在我们做opencv的图像视频采集的和处理的时候，难免会用到摄像头来采集视频图像。而我们在电脑上运行调用opencv的打开摄像头和打开视频的程序时，这时候是可以运行成功的，然后当我们以为移植把opencv的库移植到arm板上，在运行我们的程序应该也是可以顺利打开摄像头的。只有自己到后面动手移植过去的时候才发现运行到打开摄像头和打开视频文件的时候就发生段错误；因为无法读取图像文件。那么问什么PC机上
转载
2024-07-08 14:15:32
60阅读
ubuntu 安装 OpenCV with CUDA一、安装依赖库二、安装OpenCV三、环境配置四、测试dense_flow五、Jetson嵌入式设备附录A: Anaconda环境（未经测试）参考 一、安装依赖库首先安装更新和升级你的系统：sudo apt update
sudo apt upgrade然后，安装所需的库：通用工具：sudo apt install build-essentia
转载
2024-01-06 09:27:52
402阅读
使用opencv来分析地图中用到的一些函数记录灰度图读图像图像二值化显示图像形态学滤波：腐蚀和膨胀形态学滤波：开运算，闭运算，形态学梯度，顶帽，黑帽 灰度图灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。 黑色：0 白色：255读图像Mat src=imread("/home/dan
转载
2024-09-27 20:12:35
67阅读
介绍arm平台的调用栈与x86平台的调用栈大致相同，稍微有些区别，主要在于栈帧的压栈内容和传参方式不同。在arm平台的不同程序，采用的编译选项不同，程序运行期间的栈帧也会不同。有些工具在对arm的调用栈回溯时，可能会遇到无法回溯的情况。例如gdb在使用bt查看core dump文件调用栈时，有时会出现Backtrace stoped的情况,有可能就是栈空间的压栈顺序导致的。当工具无法回溯时，就需要
转载
2024-04-29 16:34:46
114阅读
# 在ARM架构上实现PyTorch和CUDA的指导
随着深度学习的快速发展，PyTorch成为了越来越多开发者和研究者的首选框架。然而，当我们在ARM架构上运行PyTorch并使用CUDA时，事情会变得复杂一些。以下是整套流程以及每一步的详细说明。
## 整体流程
以下是实现PyTorch在ARM架构上使用CUDA的步骤：
| 步骤 | 操作描述 |
|------|----------
原创
2024-09-04 04:17:06
656阅读
OpenCV DNN模块可加载深度学习模型用于目标检测等任务，OpenCV4.2.0之后支持模型推理使用CUDA加速，但是需要手动将CUDA模块编译进OpenCV. 本文记录了编译的全部过程，最终可用于c++/python下的opencv_dnn模块加速。 目录step1 运行环境和前期准备step2 编译OpenCV DNN模块(WITH CUDA)step 3 测试（1）c++（2）pytho
转载
2024-03-25 20:11:01
117阅读
1.要点简介 (1)OpenCV DNN的两大特点 (1)专注性：只提供推理功能，不涉及模型训练，实现了轻量级
转载
2024-03-08 07:44:29
156阅读
本文主要介绍Win10使用VS2019从源码编译OpenCV 4.4，并使用opencv_contrib支持CUDA 11.0 + Cudnn 8.0，以及对python3的支持。1 首先准备安装环境Microsoft Visual Studio 2019可以用社区版，免费的。CUDNN 8.0下载解压后，分别将cuda/include, cuda/lib, cuda/bin三个目录中的内容拷贝到
转载
2024-01-10 12:48:23
153阅读
环境安装
安装Anaconda，官网链接Anaconda
使用conda创建py3.6的虚拟环境，并激活使用
conda create -n py3.6 python=3.6 //创建
conda activate py3.6 //激活
3.安装依赖numpy和imutils
//用镜像安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/sim
转载
2024-01-31 18:47:35
108阅读
1. ARM1991 年ARM 公司成立于英国剑桥，早期ARM也自主设计和生产芯片，但由于业绩平平，最后ARM改变了策略，他们不再生产芯片，转而以授权的方式，将芯片设计方案转让给其他公司。ARM有三种授权方式：处理器、POP以及架构授权。 ARM架构是一种采用独特的ARM指令集系统、并且根据不同适用范围开发的处理器体系结构。经过30多年的发展，目前ARM架构有针对不同类型计算设计的体系结构。比如我
之前写了一个自己当时的操作流程，偶然看到一个当时自己移植opencv的总结，当时用了一个月才弄明白怎么回事，这里放到这里，一是保留，也希望其他人能在这里节省时间。嵌入式ARM系统中安装这里使用的是Opencv1.0.0版。首先说明这里之所以取1.0版本，是因为当时我的编译器是3.4.1，我试过编译2.0的但是不行。后来分析了一下它的部分代码，发现里边有宏定义要求4.0以上的才行。所以以后也就都用1
转载
2023-11-15 15:26:29
375阅读
文章目录前言一、PyQt5及SIP简介二、开发部署环境三、PyQt5及SIP安装步骤1.安装qt5-default2.配置好python和虚拟环境3.源码编译安装SIP包4.源码编译安装PyQt5包四、虚拟环境中调用PyQt5的配置五、测试PyQt5的版本和功能总结 前言在嵌入式ARM 64位平台上，pip方式安装PyQt5时因pip源无编译好的aarch64的whl包，需要下载PyQt5和si
转载
2023-10-26 08:01:11
690阅读
OpenCV3的GPU模块需要手动重新编译才可以使用。本文介绍了编译OpenCV3.2.0+ GPU模块的方法 需要准备，安装好vs2013Vs2013可能无法运行，需要进行更新进行update5就ok 前期准备：查看自己显卡是否支持cuda[win+R]打开[运行] -> 输入[cmd]按回车打开[命令行] -> 输入[start devmgmt.msc]按回车打
转载
2024-05-23 04:28:27
43阅读
如何在ARM架构下使用Docker和CUDA
## 引言
在ARM架构下使用Docker和CUDA可以为开发者提供一个方便的环境，用于开发和部署基于CUDA的应用程序。本文将教会你如何在ARM架构下配置Docker以及安装CUDA。
## Docker和CUDA
Docker是一个开源的容器化平台，可以帮助开发者将应用程序及其依赖项打包到一个可移植的容器中。CUDA是由NVIDIA开发的用于并
原创
2024-01-02 08:20:59
284阅读
在基于ARM的嵌入式系统开发中，常常用到交叉编译的GCC工具链有两种： arm-linux-*和 arm-elf-*，两者区别主要在于使用不同的C库文件。arm-linux-*使用 GNU的Glibc，而arm-elf-*一般使用 uClibc/uC-libc或者使用REDHAT专门为嵌入式系统 的开发的C库newlib.Glibc。uClibc/uC-libc以及 newlib都是C语言库
许多编译器有几种调用规范。在Visual C++中，可以在函数类型前加_cdecl，_stdcall或者_pascal来表示其调用规范（默认为_cdecl）。C++ Builder支持_fastcall调用规范。调用规范影响编译器产生的给定函数名，参数传递的顺序（从右到左或从左到右），堆栈清理责任（调用者或者被调用者）以及参数传递机制（堆栈，CPU寄
作者：小坏蛋最近要用到cuda做一些并行加速优化，由于一部分是关于图像的，所以需要用到集成了cuda的opencv库。直接在官网下载下来的opencv有些版本是没有把opencv编译进去的，所以就需要我们自己重新编译。Windows环境下用到的工具是opencv、Cmake、vs，和一台已经装好显卡、显卡驱动、cuda的电脑。1. 安装显卡并测试：插好显卡-安装驱动-安装cuda，过程
vs2017配置opencv环境网上的资料比较多也比较全，这里就不重点描述了。不过还是贴一个写的比较详细，图文并茂的博客。如下（建议采用临时配置方法，也就是下面博客中的方法二）：VS2017配置OpenCV4.0（Win10环境）vs2017配置cuda的资料相对较少，这里重点描述。一、配置cuda库1.1 情况1先装cuda后装vs2017。这样的安装的顺序，一般情况下，cuda和vs2017安
转载
2024-03-26 11:40:02
144阅读
从接触CUDA开发到现在，已有一个月有余。 一个人慢慢摸索的过程，有压力也有收获。 工作之余，想把自己以前做的，经历的东西写出来，留作纪念吧。顺便提高一下自己的写作水平。 作为CUDA开发的第一篇，先介绍一下CUDA环境的搭建吧，这里主要讲的是CUDA在WINDOWS上的环境搭建，后续会专门写一篇在LINUX平台上的
转载
2024-07-23 09:48:41
422阅读
环境： cuda 10.2 opencv 3.4.13 qt 5.12.9 cmake 3.24 vs 2017 x64系统 vs安装时勾选与c++相关的组件，依次安装opencv、 qt、cuda（cuda安装时尽量安装在c盘，以便于配置系统环境）与cmake，需要配置qt与cuda的环境变量。 C:\Program Files\NVIDIA Corporation\NVIDIA N
转载
2024-03-17 17:28:26
121阅读
