Quick Start
概述
本章主要帮助您快速使用NG4500系列产品。
硬件准备
-
硬件概述，请参阅硬件组件说明
-
设备组装
拿到整机后，若非预装版本，须拆开底板后盖进行配件相关装配后才可使用。
- 拿到样机后，拆包装后确认样机外观无缺损
- 拆开底部盖板
- 将SSD装配 J11 的M.2 Key M PCIex4 接口（建议），或 J13 的M.2 Key M PCIex1接口
- 将WiFi&BT模组固定到J19的 M.2 Key E 2230，并连接到外接天线（Optional）
- 将4G/5G模组固定到J15的M.2 Key B 2242, or M.2 Key B 2252 ,并将Sim卡插到J18的Sim卡槽 ，并连接到外置天线（Optional）
- 将 RTC Battery CR1220固定到 BT1的 Holder上（Optional）
- 确认安装完毕后，重新锁好底部盖板
-
HDMI接口连接到外部显示器
-
将有线鼠标和键标连接到USB Type-A接口中任意两个
-
将网线连接到 LAN 口中任意一个
-
将USB Type-C 接口连接到调试电脑
-
确认以上操作无误后，将电源适配器连接到 DC-JACK，即可开始进行套件开发调试
[!WARNING]
1、请使用原装标配的适配器
2、Orin Nano 4/8G 模组内部只支持5V输入， 请保证“Power Mode Switch” 在OFF状态
软件部署
如果设备尚未烧录固件，请参考以下链接以完成固件烧录步骤；如果您已经完成固件烧录，可直接进行部署。
首次系统启动引导配置
在确认设备已完成固件烧录后，为NG4500设备通电，并根据屏幕提示，依次完成首次系统初始化配置。
1. 系统初始化配置
- 勾选
接受许可协议，点击下一步
- 设置语言，点击下一步
- 设置键盘布局，点击下一步
- 设置时区（例如：
Asia/Shanghai），点击下一步
- 配置“您的姓名”和“密码”，点击下一步
- 最后，等待系统安装，自动重启
2. 系统运行状态&版本确认
请按照以下步骤安装 Jtop 工具，以监控当前设备的资源使用情况：
安装并运行 Jtop 后，界面将显示如下图所示的信息。您可以通过键盘操作，实时查看当前 Jetson 设备的资源使用状况，包括 CPU、内存、GPU、磁盘、风扇等。同时，还可以确认当前系统所安装的 TensorRT、CUDA 等版本信息。
# 安装 Jtop 工具
sudo apt update
sudo apt install python3-pip
sudo pip3 install -U jetson-stats
# 重启服务
sudo systemctl restart jtop.service
#运行 Jtop
sudo jtop
运行后如下图所示，通过键盘查看当前 Jetson 设备的各种资源使用情况，包括 CPU、内存、GPU、磁盘、风扇等，以及确认目前系统所安装TensorRT、CUDA等版本。
模型部署
下面将会介绍如何在AIBOX上部署运行NanoOWL实时视觉推理模型，以NG4511为例，使用imx219摄像头。
硬件需求
| 组件 | 要求 |
|---|---|
| 设备 | Jetson Orin（Nano / NX） |
| 内存 | ≥ 8GB（更大模型需更高内存） |
| 存储空间 | ≥ 10GB（取决于模型大小） |
| GPU | 支持 CUDA 的 NVIDIA GPU |
软件环境
- 支持JetPack版本：
环境准备
-
将 IMX219 摄像头连接至设备（注意：请确保摄像头排线的金属片朝上）。
-
请按照以下步骤安装所需依赖项，以确保模型能够正常运行。
sudo apt update
sudo apt-get install -y docker.io
sudo apt-get install -y nvidia-container-toolkit
sudo apt-get install nvidia-jetpack
- 安装jetson-containers
# 获取源码
git clone https://github.com/dusty-nv/jetson-containers
# 安装依赖
bash jetson-containers/install.sh
- 开始部署，自动拉取/构建nanoowl容器。（注：容器下载或构建完成后，系统会自动启动该容器。）
cd jetson-containers/
jetson-containers run --workdir /opt/nanoowl $(autotag nanoowl)
该命令将自动检测您的硬件配置，并拉取或构建适配的容器镜像。
运行示例
-
检查摄像头设备
请确认摄像头已正确连接至设备，并可被系统识别。您可以使用以下命令检查当前已连接的摄像头设备：
ls /dev/video*
-
运行 NanoOWL 容器并完成以下配置
- 启动 Docker 容器，并进入测试用例目录：
cd jetson-containers/
jetson-containers run --workdir /opt/nanoowl $(autotag nanoowl)
# 进入测试案例路径
cd /opt/nanoowl/examples/tree_demo- 安装依赖
apt update
apt-get install vim
pip install aiohttp- 修改
/opt/nanoowl/examples/tree_demo文件
# 屏蔽下面这句代码
camera = cv2.VideoCapture(CAMERA_DEVICE)
# 修改替换为下述内容
gst_pipeline = (
"nvarguscamerasrc ! "
"video/x-raw(memory:NVMM), width=(int)1280, height=(int)720, format=(string)NV12, framerate=(fraction)30/1 ! "
"nvvidconv ! "
"video/x-raw, format=(string)BGRx ! "
"videoconvert ! "
"video/x-raw, format=(string)BGR ! "
"appsink"
)
camera = cv2.VideoCapture(gst_pipeline, cv2.CAP_GSTREAMER) -
启动终端，运行测试案例
python3 tree_demo.py --camera 0 --resolution 1920x1080 ../../data/owl_image_encoder_patch32.engine -
查看识别结果
- 在浏览器地址栏输入当前 NG4511 设备的 IP 地址和端口号（例如：
http://<ip address>:7860），访问 NanoOWL 的 Web 界面。 - 在输入框中输入你希望识别的内容，例如：
- [a face [a nose, an eye, a mouth]]
- [a table [a keyboard, a pen, a mouse]]
- 在浏览器地址栏输入当前 NG4511 设备的 IP 地址和端口号（例如：
