部署Sobel边缘检测应用程序，使用树莓PI相机模块V2，并显示边缘检测输出的英伟达JETSON纳米硬件。使用Raspberry Pi摄像头模块V2在NVIDIA Jetson Nano上进行Sobel边缘检测示例演示了如何在NVIDIA Jetson Nano硬件上从Raspberry Pi摄像头模块V2捕获图像帧，并在MATLAB®环境中进行处理。这个例子展示了如何生成用于访问I/O外围设备（照相机和显示器）的代码，并在英伟达Jethon纳米硬件上执行处理。

捕捉和处理图像损坏的树莓PI相机模块V2连接到Nvidia®Jethon Nano。MATLAB®编码器™ NVIDIA Jetson和NVIDIA DRIVE平台的支持包允许您从摄像头模块V2捕获图像，并将其带到MATLAB环境中进行处理。万博1manbetx在本例中，您将学习如何使用此功能开发Sobel边缘检测算法。

为使用深度学习的图像分割应用程序生成并部署CUDA®可执行文件。它使用MATLAB®编码器™ 支持NVIDIA JETSON和英伟达驱动平台的部署包，部署NVIDIA驱动器上的可执行文件™ 站台此示例在主机上执行代码生成，并使用支持包的远程生成功能在目标平台万博1manbetx上生成生成的代码。有关更多信息，请参阅语义分段网络（GPU编码器）的代码生成。

MATLAB®编码器是如何工作的™ NVIDI万博1manbetxA Jetson和NVIDIA驱动器平台的支持包支持GPU编码器™ 在NVIDIA®驱动器上运行PIL执行的产品™ 以及Jetson硬件平台。此示例使用用于光纤陀螺校正的GPU代码生成来自GPU编码器的示例演示PIL执行。有关更多信息，请参阅雾校正（GPU编码器）。

部署图像处理工具箱™ 使用GPU编码器在TX2板上实现NVIDIA®Jetson的算法™ NVIDIA GPU支持包万博1manbetximtophat（图像处理工具箱）对灰度图像执行形态学top hat过滤的函数用作示例来演示此概念。top hat过滤计算图像的形态学开口（使用伊莫彭（图像处理工具箱），然后从原始图像中减去结果。生成的CUDA®代码使用共享内存加速GPU上的操作。

从DAGNETs对象生成CUDA®代码，并使用GPU编码器将生成的代码部署到NVIDIA®JETSON TX2板上™ NVIDIA GPU支持包。本例使用resnet50深度学习网络对USB网络摄像头视频流中的图像进行分类。万博1manbetx

为基于视频的光纤陀螺校正应用程序生成并部署CUDA®可执行文件。该示例显示了MATLAB®编码器提供的可部署代码生成功能™ NVIDIA Jetson和NVIDIA驱动平台的支持包为MATLAB提供万博1manbetxVideoReader此示例生成一个CUDA应用程序，该应用程序读取视频文件的内容，执行雾校正操作，并在NVIDIA®硬件上显示输出视频。

在NVIDIA®J万博1manbetxETSON TX2板上部署Simulink®模型，用于分类网络摄像头图像。本例使用预训练的深度卷积神经网络对网络摄像头中的图像进行实时分类，ResNet-50. 示例中的万博1manbetxSimulink模型使用MATLAB®编码器中的摄像头和显示块™ NVIDIA Jetson和NVIDIA DRIVE平台的支持包，用于从网络摄像头捕获实时视万博1manbetx频流，并在连接到Jetson平台的监视器上显示预测结果。

在NVIDIA®J万博1manbetxETSON板上部署Simulink®模型，用于音频数据中的关键词识别。此示例标识关键字(对)在输入音频数据中使用Mel频率倒谱系数（MFCC）和预训练的双向长短时记忆（BiLSTM）网络。