地平线X3开发板AI应用部署实战：从环境配置到多场景Demo运行

1. 地平线X3开发板开箱初体验

刚拿到地平线X3开发板时，第一感觉就是这块板子做工相当扎实。板载的BPU（Brain Processing Unit）是地平线自主研发的AI加速核心，专门为边缘计算场景优化过。我手上这块是标准版，接口很丰富：两个MIPI-CSI摄像头接口、HDMI输出、千兆网口、USB3.0，还有40pin的扩展GPIO，做多模态AI应用完全够用。

开发板默认已经烧录了Ubuntu 18.04系统，通电后通过串口终端登录，用户名root，密码为空。建议第一次使用时先运行hrut_somstatus命令查看硬件信息，确认BPU状态正常。这里有个小坑要注意：开发板的串口默认波特率是921600，比常见设备的115200高很多，如果用Putty等工具连接时出现乱码，记得检查波特率设置。

2. 开发环境搭建全攻略

2.1 交叉编译工具链配置

官方推荐使用Ubuntu 18.04作为宿主机系统，我实测Ubuntu 20.04也能用，但需要额外处理一些依赖冲突。首先安装必备工具：

bash复制sudo apt update
sudo apt install -y git make gcc g++ cmake unzip

交叉编译工具链建议用官方提供的gcc-linaro-6.5.0，解压到/opt目录：

bash复制sudo tar -xvf gcc-linaro-6.5.0-2018.12-x86_64_aarch64-linux-gnu.tar.xz -C /opt/

然后设置环境变量，我习惯在~/.bashrc里添加：

bash复制export PATH=/opt/gcc-linaro-6.5.0-2018.12-x86_64_aarch64-linux-gnu/bin:$PATH
export ARCH=arm64
export CROSS_COMPILE=aarch64-linux-gnu-

2.2 AI-EXPRESS工程编译

官方AI-EXPRESS仓库包含了人体检测、人脸识别等典型AI应用的完整示例：

bash复制git clone https://github.com/HorizonRobotics-Platform/AI-EXPRESS.git
cd AI-EXPRESS

编译前需要修改两处关键配置：

1. 检查CMakeLists.txt中的工具链路径是否正确
2. 确认models目录下包含对应的模型文件（.bin和.param）

一键编译命令：

bash复制bash build.sh x3

编译过程中可能会遇到内存不足的问题，解决方法有两个：

• 增加swap分区（推荐）
• 在build.sh中添加make -j2参数限制并行编译任务数

3. 多场景Demo实战部署

3.1 人体结构化分析部署

编译完成后，deploy目录会生成完整的部署包。通过scp传到开发板：

bash复制scp -r deploy root@192.168.1.100:/userdata

登录开发板后运行：

bash复制cd /userdata/deploy
./run.sh face_body_solution

这里有个性能优化技巧：修改configs/face_body.json中的frame_work_num参数可以调整并行处理的帧数，默认是4，在X3上可以尝试调到6-8获得更高吞吐量。

3.2 MIPI摄像头实时检测

接上MIPI摄像头后，需要先确认设备节点：

bash复制ls /dev/video*

修改configs/mipi_camera.json中的设备路径，例如：

json复制{
  "camera_type": "mipi",
  "device": "/dev/video0",
  "width": 1920,
  "height": 1080
}

运行命令：

bash复制./run.sh mipi_camera_solution

如果遇到图像花屏，可能是摄像头时钟频率不匹配，尝试在uboot中调整sensor相关参数：

bash复制setenv sensor0_mclk 24000000
saveenv
reset

3.3 RTSP视频流分析

对于网络摄像头，修改rtsp.json配置：

json复制{
  "channel_num": 1,
  "channel0": {
    "rtsp_link": "rtsp://admin:password@192.168.1.10:554/stream1",
    "tcp": 1,
    "frame_max_size": 200
  }
}

启动命令：

bash复制./run.sh video_box

实测发现RTSP延迟主要来自网络传输，可以在visualplugin_video_box.json中调小packet_size到51200，能降低约30%的延迟。

4. 性能优化与调试技巧

4.1 BPU利用率监控

开发板内置了性能监控工具：

bash复制hrt_model_exec perf --stat

输出示例：

code复制BPU利用率: 78%
DDR带宽: 1.2GB/s
帧率: 25.3fps

4.2 模型量化优化

官方提供的模型已经是量化后的int8版本，如果部署自定义模型，建议使用地平线提供的量化工具链：

bash复制hb_mapper makertbin --config quant_config.yaml --model-type onnx

量化配置关键参数：

yaml复制model_parameters:
  input_type: rgb
  input_layout: NHWC
calibration_parameters:
  cal_data_dir: ./calibration_data
  preprocess_on: True

4.3 内存泄漏排查

开发板内存有限（通常2GB），长时间运行可能出现OOM。安装valgrind进行检测：

bash复制apt install valgrind
valgrind --leak-check=full ./your_program

常见问题多是未释放的X3框架中的hobot_handle对象，需要在程序退出前调用release接口。