如何在RK3588上面使用摄像头实时实现物体识别？

步骤如下：

1.硬件环境：Neardi LPA3588开发板，USB camera（或者其它camera),  软件环境： RK3588 SDK + Neardi LPA3588 Ubuntu image。

2.在LPA3588开发板下载rknpu2(GitHub – rockchip-linux/rknpu2)。

3.在LPA3588上面安装OpenCV， 如下：

sudo apt install libopencv-dev libopencv-videoio-dev  libopencv-video-dev libopencv-imgproc-dev libopencv-highgui-dev

4.在此以rknn_ssd_demo上进行更改， 进入rknn_ssd_demo目录， 修改CMakeLists.txt， 如下：

sample code使用的是OpenCV 3的库， 在此我们注释了以便使用我们安装的OpenCV 4的库。

5.Rockchip原始的rknn_ssd_demo是对图片进行分析， 因此使用单线程； 在此是从摄像头获取数据进行物体识别， 单线程有点卡， 因此使用多线程来实现。

首先， 创建queue数据结构， 代码如附件queue.hpp。

6.修改main.cc:

1). 添加新的头文件， 如下：

2). 创建2个全局变量， _idleimgbuf & _imgdata， 用于保存从camera获取的image, 并且定义最大长度是300, 如下：

3). 添加线程函数， 从camera读取数据image, 如下：

这里我们读取camera第一帧数据， 以便知道camera frame的大小。

4). 更改输入参数， 并启动线程代码， 如下：

         5). 主函数更改读取数据部分：??????

          完整的代码， 请参考附件的源代码。

6). 最后是释放资源， 如下:

7.编译及运行rknn_ssd_demo:

         ./rknn_ssd_demo ./model/RK3588/ssd_inception_v2.rknn 41

         这里的41是/dev/video41设备的索引， 需要根据实际camera输入， 设别结果如下：   

文章知识点与官方知识档案匹配，可进一步学习相关知识Git技能树首页概览2989 人正在系统学习中

来源：「已注销」