本文將介紹基于米爾電子MYD-LR3576開發(fā)板（米爾基于瑞芯微 RK3576開發(fā)板）的板端編譯OpenCV及環(huán)境搭建方案的開發(fā)測試。摘自優(yōu)秀創(chuàng)作者-短笛君

米爾基于RK3576開發(fā)板

RK3576具有如下配置：

• 4× Cortex-A72（大核，主頻最高 2.2GHz）
• 4× Cortex-A53（小核，主頻最高 1.8GHz）
• NPU（AI加速單元）：
  • 獨立 NPU，算力典型值 6 TOPS（INT8）
  • 支持 TensorFlow Lite、PyTorch、Caffe 等主流框架的模型加速（需 Rockchip 提供的 RKNN Toolkit 工具鏈）。

因此，我們可以在米爾RK3576開發(fā)板上運行opencv代碼，來完成一些視覺內(nèi)容，充分發(fā)揮該板的性能。要先編譯opencv需要一些預先的準備工作首先更新軟件包并安裝必要的依賴：

sudo apt updatesudo apt upgrade -ysudo apt install -y build-essential cmake git pkg-config libgtk-3-devlibavcodec-dev libavformat-dev libswscale-dev libv4l-devlibxvidcore-dev libx264-dev libjpeg-dev libpng-dev libtiff-devgfortran openexr libatlas-base-dev python3-dev python3-numpylibtbb2 libtbb-dev libdc1394-22-dev libopenexr-devlibgstreamer-plugins-base1.0-dev libgstreamer1.0-dev

一、板端編譯Opencv最新版本

克隆OpenCV和OpenCV contrib倉庫：

主倉庫（如果未克隆）

git clone https://github.com/opencv/opencv.gitcd opencvgit checkout <版本號，如4.9.0> # 可選，指定版本

contrib倉庫（你已克隆）

cd /path/to/opencv_contrib # 替換為你的contrib路徑git checkout <與主倉庫相同的版本號>

在OpenCV主目錄下創(chuàng)建并進入 build文件夾：

mkdir build && cd build

使用CMake配置（關(guān)鍵步驟）：

cmake -D CMAKE_BUILD_TYPE=RELEASE-D CMAKE_INSTALL_PREFIX=/usr/local-D INSTALL_C_EXAMPLES=ON-D INSTALL_PYTHON_EXAMPLES=OFF-D OPENCV_GENERATE_PKGCONFIG=ON-D OPENCV_EXTRA_MODULES_PATH=/home/myir/Downloads/opencv-4.11.0/opencv_contrib-4.11.0/modules-D BUILD_EXAMPLES=ON-D BUILD_opencv_python3=OFF-D BUILD_opencv_python2=OFF-D BUILD_NEW_PYTHON_SUPPORT=OFF-D WITH_GTK=ON-D WITH_FFMPEG=ON ..

其中 建議在末尾加上
一切準備完后

會開始環(huán)境檢查和配置工作

沒有報錯后 可以進行下一步

make -j6

這里不建議全核心去編譯 因為可能會遇到不同線程之間編譯速度不一樣導致依賴報錯的問題

編譯完成后直接 make install進行安裝

檢測安裝

運行自帶例程

二、搭建應(yīng)用

首先插入USB攝像頭 在終端中查看是否讀取到了設(shè)備 使用命令

lsusb

如果正常讀取 可以看到設(shè)備中有camera關(guān)鍵字

或者安裝cheese應(yīng)用來查看攝像頭是否正常

在cpp文件夾下新建build文件夾 使用mkdir build命令創(chuàng)建,然后使用如下命令編譯自帶例程

cd buildcmake ..make-j8

可以首先測試下opencv環(huán)境是否正常

輸入

./example_opencv即可打開如上命令，證明系統(tǒng)的cv環(huán)境沒有問題

性能測試

在hog測試中dnn加速平均幀率10fps左右 8cpu已經(jīng)接近滿載，性能略低樹莓派5

tapi測試環(huán)境下平均耗時68ms