使用针对NVIDIA Jetson金宝app和NVIDIA DRIVE平台的MATLAB®Coder™支持包使用NVIDIA®的嵌入式电路板。该示例使用简单的矢量加法算法来说明：从MATLAB环境连接到嵌入式电路板。

从连接到NVIDIA®Jetson Nano的树莓派相机模块V2中捕捉和处理图像。针对NVIDIA Jetson和NVI金宝appDIA DRIVE平台的MATLAB®Coder™支持包允许您从相机模块V2捕获图像，并将它们带到MATLAB环境中进行处理。在本例中，您将学习如何使用此功能开发Sobel边缘检测算法。

为使用深度学习的图像分割应用程序生成和部署CUDA®可执行文件。它使用MATLAB®Coder™支持包为NVIDIA 金宝appJetson和NVIDIA DRIVE平台部署可执行文件在NVIDIA DRIVE™平台。本例在主机上执行代码生成，并通过使用支持包的远程构建功能在目标平台上构建生成的代码。金宝app有关更多信息，请参见语义分段网络的代码生成。

部署图像处理工具箱™ 使用GPU编码器在TX2板上实现NVIDIA®Jetson的算法™ NVIDIA GPU支持包金宝appimtophat（图像处理工具箱）对灰度图像执行形态学top hat过滤的函数用作示例来演示此概念。top hat过滤计算图像的形态学开口（使用imopen（图像处理工具箱），然后从原始图像中减去结果。生成的CUDA®代码使用共享内存加速GPU上的操作。

从DAGNETs对象生成CUDA®代码，并使用GPU编码器将生成的代码部署到NVIDIA®JETSON TX2板上™ NVIDIA GPU支持包。本例使用resnet50深度学习网络对USB网络摄像头视频流中的图像进行分类。金宝app

在NVIDIA®J金宝appetson TX2板上部署Simulink®模型，用于对网络摄像头图像进行分类。本例使用预先训练的深度卷积神经网络，对网络摄像头中的图像进行实时分类，ResNet-50．本例中的金宝appSimulink模型使用了用于NVIDIA Jetson和NVIDIA DRIVE平台的MATLAB®Coder™支持包中的摄像机和显示块，从网络摄像机捕捉实时视频流，金宝app并将预测结果显示在连接到Jetson平台的监视器上。

生成并部署CUDA®可执行文件，该文件使用连续小波变换（CWT）和预训练卷积神经网络（CNN）提取的特征对人体心电图（ECG）信号进行分类。