RK3588-EDGE Ubuntu文件系统制作配置及问题处理

已于 2024-04-08 17:04:53 修改
阅读量1.4k 收藏 2
点赞数
分类专栏： Rockchip Ubuntu RK3588-EDGE 文章标签： ubuntu linux
于 2022-12-01 11:06:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_34968572/article/details/128114101
版权
本文详细介绍了基于RK3588-EDGE平台的Ubuntu20.04文件系统自动化制作过程，包括环境安装、脚本配置、功能定制和问题处理。通过shell和python脚本实现文件系统的自动打包，涵盖免交互工具expect、用户添加、本地http源服务器搭建、电源管理等多个方面，并给出了解决权限、字符集乱码、启动超时等问题的方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

概述：

一：环境安装

二：编译脚本

1、配置参数

2、提取固件包

3、拷贝环境

4、制作文件系统

详解rootfs-install.sh

详解install.sh

详解install-board.sh

三：Ubuntu文件系统功能配置

1、免交互工具expect

2、添加用户

3、构建本地http源服务器

4、vim插件/格式配置

5、挂载分区

6、设置主机名hostname

7、电源管理（dconf）

8、自动登录用户

 9、欢迎页

四：问题点及其处理

1、scp网络拷贝Permission denied

2、ubuntu解决没有rc.local问题

3、设置字符集，解决乱码问题（locale）

4、启动ubuntu是Timed out

概述：

Ubuntu文件系统的移植方法在之前的文章中有讲解过属于手动单步去操作打包，连接放在下面。本次依靠RK3588-EDGE Ubuntu20.04将全面重写文件系统的制作及配置，不同与之前的是本次将全部依赖于shell/python脚本（python算是第一次工作中面临，python的学习进度我也会新开一个系列记录），只需稍加修改脚本文件即可自动打包想要的rootfs文件。同样在操作过程中遇到的问题点的处理方法也同样会在本章最后一节讲到。

RK3308 Ubuntu16.04移植

一：环境安装

1、编译主机系统要求

  • Ubuntu18.04及以上和Debian11
了解本专栏 订阅专栏 解锁全文 超级会员免费看
RK3588-EDGE Ubuntu搭建HTTP服务器
qq_34968572的博客
11-23 832
其次在“/var/www/html”目录下会生成index.html文件，该目录将用作后续要说到通过IP访问的服务器位置，文件夹《file》为顶层目录。2、在“/var/www/html”目录下创建文件夹《file》，并将上述创建的《source》链接到《file》1、在“/home/zhaotj”目录下创建一个存放文件资源的文件夹《source》，并在其中创建一个测试文件。重启：sudo /etc/init.d/apache2 restart。安装成功后配置文件位于“/etc/apache2 ”
RK356X/RK3588构建Ubuntu20.04根文件系统
目前从事linux驱动开发，多交流多学习吧
10-23 5949
很多厂商没有吧文件系统的构建方法开源出来，只是提供了一个rootfs.img的固件包，这不利于我们做二次开发，本文章实现一个自己构建的文件系统，并移植到RK的平台上使用。
RK3588构建ubuntu22.04根文件系统
RedCrabe的博客
04-21 3516
RK系列的平台提供了buildroot和debian的系统，使用脚本可以直接构建出来，但是没有提供ubuntu的系统，很多厂商只提供一个rootfs.img的固件包，没有将方法开源出来。本文实现了从ubuntu官网开始构建一个ubuntu22.04根文件系统。
基于 RK3588 构建 Ubuntu 22.04 根文件系统
热门推荐
CoooStar的博客
05-28 1万+
Ubuntu-Base 是Ubuntu官方构建的ubuntu最小文件系统，基础包大小通常只有几十兆，可以很方便的个性化定制嵌入式环境。使用加速下载，注意选择根据开发板架构选择arm64或其他架构。
正点原子RK3588按需制作ubuntu rootfs
最新发布
super_lx的专栏
04-17 254
目前ubuntu主机是20.04,尝试基于24.04的base镜像制作rootfs出错，就又基于20.04的base做了。安装正点原子的《ubuntu移植参考手册》
rk3588 及系统安装 ubuntu
xie__jin__cheng的博客
07-24 6260
rk3588 及系统安装 ubuntu
RK3588-EDGE Ubuntu20.04-Desktop图标设置
qq_34968572的博客
02-24 421
拷贝desktop文件至/usr/share/applications/即可。
RK3588-EDGE Ubuntu-Qt运行环境配置
qq_34968572的博客
02-24 839
为了减少固件rootfs.img大小，在不进行Qt Creator安装的情况下运行Qt程序，就需要进行环境配置（lib及plugins）。Ubuntu系统版本：Ubuntu 20.04.5 LTS。
rk3588 lvds 双屏异显
weixin_44767571的博客
12-19 247
我这边测试 3588 如果接上 1024x600 的 lvds 双屏的话， 副屏是不闪的，但是如果接上 1280x800 的 lvds 双屏的话， 副屏一直在闪， 主要是 有logo 的地方在闪， 并且是 logo 的位置， 在纵向上 整屏 有重影。总结： 双屏同显 ，只需要将 两个 屏幕接口 挂接到 相同的 vp 下就行，这里 ，关于屏幕接口的时序 ，应该是 该是什么样，就是什么样的。这跟我手上的 双屏异显 是不一样的， 我手上的是 副屏 ，有点像 windown 的副屏，
【RK3588 开发笔记——Ubuntu系统的制作与使用】
W_B_C的博客
01-04 5661
【RK3588 开发笔记——Ubuntu系统的制作与使用】
RK3588适配Ubuntu系统
m0_60805802的博客
02-13 4225
RKsdk上支持buildroot以及Debian系统，但是Ubuntu需要自己移植，有很多公司都移植好了可以直接用，这里就总结记录一下我制作Ubuntu的过程。
Firefly开发板3588的固件：ROC-RK3588S-PC_Ubuntu-Gnome
05-18
开发板升级的统一固件 ROC-RK3588S-PC_Ubuntu-Gnome_v0.1.0a_220422.img
RK3588 Ubuntu系统编译
u010881504的博客
05-15 2218
RK3588 Ubuntu系统编译
RK3588-EDGE Ethernet驱动（二）
qq_34968572的博客
05-29 962
根据RK3588规格其具备双路原生千兆以太网接口即RGMII。snps,tso;queue0 {};queue1 {};queue0 {};queue1 {};snps,tso;queue0 {};queue1 {};queue0 {};queue1 {};
创龙3588——debian根文件系统制作
小伟的博客
01-02 1265
开始构建，最终进入run_build_hooks 传入参数 build debian。make-targets | make-usage 参数的执行分支。run_build_hooks 函数。创建输出目录，软连接redme等。设置环境变量，处理特殊命令等。输出显示最终配置信息。
Ubuntu上搭建RK3588开发环境
qq_41494136的博客
11-21 3593
“RK3588开发环境搭建”、“SDK解压与编译”
基于讯为RK3588平台搭建Ubuntu20.04.5根文件系统
襟铭心缘的博客
01-24 1万+
基于讯为RK3588平台搭建Ubuntu20.04.5根文件系统
RK3588在Ubuntu20.04上源码编译OpenCV3.4.16的C++、Python版本
weixin_44292294的博客
04-20 2540
本次的目标是要编译成C++、Python版本，两者都是需要的，因此依赖需要安装C++的依赖、Python的依赖。Python版本可以了，调用摄像头也ok，C++的调用摄像头还存在一些问题。python3.8不是系统默认的Python版本，需要进行替换。起码能够打开摄像头了，虽然还存在一定问题，到时候再看看！这样就行了，因为没有其他的python版本造成干扰。需要Python2.6版本以上，这里采用了3.8。给出了好多依赖，不太认识，以后有机会好好研究一下。解决不了，算了，也不是什么很重要的库。
RK3588 ubuntu rootfs开发板上根文件系统导出并制作img镜像__以及相关操作
u010798513的博客
02-01 517
RK3588 开发板上根文件系统导出并制作img镜像
香橙派如何用gpu加速ros程序
04-13
<think>好的，我现在需要回答用户关于如何在香橙派设备上利用GPU加速ROS程序的运行的问题。首先，我需要了解用户的具体需求和他们使用的硬件环境。根据用户提供的引用，他们使用的是OrangePi5Max或OrangePi AIpro，这两款设备都配备了ARM Mali-G610 GPU。用户可能在安装Ubuntu Server后安装了桌面环境，并希望在此配置下使用GPU加速ROS程序。 首先，我需要确认香橙派设备的GPU驱动是否已经正确安装。因为GPU加速需要相应的驱动支持，尤其是对于ARM架构的设备来说，驱动安装可能和x86平台有所不同。用户提到他们安装了Ubuntu 20.04的服务器版并自行安装了桌面，这可能意味着驱动需要手动安装或者通过特定仓库获取。Rockchip RK3588的Mali-G610驱动可能需要从Rockchip的官方源获取，或者使用社区维护的版本。我需要检查是否有适用于Ubuntu 20.04的Mali驱动，并确保用户正确安装了这些驱动。 接下来，ROS（Robot Operating System）本身并不直接支持GPU加速，但某些ROS的包或节点可以利用GPU进行计算，例如使用OpenGL、CUDA（如果是NVIDIA GPU）或者Vulkan等图形API。不过，由于香橙派使用的是ARM Mali GPU，CUDA可能不可行，需要考虑其他加速方式，比如OpenCL或者通过GPU加速的库如TensorFlow Lite、PyTorch等，或者使用ROS中的特定包，如使用GPU加速的SLAM算法或图像处理节点。 用户可能需要安装支持GPU加速的ROS包，或者自行开发节点，利用GPU进行运算。例如，在ROS中处理摄像头数据时，使用GPU加速图像处理；或者在导航算法中使用GPU进行并行计算。这需要确保相关的库和工具链在香橙派上可用。 此外，用户可能需要配置ROS环境，确保在编译相关包时链接到正确的GPU库。例如，在编译使用OpenCV的ROS节点时，需要确保OpenCV编译时启用了GPU支持，并链接到Mali的驱动库。这可能涉及到从源代码编译OpenCV，并设置相应的编译选项。 我还需要考虑用户提到的OrangePi AIpro是否支持昇腾（Ascend）AI处理器，这可能需要使用华为的CANN（Compute Architecture for Neural Networks）工具链，这可能与普通的GPU加速不同。如果用户使用的是AIpro，可能需要参考昇腾社区的文档，利用NPU而不是GPU进行加速，这需要不同的配置和代码调整。 总结步骤可能包括： 1. 确认GPU驱动安装正确，并验证GPU是否可用。 2. 安装支持GPU加速的库，如OpenCL、Mali OpenGL ES等。 3. 配置ROS环境，确保相关包能够使用这些库。 4. 编译或安装已支持GPU加速的ROS包，或自行开发节点。 5. 测试和验证GPU加速是否生效。 同时，需要提醒用户注意香橙派的架构（ARM64）可能导致某些ROS包或库的兼容性问题，可能需要寻找ARM兼容的版本或自行编译。例如，某些ROS包可能没有预编译的ARM版本，需要从源码构建。 另外，用户可能需要参考昇腾社区的示例程序，如引用[2]中提到的，运行官方的示例来测试NPU的性能，这可能与GPU加速不同，但同样可以提升AI相关的任务处理速度。 在回答过程中，我需要确保提到的步骤具体且可行，可能需要分步骤说明如何检查驱动、安装必要库、配置ROS等。同时，需要指出可能的陷阱，例如驱动安装失败、库版本不兼容等，并提供解决方案或参考链接。 最后，生成相关问题，例如询问如何安装Mali驱动、如何在ROS中使用OpenCL加速，或者如何优化ROS节点以利用NPU等。</think>### 如何在香橙派设备上利用GPU加速ROS程序的运行？ #### 1. **确认GPU驱动与硬件支持** - **检查GPU驱动状态** 香橙派设备（如OrangePi5Max）的Rockchip RK3588处理器搭载ARM Mali-G610 GPU，需确保已安装官方或社区维护的GPU驱动。 通过以下命令查看驱动状态： ```bash dmesg | grep Mali # 检查内核日志中GPU初始化信息 glxinfo -B # 验证OpenGL渲染器是否为Mali-G610 ``` 若未正确识别，需从Rockchip官网或香橙派社区获取驱动[^1]。 - **安装依赖库** Mali GPU加速通常依赖OpenGL ES、Vulkan或OpenCL库。安装基础开发包： ```bash sudo apt install mesa-utils libgles2-mesa-dev vulkan-utils ocl-icd-opencl-dev ``` #### 2. **配置ROS环境与GPU加速支持** - **安装ROS版本选择** 推荐使用ROS Noetic（Ubuntu 20.04）或ROS2 Foxy/Humble（Ubuntu 22.04），需确保ARM架构兼容性。 例如，安装ROS Noetic： ```bash sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu focal main" > /etc/apt/sources.list.d/ros-latest.list' sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update && sudo apt install ros-noetic-desktop-full ``` - **编译支持GPU加速的ROS包** 某些ROS包（如`cv_bridge`、`image_transport`）依赖OpenCV的GPU加速功能。需从源码编译OpenCV并启用Mali支持： ```bash git clone https://github.com/opencv/opencv.git cd opencv && mkdir build && cd build cmake -D WITH_OPENGL=ON -D WITH_VULKAN=ON -D WITH_OPENCL=ON .. make -j4 && sudo make install ``` #### 3. **实现GPU加速的ROS节点示例** - **使用OpenCL加速图像处理** 编写ROS节点调用OpenCL进行图像处理（如边缘检测）： ```python #!/usr/bin/env python3 import rospy from sensor_msgs.msg import Image import pyopencl as cl import cv2 import numpy as np def image_callback(msg): # 将ROS Image转换为OpenCV格式 img = np.frombuffer(msg.data, dtype=np.uint8).reshape(msg.height, msg.width, 3) # OpenCL初始化 ctx = cl.create_some_context() queue = cl.CommandQueue(ctx) ... # GPU加速处理（伪代码） gpu_output = cl.Buffer(ctx, ...) program = cl.Program(ctx, opencl_kernel_code).build() program.edge_detection(queue, img.shape, None, ...) # 发布处理后的图像 pub.publish(msg) rospy.init_node('gpu_image_processor') rospy.Subscriber('/camera/image_raw', Image, image_callback) pub = rospy.Publisher('/gpu_processed_image', Image, queue_size=1) rospy.spin() ``` - **调用Vulkan加速的SLAM算法** 若使用支持Vulkan的SLAM库（如ORB-SLAM3），需在编译时启用Vulkan后端： ```bash cd ORB_SLAM3 mkdir build && cd build cmake -DUSE_VULKAN=ON .. make -j4 ``` #### 4. **验证GPU加速效果** - **性能监控工具** 使用`htop`、`nvtop`（需适配Mali）或`clinfo`监控GPU利用率： ```bash sudo apt install clinfo clinfo # 查看OpenCL设备信息 sudo apt install mali-bifrost-wayland-dkms # Mali性能计数器（若支持） ``` - **基准测试对比** 对比CPU与GPU处理同一任务的耗时，例如使用OpenCV的`DNN`模块加载模型： ```python net = cv2.dnn.readNetFromTensorflow("model.pb") net.setPreferableBackend(cv2.dnn.DNN_BACKEND_OPENCV) net.setPreferableTarget(cv2.dnn.DNN_TARGET_CPU) # 切换为DNN_TARGET_OPENCL ``` #### 5. **针对OrangePi AIpro的昇腾NPU加速** - **安装CANN工具链** 若使用OrangePi AIpro，需配置昇腾NPU的AscendCL库： ```bash wget https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/CANN/6.3.1/.../Ascend-cann-toolkit_6.3.1_linux-aarch64.run chmod +x Ascend-*.run ./Ascend-*.run --install ``` - **集成NPU加速至ROS节点** 调用昇腾AI接口实现目标检测加速： ```python from hiai import ModelManager model = ModelManager.load_model("yolov5.om") # 昇腾离线模型 results = model.infer(image_data) ``` --- ### 相关问题
评论
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