0. 简介（Introduction）
概述
Holoscan Sensor Bridge 提供了一个基于 FPGA 的接口，用于利用 GPU 进行低延迟的传感器数据处理。外设数据由 Holoscan Sensor Bridge 设备的 FPGA 采集，并通过以太网以 UDP 方式发送至主机系统。在 IGX Devkit 或 DGX Spark 等系统中，ConnectX SmartNIC 接口可以将 UDP 数据直接写入 GPU 显存，从而大幅降低延迟。Holoscan Sensor Bridge 的主机端软件支持将接收到的传感器数据集成到 Holoscan 流水线中；官方提供了基于 Sony IMX274 相机的视频处理与推理示例。该配置可以连接 IGX、Jetson AGX Orin、Jetson AGX Thor 或 DGX Spark 计算系统。此外：
- Holoscan Sensor Bridge 支持带有或不带 RDMA 加速网卡的主机。对于非加速配置（如 Jetson AGX Orin Devkit），则通过基于 Linux socket 的以太网连接提供支持。
- 适当配置的主机系统可以支持高精度 PTP 时间戳；这些时间戳可用于记录数据接收的时间、测量数据与流水线的延迟，以及同步传感器行为。IGX 和 AGX Orin 系统的板载网络接口均具备硬件 PTP 支持。
软件（Software）
Holoscan 应用通过组合一系列算子（operator）来编写。将一个算子的输出连接到另一个算子的输入（通过 add_flow API），即可配置 Holoscan 的流水线，并规定各个算子何时可以运行。
Holoscan Sensor Bridge 的主机端软件借助 Holoscan 框架，提供了用于接收 Holoscan Sensor Bridge 设备所生成网络数据的算子。例如，RoceReceiverOp 提供了从 Holoscan Sensor Bridge 数据源接收 UDP 报文并将数据存入 GPU 显存的能力。当与视频相机源配合使用时，接收到的数据呈现为一块包含 CSI-2 Bayer 图像数据的内存。Holoscan 内置了开箱即用的算子，用于：
- 从 Bayer 视频构建 RGBA 图像
- 图像信号处理（ISP）
- 推理
- 可视化，以及
- 数据完整性测试
这些工具都旨在简化视频数据的实时处理。更多细节请参见 IMX274 demo。
不同应用对接收数据有不同的用途。例如，高速模拟信号（如 5G 蜂窝天线）的需求与视频相机不同。一般而言，应用代码通过传感器对象上的 API 为该设备提供合适的配置与控制；传感器对象知道如何按需配置网络接收算子。如果某个应用或设备的需求超出了当前实现的能力，Holoscan 算子是以源代码形式提供的：用户可以修改这些代码以满足自身需求，并且如果愿意，还可以将这些修改发回给 NVIDIA，以便纳入传感器桥接主机软件的未来版本。
应用（Applications）
Holoscan 应用的工作方式是：创建一个 HoloscanApplication 子类，重写其 configure 方法，并用它来构建适合该应用的流水线。Holoscan Sensor Bridge 的应用流水线通常专注于：从传感器设备采集数据、对数据进行处理、生成合适的输出，并将输出数据发送到合适的目标。
传感器对象（Sensor objects）
用于配置和监控特定传感器的 API 呈现在传感器对象 上。例如，Imx274Cam 就是一个传感器对象，提供初始化时配置、运行时参数更新（如曝光）以及设备健康监控等方法。Holoscan 应用使用这些 API 来影响设备行为：例如，一个"自动曝光算子"可以接收视频帧作为输入，并据此确定发送给相机 set_exposure 方法的数值。传感器对象是针对特定设备的用户态驱动：它们提供对设备功能的访问，但不包含任何特定于应用的行为。
主机要求（Host requirements）
Holoscan Sensor Bridge 软件可以运行在任何受 NVIDIA Holoscan 支持的系统上。为获得最佳性能，推荐使用配备 ConnectX SmartNIC 的 IGX 系统。在没有 ConnectX 网卡的系统中（如 Jetson AGX Orin），性能会受限于主机操作系统的网络协议栈。
本页是 Getting Started 的引言部分，核心要点是：Sensor Bridge 的数据通路为「传感器 → FPGA → UDP/以太网 → （可选 ConnectX RDMA 直写 GPU 显存）→ Holoscan 算子流水线」，并且软硬件都支持在有/无 RDMA 网卡两种主机形态下工作。
1. 硬件设置（Hardware Setup）
本页介绍 Holoscan Sensor Bridge 官方内置支持的开发套件的设备设置方法。完整的合作伙伴产品列表，请访问 Holoscan Sensor Bridge 主页。许多厂商维护自己的 FPGA、MCU 与传感器模组的 Holoscan Sensor Bridge 移植版本，使用其产品时请直接联系相应厂商获取说明。
目前覆盖以下四种设备：
- Lattice CPNX100-ETH-SENSOR-BRIDGE
- Microchip MPF200-ETH-SENSOR-BRIDGE
- Leopard imaging VB1940 Eagle 相机
- TauroTech DA326
1.1 Lattice CPNX100-ETH-SENSOR-BRIDGE
Holoscan Sensor Bridge 板卡
【图：Holoscan sensor bridge 板卡（Lattice Bajoran Board 正面）】
Lattice CPNX100-ETH-SENSOR-BRIDGE 具有如下连接器：
- SFP+ 端口 ------ 两个 10Gbps 以太网端口，用于连接主机系统。
- 相机连接器 ------ 用于连接相机（例如 IMX274）。
- 电源端口 ------ 传感器桥设备通过 USB-C 电源供电，输入电压范围为 5V 至 20V。由于传感器经由传感器桥板供电，建议使用专用电源同时为板卡和传感器供电。
- GPIO 引脚 ------ 传感器桥设备支持 16 个 GPIO 引脚（0...15）和 4 个接地引脚（上图中标记为 "G"）。
注意：传感器桥设备不提供 USB 主机接口------USB-C 接口仅用于供电。与主机的所有交互均通过以太网端口进行。
Holoscan sensor bridge 的参考应用目前使用 IMX274 双摄像头模组：
【图：IMX274 双摄像头模组】
摄像头模组按下图所示方式安装到传感器桥设备上：
【图：传感器桥设备与相机的安装方式】
将 Holoscan sensor bridge 连接到主机
- 确保 Holoscan sensor bridge 板卡处于断电状态。
- 按上图所示，将摄像头模组装入相机连接器。
- 将下图中标记为 "SFP+ 0" 的 SFP+ 端口连接到主机系统。这是访问立体相机对中第一路相机的正确连接方式，该端口提供对图中 "Camera 0" 所示相机数据的访问。
【图：传感器桥相机配置（SFP+ 0 位置）】
- 对于 IGX Devkit，连接到下图中红色箭头标注的 QSFP 端口。
【图：IGX 背板】
对于使用立体相机对中第二路相机的配置，将标记为 "SFP+ 1" 的 SFP 端口连接到 IGX 背面尚未使用的另一个 QSFP 端口。
- 对于 DGX Spark，将 HSB 上的 "SFP+ 0" 端口连接到下图所示的 "CX7 QSFP port 0"。使用立体相机对中第二路相机的配置，则将 HSB 上的 "SFP+ 1" 端口连接到 "CX7 QSFP port 1"。
【图：DGX Spark CX7 QSFP 端口】
- 对于 AGX Orin Devkit，连接到 10G 以太网端口（下图中标记为 "H"）。
【图：Jetson AGX Orin 端口】
- 将最低规格为 12V/2A 的 USB-C 电源接到传感器桥设备的 USB-C 电源连接器上，等待传感器桥板上的绿色 LED 亮起。
- 更多细节请参阅 Lattice CPNX100-ETH-SENSOR-BRIDGE 官方页面。
随后请按照「主机设置」一章的说明配置你的主机系统。
1.2 Microchip MPF200-ETH-SENSOR-BRIDGE
以下说明介绍如何设置 Microchip MPF200-ETH-SENSOR-BRIDGE 设备，并将其连接到 IGX 与 Jetson AGX Orin 开发套件。
Holoscan Sensor Bridge 板卡
【图：Microchip 传感器桥板卡】
Microchip MPF200-ETH-SENSOR-BRIDGE 具有如下连接器：
- SFP+ 端口 ------ 两个 10Gbps 以太网端口，用于连接主机系统。
- 相机连接器 ------ 用于连接相机（例如 IMX477）。
- 电源开关 ------ 传感器桥设备通过连接到该端口的 12V 电源供电，电源最低规格为 12V/2A。
Microchip MPF200-ETH-SENSOR-BRIDGE 的参考应用目前使用 IMX477 相机模组：
【图：IMX477 相机模组】
摄像头模组按下图所示方式安装到传感器桥设备上：
【图：传感器桥设备与 IMX477 的连接方式】
将 Holoscan sensor bridge 连接到主机
- 如上图所示，将 SFP+ 端口连接到主机系统。
- 对于 AGX Orin Devkit，连接到 10G 以太网端口（下图中标记为 "H"）。
【图：Jetson AGX Orin 端口】
- 使用电源开关给板卡上电。
- 更多细节请参阅 Microchip MPF200-ETH-SENSOR-BRIDGE 官方页面。
随后请按照「主机设置」一章的说明配置你的主机系统。
1.3 Leopard imaging VB1940 Eagle 相机
以下说明介绍如何设置 VB1940 Eagle 相机，并将其直接连接到 IGX 与 Jetson AGX Orin 开发套件。
Leopard imaging VB1940 Eagle 相机
Leopard imaging VB1940 Eagle 相机是一款以太网供电（POE）相机，无需传感器桥设备即可直接连接开发套件。其特点包括：
- 直连以太网 ------ 使用 CAT-6 网线直接连接主机系统
- 工业级设计 ------ 面向工业、机器人与医疗应用
- 紧凑设计 ------ 不需要额外的桥接硬件
【图：LI VB1940 Eagle 相机】
将 VB1940 Eagle 相机连接到主机
请确保你的 VB1940 已刷写最新固件，详见「Holoscan Sensor Bridge FPGA 固件更新」页面。
- 用以太网线将 VB1940 Eagle 相机连接到开发套件上一个可用的以太网端口。
- 对于 IGX Devkit，使用 QSFP 转接器连接到背板上红色箭头标注的 QSFP 以太网端口。
【图：IGX 背板】
- 对于 AGX Orin Devkit，连接到 10G 以太网端口（下图中标记为 "H"）。
【图：Jetson AGX Orin 端口】
- 确保 VB1940 Eagle 相机已上电。
- 运行
ping 192.168.0.2验证连通性。 - 更多细节请参阅 Leopard imaging Eagle 相机文档。
随后请按照「主机设置」一章的说明配置你的主机系统。
1.4 TauroTech DA326
【图：TauroTech DA326 传感器桥板卡】
与 Lattice、Microchip 的传感器桥板卡（相机传感器直接接在 MIPI CSI-2 连接器上）不同，TauroTech DA326 桥接的是 GMSL 相机模组：传感器模组通过 GMSL 链路连接到板卡，板载的 MAX96716A 解串器（deserializer）将 GMSL 流转换为 MIPI CSI-2 信号送给 FPGA。
TauroTech DA326 具有如下连接器：
- SFP+ 端口 ------ 一个 10Gbps 以太网端口，用于连接主机系统。
- GMSL 相机连接器 ------ 用于相机输入的 GMSL 接口。
- 电源端口 ------ 传感器桥设备由专用电源供电；板卡还通过同轴连接器为所连接的相机模组供电。
DA326 上的 Holoscan sensor bridge 参考应用使用 Hawk 相机模组：
【图：Hawk 相机模组】
一个 Hawk 模组由两个传感器（AR0234）和一个串行器（MAX9295D）组成。
将 TauroTech DA326 连接到主机
-
确保 DA326 板卡处于断电状态。
-
使用同轴线缆将 Hawk 相机模组接到 DA326 的 GMSL 连接器上。
-
将 DA326 的 SFP+ 端口连接到主机系统。
-
对于 IGX Devkit，使用 QSFP 转接器连接到背板上红色箭头标注的 QSFP 以太网端口。
【图：IGX 背板】
-
对于 AGX Orin Devkit，在 Tauro Tech DA326 的 SFP 笼中安装一个 10GBASE-T SFP PHY，以连接到 10G 以太网端口（下图中标记为 "H"）。
【图：Jetson AGX Orin 端口】
-
对于 AGX Thor Devkit，使用 QSFP 转接器连接到 QSFP 端口（下图中标记为 "6"）。
【图：Jetson AGX Thor 端口】
-
给 DA326 板卡上电，等待板卡状态 LED 指示就绪。
-
运行
ping 192.168.0.2验证连通性。
关于参考传感器模组的更多细节，请参阅 Leopard imaging Hawk 相机文档；关于上述串行器与解串器的更多细节，请参阅 Analog Devices 文档；关于 TauroTech DA326 板卡的更多细节，请参阅 Tauro Technologies 文档。
随后请按照「主机设置」一章的说明配置你的主机系统。
2. 主机设置（Host Setup）
Holoscan sensor bridge 支持以下配置：
- 配置有 IGX OS 1.1.2+ 并配备 CX7 SmartNIC 设备的 IGX 系统。
- 运行 JP6.2.1+ 的 AGX Orin 系统。该配置下，板载以太网控制器配合 Linux 内核网络协议栈进行数据 I/O；所有网络 I/O 均由 CPU 完成，没有网络加速。
- 运行 JP7.2、配备 MGBE SmartNIC 设备并使用 CoE 传输的 AGX Thor 系统。
- 运行 DGX OS 7.2.3+ 并配备 CX7 SmartNIC 设备的 DGX Spark 系统。
- 配备 NVIDIA 独立显卡的 x86 Linux 工作站。支持两条主机接收路径：非加速的基于 Linux socket 的接收器（主要用于开发或测试），以及加速的 RoCE 路径（要求通往传感器桥的链路上有 ConnectX 网卡）。注意：该配置不属于主要参考平台；即使 GPU 与驱动显示 GPUDirect RDMA 可用，主机的 PCIe 路径也可能并不真正支持它------此时必须在构建时禁用 GPU VRAM 帧缓冲（见下文 x86 Linux 一节）。
在 Holoscan sensor bridge 板卡设置完成之后，需要在主机系统中配置若干前提条件。虽然 holoscan sensor bridge 的演示应用通常在容器中运行，但以下命令全部要在容器之外、直接在主机系统上执行。这些配置在重启后依然保留，因此只需设置一次。
-
安装 git-lfs
Holoscan sensor bridge 源码仓库中的部分数据文件使用 GIT LFS。
bashsudo apt-get update sudo apt-get install -y git-lfs -
授予你的用户访问 docker 子系统的权限：
bashsudo usermod -aG docker $USER重启计算机以使该设置生效。
接下来，根据你的主机类型，按照下面相应小节的指引进行配置。
2.1 IGX
-
运行以下命令，将 GPU 驱动更新到 535.309.01 并安装 IGX 1.1.3：
bashsudo tee /etc/apt/preferences.d/nvidia-driver-pin >/dev/null <<'EOF' Package: nvidia-* libnvidia-* Pin: version 535.309.01* Pin-Priority: 1001 EOF sudo apt-get purge "nvidia-kernel-*" sudo apt-get update && sudo apt-get install -y nvidia-driver-535-open=535.309.01-0ubuntu0.22.04.1 sudo apt dist-upgrade重启机器以加载新驱动：
bashsudo reboot重启后，确认新驱动已生效：
none➜ nvidia-smi +---------------------------------------------------------------------------------------+ | NVIDIA-SMI 535.309.01 Driver Version: 535.309.01 CUDA Version: 12.2 | |-----------------------------------------+----------------------+----------------------+ | GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |=========================================+======================+======================| | 0 NVIDIA RTX 6000 Ada Gene... Off | 00000005:09:00.0 Off | Off | | 30% 34C P8 20W / 300W | 189MiB / 49140MiB | 0% Default | | | | N/A | +---------------------------------------------------------------------------------------+ -
确定与第一个 CX7 端口关联的网络设备名称。从 IGX 机箱背面看，这是最右侧的 QSFP 端口。
【图：IGX QSFP0】
bashls /sys/class/infinibandnoneroceP5p3s0f0 roceP5p3s0f1该命令会列出所有 CX7 端口；你的设备名称可能不同。编号最小的一个（本例中为
roceP5p3s0f0）就是第一个 CX7 端口。使用上面命令输出的、你机器上实际出现的设备名之一，检查 CX7 固件版本：
bashcat /sys/class/infiniband/roceP5p3s0f0/fw_vernone28.39.3004如果版本低于或等于 28.38.1026，请从 IGX 下载页面下载相应的 "ConnectX-7 Firmware" ISO 并升级 CX7 固件。升级后务必重启机器，并重新检查确认固件已加载为新版本。
将第一个 CX7 端口的名称赋给变量
$IN0：bashLC_COLLATE=C IN=(/sys/class/infiniband/*) IN0=`basename ${IN[0]}` echo $IN0noneroceP5p3s0f0接下来，确定与该设备关联的主机以太网端口，并将其赋给变量
$EN0，稍后的网络配置会用到它：bashEN0=`basename /sys/class/infiniband/$IN0/device/net/*` echo $EN0noneenP5p3s0f0np0小结：与
$IN0（roceP5p3s0f0）关联的主机网络接口是$EN0（enP5p3s0f0np0）；你的具体设备名称可能不同。 -
IGX OS 使用 NetworkManager 配置网络接口。默认情况下，传感器桥设备的第一个端口使用地址 192.168.0.2。将第一个以太网设备（
$EN0）配置为使用地址 192.168.0.101，并添加到 192.168.0.2 的永久路由，MTU 使用 RoCE 推荐值（如果你的系统无法以这种方式使用 192.168.0.0/24 网段，请参阅文档 support/notes 中的 IP 地址配置说明）：bashsudo nmcli con add con-name hololink-$EN0 ifname $EN0 type ethernet ip4 192.168.0.101/24 sudo nmcli connection modify hololink-$EN0 +ipv4.routes 192.168.0.2/32 sudo nmcli connection modify hololink-$EN0 ethtool.ring-rx 4096 sudo nmcli connection modify hololink-$EN0 802-3-ethernet.mtu 4200 sudo nmcli connection up hololink-$EN0给传感器桥设备上电，确认其连接正确，然后执行
ping 192.168.0.2检查连通性：noneping 192.168.0.2 PING 192.168.0.2 (192.168.0.2) 56(84) bytes of data. 64 bytes from 192.168.0.2: icmp_seq=1 ttl=64 time=0.225 ms 64 bytes from 192.168.0.2: icmp_seq=2 ttl=64 time=0.081 ms 64 bytes from 192.168.0.2: icmp_seq=3 ttl=64 time=0.088 ms 64 bytes from 192.168.0.2: icmp_seq=4 ttl=64 time=0.132 ms ^C --- 192.168.0.2 ping statistics --- 4 packets transmitted, 4 received, 0% packet loss, time 3057ms rtt min/avg/max/mdev = 0.081/0.131/0.225/0.057 ms -
传感器桥设备上的第二个 SFP+ 连接器用于传输立体相机模组（如 IMX274）第二路相机采集的数据。默认情况下，传感器桥设备的第二个端口使用地址 192.168.0.3。将第二个 IGX QSFP 端口（下图中红色箭头所示）连接到传感器桥设备的第二个 SFP+ 端口。
【图：IGX QSFP1】
我们将它们记作
$IN1和$EN1。沿用前面赋值$IN0和$EN0的命令：bashIN1=`basename ${IN[1]}` echo $IN1 EN1=`basename /sys/class/infiniband/$IN1/device/net/*` echo $EN1noneroceP5p3s0f1 enP5p3s0f1np1同上，你的设备名称可能不同。为第二个 QSFP 网络端口配置合适的地址和永久路由：
bashsudo nmcli con add con-name hololink-$EN1 ifname $EN1 type ethernet ip4 192.168.0.102/24 sudo nmcli connection modify hololink-$EN1 +ipv4.routes 192.168.0.3/32 sudo nmcli connection modify hololink-$EN1 ethtool.ring-rx 4096 sudo nmcli connection modify hololink-$EN1 802-3-ethernet.mtu 4200 sudo nmcli connection up hololink-$EN1现在用
ping 192.168.0.3测试第二条连接：noneping 192.168.0.3 PING 192.168.0.3 (192.168.0.3) 56(84) bytes of data. 64 bytes from 192.168.0.3: icmp_seq=1 ttl=64 time=0.210 ms 64 bytes from 192.168.0.3: icmp_seq=2 ttl=64 time=0.271 ms 64 bytes from 192.168.0.3: icmp_seq=3 ttl=64 time=0.181 ms 64 bytes from 192.168.0.3: icmp_seq=4 ttl=64 time=0.310 ms 64 bytes from 192.168.0.3: icmp_seq=5 ttl=64 time=0.258 ms ^C --- 192.168.0.3 ping statistics --- 5 packets transmitted, 5 received, 0% packet loss, time 4102ms rtt min/avg/max/mdev = 0.181/0.246/0.310/0.045 ms第二个端口配置完成后，第一个端口应仍能正常响应 ping。
2.2 AGX Orin
本软件包中的演示与示例假定传感器桥设备连接到 eno1，即 AGX Orin 上的 RJ45 连接器。
-
在板载网络端口上配置静态 IP 地址 192.168.0.101。
L4T 使用 NetworkManager 配置接口；默认情况下接口被配置为 DHCP 客户端。使用以下命令将 IP 地址更新为 192.168.0.101。（如果你的系统无法以这种方式使用 192.168.0.0/24 网段，请参阅文档 support/notes 中的 IP 地址配置说明。）
注意：运行 JP6.2.1 的 AGX 上，板载以太网设备为
eno1；JP7.2 上则为end0。如果你运行的是其他配置，请为变量 EN0 使用相应的名称：bashEN0=end0 sudo nmcli con add con-name hololink-$EN0 ifname $EN0 type ethernet ip4 192.168.0.101/24 sudo nmcli connection up hololink-$EN0给传感器桥设备上电，确认其连接正确，然后执行
ping 192.168.0.2检查连通性。 -
对于基于 Linux socket 的示例，建议将一个处理器核心从 Linux 内核调度中隔离出来。对于高带宽应用（例如 4K 视频采集），隔离网络接收核心是必需的。当示例程序以处理器亲和性绑定到该隔离核心运行时，性能会提升、延迟会降低。默认情况下，sensor bridge 软件将时间关键的后台网络接收进程运行在第三个处理器核心上。如果该核心被从 Linux 调度中隔离，那么除非用户显式请求，否则不会有任何进程被调度到该核心上，可靠性与性能都会大幅提升。
隔离该核心的方法是编辑
/boot/extlinux/extlinux.conf：在以APPEND开头的那一行末尾添加isolcpus=2。修改后文件大致如下：noneTIMEOUT 30 DEFAULT primary MENU TITLE L4T boot options LABEL primary MENU LABEL primary kernel LINUX /boot/Image ... APPEND ${cbootargs} ...<other-settings>... isolcpus=2Sensor bridge 应用也可以通过将环境变量
HOLOLINK_AFFINITY设置为某个核心号，让网络接收进程运行在其他核心上。例如，运行在第一个处理器核心上：bashHOLOLINK_AFFINITY=0 python3 examples/linux_imx274_player.py将
HOLOLINK_AFFINITY设置为空则会跳过 sensor bridge 代码中的所有核心亲和性设置。 -
在开机时运行 "jetson_clocks" 工具，将各核心时钟设为最大值：
bashJETSON_CLOCKS_SERVICE=/etc/systemd/system/jetson_clocks.service cat <<EOF | sudo tee $JETSON_CLOCKS_SERVICE >/dev/null [Unit] Description=Jetson Clocks Startup After=nvpmodel.service [Service] Type=oneshot ExecStart=/usr/bin/jetson_clocks [Install] WantedBy=multi-user.target EOF sudo chmod u+x $JETSON_CLOCKS_SERVICE sudo systemctl enable jetson_clocks.service -
将 AGX Orin 的电源模式设置为 "MAXN" 以获得最佳性能。该设置可通过屏幕左上角的 L4T 电源下拉菜单更改：
【图：AGX Orin MAXN】
-
重启 AGX Orin，使核心隔离与性能设置生效。如果配置 "MAXN" 性能模式时没有提示你重启设备，请手动执行重启命令：
bashreboot
2.3 DGX Spark
-
首先检查是否存在 OTA 的 ConnectX-7 热插拔（hotplug）特性，如果存在则将其禁用并重启。该特性会在未检测到链路时关闭网卡，可能干扰本指南的操作与 HSB 的正常工作。注意：如果你的网卡在未接任何设备时断电，但下列文件并不存在，说明你可能没有禁用它的能力，应当更新 OTA。
bashif [ -f /etc/nvidia/cx7-hotplug-enabled ] ; then sudo mv /etc/nvidia/cx7-hotplug-enabled /etc/nvidia/cx7-hotplug-disabled sudo reboot fi -
确定与第一个 CX7 端口关联的网络设备名称。从 DGX Spark 机箱背面看，这是最左侧的 QSFP 端口（下图中的 "port 0"）。注意：下面
echo输出的具体设备名称可能因不同系统的驱动配置而不同或发生变化。【图：DGX Spark CX7 QSFP 端口】
bashls /sys/class/infinibandnoneroceP2p1s0f0 roceP2p1s0f1 rocep1s0f0 rocep1s0f1该命令会列出连接到 CX7 端口的 InfiniBand 设备；你的设备名称可能不同。编号最小的一个（本例中为
roceP2p1s0f0）就是第一个 CX7 端口。将该名称赋给变量$IN0：bashLC_COLLATE=C IN=(/sys/class/infiniband/*) IN0=`basename ${IN[0]}` echo $IN0noneroceP2p1s0f0接下来，确定与该设备关联的主机以太网端口，并将其赋给变量
$EN0，稍后的网络配置会用到它：bashEN0=`basename /sys/class/infiniband/$IN0/device/net/*` echo $EN0noneenP2p1s0f0np0小结：与
$IN0（roceP2p1s0f0）关联的主机网络接口是$EN0（enP2p1s0f0np0）；你的具体设备名称可能不同。 -
DGX OS 使用 NetworkManager 配置网络接口。默认情况下，传感器桥设备的第一个端口使用地址 192.168.0.2。将第一个以太网设备（
$EN0）配置为使用地址 192.168.0.101，并添加到 192.168.0.2 的永久路由，MTU 使用 RoCE 推荐值：bashsudo nmcli con add con-name hololink-$EN0 ifname $EN0 type ethernet ip4 192.168.0.101/24 sudo nmcli connection modify hololink-$EN0 +ipv4.routes 192.168.0.2/32 sudo nmcli connection modify hololink-$EN0 ethtool.ring-rx 4096 sudo nmcli connection modify hololink-$EN0 802-3-ethernet.mtu 4200 sudo nmcli connection up hololink-$EN0给传感器桥设备上电，确认其连接正确，然后执行
ping 192.168.0.2检查连通性：noneping 192.168.0.2 PING 192.168.0.2 (192.168.0.2) 56(84) bytes of data. 64 bytes from 192.168.0.2: icmp_seq=1 ttl=64 time=0.225 ms 64 bytes from 192.168.0.2: icmp_seq=2 ttl=64 time=0.081 ms 64 bytes from 192.168.0.2: icmp_seq=3 ttl=64 time=0.088 ms 64 bytes from 192.168.0.2: icmp_seq=4 ttl=64 time=0.132 ms ^C --- 192.168.0.2 ping statistics --- 4 packets transmitted, 4 received, 0% packet loss, time 3057ms rtt min/avg/max/mdev = 0.081/0.131/0.225/0.057 ms -
传感器桥设备上的第二个 SFP+ 连接器用于传输立体相机模组（如 IMX274）第二路相机采集的数据。默认情况下，传感器桥设备的第二个端口使用地址 192.168.0.3。将第二个 DGX Spark QSFP 端口（上图中的 "port 1"）连接到传感器桥设备的第二个 SFP+ 端口。
我们将它们记作
$IN1和$EN1。沿用前面赋值$IN0和$EN0的命令：bashIN1=`basename ${IN[1]}` echo $IN1 EN1=`basename /sys/class/infiniband/$IN1/device/net/*` echo $EN1noneroceP2p1s0f1 enP2p1s0f1np1同上，你的设备名称可能不同。为第二个 QSFP 网络端口配置合适的地址和永久路由：
bashsudo nmcli con add con-name hololink-$EN1 ifname $EN1 type ethernet ip4 192.168.0.102/24 sudo nmcli connection modify hololink-$EN1 +ipv4.routes 192.168.0.3/32 sudo nmcli connection modify hololink-$EN1 ethtool.ring-rx 4096 sudo nmcli connection modify hololink-$EN1 802-3-ethernet.mtu 4200 sudo nmcli connection up hololink-$EN1现在用
ping 192.168.0.3测试第二条连接：noneping 192.168.0.3 PING 192.168.0.3 (192.168.0.3) 56(84) bytes of data. 64 bytes from 192.168.0.3: icmp_seq=1 ttl=64 time=0.210 ms 64 bytes from 192.168.0.3: icmp_seq=2 ttl=64 time=0.271 ms 64 bytes from 192.168.0.3: icmp_seq=3 ttl=64 time=0.181 ms 64 bytes from 192.168.0.3: icmp_seq=4 ttl=64 time=0.310 ms 64 bytes from 192.168.0.3: icmp_seq=5 ttl=64 time=0.258 ms ^C --- 192.168.0.3 ping statistics --- 5 packets transmitted, 5 received, 0% packet loss, time 4102ms rtt min/avg/max/mdev = 0.181/0.246/0.310/0.045 ms第二个端口配置完成后，第一个端口应仍能正常响应 ping。
2.4 AGX Thor
-
在 Thor Devkit 上安装 JP 7.2 之后，完成以下步骤。
如果是使用 ISO 方式安装的，请安装 CUDA Toolkit 13.2 并执行：
bashexport PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH wget https://developer.nvidia.com/downloads/embedded/L4T/r39_Release_v2.0/release/Jetson_SIPL_API_R39.2.0_aarch64.tbz2 wget https://developer.nvidia.com/downloads/embedded/L4T/r39_Release_v2.0/release/Jetson_Multimedia_API_R39.2.0_aarch64.tbz2 sudo tar xjf Jetson_SIPL_API_R39.2.0_aarch64.tbz2 -C / sudo tar xjf Jetson_Multimedia_API_R39.2.0_aarch64.tbz2 -C / -
对于基于 Linux socket 的示例，建议将一个处理器核心从 Linux 内核调度中隔离出来。对于高带宽应用（例如 4K 视频采集），隔离网络接收核心是必需的。当示例程序以处理器亲和性绑定到该隔离核心运行时，性能会提升、延迟会降低。默认情况下，sensor bridge 软件将时间关键的后台网络接收进程运行在第三个处理器核心上。如果该核心被从 Linux 调度中隔离，那么除非用户显式请求，否则不会有任何进程被调度到该核心上，可靠性与性能都会大幅提升。
隔离该核心的方法是编辑
/boot/extlinux/extlinux.conf：在以APPEND开头的那一行末尾添加isolcpus=2。修改后文件大致如下：noneTIMEOUT 30 DEFAULT primary MENU TITLE L4T boot options LABEL primary MENU LABEL primary kernel LINUX /boot/Image ... APPEND ${cbootargs} ...<other-settings>... isolcpus=2Sensor bridge 应用也可以通过将环境变量
HOLOLINK_AFFINITY设置为某个核心号，让网络接收进程运行在其他核心上。例如，运行在第一个处理器核心上：bashHOLOLINK_AFFINITY=0 python3 examples/linux_imx274_player.py将
HOLOLINK_AFFINITY设置为空则会跳过 sensor bridge 代码中的所有核心亲和性设置。此步骤需要重启系统才能生效。
-
安装 Holoscan SDK v4.4.0：
bashsudo apt update sudo apt install holoscan-cuda-13=4.4* -
安装其他 Holoscan sensor bridge 依赖：
bash. /etc/os-release UBUNTU_VERSION="`echo ${VERSION_ID} | sed 's/\.//g'`" sudo apt-get install ca-certificates gpg wget wget https://developer.download.nvidia.com/compute/nvcomp/5.2.0/local_installers/nvcomp-local-repo-ubuntu${UBUNTU_VERSION}-5.2.0_5.2.0-1_arm64.deb sudo dpkg -i nvcomp-local-repo-ubuntu${UBUNTU_VERSION}-5.2.0_5.2.0-1_arm64.deb sudo cp /var/nvcomp-local-repo-ubuntu${UBUNTU_VERSION}-5.2.0/nvcomp-*-keyring.gpg /usr/share/keyrings/ rm nvcomp-local-repo-ubuntu${UBUNTU_VERSION}-5.2.0_5.2.0-1_arm64.deb test -f /usr/share/doc/kitware-archive-keyring/copyright || wget -O - https://apt.kitware.com/keys/kitware-archive-latest.asc 2>/dev/null | gpg --dearmor - | sudo tee /usr/share/keyrings/kitware-archive-keyring.gpg >/dev/null echo "deb [signed-by=/usr/share/keyrings/kitware-archive-keyring.gpg] https://apt.kitware.com/ubuntu/ ${VERSION_CODENAME} main" | sudo tee /etc/apt/sources.list.d/kitware.list >/dev/null sudo apt-get update test -f /usr/share/doc/kitware-archive-keyring/copyright || sudo rm /usr/share/keyrings/kitware-archive-keyring.gpg sudo apt-get install kitware-archive-keyring sudo apt-get update sudo apt install -y cmake=3.31.11* cmake-data=3.31.11* libfmt-dev libssl-dev libcurlpp-dev libyaml-cpp-dev python3-dev nvcomp-cuda-13 -
启用网络接口并确保相机可被枚举到（假定相机 IP 地址为 192.168.0.2）：
bashEN0=mgbe0_0 sudo nmcli con add con-name hololink-$EN0 ifname $EN0 type ethernet ip4 192.168.0.101/24 sudo nmcli connection modify hololink-$EN0 +ipv4.routes 192.168.0.2/32 sudo nmcli connection up hololink-$EN0 -
获取并构建 holoscan sensor bridge：
holoscan sensor bridge v2.6 版本支持在终端命令行直接运行基于 C++ Li VB1940 加速网络的示例，也支持在 holoscan sensor bridge 容器内运行 Li VB1940 与 IMX274 的 Python 示例。
第一步，克隆 holoscan sensor bridge 仓库：
bashgit clone https://github.com/nvidia-holoscan/holoscan-sensor-bridge.git要在终端命令行运行基于 SIPL 的 C++ Li VB1940 加速网络示例，使用以下命令：
bashcd holoscan-sensor-bridge mkdir build && cd build cmake -DHOLOLINK_BUILD_SIPL=1 -DHOLOLINK_BUILD_FUSA=1 -DHOLOLINK_BUILD_ROCE=0 .. make -j
运行 CoE 加速示例
Holoscan Sensor Bridge 可以通过下面列出的两条不同路径之一，利用 Thor 的硬件加速 CoE 能力。
SIPL
SIPL 是一个模块化、可扩展的图像传感器控制与图像处理框架，它开放了 Thor 的全部硬件能力，包括 CoE 与 ISP 硬件加速。支持 SIPL 的传感器驱动使用统一设备驱动框架（UDDF）编写，JetPack 7.2 已附带 VB1940 的参考 UDDF 驱动。
按以下步骤运行基于 SIPL 的 VB1940 传感器 CoE 示例应用：
-
获取你相机的 MAC ID：
bash./tools/enumerate/hololink-enumerate示例输出：
nonemac_id=8C:1F:64:6D:70:03 hsb_ip_version=0x2510 fpga_crc=0xffff ip_address=192.168.0.2 fpga_uuid=f1627640-b4dc-48af-a360-c55b09b3d230 serial_number=ffffffffffffff interface=mgbe0_0 board=Leopard Eagle -
更新下列配置文件中的
ip_address与mac_address字段（每个文件中有多处）：注意： 随附的 JSON
sipl_config文件与 JP7.2 兼容。对于 JP7.1，请从 HSB 2.5.0 发布版本中拉取源文件并做必要修改。none../examples/sipl_config/vb1940_single.json ../examples/sipl_config/vb1940_dual.json -
允许 root 访问 X 显示（如果使用 SSH，请确保已设置
DISPLAY）：bashxhost + -
运行
sipl_player应用（硬件 ISP 采集模式）：bash./examples/sipl_player --json-config ../examples/sipl_config/vb1940_single.json ./examples/sipl_player --json-config ../examples/sipl_config/vb1940_dual.json -
RAW 采集模式（未经适当 ISP 处理时图像质量较差）：
bash./examples/sipl_player --json-config ../examples/sipl_config/vb1940_single.json --raw ./examples/sipl_player --json-config ../examples/sipl_config/vb1940_dual.json --raw
FuSa
FuSa 是 JetPack 7.1+ 引入的新 API，它开放了对 Thor CoE 数据捕获路径的访问，但不提供 SIPL 所具备的额外相机控制与 ISP 访问能力。这使得应用可以在 CoE 加速环境中直接控制 Holoscan Sensor Bridge 及其连接的传感器，绕开对 SIPL 及其 UDDF 驱动实现的需求。这样应用就可以遵循更传统的 Holoscan Sensor Bridge 实现方式------传感器控制由应用直接管理，而不是由外部驱动管理。正因如此，基于 Holoscan Sensor Bridge 提供的现有参考驱动，IMX274、VB1940 与 TauroTech DA326 Hawk 传感器都有相应的 FuSa 示例应用。
针对 IMX274、VB1940 与 TauroTech DA326 Hawk，随附了若干以 fusa_coe_ 为前缀的 FuSa 示例应用（Hawk 变体：fusa_coe_max96716a_player、fusa_coe_hawk_single_link_player、fusa_coe_hawk_dual_link_player、fusa_coe_single_network_stereo_hawk_player）。C++ 示例应用可以原生运行（不使用容器），由上面的主机设置步骤完成构建；Python 变体则必须在 Holoscan Sensor Bridge 容器中运行。
注意： 默认情况下，python/setup.py 不会启用所需的 FuSa 或 SIPL 组件，除非它检测到必需的 /dev/coe* 设备，或设置了 COE_OFFLOAD 环境变量。在官方提供的 docker 容器中，或在受支持平台上的原生 Python 绑定构建中，均无需额外操作。
例如，运行 C++ VB1940 播放器示例时，执行以下命令（将 IP 地址替换为你的设备地址）：
bash
./examples/fusa_coe_vb1940_player --hololink 192.168.0.2- 在 holoscan sensor bridge 容器内构建并运行 Li VB1940、IMX274 与 TauroTech DA326 Hawk 的 Python 示例，将在用户指南后续页面中讲解。
2.5 x86 Linux
当主机是运行 Linux、配备 NVIDIA 独立显卡的 x86 PC 时，使用本节内容。
x86 上的捕获路径
-
基于 socket 的接收器 ------ 名称以
linux_开头的示例（例如linux_imx274_player）使用的标准 Linux 网络协议栈路径。它不需要 ConnectX 网卡；使用任何能到达传感器桥的以太网接口即可，IP 与 PTP 配置指引与其他主机相同。注意：此路径没有加速，往往无法跟上典型传感器（如相机）数据流所需的数据速率，会导致间歇性数据丢失。该路径主要用于开发目的。 -
RoCE 加速接收器 ------ 使用 RDMA over Converged Ethernet 连接传感器桥，要求该链路上有 Mellanox/NVIDIA ConnectX 网卡。接口设置要求（地址、路由、环形缓冲区、MTU）与 IGX 或 DGX Spark 一致：传感器桥必须能通过其分配的地址（如
192.168.0.2）到达，配置方案与上面 IGX 或 DGX Spark 小节相同（请将$IN0、$EN0等设备名适配到你的系统）。
RoCE 路径上的 GPUDirect RDMA
使用 RoCE 并通过 GPUDirect RDMA 写入 GPU 显存需要满足以下条件：
- 工作站级 NVIDIA GPU（消费级与移动版 GPU 不支持 GPUDirect RDMA）。
- 主机上安装 NVIDIA 开放内核驱动包（例如
nvidia-driver-open）。 - ConnectX 网卡与 GPU 在 PCIe 拓扑中互为对等体（peer），使网卡能够直接对 GPU 执行 RDMA（平台固件、root port 布局与 IOMMU 设置必须允许端到端完成此操作）。
满足这些要求后，帧缓冲可以驻留在 GPU 显存中，从传感器桥接收的数据可以通过 RDMA 直接写入 GPU 显存。当 GPU 与驱动支持 GPUDirect 注册、但主机 PCIe 系统路径实际上无法将 RDMA 写操作送达该显存时，从传感器桥接收的数据实际上不会写入 GPU 显存，通常会导致数据错误（例如黑屏/空白图像帧）和/或元数据不匹配错误。如果是这种情况，必须将构建配置为强制使用锁页（pinned）主机内存（见下一节）。
x86 上的演示容器
在主机上安装 Docker、Docker Buildx 与 NVIDIA Container Toolkit。使用 dGPU 选项构建演示镜像（见「构建」一章）：
bash
sh docker/build.sh --dgpu当 GPUDirect RDMA 无法端到端工作时
可能出现 RoCE RDMA 看似正常、但对已注册 GPU 显存的 RDMA 写操作实际并未成功的情况------例如 GPU 支持 GPUDirect，但 PCIe 配置不允许 ConnectX 网卡作为 RDMA 对等体到达 GPU。其症状包括黑屏或空白图像，以及应用日志中出现类似如下的行：
none
ERROR 6.6634 roce_receiver.cpp:826 get_next_frame tid=0x61 -- Metadata psn=0 but received_psn=483318.这是需要禁用 GPU VRAM 重新构建的强信号，重建后 RoCE 接收器将改用锁页主机内存：
-
演示容器： 向
docker/build.sh传入--disable-roce-gpu-vram（与往常一样同时带上--dgpu）来构建镜像。例如：bashsh docker/build.sh --dgpu --disable-roce-gpu-vram -
原生 CMake 构建： 配置时加上：
bash-DHOLOLINK_ROCE_USE_GPU_VRAM=OFF
使用锁页主机内存代替 GPU VRAM 可启用部分加速路径：网卡仍会通过 RoCE 直接 RDMA 到系统内存，绕过 Linux 网络子系统；但之后 GPU 读取这些数据时仍需经过 PCIe 传输。
当你的机器满足上述 GPUDirect RDMA 要求时，默认构建保持 HOLOLINK_ROCE_USE_GPU_VRAM 开启，即可使用完全加速的 GPUDirect RDMA 路径。该路径已在内部完成验证，验证平台为基于 AMD Threadripper 的 Lenovo ThinkStation 工作站，配备 ConnectX-6 Dx 网卡与 Quadro RTX 6000 GPU。
2.6 所有配置的通用步骤
现在，对所有配置执行：
-
为运行非加速网络示例配置网络接收缓冲区：Holoscan sensor bridge 支持使用非加速的 Linux socket 网络运行 Li VB1940、IMX274 与 TauroTech DA326 Hawk。为了让这些示例获得最佳性能，请增大 Linux socket 的网络接收缓冲区：
bashecho 'net.core.rmem_max = 31326208' | sudo tee /etc/sysctl.d/52-hololink-rmem_max.conf sudo sysctl -p /etc/sysctl.d/52-hololink-rmem_max.conf -
确保
$EN0被设置为连接到 HSB 的以太网控制器名称。某些安装步骤需要重启，重启会清除该变量，因此请按照上文说明针对你的配置重新正确设置。 -
在
$EN0上启用 PTP。这会使接收数据所携带的时间戳与主机时间同步。在开机时运行
phc2sys工具，将$EN0中的时钟与系统时钟同步。首先安装linuxptp工具：bashsudo apt update && sudo apt install -y linuxptp接下来，创建一个用于运行
phc2sys的 systemd 服务文件：bashPHC2SYS_SERVICE=/etc/systemd/system/phc2sys-$EN0.service cat <<EOF | sudo tee $PHC2SYS_SERVICE >/dev/null [Unit] Description=Copy system time to $EN0 Requires=NetworkManager.service After=NetworkManager.service After=timemaster.service [Service] Type=simple ExecStartPre=timeout 3m bash -c "until [ \"\$(nmcli -g GENERAL.STATE device show $EN0)\" = \"100 (connected)\" ]; do sleep 1; done" ExecStart=/usr/sbin/phc2sys -c $EN0 -s CLOCK_REALTIME -O 0 -S 0.0001 [Install] WantedBy=multi-user.target EOF将其配置为开机自启，并立即启动：
bashsudo chmod u+x $PHC2SYS_SERVICE sudo systemctl enable phc2sys-$EN0.service sudo systemctl start phc2sys-$EN0.service接下来，运行
ptp4l向$EN0发送 PTP SYNC 报文：bashcat <<EOF | sudo tee /etc/linuxptp/hsb-ptp.conf >/dev/null # This configuration is appropriate for NVIDIA Holoscan sensor bridge # applications, where PTP messages are sent over L2 and a 1/2 second interval. [global] logSyncInterval -1 logMinDelayReqInterval -1 network_transport L2 EOF为它创建一个 systemd 服务文件：
bashPTP4L_SERVICE=/etc/systemd/system/ptp4l-$EN0.service cat <<EOF | sudo tee $PTP4L_SERVICE >/dev/null [Unit] Description=Send PTP SYNC messages to $EN0 After=phc2sys-$EN0.service [Service] Type=simple ExecStart=/usr/sbin/ptp4l -i $EN0 -f /etc/linuxptp/hsb-ptp.conf [Install] WantedBy=multi-user.target EOF最后，运行它：
bashsudo chmod u+x $PTP4L_SERVICE sudo systemctl enable ptp4l-$EN0.service sudo systemctl start ptp4l-$EN0.service -
仅针对使用 CUDA 12 的 Orin iGPU 配置（Jetpack 6 与 IGX 1.X）：安装 NVIDIA DLA 编译器。使用推理的应用在初始化时需要它；部分 iGPU 的 OS 镜像未包含该组件。
bashsudo apt update && sudo apt install -y nvidia-l4t-dla-compiler -
使用你的开发者账号登录 NVIDIA GPU Cloud（NGC）：
- 如果还没有 NGC 开发者账号，请在 https://catalog.ngc.nvidia.com/ 注册。
- 为你的账号创建 API key：https://ngc.nvidia.com/setup/api-key
- 使用你的 API key 登录 nvcr.io：
bashdocker login nvcr.io Username: $oauthtoken Password: <Your token key to NGC> WARNING! Your password will be stored unencrypted in /home/<user>/.docker/config.json. Configure a credential helper to remove this warning. See https://docs.docker.com/engine/reference/commandline/login/#credentials-store Login Succeeded
现在请继续阅读「构建」一章，构建并测试 Holoscan Sensor Bridge 容器。
3. 构建（Build）
3.1 构建 Holoscan Sensor Bridge 容器
Holoscan sensor bridge 主机软件包含构建演示容器的说明。该容器用于运行所有 holoscan 测试与示例。
-
如果还没有获取源码，请从 GitHub 拉取 sensor bridge 源代码：
bashgit clone https://github.com/nvidia-holoscan/holoscan-sensor-bridge -
构建 sensor bridge 演示容器。对于配备独立 GPU 且 OS 配置为 dGPU 的 IGX Orin，以及配备 NVIDIA 独立显卡的 x86_64 Linux 主机（见「主机设置」中的 x86 Linux 小节），使用 dGPU 选项；对于这里列出的其余平台，使用下面的 iGPU 选项。
iGPU：
bashcd holoscan-sensor-bridge sh docker/build.sh --igpudGPU：
bashcd holoscan-sensor-bridge sh docker/build.sh --dgpu
3.2 在演示容器中运行测试
要运行 sensor bridge 演示容器，请在 GUI 中的终端里执行：
bash
xhost +
sh docker/demo.sh这将带你进入 Holoscan sensor bridge 演示容器内的 shell 提示符。（注意：iGPU 配置在启动演示容器时会显示 "Failed to detect NVIDIA driver version" 的消息，可以忽略。）现在你已经可以运行 sensor bridge 应用了。
3.3 Holoscan sensor bridge 软件回环测试
Sensor bridge 主机软件包含一个以回环（loopback）模式运行的测试套件，无需任何 sensor bridge 硬件。该测试通过生成 UDP 报文并经由 Linux 回环接口发送来工作。
在演示容器内的 shell 中执行：
bash
pytest注意：该测试套件会有意向软件栈中注入错误。只要 pytest 显示所有测试均已通过，单个测试输出的任何错误消息都可以忽略。如果 pytest 本身报告失败，请参阅故障排查（troubleshooting）页面。
对于配备 sensor bridge 设备与 IMX274 的系统，测试套件还可以执行额外的测试，以证明设备与网络连接工作正常。
首先，确保 sensor bridge 固件是最新的。
对于 IGX 配置，将传感器桥设备上的两个 SFP+ 接口分别连接到两个 QSFP 连接器，然后执行：
bash
sh ./test-igx-cpnx100-imx274.sh对于 AGX Orin，只支持一路相机，因此只连接 SFP+ 0。在 AGX 上以如下方式运行设备测试：
bash
sh ./test-agx-cpnx100-imx274.sh如果工作不正常，请查看故障排查页面。
4. 示例（Examples）
Holoscan sensor bridge 的 Python 示例应用位于 examples 目录下。
以下是在 AGX Thor、DGX Spark、IGX 与 Jetson AGX Orin 平台上运行这些应用的说明。
4.1 选择适合平台的示例
Holoscan Sensor Bridge 支持多种硬件加速传输策略，兼容范围广泛的主机。每个示例都硬编码到特定的接收器类型；示例通过文件名前缀来标识所使用的接收算子。
RoceReceiver（ConnectX 主机）
- 文件名中没有任何前缀的示例使用 RoCEv2 加速网络接收算子，需要配备 ConnectX 的平台，如 IGX Orin、IGX T7000 或 DGX Spark。在这些系统上，传感器模组必须连接到 ConnectX 对应的端口，而不是 RJ45 连接器。 AGX Orin、AGX Thor 与 IGX T5000 系统无法运行这些示例。
- 对于 IGX T7000 上的加速网络示例，必须将
CUDA_VISIBLE_DEVICES环境变量设置为与图形 GPU 配置相匹配的值，其默认为 iGPU。例如，如果配置为 dGPU 图形，imx274_player必须将CUDA_VISIBLE_DEVICES设为0，以便 RDMA 与图形都使用 dGPU。 - 只要容器是用相应的 iGPU 或 dGPU 设置构建的，这些示例在 iGPU 与 dGPU 配置下都可以工作。
LinuxReceiver（非加速）
- 以
linux开头的示例使用非加速的 Linux Sockets API 网络接收算子。这些示例可在所有系统上运行。
FusaCoeCapture（仅限 Thor MGBE）
- 以
fusa_coe开头的示例使用 Thor 的 MGBE 接口上的硬件加速 CoE 能力，需要 AGX Thor 或 IGX T5000。传感器模组必须连接到主机的 QSFP MGBE 端口，而不是 RJ45 端口。
SiplCameraOutput（仅限 Thor MGBE）
- 以
sipl_开头的示例使用 SIPL 相机处理栈，需要 AGX Thor 或 IGX T5000。传感器模组必须具有 UDDF 驱动，并连接到主机的 QSFP MGBE 端口，而不是 RJ45 端口。
4.2 IMX274 播放器示例
要在配备 ConnectX 的主机上运行 IMX274 视频播放器示例，在演示容器中执行：
Python：
bash
python3 examples/imx274_player.pyC++（需先构建，见下文 C++ 示例构建说明）：
bash
./examples/imx274_player对于非加速主机：
bash
python3 examples/linux_imx274_player.py关于 IMX274 播放器应用源码的逐行解析文档可在用户指南中找到；该示例展示了架构文档中描述的基本 sensor bridge 工作流程。按 Control/C 停止视频播放器。
4.3 Leopard imaging VB1940 Eagle 播放器示例
此示例与上面的 IMX274 播放器示例类似，只是使用 LI VB1940 Eagle 相机替代 IMX274。要在 ConnectX 加速主机上运行 LI VB1940 Eagle 高速视频播放器，在演示容器中执行：
bash
python3 examples/vb1940_player.py对于非加速主机：
bash
python3 examples/linux_vb1940_player.py最后，在 AGX Thor 或 IGX T5000 上运行 SIPL 加速网络 Python 示例：
bash
python3 ./examples/sipl_player.py --json-config ./examples/sipl_config/vb1940_single.json4.4 MAX96716A 解串器播放器示例
TauroTech DA326 传感器桥板载有一颗 Analog Devices MAX96716A GMSL 解串器，其中内置了视频图案生成器（VPG，Video Pattern Generator）。
max96716a_player 示例驱动 VPG 从解串器的 MIPI CSI-2 输出发出合成数据流，无需任何额外硬件。
Python：
对于 ConnectX 主机：
bash
python3 examples/max96716a_player.py对于非加速配置：
bash
python3 examples/linux_max96716a_player.py对于 AGX Thor 与 T5000，使用 MGBE 与 FuSa CoE 加速接收器：
bash
python3 examples/fusa_coe_max96716a_player.pyC++：
C++ 示例需要先构建。从仓库根目录执行：
bash
mkdir -p build && cd build
cmake ..
make -j生成的可执行文件位于 build/examples/。从 build/ 目录即可运行 max96716a_player 的各个变体。
对于 ConnectX 加速主机：
bash
./examples/max96716a_player对于非加速配置：
bash
./examples/linux_max96716a_player对于 AGX Thor 或 IGX T5000，使用 FuSa CoE 加速接收器：
bash
./examples/fusa_coe_max96716a_player4.5 Hawk 相机 + Tauro Tech DA326 播放器示例
此示例与上面的 IMX274、VB1940 播放器示例类似，使用 TauroTech DA326 传感器桥板并连接一个或多个 Hawk 相机模组。
请注意以下必需参数：
- 单链路（single-link）应用：
--channel A|B用于选择要使用的 GMSL 链路；--sensor left|right|both用于选择启用哪个（些）传感器的接收。 - 双链路（dual-link）应用：
--sensor left|right用于选择启用哪一侧传感器的接收（两条 GMSL 链路都会被使用）。
运行时使用 --help 可查看完整选项列表。
Python：
对于 ConnectX 加速平台：
bash
python3 examples/hawk_single_link_player.py对于非加速配置：
bash
python3 examples/linux_hawk_single_link_player.py对于 AGX Thor 或 T5000 MGBE，使用 FuSa CoE 加速接收器：
bash
python3 examples/fusa_coe_hawk_single_link_player.py对于通过 DA326 的两个 GMSL 连接器接入两个 Hawk 模组的情况，还提供双链路变体。
对于 ConnectX 加速平台：
bash
python3 examples/hawk_dual_link_player.py对于非加速配置：
bash
python3 examples/linux_hawk_dual_link_player.py对于 AGX Thor 或 IGX T5000，使用 FuSa CoE 加速接收器：
bash
python3 examples/fusa_coe_hawk_dual_link_player.pyC++：
C++ 示例需要先构建。从仓库根目录执行：
bash
mkdir -p build && cd build
cmake ..
make -j生成的可执行文件位于 build/examples/。从 build/ 目录即可运行 Hawk 播放器的各个变体。
对于 ConnectX 加速平台：
bash
./examples/hawk_single_link_player对于非加速主机：
bash
./examples/linux_hawk_single_link_player对于 AGX Thor 或 T5000，使用 FuSa CoE 加速接收器：
bash
./examples/fusa_coe_hawk_single_link_player对于通过 DA326 的两个 GMSL 连接器接入两个 Hawk 模组的情况，双链路变体：
对于 ConnectX 加速平台：
bash
./examples/hawk_dual_link_player对于非加速主机：
bash
./examples/linux_hawk_dual_link_player对于 AGX Thor / T5000，使用 FuSa CoE 加速接收器：
bash
./examples/fusa_coe_hawk_dual_link_player4.6 运行 TAO PeopleNet 示例
tao-peoplenet 示例演示了对实时视频流运行推理。TAO PeopleNet 提供的模型可以在给定图像中检测行人、包和人脸。在此示例中，当检测到这些目标时，会在实时视频上叠加显示边界框。
注意：元数据传递在与 InferenceOp 一起使用时存在一个未解决问题，因此这些示例的应用中显式禁用了它。
前提条件：从 NGC 网站下载 PeopleNet ONNX 模型：
bash
wget --content-disposition 'https://api.ngc.nvidia.com/v2/models/org/nvidia/team/tao/peoplenet/pruned_quantized_decrypted_v2.3.3/files?redirect=true&path=resnet34_peoplenet_int8.onnx' -O examples/resnet34_peoplenet_int8.onnx对于配备 ConnectX 加速网络控制器接口、使用 IMX274 相机的系统：
bash
python3 examples/tao_peoplenet.py对于使用 IMX274 相机的非加速配置：
bash
python3 examples/linux_tao_peoplenet.py最后，在 AGX Thor 上使用 LI VB1940 相机运行 SIPL 加速网络 Python 示例：
bash
python3 ./examples/sipl_tao_peoplenet.py --json-config ./examples/sipl_config/vb1940_single.json这将在 GUI 中启动 Holoscan 可视化器，显示来自 IMX274/Li VB1940 设备的实时视频流；当捕获到人物图像时，会叠加显示红/绿边界框。按 Ctrl/C 退出。关于此应用的更多信息请参阅用户指南相应页面。
4.7 运行人体姿态（body pose）示例
前提条件：从 YOLOv8 网站下载 YOLOv8 ONNX 模型并生成人体姿态 ONNX 模型。在 Holoscan sensor bridge 演示容器内执行：
注意： 运行 Jetpack 7.2 的原厂 AGX Orin 开发套件可能没有足够磁盘空间安装依赖。在安装下面的 Python 依赖之前，请通过清理未使用的软件包或 docker builder 缓存来确保有充足的磁盘空间。
从仓库根目录 holoscan-sensor-bridge 执行：
bash
apt-get update && apt-get install -y ffmpeg
pip3 install ultralytics onnx
cd examples
yolo export model=yolov8n-pose.pt format=onnx
trtexec --onnx=yolov8n-pose.onnx --saveEngine=yolov8n-pose.engine.fp32
cd -注意，此转换步骤只需执行一次：yolov8n-pose.engine.fp32 文件包含转换后的模型，是运行演示所需的全部内容。已安装的组件会在容器退出后被遗忘；之后再次运行演示时不需要这些组件。
对于 ConnectX 加速主机，在 sensor bridge 演示容器内启动使用 IMX274 相机的人体姿态估计：
bash
python3 examples/body_pose_estimation.py对于非加速主机，在演示容器内以如下方式启动人体姿态估计示例：
bash
python3 examples/linux_body_pose_estimation.py最后，在 AGX Thor 上使用 Li VB1940 相机运行 SIPL 加速网络 Python 示例：
bash
python3 ./examples/sipl_body_pose_estimation.py --json-config ./examples/sipl_config/vb1940_single.json这将在 GUI 中启动 Holoscan 可视化器，显示来自 IMX274/Li VB1940 设备的实时视频流，并以绿色叠加层显示人体姿态网络模型找到的关键点。关于此应用的更多信息请参阅用户指南相应页面。
按 Ctrl/C 退出。
4.8 运行立体 IMX274、Leopard imaging Li VB1940 Eagle 与 TauroTech DA326 Hawk 示例
stereo_imx274_player.py 示例展示了两条独立的流水线，分别对应双摄像头模组上的每一路相机。请确保主机与 Holoscan sensor bridge 设备之间的两个网络端口都已连接。
bash
python3 examples/stereo_imx274_player.py这将启动一个包含两帧画面的可视化器显示，一帧为左通道，另一帧为右通道。
为了汇聚较低带宽的数据流，你可以参考以下将两路相机汇聚到单个网络端口的示例：
ConnectX 加速主机 + IMX274：
bash
python3 examples/single_network_stereo_imx274_player.py非加速主机 + IMX274：
bash
python3 examples/linux_single_network_stereo_imx274_player.pyConnectX 加速主机 + Li VB1940 Eagle：
bash
python3 examples/single_network_stereo_vb1940_player.py非加速主机 + Li VB1940 Eagle：
bash
python3 examples/linux_single_network_stereo_vb1940_player.pyAGX Thor 或 IGX T5000 上使用 Li VB1940 相机的 SIPL Python 示例：
bash
python3 ./examples/sipl_player.py --json-config ./examples/sipl_config/vb1940_dual.json使用 TauroTech DA326 传感器桥与 Hawk 相机模组时，Hawk 上的两个 AR0234 传感器共用一条通往 DA326 板载解串器的 GMSL 链路；single_network_stereo_hawk_player 示例将它们汇聚到 DA326 的 SFP+ 端口：
ConnectX 加速主机 + TauroTech DA326 Hawk：
bash
python3 examples/single_network_stereo_hawk_player.py --channel A|B非加速主机 + TauroTech DA326 Hawk：
bash
python3 examples/linux_single_network_stereo_hawk_player.py --channel A|BAGX Thor + TauroTech DA326 Hawk，使用 FuSa CoE 加速接收器：
bash
python3 examples/fusa_coe_single_network_stereo_hawk_player.py --channel A|B希望将传感器映射到特定数据通道的应用，可以使用 use_sensor API，这些示例中对此做了演示。许多主机将网络带宽限制为 10Gbps，因此仅支持以 1080p 模式观察立体视频。
4.9 TSN IMX274 播放器示例
examples/linux_tsn_imx274_player.py 在 Linux IMX274 播放器的基础上扩展了时间敏感网络（TSN，Time-Sensitive Networking）支持。它在传感器虚拟端口与 EVT 通道上配置 802.1Q VLAN 标记，并在启动流水线之前对 FPGA 的 PTP 引擎进行编程。此示例可在所有支持 Linux Receiver 的平台上运行（AGX Orin、AGX Thor、DGX Spark 与 IGX）。
主机网络前提条件
在运行播放器之前，主机网卡上必须已存在 VLAN 子接口，并且传感器桥 IP 必须分配到该子接口上，以便内核将带 VLAN 标记的帧递交给 UDP socket：
bash
# 创建 VLAN 子接口（将 <iface> 与 <vlan-id> 替换为与你设置相匹配的值）
sudo ip link add link <iface> name <iface>.<vlan-id> type vlan id <vlan-id>
sudo ip link set <iface>.<vlan-id> up
# 将传感器桥 IP 分配到该子接口
sudo ip addr add 192.168.0.101/32 dev <iface>.<vlan-id>这些命令在重启后不会保留。请将它们加入启动脚本或网络管理器配置中以使其永久生效。
主机 PTP 服务
--ptp-profile 参数控制 FPGA 被编程为使用哪种 PTP 规范（profile）。主机 PTP 守护进程必须与之匹配。一共使用两个 systemd 服务------同一时间只应运行其中一个：
--ptp-profile |
Profile | 需运行的主机服务 |
|---|---|---|
1（默认） |
gPTP (IEEE 802.1AS) | gptp4l-<iface>.service |
0 |
IEEE 1588 E2E | ptp4l-<iface>.service |
默认的主机设置会创建并启动 ptp4l-<iface>.service（IEEE 1588 E2E）。如需使用 gPTP，请按如下方式一次性创建该服务（将 <iface> 替换为你的网卡名，例如 enP5p3s0f0np0）：
bash
# 创建 gPTP 配置文件
cat <<EOF | sudo tee /etc/linuxptp/gptp.conf >/dev/null
[global]
gmCapable 1
priority1 100
priority2 100
domainNumber 0
logAnnounceInterval 0
logSyncInterval -3
syncReceiptTimeout 3
assume_two_step 1
path_trace_enabled 1
follow_up_info 1
transportSpecific 0x1
ptp_dst_mac 01:80:C2:00:00:0E
network_transport L2
delay_mechanism P2P
EOF
# 创建 systemd 服务单元
GPTP4L_SERVICE=/etc/systemd/system/gptp4l-<iface>.service
cat <<EOF | sudo tee $GPTP4L_SERVICE >/dev/null
[Unit]
Description=Send gPTP (802.1AS) on <iface>
After=phc2sys-<iface>.service
[Service]
Type=simple
ExecStart=/usr/sbin/ptp4l -i <iface> -f /etc/linuxptp/gptp.conf
[Install]
WantedBy=multi-user.target
EOF
sudo chmod u+x $GPTP4L_SERVICE
sudo systemctl daemon-reload
sudo systemctl enable gptp4l-<iface>.service切换到 gPTP：
bash
sudo systemctl stop ptp4l-<iface>.service
sudo systemctl start gptp4l-<iface>.service
journalctl -u gptp4l-<iface>.service -f # 等待出现 LOCKED切换到 IEEE 1588 E2E：
bash
sudo systemctl stop gptp4l-<iface>.service
sudo systemctl start ptp4l-<iface>.service
journalctl -u ptp4l-<iface>.service -f # 等待出现 grandmaster 或 LOCKED注意：按照 802.1AS 规范，gPTP 报文不带 VLAN 标记，因此无论 VLAN 如何配置，gPTP 服务都运行在物理接口上。
运行示例
bash
python3 examples/linux_tsn_imx274_player.py默认情况下，播放器使用 gPTP（IEEE 802.1AS，profile 1）、VLAN ID 2、传感器 PCP 6、EVT PCP 4。所有这些都可以在命令行覆盖：
bash
# 使用 IEEE 1588 E2E profile 代替 gPTP
python3 examples/linux_tsn_imx274_player.py --ptp-profile 0
# 覆盖 VLAN ID 与 PCP 值
python3 examples/linux_tsn_imx274_player.py --vlan-id 10 --sensor-pcp 5 --evt-pcp 3
# 覆盖 PTP 域编号
python3 examples/linux_tsn_imx274_player.py --ptp-domain 1完整选项参考：
| 选项 | 默认值 | 说明 |
|---|---|---|
--ptp-profile |
1 |
PTP profile：0 = IEEE 1588 E2E，1 = gPTP (IEEE 802.1AS)，2 = IEEE 1588 P2P |
--ptp-domain |
0 |
与主机 PTP 守护进程匹配的 PTP 域编号 |
--vlan-id |
2 |
与交换机和主机子接口匹配的 12 位 VLAN ID |
--sensor-pcp |
6 |
传感器数据流量的优先级码点（PCP） |
--evt-pcp |
4 |
FPGA 事件通知的优先级码点（PCP） |
--camera-mode |
0 |
IMX274 传感器模式 |
--headless |
关 | 无显示运行 |
--frame-limit |
无 | 收到 N 帧后退出 |
关于源码的详细解析，请参阅用户指南中的 TSN IMX274 播放器应用章节。
4.10 RoCE TSN IMX274 播放器示例
examples/tsn_imx274_player.py 是 TSN IMX274 播放器的 RoCE 变体。它使用相同的 VLAN 与 PTP 配置，但数据经由 RoCE v2 而非 Linux socket 发送。由于 ConnectX 网卡会在硬件中剥离 VLAN 标记，因此无需主机 VLAN 子接口--------vlan-id、--sensor-pcp、--evt-pcp、--ptp-profile 与 --ptp-domain 选项的用法与 Linux TSN 播放器相同。
bash
python3 examples/tsn_imx274_player.py4.11 运行 GPIO 示例
examples/gpio_example_app.py 是一个使用传感器桥 GPIO 接口的简单示例，演示如何设置 GPIO 方向、读取 GPIO 引脚输入值以及向 GPIO 引脚写入输出值。运行该应用：
bash
python3 examples/gpio_example_app.py这会启动一个文本显示界面，循环切换不同的预设引脚配置，并在不同引脚设置之间留出时间，以便测量或回读引脚值。关于 GPIO 示例应用的更多信息，请参阅用户指南中的应用结构章节。
4.12 使用 Jetson 硬件 ISP 的示例
examples/linux_hwisp_player.py 展示了用 Jetson 硬件 ISP 单元处理由 IMX274 实时采集的 Bayer 帧的示例。此示例支持 iGPU 配置下的 Jetson Orin AGX 与 IGX Orin 700。此示例不支持 AGX Thor；关于硬件 ISP 的用法请参考 SIPL 示例。
在启动 docker 运行之前，先以 enableRawReprocessing=1 和 rawReprocessModulePartName="A6V26" 标志设置 nvargus-daemon。这使我们能够用 ISP 处理由 Holoscan sensor bridge 设备采集的 imx274 Bayer 帧，且该更改在重启后依然保持。在主机系统中执行：
bash
sudo su
pkill nvargus-daemon
export enableRawReprocessing=1
export rawReprocessModulePartName="A6V26"
nvargus-daemon
exit要运行该示例，在演示容器内执行：
bash
python3 examples/linux_hwisp_player.py这将运行带可视化显示的应用，展示实时采集画面。注意，自 Jetpack 6 起默认相机模式已更改，现在默认为 4K 帧。此示例兼容 Jetpack 7.2+。
注意：如果用户希望撤销以 enableRawReprocessing=1 标志运行 nvargus-daemon 的设置，请执行以下命令：
bash
sudo su
pkill nvargus-daemon
unset enableRawReprocessing
unset rawReprocessModulePartName
nvargus-daemon
exit4.13 运行 IMX274 延迟（Latency）应用示例
对于 IGX 系统，examples/imx274_latency.py 展示了如何使用时间戳对硬件与软件流水线进行性能剖析。此示例演示了记录 FPGA 在数据采集时发出的时间戳，以及在帧接收与流水线执行的各个点上于主机侧测量的时间戳。运行结束时，应用将输出一份包含平均值、最小值与最大值的时长与延迟报告。
在运行该应用之前，请确保已在你的设置上启用 PTP 同步，然后使用以下命令运行示例：
bash
python3 examples/imx274_latency.py在非加速主机上运行延迟示例应用：
bash
python3 examples/linux_imx274_latency.py此示例无法在 AGX Thor 上运行。
4.14 运行 ECam0M30ToF 播放器应用
ecam0m30tof_player.py 应用演示了如何采集并显示来自 ECam0M30ToF 飞行时间（ToF）相机的深度和/或红外（IR）数据，使用 RoCE（RDMA over Converged Ethernet）实现高性能数据传输，并利用 Holoviz 算子的 DEPTH_MAP 渲染增强深度可视化效果。通过将接收算子从 RoceReceiverOp 改为 LinuxReceiverOperator，可以修改此应用使其在 Jetson AGX 上运行。
前提条件：ECam0M30ToF 相机已连接到 Hololink 设备。
运行该应用使用以下命令：
bash
python3 examples/ecam0m30tof_player.py --hololink 192.168.0.2 --camera-mode=<0|1|2>相机配置：
--camera-mode：选择相机模式（0：DEPTH_IR，1：DEPTH，2：IR）
此示例无法在 AGX Thor 上运行。
4.15 运行 CPU 与 GPU 帧校验示例
帧校验示例演示了如何访问帧元数据，以检测丢帧、帧时间戳错位和帧 CRC 错误。这些示例记录 FPGA 在数据采集时发出的时间戳、帧号与 CRC32 数据。运行期间，丢帧、时间戳错位与 CRC32 错误会被检测并报告。运行结束时，应用会输出一份包含平均值、最小值与最大值的时长与延迟报告。这些数值在应用运行期间收集，用于评估各种检测机制对流水线延迟的影响。
IMX274
Linux 接收器
对于非加速配置，examples/linux_imx274_frame_validation.py 使用标准 Linux socket 进行网络通信，并采用基于 CPU 的 CRC 校验。
在运行该应用之前，请在你的设置上启用 PTP 同步，然后使用以下命令运行示例。在 AGX Orin 系统上运行帧校验示例：
bash
python3 examples/linux_imx274_frame_validation.py由于此示例中的 CRC32 计算由 CPU 完成，按原样使用该示例检测 CRC32 错误会引发丢帧错误。因此 CRC32 错误检测默认未启用。要每 N 帧启用一次 CRC32 检测，使用 --crc-frame-check 选项：
bash
python3 examples/linux_imx274_frame_validation.py --crc-frame-check 50在此示例中，应用将每 50 帧检查一次 CRC32 帧错误。
RoCE 接收器
对于 ConnectX 加速平台，examples/imx274_frame_validation.py 提供高性能帧校验，使用 nvCOMP 5.0 实现 GPU 加速 CRC 检查。此示例使用加速网络接收算子，需要 ConnectX SmartNIC 控制器。
在运行该应用之前，请在你的设置上启用 PTP 同步，然后使用以下命令：
bash
python3 examples/imx274_frame_validation.py与 Linux 版本中基于 CPU 的 CRC 校验不同，使用 nvCOMP 5.0 的 GPU 加速 CRC 速度足够快，默认即可校验每一帧。CRC 校验默认以 --crc-frame-check 1 启用。要完全禁用 CRC 校验，使用 --crc-frame-check 0。
执行结束时，应用会输出一份 CRC 校验报告，显示已处理的总帧数、检测到的 CRC 错误数与成功率，随后是包括帧时间、传输延迟、算子延迟与处理时间在内的详细性能指标。
要校验立体相机配置：
bash
python3 examples/stereo_imx274_frame_validation.py性能
在 IGX-dGPU 上、单相机 4K 分辨率配置下，nvCOMP CRC 计算性能（基于 1000 帧测量）：
none
Minimum: 275 us
Maximum: 390 us
Average: 295 us关于启动性能的说明： HSDK 流水线在启动时的运行时性能可能不稳定，通常是由于 GPU 内核初始化。这很可能导致 CRC 校验失败：当流水线慢于相机帧率时，接收缓冲可能被新数据覆盖，从而触发 CRC 检查所要发现的那种失败。一旦流水线完全初始化并能跟上接收数据的速度，就不应再出现这些错误。我们主要在立体相机场景中观察到该问题。因此，我们的测试（见 tests/test_module_imx274_pattern.py）在开始时跳过 CRC 检查，例如仅在收到 15 帧之后才开始检查。用户应用很可能也会采用类似的启动阶段处理，以避免因这一已知情况产生误导性错误。
此示例无法在 AGX Thor 上运行。
Li VB1940 Eagle
FUSA CoE 接收器（nvCOMP）
对于 AGX Thor 与 T5000，examples/vb1940_fusa_nvcomp_crc_validation.py 提供高性能帧校验，使用 nvCOMP 5.0 实现 GPU 加速 CRC 检查。此示例使用 FUSA CoE 捕获算子实现加速网络数据传输。
在运行该应用之前，请在你的设置上启用 PTP 同步，然后使用以下命令：
bash
python3 examples/vb1940_fusa_nvcomp_crc_validation.py使用 nvCOMP 5.0 的 GPU 加速 CRC 速度足够快，默认即可校验每一帧。应用在完整 CSI 帧（包括 CSI 头与尾部字节）上计算 CRC，以匹配相机 FPGA 的 CRC 计算方式。
执行结束时，应用会输出一份 CRC 校验报告，显示已处理的总帧数、检测到的 CRC 错误数与成功率，随后是包括帧时间、FUSA 捕获延迟、算子延迟与处理时间在内的详细性能指标。
性能
在 AGX Thor 上、Li VB1940 Eagle 相机配置下，nvCOMP CRC 计算性能（基于 1000 帧测量）：
none
Minimum: 554.4 us
Maximum: 631.0 us
Average: 614.3 us4.16 运行 PVA 帧校验示例
PVA CRC 校验示例演示了使用 NVIDIA PVA（可编程视觉加速器，Programmable Vision Accelerator）进行硬件加速 CRC 计算来校验相机帧。这些示例将 PVA 计算出的 CRC 值与相机 FPGA 内嵌的 CRC 值进行比对，以检测数据损坏。
关于要求与构建说明，请参阅 PVA CRC README。
要运行 PVA CRC 校验示例，首先设置 LD_LIBRARY_PATH 环境变量（运行任何应用之前都必须设置）。在演示容器内执行：
bash
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/aarch64-linux-gnu/tegra/:/opt/nvidia/pva-sdk-2.9/lib/aarch64-linux-gnu/:/usr/lib/aarch64-linux-gnu/nvidia在 ConnectX 加速系统上运行 IMX274 PVA CRC 校验示例：
bash
python3 examples/imx274_pva_crc_validation.py --frame-limit 100在 AGX Thor 或 IGX T5000 上运行 Li VB1940 Eagle PVA CRC 校验示例：
bash
python3 examples/vb1940_fusa_pva_crc_validation.py --frame-limit 100性能
IMX274
在 IGX-dGPU 上、单相机 4K 分辨率配置下，PVA CRC 计算性能（基于 1000 帧测量）：
none
Minimum: 412 us
Maximum: 442 us
Average: 414 usLi VB1940 Eagle
在 AGX Thor 上、单相机 1080p 分辨率配置下，PVA CRC 计算性能（基于 1000 帧测量）：
none
Minimum: 106 us
Maximum: 137 us
Average: 111 us4.17 运行 UART 双板示例
examples/uart_dual_board_loopback.py 测试两块板之间的 UART 通信。
硬件设置：将板 1 的 GPIO 10（TX）连接到板 2 的 GPIO 11（RX），并将板 2 的 GPIO 10（TX）连接到板 1 的 GPIO 11（RX）。引脚位置请参阅 Lattice Bajoran 板 GPIO 引脚位置说明。
支持两种模式：单向 （tx/rx），一块板发送、另一块接收；以及 dual，两块板同时收发。
单向（tx/rx）------一板发送，一板接收：
bash
# 终端 1（接收方）：
python3 examples/uart_dual_board_loopback.py --mode rx --hololink 192.168.2.2
# 终端 2（发送方）：
python3 examples/uart_dual_board_loopback.py --mode tx --hololink 192.168.0.2Dual 模式------两块板同时收发：
bash
# 终端 1（板 1）：
python3 examples/uart_dual_board_loopback.py --mode dual --hololink 192.168.0.2 --test-string "HELLO" --expected-rx-string "WORLD"
# 终端 2（板 2）：
python3 examples/uart_dual_board_loopback.py --mode dual --hololink 192.168.2.2 --test-string "WORLD" --expected-rx-string "HELLO"传入 --mode（tx、rx 或 dual）、--hololink 指定各板 IP；在 dual 模式下还可选 --test-string、--expected-rx-string 与 --flow-control。运行 --help 查看全部选项。
UART FIFO 大小为 256 字节。两个应用都会相应地对数据分块，并校验发送与接收的数据是否一致。
4.18 运行 I2S 音频采集示例
这两个示例从板卡采集 I2S 音频并通过 ALSA 播放（可选写入 WAV 文件）。它们走 I2S 接收（RX）路径；板载数字麦克风（DMIC）驱动 I2S 时隙。
设置：使用演示启动脚本在主机上运行，该脚本会启动挂载了 PulseAudio 的演示容器，使解码后的音频从主机的扬声器或耳机播放出来。
RoCE 接收器
examples/audio_recorder.py 将音频流式传输到 ConnectX 加速主机。
bash
# 实时播放：
sh docker/demo.sh python3 examples/audio_recorder.py
# 边播放边录制到 WAV 文件，2000 帧后停止：
sh docker/demo.sh python3 examples/audio_recorder.py --output capture.wav --frame-limit 2000
# 仅采集（不播放）：
sh docker/demo.sh python3 examples/audio_recorder.py --no-playback --output capture.wav传入 --hololink 指定板卡 IP；--sensor 选择 I2S 传感器索引（hololink-lite 上默认为 2；其他板卡可能不同）；--output 写入小端立体声 WAV；--frame-limit 在 N 帧后停止（省略则一直运行直到 Ctrl-C 中断）；--no-playback 仅采集；--alsa-device 选择输出设备。运行 --help 查看全部选项。
音频以 48kHz 立体声 32 位 PCM 格式交付。两个 I2S 时隙作为立体声对转发（时隙 0 -> 左声道，时隙 1 -> 右声道）；当 DMIC 只驱动一个时隙时，另一个时隙携带总线上当前的任意数据，并出现在相应声道中。
FuSa CoE（MGBE）接收器
examples/audio_recorder_fusa.py 将音频流式传输到 AGX Thor 或 IGX T5000。
bash
# 实时播放：
sh docker/demo.sh python3 examples/audio_recorder_fusa.py
# 边播放边录制到 WAV 文件，2000 帧后停止：
sh docker/demo.sh python3 examples/audio_recorder_fusa.py --output capture.wav --frame-limit 2000
# 仅采集（不播放）：
sh docker/demo.sh python3 examples/audio_recorder_fusa.py --no-playback --output capture.wav参数含义同上。音频同样以 48kHz 立体声 32 位 PCM 格式交付；两个 I2S 时隙作为立体声对转发（时隙 0 -> 左声道，时隙 1 -> 右声道）；当 DMIC 只驱动一个时隙时，另一个时隙携带总线上当前的任意数据，并出现在相应声道中。
4.19 子帧处理（Sub-Frame Processing）示例
子帧处理允许高分辨率传感器数据帧在到达时被逐步处理与显示，从而降低延迟并实现渐进式显示。关于子帧处理工作原理的详细信息，请参阅用户指南中的子帧处理应用章节。
IMX274 子帧播放器示例
子帧 IMX274 播放器示例演示了以子帧（而非完整帧）为单位处理与显示相机帧。这为高分辨率相机实现了更低延迟的可视化。
Python：
bash
# 使用 ConnectX 加速网络控制器
python3 examples/sub_frame_imx274_player.py --sub-frame-rows 540
# 非加速配置（例如 AGX Orin、AGX Thor）
python3 examples/linux_sub_frame_imx274_player.py --sub-frame-rows 540C++（构建后）：
bash
# 使用 ConnectX 加速网络控制器
./examples/sub_frame_imx274_player --sub-frame-rows 540
# 非加速配置
./examples/linux_sub_frame_imx274_player --sub-frame-rows 540--sub-frame-rows 参数指定每个子帧的行数。
注意： sub_frame_rows 必须能整除帧高。例如，有效值为 --sub-frame-rows 540（2160 ÷ 540 = 4 个子帧）。
VB1940 子帧可视化器示例
子帧 VB1940 播放器示例演示了使用 SubFrameVisualizerOp 进行与显示同步的采集的子帧处理。子帧在到达时被逐步可视化：每个子帧被合成到其在显示帧中的位置，而无需等待完整帧完成。采集时序通过 FPGA PTP/PPS 输出与显示刷新同步，从而最小化端到端延迟。
bash
$BUILD_DIR/examples/sub_frame_vb1940_player --sub-frame-rows 248--sub-frame-rows 参数指定每个子帧的行数。VB1940 默认模式为 2560×1984 @ 60fps。
注意： sub_frame_rows 必须能整除帧高。对于 1984 行，有效值包括 248（8 个子帧）、496（4 个子帧）和 992（2 个子帧）。
其他选项：
--fullscreen：全屏模式运行（默认：true）--exclusive-display：使用独占显示模式以降低延迟--camera-mode：选择 VB1940 传感器模式（默认：VB1940_MODE_2560X1984_60FPS）--use-sensor：连接两个传感器时选择传感器索引（0 或 1，默认：0）--frame-limit：收到指定帧数后退出（默认：一直运行）
关于与显示同步采集的工作原理，请参阅应用指南中的 SubFrameVisualizerOp 详细说明。
子帧处理模式
子帧示例支持两种显示模式：
-
子帧合成器模式 （IMX274 示例）：子帧由
SubFrameCombinerOp累积成完整帧缓冲后，再传给HolovizOp显示。采集时序独立于显示刷新率。 -
子帧可视化器模式 （VB1940 示例）：子帧在到达时由
SubFrameVisualizerOp直接合成到显示上。采集通过 PTP/PPS 与显示 FPO（First Pixel Out，首像素输出）事件同步，因此每次显示刷新都展示最新可用数据，延迟最小。
子帧配置参数
sub_frame_rows：每个子帧的行数。设为 0 则禁用子帧处理（完整帧模式）。必须能整除帧高。
性能考量
-
内存 ：更小的子帧可降低内存需求，但会增加处理开销。
SubFrameCombinerOp会等待所有子帧到达后再输出完整帧；若某个子帧丢失且下一帧已开始，则会输出一个不完整的帧。 -
网络：子帧大小应与网络数据包大小对齐，以尽量减少不完整的子帧并提升效率。