基于RK3588多can口多串口机器人全功能板

RK3588机器人控制器有五大技术优势

  1. 内置多种功能强大的嵌入式硬件引擎,支持8K@60fps 的 H.265 和 VP9 解码器、8K@30fps 的 H.264 解码器和 4K@60fps 的 AV1 解码器;支持 8K30fps 的 H.264 和H.265 编码器,高质量的 JPEG 编码器/解码器,专门的图像预处理器和后处理器。

  2. 内置 3D GPU,兼容 OpenGL ES1.1/2.0/3.2、OpenCL 2.2 和 Vulkan 1.2。带有 MMU 的特殊 2D 硬件引擎将最大限度地提高显示性能,并提供流畅的操作体验。

  3. 内置瑞芯微自研的48M像素 ISP(图像信号处理器),支持实现众多算法加速器,如 HDR、 3A、LSC、3DNR、2DNR、锐化、去雾、鱼眼校正、伽马校正等。

  4. 高算力 NPU 可支持 INT4/INT8/INT16/FP16 混合运算,其强大的兼容性,可以轻松转换基于TensorFlow / MXNet/PyTorch/Caffe 等一系列框架的网络模型。

  5. 具有高性能的 4 通道外部存储器接口(LPDDR4/LPDDR4X/LPDDR5),能够支持苛刻的存储器带宽。

  • 硬件特征

|--------|--------------|------------|--------------------------------------------------------------------------|
| SMARC | 搭配LX-R58-C | RK3588 芯片组 | Quad-Core Cortex-A76 Up to 2.4GHz Quad-Core Cortex-A55Up to 1.8GHz 6T 算力 |
| USB2.0 | 5*USB2.0 | PH2.0插针 ||
| USB3.0 | 4*USB3.0 | 4个Type A ||
| RS232 | 4 | 4个PH2.0插针(TTL/RS232电平可选) ||
| RS485 | 2 | 2个PH2.0插针 ||
| 有线网络 | 2个 | 2个RJ45 10/100/1000M自适应 ||
| 无线 | 1组 | Wifi6 ||
| 4G | 1个4G接口 | 支持Mini PCIE接口模块(默认支持EC20) ||
| 5G | 1个5G接口 | 支持M.2接口模块 ||
| 输出显示 | 2*HDMI OUT | 其中上层HDMI 支持8K ||
| 输出显示 | VGA | 1个 DB15标准VGA ||
| 输出显示 | LVDS | 1个双通道LVDS ||
| 输出显示 | MIPI DSI | 1个2lane MIPI DSI ||
| 输入显示 | 1*HDMI IN | 1个HDMI IN 最高支持4K输入 ||
| 扩展存储 | 1个SATA接口 | 支持SATA硬盘/SSD ||
| 扩展存储 | 1个Micro SD插槽 | 最高支持256GB ||
| 音频 | 支持双声道 | 最大功率8欧6W x 2 ||
| 音频 | 1路MIC | ||
| 音频 | 1路Line IN | ||
| 音频 | 1路Line OUT | ||
| 扩展插槽 | PCIe3.0 | 1路PCIe3.0扩展插槽 ||
| 输入电源 | DC IN | 9-36V 直流电源输入(建议输入电源12V-5A以上) ||
| 输入电源 | ATX | 9-36V 8P ATX电源输入(建议输入电源12V-5A以上) ||

  • 电气性能

|---------|-----------|--------------------|
| 输入供电 | 标准值12V-5A | 最小启动电压9V,最大峰值电压36V |
| USB供电 | 标准供电5V 2A | 超过供电电流的,须单独供电 |
| RS232供电 | 默认5V | 可选择3.3V,5V,12V |
| RS485供电 | 3.3V | |
| LVDS供电 | 默认3.3V | 可选择3.3V,5V,12V |
| 背光供电 | 12V | |
| MIPI供电 | 3.3V | |
| 风扇供电 | 12V | |
| SATA供电 | 5V/12V | |
| | | |

  • 端子描述( 实物参考 图)

顶面

底面

前IO

  • 接口定义
相关推荐
redreamSo7 分钟前
团队 AI 资产总烂在本地?先分清哪些该装、哪些只能连
人工智能·架构·开源
MacroZheng7 分钟前
短短几天,暴涨2.8万Star!又一款编程神器开源!
java·人工智能·后端
东风破_10 分钟前
Harness Engineering:让大模型从“会回答”走向“能干活”
人工智能
武子康12 分钟前
调查研究-208 OpenAI GPT-5.6 Sol / Terra / Luna 解读:AI 模型竞争正在从“更聪明“转向“能长期干活“
人工智能·openai·claude
达达尼昂14 分钟前
Claude : 如何设计可控的agent-loops
前端·人工智能·后端
武子康25 分钟前
调查研究-207 Claude Sonnet 5 发布:Agent 能力下放后,模型路由要从“强弱分层“改成“执行分层“
人工智能·agent·claude
IT_陈寒1 小时前
Redis持久化丢失数据的坑,这次终于被我填平了
前端·人工智能·后端
树獭非懒2 小时前
从零构建ReAct智能体:让AI学会边想边做
人工智能·llm·agent
冬奇Lab13 小时前
Workflow 系列(04):Multi-Agent 协调——编排器边界、并发控制与上下文隔离
人工智能·工作流引擎
冬奇Lab13 小时前
每日一个开源项目(第147篇):HyperGraphRAG - 用超图表示 N 元关系,RAG 的第三代范式
人工智能·开源·graphql