4. 开发环境搭建

Ryzen Embedded 机器视觉平台的开发环境不是“装个 Ubuntu 就能跑”的通用环境，它同时承担三类任务：实时采集与运动控制、GPU/NPU 加速推理、以及面向目标板的交叉编译。本节按“宿主机实时化 → 专用驱动 → 视觉与推理框架 → 交叉工具链”的顺序展开，每一步都给出可执行的配置对象与判断依据。

一、实时内核：让采集与触发抖动可控

机器视觉中，相机触发、编码器采样、光源同步往往要求微秒到毫秒级的确定性。标准 Ubuntu 内核的 CFS 调度和不可抢占区会导致偶发数十毫秒延迟，因此需要实时内核。推荐使用 Ubuntu 22.04 LTS + PREEMPT_RT 补丁，或直接安装 linux-image-rt-amd64 系列。示例参数：目标板为 Ryzen Embedded V2718（8 核 16 线程），宿主机同为 x86_64，内核版本 5.15.0-rt。

# 安装实时内核（示例，版本以仓库为准）
sudo apt update
sudo apt install linux-image-5.15.0-rt-amd64 linux-headers-5.15.0-rt-amd64
sudo update-grub && sudo reboot

# 验证实时性
uname -a
# 应出现 PREEMPT_RT 字样

# 用 cyclictest 测抖动（示例：8 线程，优先级 80，跑 60 秒）
sudo cyclictest -t8 -p80 -n -i1000 -l60000 -h400

判断依据：cyclictest 输出的 Max 值若稳定在 100 μs 以内，说明实时性满足多数视觉触发场景；若 Max 超过 500 μs，需检查 BIOS 中 C-State、SMT 与电源策略，建议关闭深度 C-State 并设置 intel_pstate=disable 或 amd_pstate=passive。此外，将相机采集线程绑定到隔离核（isolcpus=2-5）并设置 SCHED_FIFO 优先级，可进一步降低抖动。

二、Ryzen Embedded 专用驱动安装

Ryzen Embedded 的 GPU 为 Radeon Vega 或 RDNA 架构，Linux 下由 amdgpu 内核模块驱动。Ubuntu 22.04 默认已包含，但需确认固件包 linux-firmware 完整，并安装 mesa-va-drivers、vainfo 用于视频加速。若使用 Xilinx/AMD 的 Vitis 或 ROCm 进行推理加速，还需安装 rocm-opencl-runtime 与 rocm-smi。

# 检查 GPU 与驱动
lspci | grep -i vga
sudo dmesg | grep -i amdgpu | head
sudo apt install mesa-va-drivers vainfo
vainfo   # 应列出 H.264/HEVC 解码入口

# 安装 ROCm（示例，仅支持部分 Ryzen Embedded 型号）
sudo apt install rocm-opencl-runtime rocm-smi
rocm-smi  # 查看 GPU 温度、功耗、显存占用

相机侧驱动分两类：GigE Vision 相机通常依赖 arv-fake-gv-camera 或厂商 SDK（如 Basler pylon、Hikrobot MVS），需将 libgxiapi.so 加入 LD_LIBRARY_PATH；USB3 Vision 相机则通过 uvcvideo 或厂商内核模块加载。判断依据：v4l2-ctl --list-devices 能列出相机节点，且 v4l2-ctl -d /dev/video0 --all 可读到分辨率与帧率。

三、OpenCV 与深度学习框架部署

OpenCV 建议源码编译，以便开启 V4L2、OpenCL、FFmpeg 与 DNN 模块。示例配置：OpenCV 4.8.0，CMake 参数如下。

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D WITH_V4L=ON -D WITH_OPENCL=ON \
      -D WITH_FFMPEG=ON -D OPENCV_DNN_OPENCL=ON \
      -D BUILD_EXAMPLES=OFF ..
make -j$(nproc) && sudo make install

深度学习推理可选三条路径：ONNX Runtime（CPU/OpenVINO）、OpenCV DNN（轻量）、ROCm + MIGraphX（GPU 加速）。以 ONNX Runtime 为例，安装 onnxruntime 后，用 providers=['ROCMExecutionProvider'] 即可调用 GPU。判断依据：加载一个 YOLOv8n ONNX 模型，输入 640×640，若单帧推理时间在 V2718 上稳定低于 30 ms，则满足 30 FPS 实时检测。

四、交叉编译工具链配置

目标板资源有限，通常在 x86_64 宿主机上交叉编译。安装 gcc-aarch64-linux-gnu 与 g++-aarch64-linux-gnu，并准备目标板 sysroot（可从目标板 /usr、/lib 打包）。CMake 工具链文件示例如下。

# toolchain-aarch64.cmake
set(CMAKE_SYSTEM_NAME Linux)
set(CMAKE_SYSTEM_PROCESSOR aarch64)
set(CMAKE_C_COMPILER aarch64-linux-gnu-gcc)
set(CMAKE_CXX_COMPILER aarch64-linux-gnu-g++)
set(CMAKE_SYSROOT /opt/sysroot-aarch64)
set(CMAKE_FIND_ROOT_PATH /opt/sysroot-aarch64)
set(CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER)
set(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY)
set(CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY)

编译时使用 cmake -DCMAKE_TOOLCHAIN_FILE=toolchain-aarch64.cmake ..，生成的 ELF 用 file 检查应为 ARM aarch64。将可执行文件与依赖库通过 scp 推送到目标板，运行 ldd 确认无缺失动态库。若出现 GLIBC_2.34 not found，说明 sysroot 版本低于目标板，需重新同步 sysroot。

完成以上四层配置后，可用一个最小验证程序串联：V4L2 采集一帧 → OpenCV 灰度化 → ONNX Runtime 推理 → 输出检测框。若该链路在目标板上稳定运行 10 分钟无丢帧、无内核报错，即可认为开发环境搭建完成，可进入后续的相机标定与算法移植阶段。