1、opencv 交叉編譯

R329 是 aarch64 的，所以用到的 opencv 也需要交叉編譯，完了把頭和庫拷到板子上，板子上的文件傳輸可以采用 scp，scp 的使用方法類似這樣：

2、板子跑 opencv 抓圖

寫這個模塊，主要目的是用簡單的 opencv 工程驗證下板子的攝像頭是否正常。

2.1 工程目錄結構

搭建cmake工程，結構如下：

2.2 CMakeLists.txt

2.3 main.cpp

2.4 aarch64-linux-gnu.toolchain.cmake

2.5 編譯

完了把編譯生成的可執行程序用 scp 拷貝到 板子上

在開發板上運行程序：

?正常會生成一張 test.png 的圖片，這是你板子攝像頭現拍的圖像。

3、板子跑 mobilenetv2 檢測

3.1 轉換 mobilenetv2 模型

?此步驟是為了將深度學習訓練框架（前端）產生的模型（支持 tensorflow pb、tflite、caffemodel、onnx），選擇還是挺多的，我這里用的是 tflite 來轉換板子可支持運行的模型格式。

轉換方法還是可參考這篇 《【嵌入式AI】周易 AIPU 算法部署仿真測試》，這篇里寫的前端是來自 tensorflow 的，相比 from_tensorflow，from_tflite 的過程少了模型 export 和 freeze 的過程，所以相對簡單一些。

模型轉換的關鍵是 model_build.cfg 配置文件，這里給出 modilenetv2 的 mobilenetv2_build.config。

?然后執行：

正常情況會生成 aipu.bin 模型文件，這個文件是后面板子上執行的時候調用的。多說一句，個人理解這個 aipu.bin 里面應該是記錄了模型的推理執行 flow，就像 tensorrt 的 engine 一樣，不知道理解是否有問題。

3.2 zhouyi_cam 交叉編譯

交叉編譯 zhouyi_cam，工程代碼在這里 ，工具鏈在這里，提取碼都是：6666。

把工程 和 工具鏈 下載下來后，交叉編譯很簡單。

需要改 CMakeList.txt 里的幾個地方：

開始編譯吧

大功告成后會生成 zhouyi_demo，將其和 3.1 生成的 aipu.bin 拷貝到板子上。

3.3 mobilenetv2 跑起來

目光轉到板子上。

差不多可以跑 20 幀，接近實時了~


審核編輯：劉清