一、准备工作硬件：JetsonXavierNX开发板（笔者购入为带128g内存条的EMMC版）、跳线帽（杜邦线）、microUSB转USB数据线、电源线软件：Ubuntuhost主机（可运行Ubuntu的虚拟机/双系统）、NVIDIASDKMANAGER（下载地址：NVIDIASDKManager|NVIDIADeveloper）。在Ubuntu主机里安装sdkmanager，命令如下，版本不同则tab补齐安装。sudoaptinstall./sdkmanager_1.6.0-8170_amd64.deb硬件准备用杜邦线或者跳线帽将XavierNX第三个引脚FC_REC与第二/四引脚GND短接
【Jetson目标检测SSD-MobileNet应用实例】（一）win11中配置SSD-MobileNet网络训练境搭建【Jetson目标检测SSD-MobileNet应用实例】（二）制作自己的数据集–数据集的采集、标注、预处理【Jetson目标检测SSD-MobileNet应用实例】（三）训练自己的检测模型和推理测试关于Jetsonnano或者NX上的CSI摄像头接口，这里值得特殊说一句：希望获得最佳性能（较快的FPS，较高的分辨率和较少的CPU使用情况），或者需要对摄像机进行底层控制那么最好考虑使用CSI接口的摄像头。USB摄像头之所以能够免驱使用因为系统中通用的USBCamer驱动很大程
Nvidia提供gstreamer和ffmpeg两种方法来实现对于音视频流的解析和硬件解码操作。我们的盒子基于Nvidia标准release的ffmpeg4.2.2来实现该功能。获取示例代码gitclonehttps://github.com/apoidea-xhiveai/jetson.git音视频解码的代码路径为：jetson/hd_decoder/ffmpeg编译示例代码copy代码到盒子上scp-r ffmpegroot@:/rootssh登录盒子后，执行以下命令来编译代码：cd/root/ffmpegmake编译成功后，生成可执行文件：ffmpeg_hd_decoder执行示例代码示
NVIDIAJetsonOrin™与其他NVIDIAJetson模组的区别在本系列关于NVIDIAJetsonAGXOrin的前几版中，我们了解了AGXOrin是什么、它的技术特性、主要构建模块和关键的嵌入式视觉用例。以下是这两篇文章的链接：什么是NVIDIAOrin系列？NVIDIAOrin的構建塊碼是什麼？NVIDIA®JetsonAGXOrin™的流行嵌入式视觉用例今天，让我们看看这款高性能处理器与其前辈相比如何。很明显，NVIDIA®Jetson™模块具有不同的AI计算能力、能效和外形尺寸。这也是NVIDIA相机越来越受欢迎的原因之一。整个NVIDIA®Jetson™产品系列使用通用软
一、准备阶段1、规格参数关于JetsonNano开发板的规格参数等指标信息，可以登录Nvidia官方网站查看，也可以打开下面的连接查看。2、处理器架构重点提醒：JetsonNano处理器架构是aarch64架构，所以在jetsonnano上安装软件时请选择arrch64版本的，否则会导致无法预料的严重后果。arm64和aarch64之间的区别：arm64已经与aarch64合并，因为aarch64和arm64指的是同一件事。ARM64是由Apple创建的，而AARCH64是由其他人（最著名的是GNU/GCC的）创建的。用于aarch64的Apple后端称为arm64，而LLVM编译器社区开发的
JetsonXavierNX默认安装的OpenCV4.5.4(不带cuda)，因项目要求OpenCV使用cuda作加速，因此，须重新编译OpenCV。这里为了方便直接在目标机上面编译，避免复杂的环境及依赖。1.下载OpenCV源代码下载地址：OpenCV·GitHub我这里下载opencv-4.5.4，opencv_contrib-4.5.4，下载后并解压。2.卸载原来的OpenCVsudoapt-getpurgelibopencv*python-opencv查看是否卸载：libs:pkg-configopencv--libsversion:pkg-configopencv--modversi
一、前言本文主要介绍JetsonOringNano,JetsonNano,JetsonTX2这三块开发板上OpenCV的卸载安装及编译（支持CUDA模块）；解决了一些出现的问题。二、卸载OpenCV如何查看本机安装的OpenCV是否支持CUDA?如果已安装jtop，可以直接使用jtop查看，命令如下。sudojtop按数字6查看INFO页面（某些开发板是7INFO），可以看到：*OpenCV: 4.1.1 compiledCUDA: NO从官网拉下来的OpenCV（已编译）是不支持CUDA加速的，无法充分利用GPU。如果未安装jtop，可以使用以下命令查看opencv库：pkg-config-
NvidiaJetsonXavierNX/AGXdockerWHY镜像地址使用方法docker常用命令备忘jtop安装关于保存容器镜像关于使用dockerfile构建关于映射外部路径让容器访问外部文件关于性能WHY在jetson上使用docker跑opencv和pytorch其实主要是要找对镜像，docker官方的hub里并没有适合的能直接跑的镜像，但是nvidia自己提供了L4T的pytorch和ML镜像。镜像地址单独pytorch的镜像：https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch整合了opencv，py
推荐：使用NSDT场景编辑器助你快速搭建可二次编辑器的3D应用场景 事实上，整个比赛都致力于这个想法。RoboCup小型联盟（SSL）视觉停电技术挑战赛鼓励团队“探索本地传感和处理，而不是非车载计算机和全球摄像机感知环境的典型方法。来自巴西累西腓伯南布哥联邦大学的学生JoãoGuilherme、他的导师EdnaBarros和其他SSL队友建造了一个由NVIDIAJetsonNano开发套件提供支持的全向机器人，用于自主执行足球任务。该团队用单目摄像头构建了他们的全向机器人，可以自主执行以下任务：地方化足球检测和抓取坐标计算将球传给其他团队机器人空门得分该团队使用AI软件管道构建了机器人，平均处
jetsonnx使用nvidiadecode硬解码rtsp视频流系统环境工程环境问题系统环境工程环境FastDeploy问题问题1：问题2问题3系统环境工程环境问题系统环境1、jetson系统：32.7.1，2、jetpack：4.6.1，3、deepstream：6.0.1，工程环境FastDeploy工程地址：[FastDeploy](https://github.com/PaddlePaddle/FastDeploy/tree/develop/streamer)基于百度开源的fastdeploy框架，首先编译fastdeploy，streamer，如果仅使用硬解码，建议编译fastdep
