里面实现了usb摄像头采集 qt显示 能够保存jpg图片，调整曝光 zbar二维码识别显示，这里给出了能在jetson nano上运行的实例

P2597_B04_OrCAD_schematics.pdf J120_technical_reference_1.6.pdf Jetson_TX2_Module_DataSheet_v1.1.pdf Jetson_TX2_OEM_Product_DesignGuide_v20170501[1].pdf

Jetson nano上最新的cudnn库以及CUDA版本。libcudnn7_7.5.0.56-1+cuda10.0_arm64 下载后直接安装就可以将CUDA版本和libcudnn库替换成最新版本。 通过Nvidia的SDKmanager工具下载的版本，自测试OK。

使用TensorRT的NVIDIA Jetson（Nano）的人脸识别 带有架构的人脸识别和David Sandberg（ ）使用TensorRT和OpenCV重新训练的模型。 该项目基于FaceNet模型的输出层中所需的l2norm helper函数的实现。 链接到： 。 此外，该项目使用的改编版本进行人脸检测。 下面的更多信息。 硬件 NVIDIA Jetson Nano Raspberry Pi v2相机 如果要使用USB摄像头而不是Raspi摄像头，请在中将布尔值isCSICam设置为false。 依存关系 cuda 10.2 + cudnn 8.0 TensorRT 7.x OpenCV 4.1.1 TensorFlow r1.14（用于Python将模型从.pb转换为.uff） 更新 这个主分支现在使用Jetpack 4.4，因此依赖项已稍有更改，并且不再预先安装tens

onnxruntime_gpu-1.6.0-cp36-cp36m-linux_aarch64.whl，官方地址：https://elinux.org/Jetson_Zoo#ONNX_Runtime

YOLOV4_UDP_Jetson 目录 衔接者 外部链接 朴健宇 朴健宇 数据库管理系统 仁荷大学 研究目的 这项研究的目的是实现基于图像的目标识别和避免程序的融合。 作为输入，给出了两个雷达数据输入值和摄像机输入值，并且当摄像机检测到对手时，将输出高度变化命令作为输出以启动规避机动。 这项研究的简要概述如下。 可以在回避中检查未组织的实验内容。 这项研究概述 首先，将使用YOLOV3算法的对象检测算法（Deepstream， ）和使用监督学习训练的模型同时放置在Jetson xavier上，以检查结果。 请参考下面的链接以获取结果。 具有防撞模型的YOLOV3（未传达） YOLOV3的检测性能不是很好，因此通过使用Deepstream优化YOLOV4算法再次进行了实验。 请参考下面的链接以获取结果。 具有防撞模型的YOLOV4（未传达） 可以看出，YOLOV4的

里面有最权威的JETSON TX2 PWM介绍、配置和使用，资料是英文文档，从官方收集来的，介绍了设备树下如何对PWM进行配置

jetson nano 、tx1、tx2的paddle安装包

Jetson-AGX-Xavier上的量化深层神经网络：如何创建，训练和量化网络，然后将其集成到后期图像处理中并生成用于定位Jetson AGX Xavier的CUDA C ++代码

jetson 刷机工具