如果已经将 Jetbot 智能小车组装好的话，现在就可以开始执行 Jetbot 智能小车实验，接下来的操作都在以下环境中执行：
假如您的 Jetbot 小车是从外面采购第三方套件的话，可以跳过本文的内容。如果您是按照 jetbot.org 原厂的自行组装方式，那么本文所提供的一些细节点，会让您节省很多摸索的时间。
机电控制是智能车最重要的输出功能，假如您使用 Jetbot 官方的自行打印车体并用组装方式来搭建智能小车的话，就需要搭配下图这个 “DC-Stepper-Motor” 控制板，因为 3D 打印车体是根据这个控制板所设计的。 只要在淘宝上输入 “DC-Stepper-Motor” 关键字，就能找到非常多的供应商，价位在 30~50 人民币之间，不过出货都是...
在上文中，我们已经将 SFIO 与 GPIO 之间的关系分析清楚了，接下来我们就带大家更深入地了解一下 I2C 引脚与开发库的使用，以及调整 PiOLED 显示内容的方法。这两个部分都是 Jetbot 智能小车项目中非常关键的一环，但我们更希望读者能将执行技术使用在更广泛的场景中。
嵌入式设备有个被天生赋予的重点任务，就是要成为自动控制整体方案中的一员。早期市场对自动控制的需求主要集中在单纯的“机电控制”上，而具备智能计算的 Jetson 系列产品相对与几十元的这类控制板来说，成本高出了一个阶位。
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 Jetbo...
无线网络是操控无人车的必要设备，因为我们不可能让无人车拖着一条网路线去进行操作。要为Jetson Nano（含2GB）装上一片无线网卡是非常简单的事情，但是最复杂的问题是“设置”的细节，必须兼顾更多可能的使用场景。如果您的设备只打算在自己熟悉的环境里使用的话，如办公室、实验室、家里等等，应该都会存在一台用的比较...
全志XR806开发板相关的知识介绍以及应用专栏。
本次 Jetbot 实验全程都在 Jetson Nano 2GB 开发套件上面运行。在组装 Jetbot 教学系统之前，最好先把 Jetbot 系统安装到 Jetson Nano 2GB 上，这样可以先对个别元件进行独立的测试，确认元件能正确工作之后再进行组装的步骤。
在 2019 年 NVIDIA 推出 Jetson Nano 边缘计算设备之后，这套开源的 Jetbot 智能无人车教学系统也随之而生，为市场提供一套最优性价比的教学系统，不仅结合时下最先进的深度学习智能识别系统，并且使用最精简的硬件元件，让总体搭建成本锁定在 1,500 人民币以内，相较于市面上动辄 5,000 元以上的搭建成本，Jetbot 就显...
今天下午即将开始!：#GTC 21主题演讲直播将于北京时间 11 月 9 日 周二下午 4 点开始。让我们携手期待 NVIDIA 创始人兼 CEO 黄仁勋，将会带来哪些新的重磅发布！人们的思维速度在不断加快，技术正在以前所未有的速度改变世界。在本届 NVIDIA GTC 上，致力于加速技术发展的人士将齐聚一堂。快来扫码看直播 有惊喜哦！
倒计时1天：#GTC 21主题演讲直播将于北京时间 11 月 9 日 周二下午 4 点开始。让我们携手期待NVIDIA 创始人兼 CEO 黄仁勋将会有哪些新的重磅发布！扫码看直播 有惊喜哦！
前一篇文章特别介绍 DeepStream 的 nvdsanalytics 视频分析插件，能对视频中特定的多边形封闭区域或是某条界线，在“某时间”的动态分析与“某时段”的累积统计数据，甚至包括行进方向的物件统计等等，下图就是 nvdsanalytics 插件范例的执行结果，图左显示了非常多的动态信息，十分强大。
nvdsanalytics 视频分析插件是 DeepStream 5.0 添加的功能，对 nvinfer（主检测器）和 nvtracker 附加的元数据执行分析，目前主要针对涉及感兴趣区域（ROI）的过滤、过度拥挤检测、方向检测和跨线统计等四大功能，如下表：
很多人惊艳于 deepstream-app 里面那个可以同时检测到车子的颜色、品牌、种类的实验，这的确是个非常亮眼的应用，在开发包范例中的 deepstream-test2 就是这项功能的范例代码，同样是以 test1 为基础，维持相同的视频文件输入与显示器输出的部分，只修改“推理计算（nvinfer）”的部分。
本文以上一期 Python 版的 deepstream-test1 为基础，在输入与输出添加功能的两个扩展应用：deepstream-teat1-usbcam 与 deepstream-teat1-rtsp-out 中，分别将输入源从视频文件变成 USB 摄像头，以及将输出从显示屏变成 RTSP 视频流。接下去同样从代码内容来看看这两个部分需要进行怎样的修改。
上一篇文章已经带着大家安装 DeepStream 的 Python 开发环境，并且执行最简单的 deepstream-test1.py，让大家体验一下这个范例的效果。本文则进一步以这个 Python 代码讲解 DeepStream 插件工作流，并且扩充 USB 摄像头作为输入，以及将输出透过 RTSP 转发到其他电脑上观看。
前一篇文章提到使用deepstream-test的范例代码，修改成“车牌识别”与“遮盖（redaction）”的应用，本文就直接带着大家实现这两个范例的实践，但是并不花时间去解释代码内容，因为基本工作流与逻辑是大致相同的（如下图），就是需要开发人员能够多做实验去熟悉每个插件直接的互动关系。
大部分我们在网上看到的 DeepStream 示范，都是用开发包里提供的 deepstream-app 这个应用，然后透过“-c”去指定配置文件，来实现很多 DeepStream 的各种用法，包括同时导入多个输入源、结合多个检测器等等，让我们很轻松地体验到 DeepStream 的强大与易用。
大部分DeepStream应用演示，都会使用SDK提供的deepstream-app这个非常强大的体验工具，这是从3.x版本就已经开发好的演示应用，只要挑选samples下面的config/deepstream-app里面十多个配置文件，花个十几分钟时间进行小幅度修改，然后用“-c”指定配置文件，就能实现非常多的强大功能，可以执行非常专业的（多屏）输出显示...
