本文档介绍了：在树莓派4B中安装openEuler-20.03-LTS-aarch64后，再基于树莓派4B的硬件虚拟化功能，使用libvirt工具与xml配置文件的方式，搭建aarch64架构 openEuler操作系统 的qemu 虚拟机。

CSI相机 将MIPI-CSI（2）相机（例如Raspberry Pi版本2相机）与NVIDIA Jetson Nano Developer Kit一起使用的简单示例。 这是JetsonHacks上文章的支持代码： ://wp.me/p7ZgI9-19v 摄像机应安装在载板上的MIPI-CSI摄像机连接器中。 相机色带上的插针应面向Jetson Nano模块，条纹朝外。 新的Jetson Nano B01开发人员套件具有两个CSI摄像机插槽。 您可以将sensor_mode属性与nvarguscamerasrc一起使用以指定摄像机。 有效值为0或1（如果未指定，则默认为0），即 nvarguscamerasrc sensor_id=0 要测试相机： # Simple Test # Ctrl^C to exit # sensor_id selects the camera: 0

空气质量监测 我什么时候应该打开窗户呼吸新鲜空气？ 这就是答案！ 该存储库提供了一个现成的可安装应用程序，用于通过和覆盆子pi进行空气质量监测。 设置 你会需要： 树莓派 Flash已建立图片 如果您只是想这样做，则可以安装来自的最新映像，并将其。 从源安装 您可能希望使用来简化安装。 如果已经设置了Raspberry Pi，则可以从以下来源安装该软件包： # get the source git clone git@github.com:randombenj/air-quality-monitoring.git cd air-quality-monitoring/qualitair # install dependencies poetry install # run it! poetry shell cd .. python -m qualitair 桌面通知 如果要在何时打开

网络性能监视器 网络性能监视器是用于诊断家庭网络性能问题的便携式工具。 可以部署它而无需更改要监视的网络的配置。 该系统测试网络性能的多个方面，包括： 上网速度 互联网连接（ping） 域名查询 本地网络速度（特别适用于测试2.4GHz和5GHz无线网络） 该系统包括带宽监控器功能，可测量一天中的Internet带宽使用情况。 网络性能监视器会每日生成PDF报告，其中包含各种测试结果的图形，包括Internet中断的指标。 带宽监视器的测量结果也绘制在图表上，以显示Internet使用模式。 如果要构建网络性能监视器，请按照的 下图说明了系统如何连接到被监视的网络。 注意：网络性能

YoloV5-ncnn-Raspberry-Pi-4 带有ncnn框架的YoloV5。 论文： ： 专为裸露的Raspberry Pi 4制作，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 要运行该应用程序，您必须： 具有32或64位操作系统的树莓派4。 它可以是Raspberry 64位操作系统，也可以是Ubuntu 18.04 / 20.04。 已安装腾讯ncnn框架。 已安装OpenC

树莓派zero图像分类与目标检测 山东大学（威海） 2018级数据科学与人工智能实验班 孙易泽 吴锦程 詹沛 徐潇涵 树莓派zero图像分类与目标检测是深度学习的研究项目，旨在通过深度学习算法，实现树莓派的实时识别与分类。 在树莓派上运行深度学习主要分为以下几个步骤： 首先是数据的获取及预处理，图像分类与目标检测需要大量干净且高质量的图片数据进行训练，我们需要通过不同方式，尽可能多的获取到相关的图片数据，并处理为深度学习可用的形式。 接下来先实现图像分类，根据深度学习领域存在的相关模型，选择适合于树莓派上运行的深度学习模型。通过Tensorflow2搭建深度学习框架，通过对模型参数不断调整，训练出正确率高且能快速运行的模型。通过对模型的不断改进，在保持模型正确率的同时，减小模型的大小。 目标检测模型也是一个侧重点，我们选择轻量级的深度学习模型，并使用Tensorflow2 Object D

暗网接口 是Darknet的接口，使您可以在自己的程序（C，C ++，Python等）中使用Darknet检测器进行一些有趣的操作（例如在PC，Raspberry PI，Nvidia TX1中使用YOLO进行对象检测）等）），方法是与“ libdarknet.so”和“ libdetector.so”链接。 演示GIF 更新 2020.07.16 Yolo_v4可用。 接口功能说明 voiddetector_init（char * cfgfile，char * weightfile） 简介：通过加载特定的网络配置和预先训练的重量文件，将探测器启动到内存中。 param [in1]：网络配置文件的路径 param [in2]：网络预训练权重文件的路径 retval：无效 float * test_detector_file（char文件名，float脱粒，float hier_thres

项目 Raspberry Pi MT7601u访问点和工作站模式支持 入门 本示例将教您如何在Linux系统中使用不受支持的基于Mediatek MT7601u的无线芯片组作为接入点模式。 因此，您可以在基于嵌入式或台式机Linux机器人项目中使用此无线天线，或共享Internet连接（例如热点）。 无需硬件和编程技能。 我们将不使用hostapd驱动程序。 只是按照我写的东西。 将Wi-Fi天线插入PC或Raspberry Pi，然后编写此命令以检查是否具有克隆MT7601。 pi@raspberrypi:~ $ lsusb 如果Ralink ID与您的Wi-Fi加密狗相等，则查看此图像，然后一切正常。 您的模块将正常工作。 对于基于Linux的操作系统，请遵循指示。 在UBUNTU 32-64位系统上… 在Ubuntu 16.04 32-64位LTS系统上，您可以轻松编译该驱

GY-MCU90640-RPI-Python 用于将热图像模块GY-MCU90640连接到Raspberry Pi的脚本。 GY-MCU90640模块基于MLX90640传感器，但还包含一个微控制器STM32F103，以简化与MLX90640的配合。 与模块交互的协议显示在文件“ GY_MCU9064用户手册v1.pdf”中。 对于翻译质量，我深表歉意，这是通过Google翻译自动将中文翻译成英文的结果。 上图显示了生成的图像以及将模块与Raspberry Pi连接的方案。 main.py脚本已针对RPI 3 B +和RPI Zero W进行了测试。 连接过程的说明位于 （如果您使用俄语阅读，也可以访问 ）。 您还可以检查与方位的解释在这里： 。 作者做了出色的工作，现在您可以从pip管理器安装该软件包以与GY-MCU90640一起使用。

1.手机控制小车运行 2.将小车摄像头所拍摄的画面实时传输至手机客户端 （仅仅是实现了这两个功能，也就是说小车能正常运行并传输实时画面，代码写的有点乱…没有大电流的充电宝（树莓派3b需要2.5A），所以是拖着插线板（画面不忍直视））