Quick Start

概述

本章主要帮助您快速使用NG4500系列产品。

硬件准备

硬件概述，请参阅硬件组件说明
设备组装

拿到整机后，若非预装版本，须拆开底板后盖进行配件相关装配后才可使用。
1. 拿到样机后，拆包装后确认样机外观无缺损
1. 拆开底部盖板
1. 将SSD装配 J11 的M.2 Key M PCIex4 接口（建议），或 J13 的M.2 Key M PCIex1接口
1. 将WiFi&BT模组固定到J19的 M.2 Key E 2230，并连接到外接天线（Optional）
1. 将4G/5G模组固定到J15的M.2 Key B 2242 ,并将Sim卡插到J18的Sim卡槽，并连接到外置天线（Optional）
1. 将 RTC Battery CR1220固定到 BT1的 Holder上（Optional）
1. 安装核心模组，首先将模组金手指端以45°角插入J1卡槽，然后用手向下按压模组，直到两侧的金属锁扣自动锁定，确保模组牢固安装。如需拆卸模组，需先拨开两侧的金属锁扣，再将模组取出。
1. 确认安装完毕后，重新锁好底部盖板
1. 设备结构的拆解示意图如下所示
1. HDMI接口连接到外部显示器
2. 将有线鼠标和键标连接到USB Type-A接口中任意两个
3. 将网线连接到 LAN 口中任意一个
4. 将USB Type-C 接口连接到调试电脑
5. 确认以上操作无误后，将电源适配器连接到 DC-JACK，即可开始进行套件开发调试
  
  [!WARNING]
  
  1、请使用原装标配的适配器
  
  2、Orin Nano 4/8G 模组内部只支持5V输入，请保证“Power Mode Switch” 在OFF状态

软件部署

如果设备尚未烧录固件，请参考以下链接以完成固件烧录步骤；如果您已经完成固件烧录，可直接进行部署。

环境搭建，软件开发环境，请参阅开发环境搭建
固件烧录，详细固件烧录步骤，请参阅系统固件烧录

首次系统启动引导配置

在确认设备已完成固件烧录后，为NG4500设备通电，并根据屏幕提示，依次完成首次系统初始化配置。

1. 系统初始化配置

勾选 接受许可协议，点击下一步

设置语言，点击下一步

设置键盘布局，点击下一步

设置时区（例如：Asia/Shanghai），点击下一步

配置“您的姓名”和“密码”，点击下一步

最后，等待系统安装，自动重启

2. 系统运行状态&版本确认

请按照以下步骤安装 Jtop 工具，以监控当前设备的资源使用情况：

安装并运行 Jtop 后，界面将显示如下图所示的信息。您可以通过键盘操作，实时查看当前 Jetson 设备的资源使用状况，包括 CPU、内存、GPU、磁盘、风扇等。同时，还可以确认当前系统所安装的 TensorRT、CUDA 等版本信息。

# 安装 Jtop 工具
sudo apt update
sudo apt install python3-pip
sudo pip3 install -U jetson-stats

# 重启服务
sudo systemctl restart jtop.service

#运行 Jtop
sudo jtop

运行后如下图所示，通过键盘查看当前 Jetson 设备的各种资源使用情况，包括 CPU、内存、GPU、磁盘、风扇等，以及确认目前系统所安装TensorRT、CUDA等版本。

模型部署

下面将会介绍如何在AIBOX上部署运行NanoOWL实时视觉推理模型，以NG4511为例，使用imx219摄像头。

硬件需求

组件	要求
设备	Jetson Orin（Nano / NX）
内存	≥ 8GB（更大模型需更高内存）
存储空间	≥ 10GB（取决于模型大小）
GPU	支持 CUDA 的 NVIDIA GPU

软件环境

支持JetPack版本：
- JetPack 5 (L4T r35.x)
- JetPack 6 (L4T r36.x) （系统默认版本）

环境准备

将 IMX219 摄像头连接至设备（注意：请确保摄像头排线的金属片朝上）。
请按照以下步骤安装所需依赖项，以确保模型能够正常运行。

sudo apt update
sudo apt-get install -y docker.io
sudo apt-get install -y nvidia-container-toolkit
sudo apt-get install nvidia-jetpack

安装jetson-containers

# 获取源码
git clone https://github.com/dusty-nv/jetson-containers

# 安装依赖
bash jetson-containers/install.sh

开始部署，自动拉取/构建nanoowl容器。（注：容器下载或构建完成后，系统会自动启动该容器。）

cd jetson-containers/
jetson-containers run --workdir /opt/nanoowl $(autotag nanoowl)

该命令将自动检测您的硬件配置，并拉取或构建适配的容器镜像。

运行示例

检查摄像头设备

请确认摄像头已正确连接至设备，并可被系统识别。您可以使用以下命令检查当前已连接的摄像头设备：

ls /dev/video*

运行 NanoOWL 容器并完成以下配置

启动 Docker 容器，并进入测试用例目录：

cd jetson-containers/
jetson-containers run --workdir /opt/nanoowl $(autotag nanoowl)

# 进入测试案例路径
cd /opt/nanoowl/examples/tree_demo

安装依赖

apt update
apt-get install vim
pip install aiohttp

修改/opt/nanoowl/examples/tree_demo文件

# 打开文件，修改完成后，使用crtl+0回车保存，crtl+X退出
$ nano tree_demo.py

# 屏蔽下面这句代码
camera = cv2.VideoCapture(CAMERA_DEVICE)

# 修改替换为下述内容
gst_pipeline = (
    "nvarguscamerasrc ! "
    "video/x-raw(memory:NVMM), width=(int)1280, height=(int)720, format=(string)NV12, framerate=(fraction)30/1 ! "
    "nvvidconv ! "
    "video/x-raw, format=(string)BGRx ! "
    "videoconvert ! "
    "video/x-raw, format=(string)BGR ! "
    "appsink"
)
camera = cv2.VideoCapture(gst_pipeline, cv2.CAP_GSTREAMER)

启动终端，运行测试案例

 python3 tree_demo.py --camera 0 --resolution 1920x1080 --port 8080 ../../data/owl_image_encoder_patch32.engine

查看识别结果
- 在浏览器地址栏输入当前 NG4511 设备的 IP 地址和端口号（例如：http://<ip address>:8080），访问 NanoOWL 的 Web 界面。
- 在输入框中输入你希望识别的内容，例如：
  - [a face [a nose, an eye, a mouth]]
  - [a table [a keyboard, a pen, a mouse]]

概述​

硬件准备​

软件部署​

首次系统启动引导配置​

1. 系统初始化配置​

2. 系统运行状态&版本确认​

模型部署​

硬件需求​

软件环境​

环境准备​

运行示例​

概述