自动同步 索引每 12 小时刷新 · 证据关联
数据发布 v20260914_020943 生成于 2026-09-14 方法论 报告缺失资源

问题定义

在飞行测试前,如何为无人机的机载计算选择推理运行时并验证模型?

步骤

  1. 定义运行时目标

    确认机载计算厂商与加速器(NVIDIA GPU/Jetson、Intel、Rockchip NPU 或通用 CPU)。这是硬件事实,不是兼容性声明。

  2. 选择运行时家族

    记录与目标匹配的官方运行时:NVIDIA 用 TensorRT、Intel 用 OpenVINO、Rockchip 用 RKNN-Toolkit2、便携部署用 ONNX Runtime。

  3. 转换代表性模型

    用官方转换工具链转换一个代表性模型,并记录模型、运行时与工具链的确切版本。

  4. 在目标硬件上测量

    用文档化评估集在实际机载硬件上测量延迟与精度。不要假设桌面结果可以迁移。

  5. 记录证据

    在集成笔记中记录运行时、模型、转换工具链、硬件与带日期的测量数字。

指南

范围

本指南只链接运行时与工具链,不认证任何运行时-硬件组合,也不替代厂商文档。

官方入口:https://github.com/NVIDIA/TensorRT、https://github.com/microsoft/onnxruntime、https://github.com/openvinotoolkit/openvino、https://github.com/rockchip-linux/rknn-toolkit2

判断标准

  • 模型能在目标硬件上以记录版本运行。
  • 没有测量的性能或兼容性声明不被提出。

常见风险

  • 假设桌面 GPU 基准可以迁移到边缘硬件。
  • 仅凭 ONNX 等通用格式推断兼容性。

检查表

相关技术资源

UAV
软件 Tier A

TensorRT

官方确认

NVIDIA 高性能深度学习推理 SDK,面向 GPU 与 Jetson 等边缘设备。

边缘 AI Deep Learning Gpu Acceleration +3
Apache-2.0 推断 核查于 1 个月前
UAV
软件 Tier A

ONNX Runtime

官方确认

Microsoft 跨平台推理引擎,支持 ONNX 模型在多种硬件后端运行。

边缘 AI AI Framework Deep Learning +7
MIT 推断 核查于 1 个月前
UAV
软件 Tier A

OpenVINO

官方确认

Intel 开源推理工具包,面向边缘视觉与异构设备部署。

边缘 AI AI Computer Vision +10
Apache-2.0 推断 核查于 1 个月前
UAV
软件工具 Tier A

RKNN-Toolkit2

官方确认

Rockchip 官方 RKNN 模型转换与推理工具包(RK3588 等 NPU)。

BSD-3-Clause 推断 核查于 1 个月前
UAV
软件工具 Tier A

tensorrtx

官方确认

常用深度学习模型的 TensorRT 封装实现(C++/Python)。

边缘 AI Arcface Crnn +10
MIT 推断 核查于 1 个月前
UAV
软件工具 Tier A

torch2trt

官方确认

PyTorch 模型到 TensorRT 的快速转换工具(NVIDIA AI IOT)。

边缘 AI Classification Inference +5
MIT 推断 核查于 1 个月前
UAV
软件工具 Tier A

Jetson Inference

官方确认

NVIDIA Jetson 边缘推理库,提供目标检测/分类/分割示例。

边缘 AI Caffe Computer Vision +10
MIT 推断 核查于 1 个月前
UAV
软件工具 Tier A

PINTO Model Zoo

官方确认

经过转换/优化可部署的模型权重集合(ONNX/TFLite 等格式)。

边缘 AI Caffe Computer Vision +10
MIT 推断 核查于 1 个月前

后续步骤