(确认是主人)+手势识别(给小车提供命令)，然后stm32+2640(避障+路线规划)+声源(唤醒小车)这个东西能不能做为自己的毕业设计，老师说没问题，于是乎博主就开始搞怪啊哈哈哈，还是想唠叨几句，博主在9月份有的这个想法，然后各种碰壁各种头大，毕竟没有人给自己指路，自己摸索来还是很难受的
刚在Jetson nano上面配置好了tensorflow，盘点一下我个人遇到的一些坑点，希望能够帮助大家少走弯路注意事项1）操作系统镜像刚烧进去开机时选择语言一定要全部选成英文，如果选中文可能会因此出现“build wheel error”之类的问题。 2）尽量使用jetson nano提供的下载源，不要去做没必要的换源。如果某个包真的需要换源才能下载，建议只在下载那个包的适合换源。 3）在下载
转载
2024-09-30 13:02:51
488阅读
@英伟达Jetson Orin NX 开发板上市有一段时间了，其中16G套件能提供100TOPS算力，性能是上一代Jetson Xavier NX 的 5 倍。其启动系统安装于之前Jetpack SD 烧录完全不同，在这里做一个简单系统安装的介绍，希望能帮助有需要的朋友Jetson Orin NX开发板安装启动系统硬件准备除了开发板，这一代支持使用NVMe固态硬盘作为存储介质，一般代理商会提供一条
最近入手了Nvidia的Jetson Nano Developer Kit，在学习Jetson-inference项目时，遇到了不少问题，在这里整理一下作为记录。项目地址：https://github.com/dusty-nv/jetson-inference1. 从源码构建项目获取源码和构建项目需要用到Git和CMake，官方提供的系统镜像已经预置了Git，CMake需要手动安装。安装之前需要先
转载
2024-06-19 08:38:23
183阅读
本博文系列主要包含Jetson Nano 2G版本的图形化安装和headless安装，环境搭建，自带库介绍，NGC和云原生介绍，opencv编程，数据科学编程，深度学习编程，深度学习应用项目，边缘计算实例项目等。NGCNVIDIA NGC是GPU优化的深度学习，机器学习和高性能计算（HPC）软件的中心。NGC托管着顶级AI和数据科学软件的容器，这些容器均由NVIDIA进行了优化，测试和优化。NGC
转载
2024-05-11 19:33:34
117阅读
开箱Jetson TX1是英伟达公司新出的GPU开发板，拥有世界上先进的嵌入式视觉计算系统，提供高性能、新技术和极佳的开发平台。在进行配置和刷机工作之前，先来一张全家福：可以看到，Jetson TX1 包含内容为：一块开发板、WIFI天线、AC电源（缺了插座线，需要自己去买）、Micro USB线、USB-OTG线、排线连接器（感觉没什么用）。Jetson TX1找不到太多的教程，我也只能参考一些
转载
2024-01-22 13:53:13
306阅读
1.镜像源我的镜像源放在网盘，不是最新的，可自行下载。 复制这段内容后打开百度网盘App，操作更方便哦。 链接:https://pan.baidu.com/s/1nzx_4AQXTk3yTQQ3JTUxhw 提取码:247w 刷机教程网上很多这里不做过多赘述。2.开机后的一点准备因为ssh比较方便，我这里在win上用了finalshell的软件通过宿舍的wifi远程ssh连接控制nano。sudo
转载
2023-10-25 04:21:13
243阅读
本篇文章主要是介绍一个完整快速的训练自定义目标的全过程，具体其中一些为什么另起一篇文章详细介绍一、在PC机上实现yolov31.下载darknet工程我们在github上下载其源码工程git clone https://github.com/pjreddie/darknet.git2.修改Makefile并编译出darknet进入到下载好的darknet文件夹根目录下，修改Makefile中的前五
根据官网的说明安装好sd卡后，需要安装Tensorflow,系统自带cuda10.2,但是需要配制后才能看到。0、刷机要求 microSD卡（最好32GB起,系统镜像15G左右） 微型USB电源（5V-2A） 电脑显示器（HDMI） 鼠标和键盘 1、将图像写入SD卡 1.1下载映像文件 官网https://developer.nvidia.com/jetson-nano-sd-card-image
转载
2024-05-30 12:16:17
872阅读
之前两篇关于Jetson Nano的文章中，还有一个重要特色没有展示，即深度学习推理。尽管我还有TX1和TX2可用，这次依旧用Nano来演示。毕竟 @NVIDIA英伟达 给我这块Nano来评测，这篇文章仍算是评测的一部分。当然，下面的内容也适用于TX1、TX2乃至Xavier。这次将展示如何在ROS中使用TensorRT来做实时目标检测与多目标追踪，以及可以在Nano上实时运行的人体
转载
2024-08-27 17:21:27
395阅读
在Struts2的Model-View-Controller模式实现以下五个核心组件：动作-Actions拦截器-Interceptors值栈/OGNL结果/结果类型视图技术这是Struts的MVC模式的体系结构概述。 上图描述了Struts2的高层体系结构模型，视图和控制器。一个Struts2的调度Servlet过滤器和拦截器与控制器实现，该模型实现的动作和视图的组合的结果类型和结果。值栈和
文章目录前言核心板规格参数框图260-Pin SO-DIMM接口供电部分USBPCIeGBEMIPI DSI / DP / HDMIMIPI CSISD卡/SDIOAudioI2CSPIUARTFan封装尺寸载板 Carrier Board接口一览供电8-Pin按键排针SO-DIMM连接器CSI / USB摄像头USB WiFiM.2 Key-E Wi-Fi/BT40-Pin接口调试串口其他厂家
转载
2024-06-12 14:15:51
0阅读
背景最近要将一个使用PySide6写GUI的程序部署到英伟达Jetson Nano上。原本以为装个conda就能很快装好环境，结果发现arm的生态有点太糟糕了，啥都要自己编译安装，尤其是这个Pyside6。经过几天的探索，终于成功安装，于是写篇教程弥补一下网上对相关内容的缺失。Pyside6不仅源码要自己编译，相关的各种依赖也各种麻烦。下文将我用源码编译安装PySide6的完整历程都写下来了。首先
转载
2024-10-26 07:56:32
177阅读
博主所用的Jetson TX2初始环境及相关方面的介绍见前两篇博客NVIDIA Jetson TX2简介_竹叶青lvye的博客NVIDIA Jetson官网资料整理_竹叶青lvye的博客拆箱打开后，发现这款TX2上很多库都没有配置，如下： 所搭载的操作系统是Ubuntu 18.04.6 LTS 博主接下里使用NVIDIA SDK Manager来给TX2安装下JetPack，以
转载
2024-09-16 12:59:46
394阅读
目录前言一、YOLOv8模型训练1. 项目的克隆和必要的环境依赖1.1 项目的克隆1.2 项目代码结构整体介绍1.3 环境安装2. 数据集和预训练权重的准备2.1 数据集2.2 预训练权重准备3. 训练模型3.1 修改数据配置文件3.2 修改模型配置文件3.3 训练模型3.4 推理测试二、YOLOv8模型部署1. 源码下载2. 环境配置2.1 trtexec环境变量设置3. ONNX导出3.1
转载
2024-08-08 10:10:26
494阅读
一、前言 前文，在Xavier中测试YOLOv4算法发现其检测速度较慢，可以采用TensorRT对其进行加速。目前很多大佬都对其进行了实现。本文采用Github 中 JK Jung 作者的tensorrt_demos工程来提高yolov4的检测速度。二、加速准备1、克隆tensorrt_demos工程git clone https://githu
