Cortex-A55国产处理器_教学实验箱_操作案例分享:5-21 手势识别实验

Cortex-M走向何方:指令集、工具链与AI落地的全面演进 在嵌入式开发领域,MCU内核与编译工具链的选择直接影响产品性能与开发效率。从经典的Cortex-M3到支持TrustZone的M33,再到集成Helium向量扩展的M55/M85,指令集架构的迭代正重新定义单片机的能力边界。与此同时,老旧的AC5编译链已逐步被基于Clang/LLVM的Arm Compiler 6取代,而像arm compiler 5.06u7下载、arm交叉编译等高频搜索暴露了开发者迁移的痛点。理解这些底层原理,不仅有助于优化代码密度与运行效率,更能为物联网安全、端侧AI推理等场景提供硬件 阅读详情

一、实验目的

熟悉Qt程序的开发流程。

掌握Qt Creator的基础开发使用。

通过编写Qt程序实现手势识别的显示界面。

二、实验原理

Qt工程的创建步骤包括:
(1)创建Qt工程;
(2)GUI的设计实现:LCD显示界面以及与用户的交互;
(3)编辑控制代码;
(4)编译程序;
(5)运行程序。

image.png

根据原理图,可知使用的手势识别模块是基于 PAJ7620U2 传感器设计的。

image.png

PAJ7620U2 传感器
PAJ7620U2 传感器内部自带 LED 驱动器(可发射红外线信号),内置有传感器感应阵列、目标信息提取阵列和手势识别阵列。另外,PAJ7620U2 作为一种光学数组式传感器,其内置 LED 驱动器集成了环境光和光源抑制滤波器,模块基本不受环境光干扰。

image.png

CS100A芯片
传感器工作时通过内部 LED 驱动器,驱动红外 LED 向外发射红外线信号,当传感器阵列在有效的距离中探测到物体时,目标信息提取阵列会对探测目标进行特征原始数据的获取,采集到的数据被保存在寄存器中,同时手势识别阵列会对原始数据进行识别处理,最后将手势结果存到寄存器中。
根据 PAJ7620U2传感器数据手册,用户可通过I²C接口总线采集信号并迅速识别出UP、Down、Right、Left等9种常用手势。另外PAJ7620U2还提供内置的接近检测功能,用于检测物体的接近或离开。

三、操作现象

实验设备

本实验中使用的软件为VMware17+Ubuntu18.04.4 和串口调试工具Xshell。

image.png

image.png

本实验中使用的是TL3568-PlusTEB实验箱,所需的配件为Micro SD卡、Type-C线、电源和人体感应&手势识别模块。

image.png

image.png

image.png

image.png

image.png

实验步骤

我们先打开Ubuntu,将Demo文件夹拷贝到RK3568目录下。
"Ctrl+Alt+T"打开控制台,执行命令启动Qt Creator。
打开工程文件
如有弹出的对话框,点击No。对话框主要内容为:是否需要加载上一台电脑的配置文件,此文件包含上一台电脑的配置规则,我们不需要使用,重新制定规则。,然后点击configure project即可。
打开界面控制的源码
查看界面设计
点击"Projects",可以查看编译文件保存的路径
编译生成ARM端的Qt程序镜像,在右下角会出现编译进度条,变绿后编译完成。可在目录下查看生成的ARM端Qt程序镜像
编译完成后使用OpenSSH命令将文件拷贝至实验箱文件系统。

image.png

image.png

接着进行硬件连接,
(1)将Linux系统启动卡插至Micro SD卡槽。
(2)使用Type-C线连接USB TO UART2调试串口到PC机。
(3)将人体感应&手势识别模块插入实验箱的GPIO/I2C/UART/CAN接口。
(4)连接电源线,先不要上电。

image.png

接着进行软件部分操作。
(1)先在设备管理器查看串口的端口号;
(2)再设置串口调试工具,波特率设置为1500000,点击连接,在Xshell调试终端会显示连接成功。
(3)连接成功后,拨动实验箱的电源开关,将实验箱上电。
(4)等待系统登录SD卡系统。
(5)登录成功后,在可执行程序所在目录执行命令运行程序。
(6)程序运行后可以看到LCD显示的界面。
(7)做出手势,在终端会显示相应结果:up,dowm,left,right,Clockwise,anti-clockwise,wave,Forward,Backward。

image.png

国产RISC-V小板D213ECV极简部署PicoClaw实现边缘AI推理 边缘AI推理是指在靠近数据源头的嵌入式设备上直接运行轻量级模型,无需依赖云端或高性能服务器。其核心原理在于软硬协同优化:通过专用NPU加速、内存布局精简与静态编译技术,显著降低计算开销与资源占用。技术价值体现在毫秒级确定性延迟、KB级模型体积与超低功耗(整机1.75W),支撑工业实时控制、智能传感与教育机器人等场景。相比TensorFlow Lite等通用框架,PicoClaw面向RISC-V架构深度定制,结合匠芯创D213ECV的硬件特性,实现真正开箱即用的极简部署——无需Linux、不依赖IDE、免交叉 阅读详情

相关推荐

自制AR眼镜:从硬件选型到软件实现,打造个人智能信息助手

增强现实(AR)技术通过将虚拟信息叠加到真实世界,为用户提供沉浸式的交互体验。其核心原理在于利用光学显示、空间感知和实时渲染技术,将数字内容与物理环境无缝融合。这项技术的价值在于能够解放双手,提供情境感知的信息服务,从而提升工作效率和生活便利性。在工程实践中,AR技术常应用于导航指引、信息提示和技能培训等场景。本文聚焦于一个具体的DIY项目,探讨如何利用树莓派、Micro-OLED显示屏和惯性测量单元(IMU)等硬件,结合Mahony滤波算法和离线语音识别,构建一个集导航、背单词和备忘录功能于一体的轻量级A

weixin_33719619的博客 425

RT-Thread首款低功耗AI产品预售: Edgi Talk

基于英飞凌PSOC™ Edge系列,搭载高性能的Arm® Cortex-M55处理器,最高400MHz,以及Arm® Cortex-M33,最高200MHz,搭配Ethos-U55和NNLite NPU运算单元,助力设计者为下一代设备打造无与伦比且高度人性化的终端用户体验。:芯片本身低功耗特性,结合Wi-Fi 6 / BLE 6.0 的低功耗无线连接,AI 推理能在mA级功耗下高效运行,完美适配电池供电设备。RT-Thread携手英飞凌,将从猜对价格的「神算子」中,按猜中时间的先后顺序,抽取。

rtthreadiotos的博客 1023

LSM6DS3开发实战:从MEMS原理到姿态解算的工程指南

MEMS惯性传感器是智能硬件实现姿态感知的核心器件,它将微型加速度计与陀螺仪集成于单芯片,通过电容变化感知运动状态。这类传感器在可穿戴设备、机器人、无人机等场景中扮演关键角色,其低功耗与高精度特性直接影响系统续航与稳定性。工程实践中,如何配置寄存器、利用FIFO缓冲减少主控唤醒频率,以及处理陀螺仪零漂问题,是开发者普遍关注的痛点。本文从MEMS传感器的工作原理出发,结合STM32平台,系统讲解LSM6DS3的初始化流程、数据读取、量程选择与标定方法,并分享实际调试中的FIFO中断配置、姿态融合及温度漂移补偿

weixin_33881140的博客 457

<span class=“js_title_inner“>RT-Thread首款低功耗AI产品预售: Edgi Talk</span>

基于英飞凌PSOC™ Edge系列,搭载高性能的Arm® Cortex-M55处理器,最高400MHz,以及Arm® Cortex-M33,最高200MHz,搭配Ethos-U55和NNLite NPU运算单元,助力设计者为下一代设备打造无与伦比且高度人性化的终端用户体验。:芯片本身低功耗特性,结合Wi-Fi 6 / BLE 6.0 的低功耗无线连接,AI 推理能在mA级功耗下高效运行,完美适配电池供电设备。RT-Thread携手英飞凌,将从猜对价格的「神算子」中,按猜中时间的先后顺序,抽取。

rtthreadiotos的博客 591

【AI方案集】AI智能体全自动跨境电商运营系统设计.docx

这套AI技术方案不走“先堆概念再硬套场景”的老路,而是以业务痛点为锚点,把机器视觉识别、预测性分析、大模型知识赋能等能力拆解成轻量化可落地的功能模块,直接嵌入生产运营的关键环节,既能快速落地见效,又能通过持续的数据迭代逐步放大价值,帮企业在不盲目新增硬件投入的前提下,稳步完成智能化升级,实实在在把AI变成能降本、提效、控风险的生产工具。

产业园区运营负责人如何实现创新资源的系统化配置?.docx

产业园区运营负责人如何实现创新资源的系统化配置?

RT-Thread推出首款双核MCU低功耗AI语音开发板!

基于英飞凌PSOC™ Edge系列,搭载高性能的Arm® Cortex-M55处理器,最高400MHz,以及Arm® Cortex-M33,最高200MHz,搭配Ethos-U55和NNLite NPU运算单元,助力设计者为下一代设备打造无与伦比且高度人性化的终端用户体验。:芯片本身低功耗特性,结合Wi-Fi 6 / BLE 6.0 的低功耗无线连接,AI 推理能在mA级功耗下高效运行,完美适配电池供电设备。RT-Thread携手英飞凌,将从猜对价格的「神算子」中,按猜中时间的先后顺序,抽取。

strongerHuang 303

高校技术转移办公室人员需要哪些材料完成成果转化项目审核?.docx

高校技术转移办公室人员需要哪些材料完成成果转化项目审核?

从Arduino到墨水屏:三大开源硬件项目解析与实战指南

嵌入式开发与开源硬件是物联网和智能设备领域的核心技术,其核心原理在于通过微控制器和开源软硬件平台,实现对物理世界的感知与控制。这项技术的价值在于降低了硬件创新的门槛,使开发者能够快速构建原型并实现产品化。在应用场景上,它广泛覆盖了智能家居、可穿戴设备、工业控制以及教育创客等领域。本文聚焦于当前硬件开发中的三个热门实践方向:追求极致微型化的32位Arduino兼容开发板,它代表了硬件尺寸与功耗的极限优化;基于开源软硬件栈重构的电子墨水屏阅读设备,体现了对封闭系统的突破与定制自由;以及在低刷新率墨水屏上实现流畅

weixin_34033624的博客 484

科技中介服务机构如何降低服务门槛、提升客户粘性?.docx

科技中介服务机构如何降低服务门槛、提升客户粘性?

数字政府AI知识库平台规划方案(技术方案版).pptx

数字政府AI知识库平台规划方案(技术方案版).pptx

PMCW雷达抗干扰设计四层实战体系

相位调制连续波(PMCW)雷达凭借高距离分辨率与多目标分辨能力,正加速应用于车载、AGV及工业感知场景。其核心原理是利用伪随机码对发射信号相位进行高速调制,再通过相关解调提取微弱回波;但真实环境中,收发自干扰、同频雷达互扰、电源噪声耦合及宽带电磁干扰会严重劣化相关增益,导致虚警激增与测距失稳。技术价值在于突破传统FMCW依赖扫频的局限,实现低功耗、高鲁棒的实时测距;典型应用场景包括密集部署的智能物流系统、多传感器融合的自动驾驶前向防撞模块,以及EMC严苛的工厂自动化环境。本文聚焦PMCW体制雷达在工程落地中

weixin_34354173的博客 424

状态估计【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究(Matlab代码实现)

【状态估计】【扩展卡尔曼滤波算法的神经网络训练】BP神经网络、扩展卡尔曼滤波EKF+BP、粒子滤波PF轨迹估计研究(Matlab代码实现)内容概要:本文主要介绍了基于变频控制的多相交错LLC谐振变换器闭环仿真研究,重点探讨了多相交错并联技术在降低输出电流纹波和提升功率容量方面的优势,分析了交错角对纹波抵消的影响以及均流问题的成因。针对变频控制带来的非线性特性,文章采用扩展描述函数(EDF)建立小信号模型,用于指导PID控制器的设计,并验证其在稳态和动态工况下的控制性能。通过Simulink仿真平台对闭环系统进行建模与测试,考察了启动过程、负载阶跃响应及频率调节的平滑性,结果表明所设计的控制系统具有良好的稳态精度和动态响应能力。; 适合人群:电力电子、电气工程及其自动化等相关专业的高校师生及从事电源系统研发的工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与建模方法;②学习变频控制下非线性系统的建模与PID环路设计技巧;③应用于高效率、低纹波开关电源的仿真设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行实践操作,重点关注EDF建模过程与控制器参数整定方法,通过对比不同交错角下的仿真结果加深对纹波抑制机理的理解。

【网络性能测试】基于Iperf工具的Linux服务器带宽检测:TCP/UDP上下行速率与多并发稳定性评估方案

涵盖TCP和UDP协议下的上传与下载带宽、多并发连接支持以及长时间稳定性测试。详细说明了Iperf的安装步骤(包括内容概要:服务端CentOS系统本文介绍了如何和客户端Windows系统的使用Iperf工具部署)、基本命令对Linux服务器带用法及关键宽进行全方位测试参数解析,并提供了多种实际测试场景的命令,涵盖TCP和UDP协议下的上传示例,如指定端口、带与下载带宽、宽、时间、多并发连接支持能力以及网络稳定性测试。线程数等,帮助用户全面详细说明了Iperf的安装步骤评估网络服务质量。此外(包括服务端Cent,还列出了常用OS系统和客户端参数及其功能,便于Windows系统的部署)、基本灵活配置测试环境命令格式及常用。; 适合参数含义,并通过人群:具备一定具体命令示例演示Linux系统操作基础和网络了不同场景下的测试方法,如指定知识,从事运维、端口、带网络测试或系统宽、测试时管理相关工作的技术人员长、并发线,尤其是需要对程数等,服务器带宽性能帮助用户全面评估网络进行评估的专业人员。; 使用性能表现。;场景及目标: 适合人群:具备①测试服务器在基础网络知识和高负载下的最大吞Linux操作能力的运维吐能力;人员、网络工程师②验证网络链或开发人员,路是否存在丢包或尤其适用于需要对波动;③服务器网络性能进行评估多并发连接对调优或故障排查的技术人员。带宽的影响;; 使用场景及④进行长时间运行目标:①测试的稳定性监测,服务器在高负载下的最大吞吐能力确保生产环境网络可靠;②评估。; 阅读建议:建议读者TCP/UDP传输结合文档中的命令实例,在真实环境中搭建性能差异;③验证多线程并发连接对带测试场景,逐步实践宽的影响;④各项参数组合,长时间运行测试以重点关注测试结果中的判断网络稳定性;⑤带宽数值、丢包率和延迟变化诊断丢包、,从而深入理解网络延迟等问题。; 阅读建议:建议性能瓶颈所在,并在实际环境中搭建优化网络架构。测试环境,结合文档中的命令示例逐步实践,重点关注参数组合对测试结果的影响,并利用日志记录和分析功能提升测试准确性。

论文复现基于物理信息神经网络预测2D3D非稳态温度场及热源(Python代码实现)

内容概要:本文详细介绍了基于物理信息神经网络(PINN)预测2D和3D非稳态温度场及热源的Python代码实现,旨在复现相关科研论文。该方法将物理定律嵌入神经网络结构中,利用偏微分方程描述传热过程,在无需大量标注数据的前提下,求解复杂的非稳态传热问题,实现对温度场时空演化和内部热源分布的高精度预测。文中系统阐述了PINN的模型构建原理、损失函数设计策略(包含初始条件、边界条件与控制方程的物理约束)、网络训练流程以及数值实验结果,充分展示了其在科学计算与工程仿真中的强大潜力与良好泛化能力。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉偏微分方程与传热学基本概念,对科学计算、物理信息建模、智能仿真等方向感兴趣的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于复现并深入理解PINN在非稳态热传导问题中的具体应用;②为从事热管理、材料科学、能源系统、航空航天等领域的研究人员提供可扩展、可定制的开源代码框架;③辅助高校教学与科研实践,帮助学生掌握物理信息驱动的机器学习建模方法及其在实际工程问题中的实现路径。; 阅读建议:建议读者结合文中提供的完整代码与详细注释,使用主流深度学习框架(如TensorFlow或PyTorch)进行动手实践,重点理解物理约束如何通过损失项融入网络训练过程,并尝试在不同几何构型、边界条件或热源形式下进行模型验证,以深入掌握PINN的设计思想与泛化机制。

无源项一维波动问题的PINN的Python torch实现

内容概要:本文详细介绍了无源项一维波动问题的物理信息神经网络(PINN)的Python实现方法,基于PyTorch框架构建神经网络模型,将波动方程作为物理约束嵌入损失函数中,实现对偏微分方程的无网格数值求解。文中系统阐述了PINN的核心原理、网络结构设计、初始与边界条件的处理策略,以及利用自动微分技术高效计算高阶偏导数的方法。该方法摆脱了传统数值方法对网格划分的依赖,能够以端到端的方式逼近复杂物理问题的解,展现出在科学计算与工程仿真领域的强大潜力,尤其适用于高维或多物理场耦合问题的智能求解。; 适合人群:具备深度学习基础、偏微分方程知识及Python编程能力的研究生、科研人员,以及从事科学计算、工程仿真与人工智能交叉领域研究的专业技术人员。; 使用场景及目标:①掌握物理信息神经网络(PINN)求解偏微分方程的理论与实现流程;②完成无源项一维波动方程的神经网络建模、训练与结果可视化;③将该方法迁移应用于热传导、流体力学、电磁场等其他物理系统的建模与仿真研究; 其他说明:代码实现强调物理定律与数据驱动的深度融合,建议读者在学习过程中结合PyTorch框架特性与微分方程理论,通过调整网络层数、激活函数、损失权重和优化器参数等方式,探究不同配置对模型收敛速度与求解精度的影响,以深化对PINN工作机制的理解。

智慧交通高速公路城市道路路面抛洒物散落货物障碍物检测数据集VOC+YOLO格式4521张1类别.md

【重要提示】本页面仅为资源介绍,不含外部下载地址 亲爱的 优快云 用户: 感谢你浏览本资源页面,在这里提前向大家说明相关情况,避免后续产生误解。本资源我设置的初衷是 0 积分免费分享文档介绍,希望可以无偿给到有需要的朋友。但 优快云 平台存在自动调控机制,系统会根据资源下载热度、文件体积、平台规则等因素,自动修改资源所需下载积分,页面显示为 1 积分、2 积分或更高积分都属于平台自动调整结果,并非我手动修改设置,我没有权限自主锁定积分数值。 如果你打开页面后,发现下载所需积分不为 0,请务必谨慎考虑是否下载。一旦你支付积分完成下载,后续遇到资源内容和描述不符、文件损坏等问题,我无法承担对应的积分损失,也没有渠道为你办理积分退还。在此强烈建议,只有页面明确显示 0 积分的时候,再进行下载操作。 同时特别说明:这份资源介绍文案里,没有附带任何外部下载地址。资源本身是通过 优快云 官方上传通道上传的附件,正常情况下直接点击页面自带的下载按钮即可获取文件。页面找不到外部下载链接属于正常情况,并非资源缺失。 如果因为平台积分显示异常,导致你被扣取积分,积分退款、积分异常相关问题,请直接联系 优快云 官方客服咨询处理。平台规则由官方制定,我无法干预积分变动,望各位理解。

工业流水线上玻璃瓶内异物检测数据集VOC+YOLO格式915张1类别.md

【重要提示】本页面仅为资源介绍,不含外部下载地址 亲爱的 优快云 用户: 感谢你浏览本资源页面,在这里提前向大家说明相关情况,避免后续产生误解。本资源我设置的初衷是 0 积分免费分享文档介绍,希望可以无偿给到有需要的朋友。但 优快云 平台存在自动调控机制,系统会根据资源下载热度、文件体积、平台规则等因素,自动修改资源所需下载积分,页面显示为 1 积分、2 积分或更高积分都属于平台自动调整结果,并非我手动修改设置,我没有权限自主锁定积分数值。 如果你打开页面后,发现下载所需积分不为 0,请务必谨慎考虑是否下载。一旦你支付积分完成下载,后续遇到资源内容和描述不符、文件损坏等问题,我无法承担对应的积分损失,也没有渠道为你办理积分退还。在此强烈建议,只有页面明确显示 0 积分的时候,再进行下载操作。 同时特别说明:这份资源介绍文案里,没有附带任何外部下载地址。资源本身是通过 优快云 官方上传通道上传的附件,正常情况下直接点击页面自带的下载按钮即可获取文件。页面找不到外部下载链接属于正常情况,并非资源缺失。 如果因为平台积分显示异常,导致你被扣取积分,积分退款、积分异常相关问题,请直接联系 优快云 官方客服咨询处理。平台规则由官方制定,我无法干预积分变动,望各位理解。

上一篇: RK3568教学实验箱_操作案例:5-19 超声波测距实验
下一篇: Cortex-A55人工智能教学实验箱操作教程_案例分享:5-26 血氧检测实验
Tronlongtech
博客等级 码龄4年 687粉丝 102原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值