日前，Raspberry 基金会发布了开发者为之兴奋的 Raspberry Pi 4，其不仅在性能上进行了全面的升级，而且价格也继续与旧版保持一致，仅为 35 美元起。那么这一款嵌入式开发板和极客们常用的另一款 NVIDIA Jetson Nano Developer Kit作者 | Chris Pietschmann译者 | 弯月，责编 | 屠敏
转载
2024-06-22 12:55:56
35阅读
目录一、刷机准备 二、JetPack4.5刷机过程 三、安装Cudnn 四、开启高性能模式 五、打开风扇 六、上电自启 七、设置开机自启动一、刷机准备在刷机之前，需要准备一台装有Ubuntu系统的宿主电脑。将 Xavier 连接电源，先不开机，通过自带的一根Type-C转USB转数据线，将Xavier与宿主电脑连接起来即可。连接host和Xavier的type-c一定要接在有电源指示灯的一端，注意
转载
2024-10-13 10:03:08
112阅读
功能强大的精简型单板计算机的推出催生了令人兴奋的新产品设计。在通过小型化优化成本及(或)效率的应 用中，它的效用尤为明显。另外，视觉系统可以利用功能全面的板级机器视觉摄像头进一步缩小产品总体尺寸 并实现运行灵活性，同时还支持定制或非标准光学部件。典型示例有：医疗诊断、计量、机器人技术、嵌入式 视觉、包装和印刷检查、手持式扫描仪、台式实验室和其他空间受限的系统。本文涵盖选择嵌入式视觉摄像头时需考虑的
作为小白，近期开始上手嵌入式设备Jetson Xavier NX，系统为Ubuntu 18.04.6，而因项目开发环境需要Opencv3.4.5版本，预装系统内安装的是Opencv4.1.1，以下是本人结合网上的资料整理的一篇适合新手的环境配置opencv-3.4.5的文章，内有纰漏可私聊交流。如有侵权，联系删除。详细指令步骤可以参考下面这位老哥的博客：Jetson Xavier NX安装open
转载
2024-03-20 23:13:50
384阅读
点赞
添加链接描述
原创
2023-01-25 20:53:02
88阅读
Jetson nano 安装opencv3.4.5经验分享 一、更新nano的镜像源二、安装OpenCV依赖项三、安装依赖项报错解决方法四、下载编译OpenCV参考链接： 一、更新nano的镜像源之前一直用Ubuntu的PC系统，最近刚接触Jetson nano开发板，以为和之前的Ubuntu系统是一样的，但是直到最近要自己安装OpenCV才发现，两者其实是有区别的。 通过查看etc文件夹中的os
转载
2024-04-19 08:09:29
331阅读
前情提要： 在使用opencv时，尝试利用cuda进行相关模型加载处理的加速，但是在实际的使用时出现以下问题：Traceback (most recent call last):
File "/home/colin/works/face_detect/detect_faces_video.py", line 70, in <module>
CatchUsbVideo("Find f
转载
2024-05-17 03:12:47
126阅读
1.开机插好电源，连上显示屏、键盘、鼠标后长按板子上的开关键（S4，旁边有标识POWER BTN）就可以开机。开机后屏幕上会打印一大串字符，之后会让你输入password，这里输入nvidia（有的会让输入username，这里的username也是nvidia）。 之后等屏幕不再打印东西时顺序输入： ls cd NVIDIA-INSTALLER/ sudo ./installer.sh 等屏幕不
转载
2024-04-03 12:02:56
150阅读
文章目录一：Anaconda安装二：Cuda、Cudnn安装三：Pytorch安装四：Tensorrt安装 一：Anaconda安装Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下
转载
2024-04-26 13:39:09
370阅读
0、序 OpenCV是什么？引用度娘的介绍就是“其是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。”可以说是一个功能强大的用于图像视
转载
2024-07-09 18:14:10
45阅读
简介1.1 背景与意义简介目标跟踪是计算机视觉领域的一个重要问题，目前广泛应用在体育赛事转播、安防监控和无人机、无人车、机器人等领域。在篮球比赛的场景中，主要是针对篮球和运动员的检测。通过对这些目标的检测，进一步实现摄像头对比赛主体的位置跟踪或是放大。JetsonNano是NVIDIA推出的高性能边缘端部署小型计算设备可以在JetsonNano上实现录制球场比赛视频，实时或延时进行推理处理，完成目
1.查看jetson的原始环境，当前环境组件版本和使用状态。使用该命令需要下载 jetson-stats。pip install jetson-statsjetson_release该命令是一个脚本文件。如果没有可以自行添加，文件说明中有说是jetson_stats包的一部分。因为我使用的是亚博配置好 的镜像。并没有验证下载这个包后是否可以使用。创建脚本文件#创建文件,添加权限
touc
刷写镜像官方地址(镜像):JetPack SDK 博主用的是目前的最新款(JetPack 4.4)刷写工具:Etcher顺带提一句, tf卡建议内存>=32G, 64G为佳 …32g的编译个opencv都不够, 看来最少要用64g的了…开启风扇啊,这步之前默认你已经按照引导创建了自己的账户 然后就需要开启风扇了 终端输入如下语句:cd /etc
sudo touch rc.local
sud
注意你要是“源码编译”装过别的版本的opencv4尽量重刷一下系统在按照本教程安装，nvidia自带的OPENCV可以直接覆盖不用删除，删文件太累了对于我小白 ！opencv/opencv at 3.4 (github.com)下载地址sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0
转载
2024-08-12 13:56:45
36阅读
Jetson nano使用记录之源代码编译安装opencv4.5.1Jetson nano官方镜像自带的opencv版本是4.1系列的，为了更加舒适的使用opencv的dnn模块进行目标检测的应用我们需要把opencv的版本提高一些，这里我使用的是opencv4.5.1版本，并通过源代码进行安装。 安装前需要准备的步骤参照官方说明针对Jetson TX1的说明opencv4.5.1-JetsonT
转载
2024-04-23 10:47:37
1191阅读
点赞
文章目录ffmpegnginxnginx自启动附录 ffmpeg下载ffmpeg(https://launchpad.net/ubuntu/+source/ffmpeg/7:4.3.2-0+deb11u2ubuntu1)wget http://www.ffmpeg.org/releases/ffmpeg-4.3.tar.gz解压ffmpegtar -zxvf ffmpeg-4.3.tar.gz
转载
2024-05-07 20:44:08
211阅读
内容包括以下类别：
1、系统信息：包括L4T版本、操作系统版本、内核驱动版本
2、系统主要硬件信息：CPU、内存、存储空间、USB设备与版本
3、USB设备：摄像头、USB存储设备的版本
4、开发环境版本：CUDA、CUDNN、OpenCV、TensorRT
5、各种应用的 Sample 代码路径系统信息：L4T（Linux for Tegra）版本head -n 1 /etc/nv_
转载
2024-09-30 13:24:07
85阅读
1、基础设置1.1、使用sudo免密码1.打开终端，输入命令：sudo visudo2.在文档最后一行添加如下内容：xxx ALL=(ALL) NOPASSWD:ALL
jetson ALL=(ALL) NOPASSWD:ALL
保存退出即可,其中XXX为登入用户名1.2、终端输出IP地址打开.bashrc文件sudo vim .bashrc最后面添加以下内容alias python=python
Nano环境下配置+torch&tensorflow安装1 配置Torch2 配置CUDA3 Jestin nano 刷机后环境初始化1.镜像下载2.镜像文件写入microSD卡3.ubuntu流程（略）4.开机后环境配置5.Tensorflow and pytorch安装4 Jetson Nano 更换镜像源附件Jetson Nano 版本对应JetPack与Pytorch版本PyTo
目录1. 概述2.环境配置2.1 Jetson边缘部署设备2.1.1 Jetson 设备配置及其版本2.1.2 Jetson设备软件配置2.2 x86训练环境3.Deepstream部署yolov5模型4.问题再探1. 概述Deepstream 是NVIDIA公司开发的AI视频处理框架，该框架是基于GStreamer视频框架上开发的。Yolov5框架是目标检测的AI训练，推理框架。本文主要讲述如何
