3、开发环境搭建：交叉编译工具链安装、刷机与系统烧录、SSH远程连接与文件传输、Python与C++环境配置

好，咱们正式开始动手了。这一章，说白了就是给边缘设备“注入灵魂”的过程。很多新手拿到开发板，第一反应是“插电，亮灯，完事”。但真正做算法部署，你得先让电脑和板子能“对话”，让板子能跑你写的代码。

我个人习惯把这一步叫做“基建工程”。地基没打好，后面全是坑。我见过太多项目，卡在环境配置上好几天，最后发现是交叉编译链版本不对。嗯，咱们今天就把这些坑一个个填平。

3.1 交叉编译工具链：为什么不能直接在板子上编译？

你可能会问：“我直接在树莓派或者Jetson上写代码、编译不行吗？”

行，但效率极低。边缘设备的CPU性能有限，编译一个稍微大点的C++项目，可能得等半小时。而你的电脑，可能几分钟就搞定了。

交叉编译，就是在你的电脑（x86架构）上，生成目标设备（ARM架构）能运行的二进制文件。说白了，就是“借鸡生蛋”。

3.1.1 安装交叉编译工具链

以ARM架构的Linux设备为例（比如RK3588、树莓派、Jetson Nano），常用的工具链是 gcc-arm-linux-gnueabihf 或 aarch64-linux-gnu-gcc。

安装命令很简单：

# 32位ARM
sudo apt-get install gcc-arm-linux-gnueabihf g++-arm-linux-gnueabihf

# 64位ARM（aarch64）
sudo apt-get install gcc-aarch64-linux-gnu g++-aarch64-linux-gnu
我的小建议： 安装完成后，记得检查一下版本。我曾经遇到过系统自带的工具链版本太老，导致编译出来的程序在板子上段错误。用 aarch64-linux-gnu-gcc --version 看一眼，确保是较新的版本。

3.1.2 验证工具链是否可用

写一个最简单的Hello World，交叉编译试试：

// hello.cpp
#include <iostream>
int main() {
    std::cout << "Hello from Edge Device!" << std::endl;
    return 0;
}

# 编译
aarch64-linux-gnu-g++ hello.cpp -o hello_arm

# 查看文件信息
file hello_arm
# 输出应该包含：ELF 64-bit LSB executable, ARM aarch64

看到 ARM aarch64 字样，说明你成功了。把这个文件传到板子上，就能直接运行。

注意： 千万别在电脑上直接运行 ./hello_arm，会报错“无法执行二进制文件”。因为架构不同，电脑不认识ARM的指令。

3.2 刷机与系统烧录：给板子装上操作系统

拿到一块全新的开发板，第一件事就是烧录系统。这就像给电脑装Windows一样，但步骤更“原始”一些。

3.2.1 准备工作

  • 硬件： 开发板、MicroSD卡（或eMMC模块）、读卡器、电源线。
  • 软件： 系统镜像文件（.img）、烧录工具（如 balenaEtcher、Win32DiskImager 或 dd 命令）。

3.2.2 烧录步骤（以SD卡为例）

  1. 将SD卡插入读卡器，连接到电脑。
  2. 打开烧录工具，选择镜像文件，选择SD卡，点击“烧录”。
  3. 等待进度条走完。嗯，这个过程大概5-10分钟，可以去喝杯咖啡。
  4. 烧录完成后，将SD卡插入开发板，上电启动。

我常用的烧录方式： 在Linux下直接用 dd 命令，速度最快，也最稳定。

sudo dd if=ubuntu-22.04-preinstalled-server-arm64.img of=/dev/sdb bs=4M status=progress

注意：/dev/sdb 是你的SD卡设备名，千万别搞错，否则会清空你的硬盘数据！

3.2.3 第一次启动与配置

板子启动后，通常需要设置用户名、密码、网络等。我个人习惯第一时间做两件事：

  • 更新软件源： sudo apt update && sudo apt upgrade -y
  • 开启SSH服务： sudo systemctl enable ssh && sudo systemctl start ssh

这样，你就能远程连接了，不用每次都插显示器和键盘。

3.3 SSH远程连接与文件传输：告别显示器和键盘

做算法部署，你不可能一直把显示器和键盘插在板子上。SSH就是你的远程“遥控器”。

3.3.1 连接板子

确保电脑和板子在同一个局域网内。找到板子的IP地址（可以在路由器后台看，或者在板子上执行 ifconfig）。

ssh username@192.168.1.100

输入密码，你就进入了板子的终端。从现在开始，所有操作都可以在电脑上完成。

省事技巧： 配置SSH密钥登录，省去每次输密码的麻烦。 
ssh-keygen -t rsa -b 4096
ssh-copy-id username@192.168.1.100

3.3.2 文件传输

你需要把编译好的程序、模型文件、数据集传到板子上。常用的工具有 scp 和 rsync。

# 从电脑传到板子
scp ./hello_arm username@192.168.1.100:/home/username/

# 从板子传到电脑
scp username@192.168.1.100:/home/username/output.txt ./

# 用rsync同步整个目录（推荐，支持断点续传）
rsync -avz ./my_project/ username@192.168.1.100:/home/username/my_project/

我个人更偏爱 rsync，尤其是传输大文件或大量小文件时，速度比 scp 快不少，而且不怕中断。

3.4 Python与C++环境配置：算法部署的“双引擎”

边缘设备上的算法部署，通常有两种路径：

  • Python： 快速原型验证，调用现成的推理框架（如ONNX Runtime、TensorRT、OpenCV）。
  • C++： 追求极致性能，部署到生产环境。

3.4.1 Python环境配置

我建议使用 conda 或 miniconda 来管理Python环境，避免包冲突。

# 在板子上安装miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
bash Miniconda3-latest-Linux-aarch64.sh

# 创建虚拟环境
conda create -n deploy python=3.8
conda activate deploy

# 安装常用库
pip install numpy opencv-python onnxruntime
注意： 边缘设备通常是ARM架构，很多Python包的官方源可能没有预编译的ARM版本。这时候需要从源码编译，或者使用第三方源（如 https://github.com/Qengineering 提供的预编译包）。我曾经在Jetson上装 opencv-python，直接 pip install 失败，最后不得不从源码编译，花了整整一下午。

3.4.2 C++环境配置

C++环境相对简单，主要是安装编译器和依赖库。

# 安装基础工具
sudo apt install build-essential cmake git

# 安装常用库
sudo apt install libopencv-dev libeigen3-dev libboost-all-dev

然后，你就可以用交叉编译工具链来编译C++代码了。写一个简单的CMakeLists.txt：

cmake_minimum_required(VERSION 3.10)
project(DeployDemo)

set(CMAKE_CXX_STANDARD 11)

find_package(OpenCV REQUIRED)

add_executable(main main.cpp)
target_link_libraries(main ${OpenCV_LIBS})

编译时，指定工具链文件：

cmake -DCMAKE_TOOLCHAIN_FILE=../toolchain.cmake ..
make

其中 toolchain.cmake 文件内容大致如下：

set(CMAKE_SYSTEM_NAME Linux)
set(CMAKE_SYSTEM_PROCESSOR aarch64)

set(CMAKE_C_COMPILER aarch64-linux-gnu-gcc)
set(CMAKE_CXX_COMPILER aarch64-linux-gnu-g++)

我的经验： 在C++项目中，尽量使用静态链接（-static）或者将动态库一起打包。否则，板子上可能缺少某些库文件，导致程序运行时报错“cannot open shared object file”。我曾经在部署一个模型推理程序时，就是因为忘了打包 libnvinfer.so，在客户现场折腾了俩小时。

3.5 避坑指南：我踩过的那些坑

  • 工具链版本不匹配： 板子上的系统是Ubuntu 20.04，你电脑上的工具链却是针对Ubuntu 18.04编译的，可能会导致 glibc 版本冲突。解决办法：在板子上用 ldd --version 查看 glibc 版本，然后选择对应的工具链。
  • SSH连接超时： 板子IP变了，或者防火墙没关。我建议在路由器上给板子设置静态IP，一劳永逸。
  • Python包安装失败： 优先使用 conda，其次尝试 pip 的 --only-binary :all: 选项，最后才考虑源码编译。

好了，环境搭建这一步走完，你的开发板就已经“武装”好了。下一章，咱们开始真正接触视觉算法的部署流程。到时候你会发现，前面这些准备工作，都是值得的。

← 上一章 📖 返回目录 下一章 →