在最开始介绍 Jetbot 的时候有提到，这套智能小车只使用一个 CSI 摄像头作为全部输入的设备，因为这种设备的体积轻巧、功耗较低，并且 NVIDIA Jetson 系列针对 CSI 摄像头提供了一组 Camera SubSystem 来提高效率，非常适合用在智能车方案上的视频图像输入。下表是各种摄像头的简单比较表，这样就能一目了然地理解 Jetbot 为何挑选 CSI 摄像头作为输入设备。
首先要提示的，Jetson Nano（含2GB）所支持的是 CSI-2 版本接口，早期用在树莓派上 50 元以下的 CSI 接口摄像头是不能使用的，主要以 IMX219 芯片的摄像头为主，价格大约在 100 元以上，因此请勿选购错误。
本文并不花时间去说明 CSI 摄像头的工作原理，主要配合 Jetbot 的安装，以及执行最简单指令去确认您手上的摄像头是否良好可用，否则等整机都装好之后再进行测试，如果遇到不良的摄像头还得再拆卸下来，是一件颇为浪费时间的事情。
将CSI摄像头装到Jetson Nano（含2GB）上
这种接口并不支持即插即用(PnP, Plug and Play)功能，不能像 USB 摄像头可以随时插入 Jetson Nano（含2GB），必须在开机之前就先装好。如果开机后测试发现不成功，就得关机后再检查是否有什么地方安装不正确？或者接触不良的问题，就便利性而言不如 USB 摄像头那么顺手。
安装 CSI 摄像头的接口如下图左方的卡座，要拔取卡笋进行安装时千万小心力度，这个塑料件比较脆弱，一不小心弄断了，不仅无法再安装 CSI 摄像头，也严重影响 Jetson Nano（含2GB）的质保，需要非常小心处理！
卡座上透过一根专属的软排线（如上图右）与 CSI 摄像头进行连接，这个软排线是有方向性的，如上图右所显示，软排线有金属针脚的一面要朝内（核心模块）方向，将排线完整塞进卡座之后，再将卡笋往下压，确保完全压倒底，否则摄像头可能因为排线接触不良而无法正常工作。
请参考“菜鸟手册(2):给 Jetson Nano 安装 CSI 摄像头”（https://cloud.tencent.com/dev...）一文，有非常详尽的步骤与动态简图能完整表达过程。总而言之，这个摄像头的安装有些细微之处，需要细心处理。一旦安装测试好之后，也尽量不要拆卸。
测试CSI摄像头的运行
由于 Jetbot 会关闭 Ubuntu 图形桌面，因此过去所学到调用 nvarguscamera 指令，去启动 CSI 摄像头并在图形桌面上显示的方法，在这里都不能适用，但是 v4l2-ctl 工具还是能做最基本的检测。
下面的测试都在 Jetbot 上的 Jupyter 环境上进行，也顺便讲解一下 Jupyter 上调用摄像头与显示内容的方法，先熟悉一下这方面的使用是很重要，因为后面所有实验都要用到 CSI 摄像头。
现在从 PC 上的浏览器输入 “:8888” 进入 Jetbot 的 Jupyter 操作界面，然后开启一个命令终端（如下图）：
现在先用 v4l2-ctl 工具检查一下 CSI 摄像头的状况，请在终端输入以下指令：
# 如果是Docker版，请先安装v4l-utils工具
apt install v4l-utils
# 执行检测指令
v4l2-ctl --list-devices
# 如果检测到 /dev/video0，继续检测这个设备的细部参数
v4l2-ctl --device=/dev/video0 --all细部参数就不花时间说明，主要让大家知道当有需要的时候，就可以用 v4l2-ctl 这个工具查看细节。
接下去开始用 Jupyter 的代码，来测试 CSI 摄像头的工作状况。首先创建一个新的“Notebook”（如下图步骤），这是 Jupyter 的工作区域。
每次新开的 Notebook 都是如下图的状况，会有一个[ ] 与一个方框：
现在就将下面代码复制到在 Notebook 的方框内里，由于前面“v4l2-ctl”检测到这个摄像头的宽高为(1640, 1232)，因此在代码中将摄像头与 widgets 的图形尺寸都设为这两个数字：
from jetbot import Camera, bgr8_to_jpeg
import ipywidgets.widgets as widgets
from IPython.display import display
import traitlets
camera = Camera.instance(width=1640, height=1232)
image = widgets.Image(format='jpeg', width=1640, height=1232)
camera_link = traitlets.dlink((camera, 'value'), (image, 'value'), transform=bgr8_to_jpeg)
display(image)然后按一下“Ctrl-Enter”组合键就能执行，正常的话就能在下方看到一个方框显示摄像头所捕捉的动态画面，这样就完成 CSI 摄像头的测试。显示有点小延迟是正常的，毕竟这里选择的是(1640, 1232)尺寸，试试将尺寸都缩小到 1/2 之后，是不是就流畅的多？
如果要停止摄像头播放，就用上面的“+”号添加一个“指令格”，然后在里面输入：
camera_link.unlink()然后用“Ctrl-Enter”执行这个指令，这时候显示画面就处于冻结状态，不会播放显示器所捕捉的内容。
假如想要让摄像头再次执行播放，就在下面再添加一个“指令格”，输入：
camera_link.link()按下“Ctrl-Enter”执行，就会看到显示框里的内容又开始执行动态播放了。
代码解说
由于 Jupyter 并不支持 OpenGL 功能，无法像图形桌面那样直接播放视频，因此在这里需要使用一些固定的技巧，将视频转成图形方式去显示，上面这段代码可以说是 Jetbot 所有实验启动 CSI 摄像头的标准内容。
这个代码中有几个关键的部分：
1. jetbot的Camera模块：
早期 Jetbot 的摄像头是基于 NVIDIA 的 JetCam 项目，提供对 CSI 与 USB 两类摄像头的支持，不过最新版本中仿佛只对 CSI 摄像头提供支持，并且将底层的代码放在 jetbot/camera 下面的几只 .py 里面。
这使得调用方式变得非常简单，只要将宽与高提供给 Camera.instance (宽,高)就可以，不需要再指定摄像头的编号。
2. ipywidgets：
这个模块为 jupyter 提供非常好用的“互动式小部件”，为原本只提供静态显示的教学环境，注入非常生动与多样化互动的功能。
熟悉图形化开发工具的朋友就应该知道，很多这类工具会提供下拉式选项、滑块调整、复选框、文字框这类的小部件，可以组建较为复杂的仪表盘。
在后面控制 Jetbot 车轮的实验中会使用到多种这类小部件，这里只是用到比较简单的 widgets.image 功能，设定输出为“jpeg”格式图像。
3. iPython.display：
这是一个 python 互动式界面里的显示功能，这里就是将 widget.image 输出的 jpeg 图像显示在 Jupyter。
4. traitlets：
如果从整个英文字去翻译，这个库就被称为“叛徒库”，其实是蛮奇怪的东西。但如果将这个字切割成“trait”与“-let”组合，就能解释成“小特征”的含义，例如 booklet 是小册子、eaglet 是小老鹰的意思。
这个库的功能非常强大，除了能为我们处理“类型检查”之外，还能为动态计算提供预设值、修改属性之后发出更改的事件信号、处理属性值之间的交互影响，为我们简化很多复杂的交错关系。
在上述代码中“camera_link=traitlets.dlink((camera, 'value'), (image, 'value'), transform=bgr8_to_jpeg)”，将摄像头读取的图像与 widgets.image 所创建的 image 对象产生动态关联，并将摄像头图形执行“bgr8_to_jpeg”转换，存放到 image 里，最后再由 display(image)显示出来。
至于 camera_link 物件就能在后面透过.link()与.unlink()执行开关人任务，以实现“暂停”与“再启动”的功能。
这样我们对 Jetbot 摄像头的调用与使用，就有个初步的了解，在后面实验中就能更清楚的感受到这些功能的使用。
