01RDKX5超新手入门教程
RDK X5超新手入门教程 ：从系统烧录到 YOLO 物体识别
目录
•
RDK X5超新手入门教程 ：从系统烧录到 YOLO 物体识别
◦
目录
◦
如何购买
◦
RDK X5 规格参数
◦
系统烧录
▪
烧录准备
•
供电
•
存储
•
显示
•
网络连接
•
系统烧录
▪
镜像下载
▪
系统烧录
▪
启动系统
▪
常见问题
◦
YOLO算法测试
▪
运行方法
◦
摄像头应用
▪
摄像头图像本地保存
•
环境准备
•
运行方式
•
预期效果
◦
ROS 应用
▪
功能介绍
▪
实现步骤
◦
结语
如何购买
第一步就是 买板子 啦！大家可以去到 RDK官网 进行购买。
收到的板子会带一个盒子，非常美观：
RDK X5 规格参数
| |
| |
| |
| |
| |
| |
| |
RDK X5 提供了网口、USB、摄像头、LCD、HDMI、CANFD、40PIN等功能接口，方便用户进行图像多媒体、深度学习算法等应用的开发和测试。开发板接口布局如下：
| | | | | |
| | | | | |
| | | | | |
| | | | | |
| | | | | |
| | | | | |
机械尺寸：
系统烧录
烧录准备
供电
RDK X5开发板通过 USB Type-C 接口供电，需要使用支持 5V/3A 的电源适配器为开发板供电。
[!NOTE]
请不要使用电脑USB接口为开发板供电，否则会因供电不足造成开发板异常断电、反复重启等异常情况。
存储
RDK X5开发板采用 Micro SD 存储卡作为系统启动介质，推荐至少 8GB 容量的存储卡，以便满足 Ubuntu 系统、应用功能软件对存储空间的需求。
[!IMPORTANT]
SD 卡选择的型号，参考 1元/1G 的价格去买，我买过便宜的会导致系统启动失败！
显示
RDK X5开发板支持HDMI显示接口，通过HDMI线缆连接开发板和显示器，支持图形化桌面显示。
网络连接
RDK X5开发板支持以太网、Wi-Fi 两种网络接口，用户可通过任意接口实现网络连接功能。
系统烧录
RDK套件目前提供 Ubuntu 22.04 系统镜像，可支持 Desktop 桌面图形化交互。
[!NOTE]
RDK X5 Module出厂已经烧写测试版本系统镜像，为确保使用最新版本的系统，建议参考本文档完成最新版本系统镜像的烧写。
镜像下载
点击 下载镜像，进入版本选择页面，选择对应版本目录，进入3.1.0版本系统下载页。
下载完成后，解压出Ubuntu系统镜像文件，如 rdk-x5-ubuntu22-preinstalled-desktop-3.1.0-arm64.img
[!TIP]
•
desktop ：带有桌面的Ubuntu系统，可以外接屏幕、鼠标操作
•
server ：无桌面的Ubuntu系统，可以通过串口、网络远程连接操作
系统烧录
在烧录Ubuntu系统镜像前，需要做如下准备：
•
准备至少 8GB 容量的 Micro SD 卡
•
SD 读卡器
•
下载镜像烧录工具balenaEtcher，balenaEtcher 是一款支持 Windows/Mac/Linux 等多平台的 PC 端启动盘制作工具。使用轻量版镜像烧录工具 Rufus 也是可以的。
制作SD启动卡流程如下：
打开 balenaEtcher 工具，点击Flash from file按钮，选择解压出来的 rdk-x5-ubuntu22-preinstalled-desktop-3.1.0-arm64.img 文件作为烧录镜像
点击Select target按钮，选择对应的 Micro SD 存储卡作为目标存储设备
点击 现在烧录 按钮开始烧录
等待 烧录 & 验证 完成
待工具提示 烧录成功 时，表示镜像烧录完成，可以关闭 balenaEtcher 并取出存储卡
启动系统
首先保持开发板断电，然后将制作好的存储卡插入开发板的 Micro SD 卡槽，并通过 HDMI 线缆连接开发板与显示器，最后给开发板上电。
系统首次启动时会进行默认环境配置，整个过程持续45秒左右，配置结束后会在显示器输出 Ubuntu 系统桌面，如下图：
[!TIP]
开发板指示灯说明
绿色 指示灯：点亮代表硬件上电正常
如果开发板上电后长时间没有显示输出（2分钟以上），说明开发板启动异常。需要通过串口线进行调试，查看开发板是否正常。
如果没有接入显示器同学，可以看下 绿色电源灯 的 附近 是否有 橙色灯 亮起，如果亮起则表明系统起来了，可以开始玩耍了！
常见问题
首次使用开发板时的常见问题如下：
•
上电不开机 ：请确保使用供电中推荐的适配器供电；请确保开发板的Micro SD卡已经烧录过Ubuntu系统镜像
•
使用中热插拔存储卡 ：开发板不支持热插拔Micro SD存储卡，如发生误操作请重启开发板
[!WARNING]
注意事项
•
禁止带电时拔插除 USB、HDMI、网线之外的任何设备
•
RDK X5 的 Type-C USB 接口仅用作供电
•
选用正规品牌的 USB Type-C 口供电线，否则会出现供电异常，导致系统异常断电的问题
YOLO算法测试
本示例主要实现以下功能：
加载 yolov5s_672x672_nv12 目标检测模型
读取 kite.jpg 静态图片作为模型的输入
分析算法结果，渲染检测结果
运行方法
本示例的完整代码和测试数据安装在 /app/pydev_demo/07_yolov5_sample/ 目录下，调用以下命令运行
代码块
Shell
cd /app/pydev_demo/07_yolov5_sample/
sudo python3 ./test_yolov5.py
运行成功后，会输出目标检测结果，
代码块
Bash
bbox: [593.949768, 80.819038, 672.215027, 147.131607], score: 0.856997, id: 33, name: kite
bbox: [215.716019, 696.537476, 273.653442, 855.298706], score: 0.852251, id: 0, name: person
bbox: [278.934448, 236.631256, 305.838867, 281.294922], score: 0.834647, id: 33, name: kite
bbox: [115.184196, 615.987, 167.202667, 761.042542], score: 0.781627, id: 0, name: person
bbox: [577.261719, 346.008453, 601.795349, 370.308624], score: 0.705358, id: 33, name: kite
bbox: [1083.22998, 394.714569, 1102.146729, 422.34787], score: 0.673642, id: 33, name: kite
bbox: [80.515938, 511.157104, 107.181572, 564.28363], score: 0.662, id: 0, name: person
bbox: [175.470078, 541.949219, 194.192871, 572.981812], score: 0.623189, id: 0, name: person
bbox: [518.504333, 508.224396, 533.452759, 531.92926], score: 0.597822, id: 0, name: person
并且输出渲染结果到 output_image.jpg 文件中，如下图：
摄像头应用
摄像头图像本地保存
本示例 vio_capture 示例实现了 MIPI 摄像头图像采集，并将 RAW 和 YUV 两种格式的图像本地保存的功能。示例流程框图如下：
环境准备
•
开发板断电状态下，将 MIPI 摄像头接入开发板
•
通过 HDMI 线缆连接开发板和显示器
•
开发板上电，并通过命令行登录
运行方式
示例代码以源码形式提供，需要使用 make 命令进行编译后运行，步骤如下：
代码块
Bash
sunrise@ubuntu:~$ cd /app/cdev_demo/vio_capture/
sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo make
sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo ./capture -b 16 -c 10 -h 1080 -w 1920
参数说明：
•
-b: RAW 图 bit 数，IMX219 / IMX477 / OV5647 都设置为 16，只有极少数 Camera Sensor 需要设置为 8
•
-c: 保存图像的数量
•
-w: 保存图像的宽度
•
-h: 保存图像的高度
预期效果
程序正确运行后，当前目录保存指定数量的图片文件，RAW 格式以 raw_*.raw 方式命名，YUV 格式以 yuv_*.yuv 方式命名。运行log如下：
代码块
Bash
sunrise@ubuntu:/app/cdev_demo/vio_capture$ sudo ./capture -b 16 -c 10 -h 1080 -w 1920
Camera 0:
i2c_bus: 6
mipi_host: 0
Camera 1:
保存的文件：
代码块
Bash
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_0.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_1.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_2.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_3.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_4.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_5.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_6.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_7.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_8.raw
-rw-r--r-- 1 root video 4147200 Dec 14 12:38 raw_9.raw
ROS 应用
功能介绍
本示例使用 YOLOv8 目标检测算法，实现订阅 MIPI 摄像头发布的图片，经过算法推理后发布算法 msg，通过 websocket package 实现在 PC 端浏览器上渲染显示发布的图片和对应的算法结果。
模型使用COCO数据集进行训练，支持的目标检测类型包括人、动物、水果、交通工具等共 80 种类型。
代码仓库：https://github.com/D-Robotics/hobot_dnn
实现步骤
代码块
Bash
# 配置tros.b环境
source /opt/tros/humble/setup.bash
# 配置MIPI摄像头
export CAM_TYPE=mipi
# 启动launch文件
ros2 launch dnn_node_example dnn_node_example.launch.py dnn_example_config_file:=config/yolov8workconfig.json dnn_example_image_width:=640 dnn_example_image_height:=640
终端会输出如下 Log :
代码块
Bash
[example-3] model_name:
[example-3] [WARN] [1734150496.829080954] [dnn_example_node]: model_file_name_: /opt/hobot/model/x5/basic/yolov8_640x640_nv12.bin, task_num: 4
[example-3] [BPU_PLAT]BPU Platform Version(1.3.6)!
输出 log 显示，发布算法推理结果的 topic 为 hobot_dnn_detection，订阅图片的 topic 为 /hbmem_img。
在 PC 端的浏览器输入 http://IP:8000/TogetheROS/ 即可查看图像和算法渲染效果（IP为RDK的IP地址）
结语
以上就是本教程的全部内容啦，欢迎各位继续探索😁