Jetson 平台关于计算机视觉开发的简介
- 4 Core A57 CPU,
- 支持Gstreamer，并且有NV通过的OpenMax硬件加速的API 用于硬件编码、解码(OMX Gstreamer plug-ins, provided by Nvidia)
- a GPU with 256 CUDA Cores 可用于并行计算，对于流媒体进行处理
- 支持TensorRT，部署神经网络，通过根据前端的流媒体进行推理。
一般的应用：
video Input： v4l2 （CSI UVC-camera、RTP/RTSP 流）
video Output：Display or proprietary framebuffer
Multimedia APIs:
- gstreamer(high level) ： Hawdware Scalling, CODECs（omx）
- NVIDIA L4T Multimedia API（low level）: video input，V4L2 API ，buffer management
- OpenCV，Deep Learning Frameworks(TensorRT Yolo )
GPU Integraton
- CUDA
- OpenGL
- Vulkan
开发架构
实例分析
比如针对一个具体的应用，将采集的一路4K视频和一路HD视频叠加在一起，压缩，然后网络传输出去。 如下图所示。 
通常来说，这个功能的pipeline构建很容易想的到，但是如果想把这个大的数据量传输好，并保证帧率，就需要对这个pipeline进行仔细优化了。
首先对于视频的H.264/H.265编码可以采用NV提供的Gstreamer omx硬件加速。
对于前端的图像处的合并会涉及大大量的内存操作，如果处理不好，会导致大量的内存拷贝，直观的结果会导致帧率的下降。所以前端可以采用GPU的并行计算，对于图像数据进行处理。 