sp_vision_25 是同济大学 SuperPower 战队开源的 RoboMaster 25 赛季视觉框架，涵盖装甲板识别、弹道解算与云台通信的完整自瞄工作流。本文将带你用 4 个步骤完成它的部署：环境编译、自启动注册（.desktop 开机自启）、udev 规则配置（固定云台串口名与 CAN 总线）以及基于 OpenVINO 的GPU 推理加速，让视觉程序开机即跑、推理全速。

部署环境一览：硬件与软件要求

sp_vision_25 的部署环境以 Ubuntu 22.04 为核心，推荐配置与战队的实车环境保持一致：

💡 GPU 推理加速依赖 Intel 集显（Alder Lake 核显）与 OpenVINO 的 Level Zero GPU 驱动，这也是实车选用 NUC 平台的原因。

一键安装依赖与编译：最快上手方法

1. 安装依赖项

先安装相机 SDK（MindVision 或 HikRobot 二选一）与 OpenVINO（项目要求 2024.6.0），再执行：

sudo apt install -y \ git g++ cmake can-utils libopencv-dev libfmt-dev \ libeigen3-dev libspdlog-dev libyaml-cpp-dev \ libusb-1.0-0-dev nlohmann-json3-dev openssh-server screen

注意：CMake 中写死了 OpenVINO 路径为/opt/intel/openvino_2024.6.0/runtime/cmake/（见 CMakeLists.txt），版本装错会直接报Could NOT find OpenVINO。

2. 编译项目

cmake -B build make -C build/ -j$(nproc)

编译产物按兵种划分：standard（步兵）、sentry（哨兵）、uav（无人机）等实车程序，以及大量独立的模块测试程序（见 CMakeLists.txt）。

3. 运行 demo 验证

./build/auto_aim_test

该程序读取 assets/demo/demo.avi 演示视频跑通"识别→解算"全流程，无需任何硬件。能在屏幕上看到装甲板识别框，说明编译部署成功，可以进入正式部署环节。

自启动注册：开机自动启动视觉程序

比赛场上靠手敲命令启动是来不及的，sp_vision_25 提供了现成的自启动脚本 autostart.sh：它等待 5 秒、切到项目目录，再用screen以分离模式（-d -m）拉起watchdog.sh守护脚本，并把每次运行的日志按时间戳写入logs/目录，方便赛后回溯问题：

sleep 5 cd ~/Desktop/sp_vision_25/ screen -L -Logfile logs/$(date "+%Y-%m-%d_%H-%M-%S").screenlog -d -m bash -c "./watchdog.sh"

3 步注册 .desktop 开机自启

第 1 步，确认已安装screen（sudo apt install screen），然后创建自启目录与.desktop文件：

mkdir -p ~/.config/autostart/ touch ~/.config/autostart/sp_vision.desktop

第 2 步，在sp_vision.desktop中写入：

[Desktop Entry] Type=Application Exec=/home/rm/Desktop/sp_vision_25/autostart.sh Name=sp_vision

⚠️Exec必须是绝对路径，否则桌面环境会静默忽略这条自启项。

第 3 步，赋予脚本可执行权限并重启验证：

chmod +x autostart.sh

重启后执行screen -ls能看到名为watchdog.sh的会话，即表示自启动注册成功。

udev规则配置：固定云台串口名与CAN总线

设备每次插拔或重启后，ttyACM*编号可能漂移，程序读取到的串口就"对不上号"。udev 规则可以按硬件 ID 创建固定符号链接，一劳永逸。

云台串口固定为 /dev/gimbal

第 1 步，授予当前用户串口访问权限（需重新登录生效）：

sudo usermod -a -G dialout $USER

第 2 步，查询串口的硬件标识：

udevadm info -a -n /dev/ttyACM0 | grep -E '({serial}|{idVendor}|{idProduct})'

第 3 步，创建规则文件/etc/udev/rules.d/99-usb-serial.rules，用查到的真实 ID 替换示例值：

SUBSYSTEM=="tty", ATTRS{idVendor}=="1234", ATTRS{idProduct}=="1234", ATTRS{serial}=="A1234567", SYMLINK+="gimbal"

第 4 步，重新加载规则并验证：

sudo udevadm control --reload-rules sudo udevadm trigger ls -l /dev/gimbal

看到lrwxrwxrwx ... /dev/gimbal -> ttyACM0即配置成功。此时配置文件里的com_port: "/dev/gimbal"（如 configs/demo.yaml）在任何一台机器人上都不用再改。

CAN 总线开机自动拉起

USB2CAN 方案的 CAN 接口每次重启都会回到 down 状态，同样用 udev 规则解决：创建/etc/udev/rules.d/99-can-up.rules，写入：

ACTION=="add", KERNEL=="can0", RUN+="/sbin/ip link set can0 up type can bitrate 1000000" ACTION=="add", KERNEL=="can1", RUN+="/sbin/ip link set can1 up type can bitrate 1000000"

插拔 USB2CAN 后，can0/can1即自动以 1Mbps 比特率拉起，与配置文件中的can_interface: "can0"对应。

GPU推理加速：OpenVINO 核显部署全解

安装 Intel GPU 推理驱动

OpenVINO 的 GPU 插件依赖 Intel Compute Runtime 的 Level Zero 后端。在 Ubuntu 22.04 上需从 Intel Compute Runtime / IGC 官方发布渠道下载对应版本的.deb包（版本组合：intel-igc-core与intel-igc-opencl1.0.13463.18，intel-level-zero-gpu1.3.25812.14、intel-opencl-icd23.09.25812.14、libigdgmm1222.3.0，amd64），然后执行：

sha256sum -c ww09.sum # 校验完整性 sudo dpkg -i *.deb

⚠️ 注意：如果启用 GPU 异步推理（async-infer，多线程版本采用），桌面显示最高分辨率为 1920×1080@24Hz——GPU 会独占显示与推理任务。

配置文件中切换推理设备

打开对应机器人的 YAML 配置（configs 目录下按车号区分，如standard3.yaml），把device从CPU改为GPU：

yolo_name: yolov5 device: GPU # 改这一行即可启用 GPU 推理 min_confidence: 0.8

推理模块 mt_detector.cpp 会读取该参数，调用 OpenVINO 的compile_model把 YOLO 模型编译到指定设备：

compiled_model_ = core_.compile_model( model, device_, ov::hint::performance_mode(ov::hint::PerformanceMode::THROUGHPUT));

多线程检测器还采用了start_async()+wait()的异步推理流水线（见 mt_detector.cpp）：CPU 线程负责预处理并立即把帧推入 GPU，同时处理上一帧的输出，让推理耗时几乎完全被流水线掩盖，这也是帧率能稳定跑满的关键。

验证 GPU 是否生效

重新运行./build/auto_aim_test（把 configs/demo.yaml 中的device临时改为GPU），若程序无No GPU类报错、日志显示初始化成功，且识别窗口流畅输出，则说明 GPU 推理加速已生效；再用nvidia-smi的替代品intel_gpu_top（安装intel-gpu-tools）可观察核显占用率佐证。

常见问题速查表

部署完成度自检清单

• ✅./build/auto_aim_test在无硬件环境下跑通 demo 视频
• ✅ 重启后screen -ls出现watchdog.sh会话，logs/下有新的.screenlog
• ✅ls -l /dev/gimbal显示符号链接存在且指向正确
• ✅ip link show can0显示state UP与bitrate 1MBps（USB2CAN 方案）
• ✅ 配置中device: GPU时程序正常启动，推理窗口帧率稳定

至此，sp_vision_25 的自启动注册、udev 规则配置与 GPU 推理加速三步部署已全部完成，视觉程序可以跟随机器人开机即战。各车型的详细参数（相机内参、手眼标定、规划器参数等）都在 configs/ 目录中按车维护，上车前对照实车微调即可。