文档

利用树莓派摄像模块V2在NVIDIA Jetson Nano上进行Sobel边缘检测

打开脚本

本示例向您展示如何从连接到NVIDIA®Jetson Nano的树莓派相机模块V2中捕获和处理图像GPU Coder™NVIDIA GPU支持包．NVIDIA GPU的GPU编码器支持包允许您从相机模块V2捕获图像，并将它们直接带到MATLAB®环境中进行处理。在本例中，您将学习如何使用该功能开发Sobel边缘检测算法。

先决条件

目标板需求

  • NVIDIA Jetson Nano嵌入式平台。

  • 树莓派摄像模块V2连接到目标器的CSI主机端口。

  • 以太网交叉网线，用于连接目标板和主机PC(如果目标板无法连接到本地网络)。

  • 目标上的V4L2库。

  • 目标上的GStreamer库。

  • 编译器和库的目标上的环境变量。有关编译器和库的支持版本及其设置的信息，请参见安装和设置NVIDIA板的先决条件．

开发主机需求

创建硬件对象

连接到NVIDIA Jetson Nano

NVIDIA GPU的GPU编码器支持包使用TCP/IP上的SSH连接来执行命令，同时在DRIVE或Jetson平台上构建和运行生成的CUDA代码。因此，您必须将目标平台连接到与主机相同的网络，或者使用以太网交叉电缆将板直接连接到主机。关于如何设置和配置您的板，请参阅NVIDIA文档。

方法来与NVIDIA Jetson Nano通信，必须创建活动硬件连接对象开车或杰森函数。要创建活动硬件连接对象，必须知道目标板的主机名或IP地址、用户名和密码。例如，使用以下命令为Jetson硬件创建活动对象，

hwobj =杰森(“jetson-nano-name”，ubuntu的，ubuntu的）;

运行getCameraList的函数hwobj对象来查找可用的相机。如果此函数输出空表，则尝试重新连接摄像机并再次执行该函数。

验证GPU环境

使用coder.checkGpuInstall函数并验证运行此示例所需的编译器和库是否正确设置。

envCfg = coder.gpuEnvConfig (“杰森”）;envCfg。BasicCodegen = 1;envCfg。安静= 1;envCfg。HardwareObject = hwobj;coder.checkGpuInstall (envCfg);

创建一个相机对象

控件中的名称创建一个相机对象getCameraList函数。

camObj =相机(hwobj,“vi-output imx219 6 - 0010”480年[640]);

camObj是相机对象的句柄。要在MATLAB中显示从Camera Module V2中捕获的图像，使用以下命令。

为i = 1:100 img = snapshot(camObj);显示亮度图像(img);drawnow;结束

该相机对象捕获RGB和3通道灰度图像。

创建一个显示对象

使用imageDisplay函数创建一个显示对象。这是一个使用imshow函数在MATLAB中显示图像。

dispObj = imageDisplay (hwobj);img =快照(camObj);图像(dispObj, img);

Sobel边缘检测算法

Sobel边缘检测算法是一种流行而简单的边缘检测算法。该算法对灰度图像进行二维空间梯度运算。这种操作强调与边缘相对应的高空间频率区域。

计算梯度

我们将用各自的Sobel核找到输入图像的水平梯度(h)和垂直梯度(v)。这两个索贝尔核彼此正交。我们将确保我们的算法在测试图像上工作，然后再转移到实时数据。

Kern = [1 2 1;0 0 0;1 2 1];img = imread (“peppers.png”）;显示亮度图像(img);h = conv2 (img(:,: 2),克恩,“相同”）;v = conv2 (img(:,: 2),克恩”,“相同”）;

计算梯度幅值

接下来我们从水平和垂直的梯度(h和v)中找到梯度的大小。

e =√h。* h + v * v);

阈值边缘图像

我们对图像进行阈值，以找到我们认为是边缘的图像区域。

edgeImg = uint8((e > 100) * 240);显示亮度图像(edgeImg);

运行Sobel实时数据边缘检测算法

我们可以创建一个MATLAB函数，sobelEdgeDetectionAlg.m，这是我们在本例前面几节中开发的MATLAB代码。在编辑器中查看MATLAB函数。

编辑(“sobelEdgeDetectionAlg.m”);

这个函数sobelEdgeDetectionAlg ()获取用于边缘检测的图像和阈值输入，返回边缘检测算法的结果。我们将对在循环中捕获的图像调用此函数。阈值变量打可以改变，以获得适当的边缘图像。通过这种方式，我们可以使用支持包的摄像头访问功能来优化适合于指定摄像头的算法。

为i = 1:20 00 img = snapshot(camObj);打= 100;edgeImage = sobelEdgeDetectionAlg(img, thresh);图像(dispObj edgeImage);结束

要将上面的示例部署为目标上的独立应用程序，请遵循下面的示例在NVIDIA Jetson Nano上部署并运行带I/O的Sobel边缘检测．

关闭所有

总结

本例介绍了一个应用程序，该应用程序使用Sobel边缘检测算法在MATLAB中处理连接到NVIDIA Jetson Nano的摄像机的图像。

NVIDIA GPU文档的GPU编码器支持包
支持

尝试MATLAB, Simulink和其他产品2022世界杯八强谁会赢？

得到审判现在

Baidu
map