先决条件

目标板要求

开发主机需求

创建硬件对象

连接NVIDIA Jetson Nano

NVIDIA GPU的GPU万博1manbetx编码器支持包使用TCP/IP上的SSH连接来执行命令，同时在驱动器或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，或使用以太网交叉电缆将板直接连接到主机。请参阅英伟达文档关于如何设置和配置您的板。

要与英伟达JexNano通信，必须使用驾驶或杰森功能。要创建实时硬件连接对象，您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硬件创建实时对象，

hwobj =杰森(“jetson nano名称”,“ubuntu”,“ubuntu”）;

运行摄影家委员会的职能hwobj目标找到可用的摄像机。如果该函数输出空表，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已正确设置。

envCfg = coder.gpuEnvConfig (“杰森”); envCfg.BasicCodegen=1；envCfg.Quiet=1；envCfg.HardwareObject=hwobj；编码器。检查GPUInstall（envCfg）；

创建一个相机对象

的名称创建一个相机对象摄影家作用

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

卡莫布是摄影机对象的控制柄。要在MATLAB中显示从摄像头模块V2捕获的图像，请使用以下命令。

对于i=1:100 img=snapshot（camObj）；imagesc（img）；drawnow；终止

此摄影机对象捕获RGB和3通道灰度图像。

创建显示对象

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

dispObj=图像显示（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核求得输入图像的水平梯度(h)和垂直梯度(v)。这两个Sobel核互相正交。我们将确保我们的算法在测试图像上工作，然后再继续现场数据。

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），kern'，“相同”）;

计算梯度大小

接下来，我们从水平和垂直梯度（h和v）中找到梯度大小。

e =√h。* h + v * v);

边缘图像的阈值设置

我们阈值的图像，以找到图像的区域，我们认为是边缘。

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

在实时数据上运行Sobel边缘检测算法

我们可以创建一个MATLAB函数，sobelEdgeDetectionAlg.m，使用我们在本示例前面部分中开发的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，并返回边缘检测算法的结果。我们将对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。这样，我们可以使用支持包的摄像头访问功能来调整适合指定摄像头的算法。万博1manbetx

对于i=1:200 img=snapshot（camObj）；thresh=100；edgeImage=sobelEdgeDetectionAlg（img，thresh）；image（dispObj，edgeImage）；终止

要将上述示例部署为目标上的独立应用程序，请按照示例进行操作在NVIDIA Jetson Nano上部署并运行带I/O的Sobel边缘检测．

关所有

总结

这个例子介绍了一个应用程序，它使用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。