先决条件

目标板需求

开发主机需求

创建硬件对象

连接到NVIDIA Jetson Nano

NVIDIA GPU的GPU金宝app编码器支持包使用一个通过TCP/IP的SSH连接来执行命令，同时在DRIVE或Jetson平台上构建和运行生成的CUDA代码。因此，您必须将目标平台连接到与主机计算机相同的网络，或者使用以太网交叉网线将单板直接连接到主机计算机。关于如何设置和配置您的板，请参阅NVIDIA文档。

要与NVIDIA Jetson Nano通信，必须使用开车或杰森函数。创建活硬件连接对象时，需要知道目标单板的主机名或IP地址、用户名和密码。例如，使用下面的命令为Jetson硬件创建活动对象，

hwobj =杰森(“jetson-nano-name”，ubuntu的，ubuntu的）;

运行getCameraList的函数hwobj对象来查找可用的摄像机。如果此函数输出空表，则尝试重新连接摄像机并再次执行该函数。

验证GPU环境

使用coder.checkGpuInstall函数，并验证运行此示例所需的编译器和库是否正确设置。

envCfg = coder.gpuEnvConfig (“杰森”）;envCfg。BasicCodegen = 1;envCfg。安静= 1;envCfg。HardwareObject = hwobj;coder.checkGpuInstall (envCfg);

创建一个相机对象

对象的名称创建摄像机对象getCameraList函数。

camObj =相机(hwobj,“vi-output imx219 6 - 0010”480年[640]);

camObj是相机对象的句柄。要在MATLAB中显示Camera Module V2捕获的图像，使用以下命令。

为i = 1:100 img =快照(camObj);显示亮度图像(img);drawnow;结束

该相机对象捕获RGB和3通道灰度图像。

创建一个显示对象

使用imageDisplay函数来创建显示对象。这是一个使用imshow函数在MATLAB中显示图像。

dispObj = imageDisplay (hwobj);img =快照(camObj);图像(dispObj, img);

Sobel边缘检测算法

Sobel边缘检测算法是一种流行而简单的边缘检测算法。在该算法中，对灰度图像进行二维空间梯度运算。这个操作强调了与边缘相对应的高空间频率区域。

计算梯度

我们将找到使用Sobel核的输入图像的水平梯度(h)和垂直梯度(v)。这两个索贝尔核互相正交。我们将确保我们的算法在测试图像上工作，然后再转向实时数据。

Kern = [1 2 1;0 0 0;1 2 1];img = imread (“peppers.png”）;显示亮度图像(img);h = conv2 (img(:,: 2),克恩,“相同”）;v = conv2 (img(:,: 2),克恩”,“相同”）;

计算梯度大小

接下来，我们从水平和垂直梯度(h和v)中找到梯度大小。

e =√h。* h + v * v);

阈值边缘图像

我们对图像进行阈值，以找到图像中我们认为是边缘的区域。

edgeImg = uint8(((e > 100) * 240);显示亮度图像(edgeImg);

在实时数据上运行Sobel边缘检测算法

我们可以创建一个MATLAB函数，sobelEdgeDetectionAlg.m我们在本例的前几节中开发的MATLAB代码。在编辑器中查看MATLAB函数。

编辑(“sobelEdgeDetectionAlg.m”);

这个函数sobelEdgeDetectionAlg ()对输入的图像和阈值进行边缘检测，返回边缘检测算法的结果。我们将在循环中捕获的图像上调用这个函数。阈值变量打可以改变以得到适当的边缘图像。通过这种方式，我们可以使用支持包的摄像机访问功能来调整适合指定摄像机的算法。金宝app

为i = 1:200 img =快照(camObj);打= 100;edgeImage = sobelEdgeDetectionAlg(img, thresh);图像(dispObj edgeImage);结束

要将上面的示例部署为目标上的独立应用程序，请遵循此示例在NVIDIA Jetson Nano上使用I/O进行Sobel边缘检测．

关闭所有

总结

这个例子介绍了一个应用程序，其中来自连接到NVIDIA Jetson Nano的相机的图像在MATLAB中使用Sobel边缘检测算法处理。