【角蜂鸟试用】开箱及测试

mabo124

       上周五就收到了角蜂鸟AI套件，由于本人带孩子才游玩回来，所以休整了1天，迟迟没有拆箱测试（但一直牵挂着它）。这不周末抽时间拆箱并测试。看到实物后，加之前浏览其配套资料，为其做工和设计感到佩服。本人也有玩openmv，经过这几天的测试，相比较来说两者不在一个等级，前者真的仅仅只是个玩具（当然mv4还没有出，其性能是否能匹配上蜂鸟还无法说，这里说的是mv2和mv3）。闲话少说，直奔主题吧。
1. 拆箱实物    此次套件包含角蜂鸟开发板包装盒和一根Type-C的线，组合很简单。但相信，用户一定能为它封面那支蜂鸟所吸引（因飞行时两翅振动发出嗡嗡声酷似蜜蜂而得名，飞翔时两翅急速拍动，快速有力而持久；频率可达每秒50次以上。-- 希望这个开发板的输出帧率也能像蜂鸟一样）。如下图1所示。而保证盒背面是本产品的解释和目标期望的英文说明，顿时感到产品的高大上，虽然最后又加了句made in China，如下图2所示。
                                                                                                                                                                         图1    套件组合
                                    
                                                        图2  英文说明
         上网搜到了它的官网https://www.senscape.com.cn/，对其业务感兴趣的可以看看以作了解。而角蜂鸟套件的信息可以到https://hornedsungem.github.io/Docs/cn/查看。
         角蜂鸟套件实物由三块亚克力板支撑和保护，分别由螺栓和尼龙铜柱将摄像头、开发板、（有些吓人的）散热片和亚克力板组合在一起，显得很牢靠，如下图3所示。
                          
                                                           图3   实物图
           本次拿到的是A.1版本，相对于宣传时说的双目摄像头嚼头（双目是A.0版本，A.1版取消了两侧预留的双目摄像头接口）来说，有点令人小失望，当初设想等玩转一定时间DIY一下双目（当然不排除，将来破点银子购一块双目的）。A.1版新安装了4颗LED指示灯，并且新增了MicroUSB接口，可以为角蜂鸟提供额外的供电（想必这个为DIY实体项目是有必不可少的）。
          4颗LED灯的含义，如下图4中左实物板子的右侧从上到下所示，分别为：

•           电源指示
•           温度指示，温度大于80℃时自动降频
•           神经网络运行指示
•           神经网络输入等待指示
  

                                    
                                                              图4  A.1版图示
2. 软件环境的介绍        实物介绍完了，接着就是软件运行环境的介绍了。
        （1） Ubuntu16.04的搭建
        根据文档说明：本产品支持在Ubuntu、CentOS、Fedora、TK1、MacOS、Raspbian（树莓派）操作系统上运行。我这里选择了Ubuntu16.04LTS（我一直在用Win10+VWmare12.0+Ubuntu16.04），当然如何使用虚拟机在PC上建立一个Ubuntu OS，可以问问度娘，这类教程很多，本帖就不说了。
         （2） SungemSDK开发工具
        因为角蜂鸟套件集成了Intel Movidius MA245X卷积神经经网络（CNN）加速芯片，为用户提供更为深入的AI开发服务，支持多种类型的神经网络框架如Tensorflow、Caffe、Darknet等，对Host系统要求极低。与其相应的SDK包的安装当然是必不可少的。根据文档说明，git其SDK包即可。

1. git clone --recursive https://github.com/HornedSungem/SungemSDK-Python.git

复制代码

          接下来进入 SungemSDK-Python/installer/Linux/Ubuntu，运行安装SDK。如下图5所示。

1. sudo ./install.sh tuna

复制代码

                                       
                                                        图5  SDK安装完成示意图
          （3）接入设备    搭建好运行环境后，便接入蜂鸟设备：USB Type-C端（小端）与角蜂鸟连接；USB Type-A端（大端）与PC主机连接。弹出如下图6所示的提示框，选择确定即可将蜂鸟套件接入Ubuntu OS。
                                       
                                                         图6   设备接入提示框图
            （4） 补充，默认的ubuntu16.04是安装的python2.7版本，如果使用过update && upgrade命令，那么系统会安装python3.5版本，但是系统默认的python解释器还是2.7版本，你可以参照https://www.cnblogs.com/papapython/p/7908519.html帖子进行相关工作（当初，我便是这么做的。）
             （5） 补充，如果没有安装opencv，那么还需要下载对应的opencv源码，在https://opencv.org/releases.html可以找到各个版本的，建议采用最新的3.4.2的sources版本即可。可以参照https://blog.csdn.net/u013066730/article/details/79411767帖子进行相关工作。

1. unzip opencv-3.4.2.zip                                      #step1：解压opencv包
   
2. sudo apt-get install cmake                                 #step2：安装cmake
   
3. sudo apt-get install build-essential libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg.dev libtiff4.dev libswscale-dev libjasper-dev                               #step3：安装依赖包
   
4. 
   
5. mkdir   my_build_dir                                            #step4：创建文件夹my_build_dir
   
6. cd my_build_dir                                                 #step5：进入此文件夹
   
7. 
   
8. cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..               #step6： cmake
   
9. 
   
10. sudo make                                                        #step7：编译
    
11. sudo make install                                               #step8：安装

复制代码

3. 测试实例    随便测试了2个示例，汇总如下。
              运行示例程序前，需要从 SungemSDK-GraphModels 下载需要的文件，并拷贝至本项目对应的文件夹中。

1. SungemSDK-GraphModels/graphs -> examples/graphs                    #graphs: 储存内置CNN模型文件，修改/移动文件会导致部分API失效。
   
2. SungemSDK-GraphModels/misc -> examples/misc                          #misc: 储存图像、标签数据或其他杂物。

复制代码

             （1）如果运行程序时，弹出如下图绿色框所示的错误时，不是说之前的python和opencv安装有错，而是缺少安装一个包，安装命令如图中红色所示。
                                                
                                                                图7   安装opencv-python库
             （2）Hello2018

1. SungemSDK-Python/examples/apps/Hello2018$ python Hello2018.py

复制代码

             如果一切正常，将会得到如下图所示结果，表明4张MNIST数字图片成功识别。
                                               
                                                            图8   Hello2018 运行结果图
               （3）FaceDetector       因为是深夜用手机拍摄的（室内灯光、笔记本屏幕反光等因素），所以效果不好。但从个人体会来说，这个AI套件不错，拍摄的效果、识别物体的距离均属上乘。

1. ~/SungemSDK-Python/examples/apps/FaceDetector$ python  FaceDetector.py

复制代码

                                                
                                                               图9  运行输出示意图
              视频效果，如下所示（效果不好，当然也没敢拍自己）。
https://v.youku.com/v_show/id_XMzc2NjQzMDMzNg==.html?spm=a2hzp.8244740.0.0