Jetson nano裸机介绍及 Opencv的环境配置

0. 前言

本人比较痴迷于硬件方向，最近得到老师的支持，从老师手里借到一块Nvidia Jetson nano 的板子（狂喜），下文简述nano。刚拿到板子经过已经完成点灯的操作，老师指示点完灯可以配置opencv的环境，前往图像处理的指示海洋。而配置opencv的过程曲折而痛苦，这里主要总结并分享配置过程及踩坑、填坑的起起伏伏。

0.1 Jetson Nano简介

Jetson Nano是一款体积小巧、功能强大的人工智能嵌入式开发板，于2019年3月由英伟达推出。预装Ubuntu 18.04LTS系统，搭载英伟达研发的128核Maxwell GPU，可以快速将AI技术落地并应用于各种智能设备。相比于Jetson之前的几款产品（Jetson TK1、Jetson TX1、Jetson TX2、Jetson Xavier），Jetson Nano售价仅需99美元，大幅减少了人工智能终端的研发成本。因此，一经推出，便受到了广泛的关注
以下是nano的几点优势：
(1) 体型小巧，性能强大，价格实惠，整体采用类似树莓派的硬件设计，支持一系列流行的AI框架，并且英伟达投入了大量的研发精力为其打造了与之配套的Jetpack SDK开发包，通过该开发包可以使学习和开发AI产品变得更加简单和便捷。

(2) 专为AI而设计，性能相比树莓派更强大，搭载四核Cortex-A57处理器，128核Maxwell GPU及4GB LPDDR内存，可为机器人终端、工业视觉终端带来足够的AI算力。

(3) 可提供472 GFLOP，支持高分辨率传感器，可以并行处理多个传感器，并可在每个传感器流上运行多个现代神经网络。

(4) 支持英伟达的NVIDIA JetPack组件包，其中包括用于深度学习、计算机视觉、GPU计算、多媒体处理等的板级支持包，CUDA，cuDNN和TensorRT软件库。

(5) 支持一系列流行的AI框架和算法，比如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等，使得开发人员能够简单快速的将AI模型和框架集成到产品中，轻松实现图像识别，目标检测，姿势估计，语义分割，视频增强和智能分析等强大功能。

说了一通，其实是跑边缘计算太贵的1080Ti等PC显卡咱买不起，而nano这样的单板计算机体积小还自带GUP，简直是大众福音。
————————————————

1.0 Jetson 裸机硬件介绍

先上张图

可以看到，nano的体积只比一个Romoss充电宝大一点，而它竟然自带GPU。
下面来看看小黑盒里到底是啥
先拆壳子

拆散热

以上就是Jetson nano的裸机硬件的简单介绍。

2.0 Jetson nano 的初步配置

安装系统
本人使用tf卡启动，其他安装微雪官网或其他都很详细，我就不在赘述啦

2.0.1下载镜像

英伟达官方地址
https://developer.nvidia.com/embedded/dlc/jetson-nano-dev-kit-sd-card-image

2.0.2格式化tf卡

本人比较懒，没有安装网上的教程用其他应用格式化，直接电脑选择tf卡按右键然后格式化

2.0.3使用balenatcher写出镜像

2.0.4愉快开机~

2.1 开发环境配置

安装完镜像后换源，否则后续更新和升级会非常慢。但是由于Jetson Nano采用的是aarch64架构的Ubuntu 18.04.2 LTS系统，与AMD架构的Ubuntu系统不同，因此需要替换成aarch64的源。
然后，备份原来的源，终端输入：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak    

换源，这里会打开一个窗口，会有一堆网址，如果没有弹出，检查命令是否正确
sudo gedit /etc/apt/sources.list
然后删除所有，复制下面的粘贴进去：

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

换源结束，更新源：

sudo apt-get update``

sudo apt-get full-upgrade

失败就多试几遍

3. opencv配置及人脸识别案例的实现

本节使用Python来完成人脸识别的案例

3.1 安装pip

pip 是 Python 包管理工具，该工具提供了对Python 包的查找、下载、安装、卸载的功能。
可以直接使用系统预装的Python3.6直接安装。
终端输入：sudo apt-get install python3-pip python3-dev
然后升级一下：python3 -m pip install --upgrade pip
注意，这里pip的升级巨慢，而且经常会失败，非常考验耐心，也非常搞心态。

3.2 安装Python常用学习包

sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-sklearn

同样，有些包可能会下载失败，保持耐心。

3.3配置用于python的opencv

这里直接使用原镜像预装的opencv4.1.1
使用下述命令可以查看版本号

opencv_version

3.4基于opencv的人脸检测

原教程中使用Code OSS（可以理解为适用于nano的vscode）。但下载OSS非常搞心态，本人直接用vim编辑器编辑。
注：Vim编辑器是所有Unix及Linux系统下标准的编辑器，它的强大不逊色于任何最新的文本编辑器。

终端输入命令

sudo vi face_detect.py

生成python脚本并进入
然后按a 进如编辑模式，复制粘贴示例

import cv2 
filepath = "test.jpg" 
img = cv2.imread(filepath) # 读取图片 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换灰色 
#OpenCV人脸识别分类器 
classifier = cv2.CascadeClassifier( "haarcascade_frontalface_default.xml" ) 
color = (0, 255, 0) # 定义绘制颜色 
#调用识别人脸 
faceRects = classifier.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(32, 32)) 
if len(faceRects): # 大于0则检测到人脸 
    for faceRect in faceRects: # 单独框出每一张人脸 
        x, y, w, h = faceRect 
        # 框出人脸 
        cv2.rectangle(img, (x, y), (x + h, y + w), color, 2) 
cv2.imshow("image", img) # 显示图像 
c = cv2.waitKey(10) 
cv2.waitKey(0) 
cv2.destroyAllWindows()

如果还没开始学习opencv人脸识别的相关知识，这里要特别注意，示例需要一张test.jpg的图片在py脚本所在的路径下（见第二行代码。以及人脸识别配置文件（以xml为后缀的文件）（见第6行代码）。本人就是不懂原教程中的人脸识别配置文件是啥，然后报错了。
然后终端输入
$ python3 face_detect.py
即可正常运行示例，识别出test.jpg的人脸 ~

4.总结

Jetson nano 下Opencv的配置曲折而玄学，总结几点：

1. 耐心安装软件和库，失败多试几次就好了。
2. 教程不是给我们单独定制的，有些不懂的还需要自己好好的百度。
3. 善用工具，比如搜索引擎，有些东西搜不到就换个搜索引擎，说不定有惊喜，灵活运用必应、百度等。有条件可以直接Chat GPT，很强大，对于初学者来说是一个debug、提高学习效率等的强大工具。
4. 如果找学长或者老师问问题一定要注意提问方式，不要发送即时消息给老师，因为老师可能需要用qq、wx接收重要通知，发送即时消息会打扰到老师，特别是老师在忙的时候。可以用邮箱，把问题背景、错误日志、自己的思路写在一块发送给老师。
5. 最后一点，也是最重要的一点，要善于debug，程序出错是很常见的，而找出错误非常关键。用错误日志的关键词来利用工具找错误是效率最高的，注意，是关键词，尽量缩短错误内容，多包含关键词去百度。

稚辉君说，过于先进的技术对于普通人来说，像魔法一样。对我来说，能够用这些小小的元器件来实现各种操作是一件很神奇的事情。我也很喜欢埋头在电子世界中，一切都很神奇。希望大家能够找到自己热爱的事情，去追自己想追的梦。

参考原文链接：
https://blog.csdn.net/qianbin3200896/article/details/103760640
JETSON NANO - Waveshare Wiki
(39条消息) Jetson Nano（一）：系统烧录_热爱学习的栾宝宝的博客-CSDN博客