?一、前言

近期收到了一塊受到業界人士關注的開發板"香橙派AIpro",因為這塊板子具有極高的性價比，同時還可以兼容ubuntu、安卓等多種操作系統，今天博主便要在一塊8+32g的香橙派AI香橙派AIpro進行YoloV5s算法的部署并使用一個外接的魚眼USB攝像頭來作目標檢測與識別。經過博主的整體測試，這塊開發板可以用來作為邊緣計算平臺，承擔大眾化場景的目標檢測任務。隨著人工智能技術的不斷發展，目標檢測作為計算機視覺領域的一個重要任務，已經得到了廣泛的研究和應用。

二、香橙派AIpro介紹

2.1香橙派簡介

作為業界首款基于昇騰深度研發的AI開發板，Orange Pi AIpro無論在外觀上、性能上還是技術服務支持上都非常優秀。采用昇騰AI技術路線，集成圖形處理器，擁有8GB/16GB LPDDR4X，可以外接32GB/64GB/128GB/256GB eMMC模塊，支持雙4K高清輸出，8/20 TOPS AI算力。配套了MindStudio全流程開發工具鏈，并提供一鍵鏡像燒錄工具和模型適配工具實現極簡開發，讓開發者快速上手使用，支持算法模型的快速適配。

可廣泛適用于AI教學實訓、AI算法驗證、智能小車、機械臂、邊緣計算、無人機、人工智能、云計算、AR/VR、智能安防、智能家居、智能交通等領域。Orange Pi AIpro支持Ubuntu、openEuler操作系統，滿足大多數AI算法原型驗證、推理應用開發的需求。

2.2香橙派硬件及接口介紹

香橙派AIpro豐富的接口賦予了Orange Pi AIpro強大的可拓展性。包括兩個HDMI輸出、GPIO接口、Type-C電源接口、支持SATA/NVMe SSD 2280的M.2插槽、TF插槽、千兆網口、兩個USB3.0、一個USB Type-C 3.0、一個Micro USB、兩個MIPI攝像頭、一個MIPI屏等，預留電池接口。

在操作系統方面，Orange Pi AIpro支持Ubuntu、openEuler操作系統，滿足大多數AI算法原型驗證、推理應用開發的需求，可廣泛適用于AI邊緣計算、深度視覺學習及視頻流AI分析、視頻圖像分析、自然語言處理、智能小車、機械臂、人工智能、無人機、云計算、AR/VR、智能安防、智能家居等領域，覆蓋 AIoT各個行業。

三、實際場景應用體驗

3.1魚眼鏡頭介紹

魚眼鏡頭是一種焦距為16mm或更短的并且視角接近或等于180°的鏡頭。 它是一種極端的廣角鏡頭，“魚眼鏡頭”是它的俗稱。為使鏡頭達到最大的攝影視角，這種攝影鏡頭的前鏡片直徑很短且呈拋物狀向鏡頭前部凸出，與魚的眼睛頗為相似，“魚眼鏡頭”因此而得名。

魚眼鏡頭屬于超廣角鏡頭中的一種特殊鏡頭，它的視角力求達到或超出人眼所能看到的范圍。因此，魚眼鏡頭與人們眼中的真實世界的景象存在很大的差別，因為我們在實際生活中看見的景物是有規則的固定形態，而通過魚眼鏡頭產生的畫面效果則超出了這一范疇。

魚眼鏡頭具有超大視場，因而被廣泛應用于場景監視、衛星定位、機器人導航、微小智能系統及工程測量等領域。由于魚眼鏡頭能夠實現全空域包容和全時域實時信息的獲取，特別是符合現代戰爭對信息獲取技術的需求，這是其他光電偵測手段所不能比的，因此魚眼鏡頭在國防和軍事領域也得到了重要應用。

3.2魚眼鏡頭圖像獲取

3.2.1流程介紹

通過USB接口連接魚眼鏡頭與香橙派AIpro，從魚眼鏡頭獲取圖像、并處理為YUV圖像。

3.2.2相關驅動安裝

首先通過下面的鏈接下載相關源碼：

Ascend/EdgeAndRobotics - Gitee.com

下載完成后進行解壓，并進入到樣例目錄

3.2.3安裝FFmpeg

sudo apt-get install ffmpeg libavcodec-dev libswscale-dev libavdevice-dev

運行結果：

3.2.4安裝OpenCV

sudo apt-get install libopencv-dev

運行結果：

?3.2.5編譯樣例源碼

# 執行編譯命令g++ main.cpp -o main -lavutil -lavformat -lavcodec -lavdevice

編譯命令執行成功后，在USBCamera樣例目錄下生成可執行文件main。

運行結果：

3.2.6運行樣例，從Camera獲取圖像

運行可執行文件，其中/dev/video0表示Camera設備，需根據實際情況填寫：

./main /dev/video0

運行成功后，在USBCamera樣例目錄下生成yuyv422格式、1280*720分辨率的out.yuv文件。

運行結果：

注意：當把一個攝像頭插入開發板后，執行ls /dev/vi*命令可看到攝像頭的vedio節點。這里出現了兩個設備節點：/dev/video0、/dev/video1，是因為一個是圖像/視頻采集，一個是metadata采集，因此本樣例中在運行可執行文件時，選擇圖像/視頻采集的設備節點/dev/video0。

3.2.7檢查從Camera獲取的圖像

執行如下命令，使用FFmpeg軟件查看圖像：

ffplay -pix_fmt yuyv422 -video_size 1280*720?out.yuv

?運行結果：

四、結語

經過博主的整體測試，這塊開發板可以用來作為邊緣計算平臺，承擔大眾化場景的目標檢測任務。相信這款高性價比的開發板會為人們快速驗證部署自己的人工智能算法提供低廉、高效的方案。后續會嘗試部署YOLO（You Only Look Once）系列算法來進一步測試板子性能。