3. 开发环境搭建：交叉编译工具链安装、NPU SDK部署、OpenCV与OpenCL库编译、远程调试配置

说实话，嵌入式开发最让人头疼的往往不是算法本身，而是环境搭建。我见过太多人卡在第一步——工具链装不上、SDK版本对不上、库编译报错。这一章，咱们就把这些坑一个个填平。

环视算法对算力要求高，我们得在PC上写好代码，然后交叉编译成ARM架构的可执行文件，再丢到板子上跑。这套流程，说白了就是“PC上写代码，板子上运行”。

3.1 交叉编译工具链安装

交叉编译工具链，就是一套能在x86架构PC上生成ARM架构机器码的工具。我习惯用Linaro提供的GCC工具链，稳定且社区活跃。

安装步骤：

1. 下载工具链： 从Linaro官网下载 gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu.tar.xz（针对ARMv8 64位平台）。
2. 解压到指定目录：

   tar -xvf gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu.tar.xz -C /opt/

3. 配置环境变量： 编辑 ~/.bashrc，添加：

   export PATH=/opt/gcc-linaro-7.5.0-2019.12-x86_64_aarch64-linux-gnu/bin:$PATH
   export CROSS_COMPILE=aarch64-linux-gnu-
   export ARCH=arm64

   然后 source ~/.bashrc 使其生效。
4. 验证安装：

   aarch64-linux-gnu-gcc --version

   如果输出版本信息，说明安装成功。

3.2 NPU SDK部署

NPU SDK是连接算法和硬件的桥梁。不同厂商的SDK差异很大，但核心流程差不多：模型转换、量化、编译、部署。

以瑞芯微RK3588的RKNN SDK为例，部署流程如下：

交叉编译RKNN Runtime的典型命令：

cd rknn-toolkit2/rknpu2
mkdir build && cd build
cmake .. \
  -DCMAKE_C_COMPILER=aarch64-linux-gnu-gcc \
  -DCMAKE_CXX_COMPILER=aarch64-linux-gnu-g++
make -j4

3.3 OpenCV与OpenCL库编译

环视算法离不开图像处理，OpenCV是标配。而OpenCL可以用来做异构计算，把一部分预处理任务卸载到GPU或NPU上。

交叉编译OpenCV：

1. 下载源码： 从GitHub拉取OpenCV 4.8.0。
2. 安装依赖： 确保PC上安装了 cmake、python3-dev 等工具。
3. 配置CMake：

   mkdir build && cd build
   cmake .. \
     -DCMAKE_SYSTEM_NAME=Linux \
     -DCMAKE_SYSTEM_PROCESSOR=aarch64 \
     -DCMAKE_C_COMPILER=aarch64-linux-gnu-gcc \
     -DCMAKE_CXX_COMPILER=aarch64-linux-gnu-g++ \
     -DCMAKE_INSTALL_PREFIX=/opt/opencv-arm64 \
     -DWITH_OPENCL=ON \
     -DWITH_GTK=OFF \
     -DWITH_FFMPEG=OFF \
     -DBUILD_opencv_python3=OFF
   

4. 编译并安装：

   make -j4
   make install

交叉编译OpenCL：

OpenCL的交叉编译稍微麻烦一点，因为需要板子厂商提供的ICD（Installable Client Driver）库。以RK3588为例，Mali GPU的OpenCL实现是 libmali.so。

# 从板子拷贝OpenCL头文件和库
scp root@board:/usr/include/CL/ ./ -r
scp root@board:/usr/lib/libmali.so ./

# 编译测试程序时链接
aarch64-linux-gnu-gcc test_opencl.c \
  -I./CL \
  -L./ -lmali \
  -o test_opencl

3.4 远程调试配置

代码写好了，怎么丢到板子上跑？怎么调试？总不能每次都插拔SD卡吧。远程调试是嵌入式开发的必备技能。

我常用的远程调试方案：

配置NFS的步骤：

1. PC端（服务器）：

   sudo apt install nfs-kernel-server
   sudo mkdir /nfsroot
   sudo chmod 777 /nfsroot
   echo "/nfsroot *(rw,sync,no_subtree_check,no_root_squash)" | sudo tee -a /etc/exports
   sudo exportfs -a
   sudo systemctl restart nfs-kernel-server

2. 板子端（客户端）：

   mount -t nfs -o nolock PC_IP:/nfsroot /mnt

   之后，PC上 /nfsroot 目录下的文件，板子上 /mnt 目录就能直接访问。

3.5 本章知识体系总览

下面这张图，把整个开发环境搭建的流程串起来了。你跟着这个流程走，基本不会出大问题。

3.6 验证环境是否搭建成功

环境搭完，怎么知道对不对？我一般写一个简单的测试程序，交叉编译后丢到板子上跑一下。

测试程序：

// test_env.c
#include <stdio.h>
#include <opencv2/opencv.hpp>
#include <CL/cl.h>

int main() {
    printf("Hello from NPU board!\n");
    
    // 测试OpenCV
    cv::Mat img(100, 100, CV_8UC3, cv::Scalar(0, 255, 0));
    printf("OpenCV version: %d.%d.%d\n", CV_MAJOR_VERSION, CV_MINOR_VERSION, CV_SUBMINOR_VERSION);
    
    // 测试OpenCL
    cl_platform_id platform;
    clGetPlatformIDs(1, &platform, NULL);
    printf("OpenCL platform found!\n");
    
    return 0;
}

编译命令：

aarch64-linux-gnu-g++ test_env.cpp \
  -I/opt/opencv-arm64/include \
  -I/opt/opencl/include \
  -L/opt/opencv-arm64/lib \
  -L/opt/opencl/lib \
  -lopencv_core -lOpenCL \
  -o test_env

把 test_env 通过scp传到板子上，运行后如果三行信息都正常打印，说明环境搭建成功。