先準備ubuntu 18 (64bit版) 使用virtualbox + ubuntu18 (64bit, Desktop) (較安定)http://ubuntu.cs.nycu.edu.tw/ubuntu-release/18.04.6/ubuntu-18.04.6-desktop-amd64.iso 官方文件: https://www.raspberrypi.com/documentation/computers/linux_kernel.html#cross-compiling-the-kernel 2024版本 現在可以無人值守安裝了!! 不過用了這個反而會遇到奇怪的問題, 重新安裝 + 略過無人值守突然就好了 image image

用latex寫ref的時候, 通常會用這兩種語法: 另外準備一個new_ref.bib檔案: 把所有欄位填好, 系統自動套用template轉出格式 (懶人用) \bibliographystyle{IEEEtran} \bibliography{new_ref} 用bibitem: 你寫什麼, 他就產生什麼 (需要對ref格式很清楚, 不太建議用這個 XD) \bibitem{}R. Fardel, M. Nagel, F. Nuesch, T. Lippert, and A. Wokaun, ``Fabrication of organic light emitting diode pixels by laser-assisted forward transfer,'' {\em Appl. Phys. Lett.}, vol. 91, no. 6, Aug. 2007, Art. no. 061103.

Install TensorFlow, it also needs the LibAtlas package. libatlas = Automatically Tuned Linear Algebra Software mkdir tf cd tf wget https://www.piwheels.org/simple/tensorflow/tensorflow-1.14.0-cp37-none-linux_armv7l.whl sudo init 3 # disable desktop environment pip3 install ./tensorflow-1.14.0-cp37-none-linux_armv7l.whl sudo init 5 # enable desktop environment

# Nvidia Nano + Tensor RT + Tiny YOLOv3 資料來源: https://github.com/zombie0117/yolov3-tiny-onnx-TensorRT 不過有些參數要修一下 XD 這個code使用Python2, 前面的 TRT + YOLOv3 是用Python3, 剛好沒影響 ```` git clone https://github.com/zombie0117/yolov3-tiny-onnx-TensorRT cd yolov3-tiny-onnx-TensorRT sudo apt-get install python-pip #如果沒有pip再執行這個 # 原本的req.txt是寫onnx>=1.1.1, 可是後面又說onnx==1.4.1, 建議先修改這個txt檔 pip install -r requirements.txt # 如果已經裝好onnx, 可以用下面指令刪掉重裝 pip uninstall onnx pip install onnx==1.4.1 ```` 相關套件裝完後, 要先去改一

# Nvidia Nano + Tensor RT + YOLOv3 主要資料來源：https://medium.com/@penolove15/nvidia-jetson-nano-%E7%94%A8-tensorrt-%E8%B7%91-yolov3-a87ebb0036a7 內容幾乎都一樣, 只是記錄自己實際跑起來的流程 ---- 裝完OS之後, 系統更新 & 裝相關套件 ```` sudo apt-get update sudo apt-get upgrade # setup python3 related library sudo apt-get install python3-dev python3-pip # install jetson monitor tool (這個應該可有可無) sudo -H pip3 install jetson-stats # required by onnx sudo apt-get install cmake protobuf-compiler libprotoc-dev # required by scipy sudo

# Raspberry PI4 + Coral USB + posenet 姿態識別 * URL: https://github.com/google-coral/project-posenet * PI4先裝好Raspbian, 還有CSI camera * PI裝上CSI camera後, 記得要去sudo rasp-config啟用Camera interface, 預設是關閉的 * 安裝library * https://coral.ai/docs/accelerator/get-started/#set-up-on-linux-or-raspberry-pi ``` echo "deb https://packages.cloud.google.com/apt coral-edgetpu-stable main" | sudo tee /etc/apt/sources.list.d/coral-edgetpu.list curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-ke

# Nvidia Nano + trt_pose 姿態識別 資料來源: https://github.com/NVIDIA-AI-IOT/trt_pose ## 前置作業 ### Nano 安裝設定 * 跟PI的用法很像, 先去抓image下來, 然後寫入到sd卡再開機, 也可以用serial console控制 * 作業系統 image: https://developer.nvidia.com/embedded/dlc/jetson-nano-dev-kit-sd-card-image * Win32 image writer (寫入映像檔到SD卡): https://sourceforge.net/projects/win32diskimager/ ### 設定swap * 設定至少4G的空間作為swap, 不然跑trt_pose會有記憶體不足的問題 QQ * (1)停止swap, 第一次設定會有錯誤訊息, 因為不存在; (2)新增一個空白4G檔案; (3)該檔案設定為swap; (4)啟用; (5)設定開機自動執行 ``` sudo swa

# Nvidia Jetson Nano 使用心得 ## Nano 安裝設定 * 跟PI的用法很像, 先去抓image下來, 然後寫入到sd卡再開機, 也可以用serial console控制 * 作業系統 image: https://developer.nvidia.com/embedded/dlc/jetson-nano-dev-kit-sd-card-image * Win32 image writer (寫入映像檔到SD卡): https://sourceforge.net/projects/win32diskimager/ * 開機時, 就跟安裝ubuntu一樣, 設定使用者名稱/密碼```等 * 板子底部有寫TTL的腳位 (如果要使用TTL, 單純用終端機控制的話, 可以用這個) * Jetson Nano J44 Pin 2 (TXD) → Cable RXD (White Wire) * Jetson Nano J44 Pin 3 (RXD) → Cable TXD (Green Wire)

# NRF beacon 設定 * 商品頁面介紹: https://youyouyou.pixnet.net/blog/post/119467351 * 中國廠商網頁: http://www.radioland-china.com/1730323-1730323_2575605.html * 修改參數的方法 (建議用iOS) * iOS請下載「RL Beacon APP」，可修改大部分參數：https://goo.gl/is7ab7 * 開啟RL beacon，並開啟掃描，找到要修改beacon後，點選beacon名稱，即可開啟修改視窗 * Android請下載「LightBlue Beacon」，僅能修改name：https://goo.gl/MGdcAG ---- ## 常見的修改變數 * Name (顯示名稱) * 直接修改為需要的名稱後，按write後，顯示OK * Power發射功率 * 數值高代表功率強(效果不明顯?), 要輸入HEX值, 可參考下方表格 * 改太小可能導致無法收到訊號而報廢, ex: 設定01 (-21dB

# iBeacon scanner * 之前的版本: https://github.com/jay16213/pi-ble-scanner * 此版本使用兩個樹莓派, 如果同時掃到同一個uuid, 才視為有這個人在. 現在使用一個裝置即可. * ref: https://github.com/citruz/beacontools * 安裝相關套件 ``` # install libbluetooth headers and libpcap2 sudo apt-get install python-dev libbluetooth-dev libcap2-bin # grant the python executable permission to access raw socket data sudo setcap 'cap_net_raw,cap_net_admin+eip' $(readlink -f $(which python3)) # install beacontools with scanning support # 看是使用python