惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

G
Google Developers Blog
Spread Privacy
Spread Privacy
V
Visual Studio Blog
爱范儿
爱范儿
Apple Machine Learning Research
Apple Machine Learning Research
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
GbyAI
GbyAI
Google DeepMind News
Google DeepMind News
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
J
Java Code Geeks
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Blog — PlanetScale
Blog — PlanetScale
N
Netflix TechBlog - Medium
B
Blog RSS Feed
博客园 - 【当耐特】
有赞技术团队
有赞技术团队
The Register - Security
The Register - Security
Latest news
Latest news
The Cloudflare Blog
Project Zero
Project Zero
月光博客
月光博客
U
Unit 42
Vercel News
Vercel News
Attack and Defense Labs
Attack and Defense Labs
Know Your Adversary
Know Your Adversary
V
Vulnerabilities – Threatpost
F
Full Disclosure
Schneier on Security
Schneier on Security
Google Online Security Blog
Google Online Security Blog
MyScale Blog
MyScale Blog
L
Lohrmann on Cybersecurity
C
CERT Recently Published Vulnerability Notes
博客园 - 叶小钗
腾讯CDC
博客园 - 三生石上(FineUI控件)
T
The Blog of Author Tim Ferriss
D
Darknet – Hacking Tools, Hacker News & Cyber Security
博客园 - Franky
S
Security Affairs
Hacker News: Ask HN
Hacker News: Ask HN
Security Latest
Security Latest
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
MongoDB | Blog
MongoDB | Blog
D
DataBreaches.Net
SecWiki News
SecWiki News
Recorded Future
Recorded Future
NISL@THU
NISL@THU
Hacker News - Newest:
Hacker News - Newest: "LLM"
Cloudbric
Cloudbric

博客园 - topeet

基于迅为iTOP-RK3568开发板搭建完整物联网控制平台 【重磅升级】迅为RK3588开发板SDK已经适配RK1828 AI协处理器 国产化选型无忧:迅为龙芯系列开发板全国产方案深度解析 基于迅为RK3588开发板的智能边缘网关方案在电力行业的应用 迅为iTOP-Hi3781V730开发板8K超高清+AI算力旗舰-Ubuntu系统功能测试全面验证 迅为iTOP-RK3506核心板三核异构+低功耗高实时开发一步到位 iTOP-Hi3403开发板OS08A20摄像头模组例程测试手册详解:10.4TOPS算力+4K60,解锁AI视觉开发新高度 实战:在迅为iTOP-RK3576开发板上跑通yolov5目标检测 嵌入式linux自学看这一套就够了!迅为RK3568开发板 迅为iTOP-RK3506开发板入门级linux低成本方案-系统功能测试 迅为RK3506开发板瑞芯微多核异构linux系统LVGL应用手册 新品发布迅为Hi3781V730开发板海思方案全能芯全接口 迅为iTOP-RK3506开发板新品发布低功耗高实时开发一步到位 迅为电子RK3568+RK3588开发板资料焕新升级!多维度优化助力开发者效率提升 迅为RK系列开发板重磅升级SDK内核从5.10全面升级至Linux6.1 LTS 你的专属“数字员工”已到岗!迅为RK3588系列开发板适配OpenClaw 【硬核解密】一块核心板的“匠心之旅”:迅为3562核心板如何炼成工业级品质标杆? 【硬核拆解】从“芯”开始,一台工业级迅为RK3576开发板的自我修养 工业级设计揭秘:迅为RK3576如何保证-40℃到85℃稳定运行? 你的专属“数字员工”已到岗!迅为RK3588系列适配OpenClaw 性能猛兽再进化!迅为iTOP-3588开发板新增LPDDR5商业级16G+64G旗舰配置! 【硬核搭档】迅为RK3588成功适配飞牛FnNAS,你的私有云迎来性能猛兽! 【迅为iTOP-Hi3403开发板】一站式启动Hi3403 NPU开发:从运行例程开始,快速验证AI效能 迅为iTOP-Hi3403开发板:解锁多目拼接相机的10.4TOPS强“芯”动力,开启4K智能视觉新纪元 迅为驱动开发实战:iTOP-RK3568开发板eDP屏幕移植全攻略 迅为RK3576对比RK3568:AI算力与接口的全面跃迁 迅为iTOP-Hi3516开发板linux驱动开发资料全面上线,构建从入门到精通的完整学习路径! 迅为iTOP-Hi3403开发板linux驱动教程全面上线,开启嵌入式Linux开发新篇章! 释放多屏潜能:迅为RK3588开发板Android多屏同显开发完全指南 【NPU实战】在迅为RK3588上玩转YOLOv8:目标检测与语义分割一站式部署指南 迅为RK3588开发板Android系统烧写及注意事项 迅为RK3588开发环境搭建“三步曲”,从零到一轻松上手!
基于迅为RK3588开发板实现高性能机器狗主控解决方案- AI能力实战:YOLOv5目标检测例程
topeet · 2025-11-28 · via 博客园 - topeet

本文旨在分享一种基于迅为RK3588开发板的低成本、高性能、全开源的机器狗主控解决方案。该方案充分利用了RK3588强大的算力、丰富的接口和出色的AI能力,为机器人爱好者、高校科研团队及企业提供了一个绝佳的快速开发平台。

一、 引言:为何选择迅为RK3588?

    机器狗作为腿式机器人的典型代表,对主控器的计算性能、实时性、接口丰富度和功耗提出了极高要求。

迅为RK3588开发板 以其卓越的性能,成为了解决这些问题的理想选择:

· 强大算力:RK3588采用四核A76+四核A55 CPU,以及ARM G610MP4 GPU,为复杂的运动学解算、环境感知和决策规划提供充沛的通用算力。
· AI性能:内置6TOPS算力的NPU,可高效运行YOLO等视觉模型,实现实时目标跟踪、姿态识别与语义SLAM。
· 极致接口扩展性:PCIe接口、多个USB3.0/2.0、双千兆网口、丰富的SPI/I2C/UART,可轻松连接激光雷达、IMU、深度相机、多个舵机/电机驱动器等外设。
· 多屏异显:支持多显示屏输出,便于本地调试、状态监控与远程控制。
· 成熟的生态:迅为提供了完善的Linux(Ubuntu、Debian)和Android系统支持,降低了底层开发的难度。

二、 系统硬件架构

关键硬件选型建议:

· 主控: 迅为RK3588开发板(核心板+底板)。
· 执行器: 数字舵机(如Dynamixel)或带编码器的无刷电机,具体取决于机器狗的负载和精度要求。
· 传感器:
  · 视觉: Intel Realsense D435i/D455(RGB-D相机,提供颜色和深度信息)。
  · 感知: 2D/3D激光雷达(如思岚A1或速腾聚创的3D雷达),用于建图和避障。
  · 姿态: 高性能IMU(如MPU6050/9250,BMI088),用于状态估计。
· 通信: 4G/5G模块(通过PCIe接口)或Wi-Fi 6模块,实现远程遥控和视频回传。
· 电源: 大容量锂电池(如6S LiPo)配合高效的DC-DC降压模块,为整个系统提供稳定供电。

三、 软件与算法栈

软件系统采用经典的机器人分层架构,在迅为RK3588的Ubuntu系统上运行。

1. 操作系统层

· 迅为提供的Ubuntu 20.04/22.04: 作为基础操作系统,稳定且社区支持完善。

    迅为RK3588开发板为机器狗乃至更复杂的移动机器人领域注入了一股新的活力。它成功地打破了高性能与高成本之间的壁垒,使得更多团队和个人能够参与到前沿机器人技术的研发中。

    迅为iTOP-RK3588开发板不仅可用于科研和教育,在安防巡检、灾难救援、娱乐陪伴等场景也拥有巨大的应用潜力。

四、 AI能力实战:YOLOv5目标检测例程

为展示RK3588 NPU的强大AI算力,迅为开发板提供了开箱即用的YOLOv5例程。

部署与测试步骤如下:

1. 获取例程: 编译好的 yolov5 例程已经放在了“iTOP-3588 开发板\02_【iTOP-RK3588 开发板】开发资料 

\15_NPU 例程测试配套资料\08_rknn_model_zoo 测试\12_yolov5”目录下,如下图所示:

2. 部署到开发板: 将该文件拷贝到开发板上,并解压,解压完成如下图所示:

3. 执行推理: 然后进入该文件夹,使用以下命令运行可执行文件,实现图片的位置和种类识别,如下图 

所示: 

export LD_LIBRARY_PATH=./lib 

./rknn_yolov5_demo model/yolov5.rknn model/bus.jpg

4. 查看结果:最后会在当前目录下生成推理完成的图片,如下图所示:

可以看到不同的人以及公交车就被识别了出来,证明模型推理成功。