基于RK3588的大型卡车盲区目标多图像传感器 融合检测方法研究

采集到的原始 YUYV 数据经 OpenCV 解码后进行去畸变、拼接等前处理步骤。

4.3 模型转换

1. PyTorch → ONNX

   import torch
   model = torch.load('yolov5s_improved.pt')
   dummy_input = torch.randn(1, 3, 640, 640)
   torch.onnx.export(model, dummy_input, 'yolov5s_improved.onnx',
                     opset_version=12, input_names=['input'], output_names=['output'])
   

2. ONNX → RKNN（使用 RKNN‑Toolkit）

   rknn_toolkit convert --model yolov5s_improved.onnx \
       --target rk3588 --output yolov5s_improved.rknn
   

   转换过程中，Toolkit 会自动检测模型中不支持的算子并给出提示，确保最终模型能够在 NPU 上完整加速。

4.4 部署与推理

将生成的 yolov5s_improved.rknn 通过 SCP 或 USB 复制到 RK3588 开发板的 /home/root 目录。使用 Python 示例脚本进行实时推理：