请参考海思Hi3519A开发(5.梳理海思文档与运行sample代码)
# ./sample_venc
Usage : ./sample_venc [index]
index:
0) H.265e@4K@120fps + H264e@1080p@30fps.
1) H.265e@4K@60fps + H264e@4K@60fp.
2) Lowdelay:H.265e@4K@30fps.
3) IntraRefresh:H.265e@4K@60fps + H264e@4K@60fps.
4) Qpmap:H.265e@4K + H264e@4K@60fps.
5) Mjpeg@4K@60fps +Jpeg@4K.
shell 说明:
- 运行sample_venc (录制) 视频编码样例
- 使用方法: ./sample_venc [index]
- 参数<索引>
- 0) h265编码,4096×2160分辨率,每秒120帧 + h264编码,1920x1080分辨率,每秒30帧
- 1) h265编码,4096×2160分辨率,每秒60帧 + h264编码,4096×2160分辨率,每秒60帧
- 2) Lowdelay(低延时属性):h265编码,4096×2160分辨率,每秒30帧
- 3) IntraRefresh(P 帧帧内刷新):h265编码,4096×2160分辨率,每秒60帧 + h264编码,4096×2160分辨率,每秒60帧
- 4) Qpmap(是一种码率控制模式):h265编码,4096×2160分辨率 + h264编码,4096×2160分辨率,每秒60帧
- 5) Mjpeg(Mjpeg协议编码方式)的4096×2160分辨率,每秒60帧 + Jpeg(Jpeg的编码)的4096×2160分辨率
# ./sample_vdec
Usage : ./sample_vdec <index> <IntfSync>
index:
0) VDEC(H265)-VPSS-VO
1) VDEC(H264)-VPSS-VO
2) VDEC(JPEG->YUV)-VPSS-VO
3) VDEC(JPEG->RGB)
IntfSync :
0) VO HDMI 4K@30fps.
1) VO HDMI 1080P@30fps.
shell 说明:
- 运行sample_vdec (播放) 视频解码样例
- 使用提示: ./sample_vdec <索引>
- 参数<索引>:
- 0) VDEC解码器输入(H265的编码格式图片/视频)—>VPSS(视频输入缓存块)—>VO(图片/视频输出)
- 1) VDEC解码器输入(H264的编码格式图片/视频)—>VPSS(视频输入缓存块)—>VO(图片/视频输出)
- 2) VDEC解码器输入(JPEG数据)—>VPSS(视频输入缓存块)—>VO(YUV图片/视频输出)
- 3) VDEC解码器输入JPEG解码成RGB数据
- 参数
: - 0) 输出到HDMI 4096×2160分辨率,每秒30帧
- 1) 输出到HDMI 1920x1080分辨率,每秒30帧
# ./sample_audio
/Usage:./sample_audio <index>/
index and its function list below
0: start AI to AO loop
1: send audio frame to AENC channel from AI, save them
2: read audio stream from file, decode and send AO
3: start AI(VQE process), then send to AO
4: start AI to AO(Hdmi) loop
5: start AI to AO(Syschn) loop
6: start AI to Extern Resampler
channel:
0: mic0 input
1: mic1 input
shell 说明:
- 运行sample_audio 音频 (编码/解码)样例
- 使用提示:./sample_audio <索引>
- 以下内容是索引对应的功能
- 0) 循环音频从输入到输出 (话筒功能)
- 1) 通过音频输入发送音频帧到音频编码通道,保存起来 (录音功能)
- 2) 从文件读取音频流,解码然后发送到输出 (播放功能)
- 3) 通过音频输入声音质量增强处理,然后输出音频 (话筒功能)
- 4) 循环音频输入到HDMI通道音频输出 (话筒功能)
- 5) 循环音频输入到系统音通道音频输出 (话筒功能)
- 6) 通过音频输入重新采样 (录音功能)
- 音频输入通道
- 0) mic0输入(HeadPhone)
- 1) mic1输入(插针)
# ./sample_snap
Usage : ./sample_snap <index>
index:
0)double pipe offline, normal snap.
shell 说明:
- 运行sample_snap 拍照
- 使用说明:./sample_snap <索引>
- 参数<索引>
- 0)双 pipe 离线模式普通拍照
# ./sample_dpu_main
Usage : ./sample_dpu_main <index>
index:
0) VI->VPSS->RECT->MATCH.
1) FILE->RECT->MATCH.
shell 说明:
- 运行 sample_dpu_main
- 使用方法:./sample_dpu_main <索引>
- <索引>
- 0) DPU(Depth Process Unit)对输入的左图像和右图像经过校正和匹配计算得出深度图
- 1) DPU(Depth Process Unit)对读取的文件的左图像和右图像经过校正和匹配计算得出深度图
# ./sample_avs
Usage : ./sample_avs <index>
index:
0) 2 fisheye stitching, Normal projection.
1) 4 fisheye stitching, Cube map.
2) 4 pic no blend stitching.
3) 2 fisheye stitching, Image stabilizing.
4) Generate lut.
shell 说明:
- 运行 sample_avs
- 使用说明: ./sample_avs
- 0) 2个CAM 鱼眼拼接正常显示模式
- 1) 4个CAM 鱼眼拼接呈现立体显示效果
- 2) 4个CAM 图片无混合拼接
- 3) 目前暂不支持
- 4)生成LUT表
# ./sample_fisheye
Usage : ./sample_fisheye <index> <vo intf> <venc type>
index:
0) fisheye 360 panorama 2 half with ceiling mount.
1) fisheye 360 panorama and 2 normal PTZ with desktop mount.
2) fisheye 180 panorama and 2 normal dynamic PTZ with wall mount.
3) fisheye source picture and 3 normal PTZ with wall mount.
4) nine_lattice preview(Only images larger than or equal to 8M are supported).
vo intf:
0) vo HDMI output, default.
1) vo BT1120 output.
venc type:
0) H265, default.
1) H264.
shell 说明:
- 运行 ./sample_fisheye
- 使用说明 ./sample_fisheye
- index:
- 0) 2个“半顶装模式”的鱼眼360°全景视频
- 1) 2个普通“地装的PTZ”鱼眼360°全景视频
- 2) 2个普通“壁装的PTZ”鱼眼180°全景视频
- 3) 三个鱼眼原画的普通PTZ 壁装视频
- 4) 九格预览视频(仅支持大于或等于8m的图像)
- vo intf:
- 0) 默认HDMI输出
- 1) BT1120输出
- venc type:
- 0) 默认H265编码
- 1) H264编码
# ./sample_vio_main
Usage : ./sample_vio_main <index> <intf>
index:
0)VI(Online) - VPSS(Online) - VO.
1)VI(Offline)- VPSS(Offline) - VO. LDC+DIS+SPREAD.
2)VI(Offline)- VPSS(Online) - VO. Double pipe.
3)VI(Online)- VPSS(Offline) - VO. Double chn.
4)Resolute Ratio Switch.
5)GDC - VPSS LowDelay.
6)Double WDR Pipe.
7)FPN Calibrate & Correction.
8)WDR Switch.
9)90/180/270 Rotate.
10)Mipi Demux Yuv.
11)UserPic.
intf:
0) vo HDMI output, default.
1) vo BT1120 output.
shell 说明:
- 运行 sample_vio
- 使用方法:./sample_vio_main
- index:
- 0) 在线输入–> 在线视频处理 -->输出
- 1) 离线输入–> 离线视频处理 -->输出 镜头畸变校正视频防抖和展宽
- 2) 离线输入–> 在线视频处理 -->输出 双管道
- 3) 在线输入–> 离线视频处理 -->输出 双通道
- 4) Resolute Ratio Switch
- 5) 几何畸变矫正 -->视频处理 低延时
- 6) 双WDR管道
- 7) FPN标定&矫正
- 8) WDR 开关
- 9) 90/180/270 旋转
- 10) Mipi Demux Yuv
- 11) 设置用户图片
- intf:
- 0) 默认HDMI输出
- 1) BT1120输出
# ./sample_vgs
Usage: ./sample_vgs <index>
index:
0) FILE -> VGS(Scale) -> FILE.
1) FILE -> VGS(Cover+OSD) -> FILE.
2) FILE -> VGS(DrawLine) -> FILE.
3) FILE -> VGS(Rotate) -> FILE.
shell 说明:
- 运行 sample_vgs
- 使用说明:./sample_vgs
- index:
- 0) 文件–> 视频图像子系统(缩放) -->文件
- 1) 文件–> 视频图像子系统(Cover+OSD) -->文件
- 2) 文件–> 视频图像子系统(画线) -->文件
- 3) 文件–> 视频图像子系统(旋转) -->文件
# ./sample_tde
Usage : ./sample_tde <intf>
intf:
0) vo BT1120 output, default.
1) vo HDMI output.
shell 说明:
- 运行 sample_tde
- 使用说明:./sample_tde
- intf:
- 0) 默认BT1120输出演示
- 1) HDMI输出演示
# ./sample_hifb
Usage : ./sample_hifb <index> <device> <intf>
/****************index******************/
please choose the case which you want to run:
0: ARGB8888 standard mode
1: ARGB1555 BUF_DOUBLE mode
2: ARGB1555 BUF_ONE mode
3: ARGB1555 BUF_NONE mode
4: ARGB1555 BUF_ONE mode with compress
5: ARGB8888 BUF_ONE mode with compress
/****************device******************/
0) VO device 0#, default.
1) VO device 1#.
/****************intf******************/
0) VO HDMI output, default.
1) VO BT1120 output.
shell 说明:
- 运行 sample_hifb
- 使用说明:./sample_hifb
- 请选择一下您想运行的情况之一
- 0: ARGB8888像素格式标准模式
- 1: ARGB1555像素格式双缓存模式
- 2: ARGB1555像素格式单缓存模式
- 3: ARGB1555像素格式无缓存模式
- 4: ARGB1555像素格式带压缩的单缓存模式
- 5: ARGB8888像素格式带压缩的单缓存模式
- 0) 默认输出到超清显示设备DHD0
- 1) 输出到高清显示设备DHD1(暂未支持)
- 0) 默认HDMI输出
- 1) BT1120输出(暂未支持)
# ./sample_awb_calibration
Usage : ./sample_awb_calibration <mode> <intf1> <intf2> <intf3>
mode:
0) Calculate Sample gain.
1) Adjust Sample gain according to Golden Sample.
intf1:
The value of Rgain of Golden Sample. 深红色区域的锐化增益控制。
intf2:
The value of Bgain of Golden Sample.
intf3:
The value of Alpha ranging from 0 to 1024 (The strength of adusting Sampe Gain will increase with the value of Alpha) .
shell 说明:
- 运行 sample_awb_calibration
- 使用方法:./sample_awb_calibration
- 0) 计算例子中的增益
- 1) 根据标准例子来校正例子中的增益
- intf1:
- 标准例子中的深红色区域的锐化增益控制值
- intf2:
- 标准例子中的深蓝色区域的锐化增益控制值
- intf3:
- 0~1024范围的初始值(采样数据的增益强度会随着初始值的值增加而增加)
~ # ./sample_ive_main
Usage : ./sample_ive_main <index> [complete] [encode] [vo]
index:
0)BgModel,<encode>:0, not encode;1,encode.<vo>:0,not call vo;1,call vo.(VI->VPSS->IVE->VGS->[VENC_H264]->[VO_HDMI]).
1)Gmm,<encode>:0, not encode;1,encode.<vo>:0,not call vo;1,call vo.(VI->VPSS->IVE->VGS->[VENC_H264]->[VO_HDMI]).
2)Occlusion detected.(VI->VPSS->IVE->VO_HDMI).
3)Motion detected.(VI->VPSS->IVE->VGS->VO_HDMI).
4)Canny,<complete>:0, part canny;1,complete canny.(FILE->IVE->FILE).
5)Gmm2.(FILE->IVE->FILE).
6)MemoryTest.(FILE->IVE->FILE).
7)Sobel.(FILE->IVE->FILE).
8)Ann.(FILE->IVE->STDIO).
9)St Lk.(FILE->IVE->FILE).
a)Svm.(FILE->IVE->STDIO).
b)Cnn.(FILE->IVE->STDIO).
shell 说明:
- 运行 sample_ive_main
- 使用说明: ./sample_ive_main
[complete] [encode] [vo] - index:
- 0) 背景模型
- 1) 高斯模型Gmm
- 2) 遮挡检测
- 3) 运动检测
- 4) 边缘检测
- 5) 高斯模型Gmm2
- 6) 内存测试
- 7) Sobel算子分割
- 8) 图像检索Ann
- 9) St和LK光流法
- a) 分类器SVM
- b) 神经网络Cnn
# ./sample_dis
Usage : ./sample_dis <index> <intf>
index:
0)DIS-4DOF_GME.VI-VO VENC.
1)DIS-6DOF_GME.VI-VO VENC.
intf:
0) vo HDMI output, default.
1) vo BT1120 output.
shell 说明:
- 运行 sample_dis
- 使用说明: ./sample_dis
- index:
- 0) DIS-4DOF_GME(四自由度 GME 算法,不使用陀螺仪),输入-输出 同时H256格式录像(存储在当前)
- 1) DIS-6DOF_GME(六自由度 GME 算法,不使用陀螺仪),输入-输出 同时H256格式录像(存储在当前)
- intf:
- 0) HDMI 输出
- 1) BT1120 输出
~ # ./sample_dsp_main
shell 说明:
- 四个DSP之DSP0的出图测试。
神经网络,特别是深度学习卷积神经网络进行加速处理的硬件单元测试。
# ./sample_nnie_main
Usage : ./sample_nnie_main <index>
index:
0) RFCN(VI->VPSS->NNIE->VGS->VO).
1) Segnet(Read File).
2) FasterRcnnAlexnet(Read File).
3) FasterRcnnDoubleRoiPooling(Read File).
4) Cnn(Read File).
5) SSD(Read File).
6) Yolov1(Read File).
7) Yolov2(Read File).
8) LSTM(Read File).
9)Pvanet(Read File).
a) Rfcn(Read File).
shell 说明:
- 运行 sample_nnie_main
- 使用说明: ./sample_nnie_main
- index:
- 0) RFCN模型
- 1) 可训练的图像分割Segnet
- 2) 深度学习的目标检测Alexnet
- 3) 深度学习的目标检测DoubleRoiPooling
- 4) 神经网络Cnn
- 5) 可训练的SSD模型处理
- 6) 神经网格模型Yolov1
- 7) 神经网格模型Yolov2
- 8) LSTM模型
- 9) Pvanet网络
- a) Rfcn目标检测