鉴于手头测试设备的限制，为了更好的使用，配置如下：

分辨率：1024x768 //配合一台VGA液晶显示器编解码：H265 //SCC338Q & Hi3536DV100 支持编码率：60FPS //Hi3536DV100 支持最高的解码率WiFi频点：channel=64

注：H265编解码存在花屏现象，可能与底层分包组装有关，详见：How to configure 720P@120fps on wfb_gs on ubuntu(not OpenIPC gs)

#336

3. WFB-NG安装

ubuntu22.04@laptop安装&配置wfb-ng

3.1 RTL8812AU安装

3.1.1 驱动安装

$ sudo apt-get install dkms

$ git clone -b v5.2.20 git@github.com:svpcom/rtl8812au.git

$ cd rtl8812au/

$ sudo ./dkms-install.sh

3.1.2 定位设备

如果设备正确安装了，那么将会看到类似下面的输出：

$ nmcli

...

wlan1: unmanaged

"Realtek RTL8812AU 802.11a/b/g/n/ac 2T2R"

wifi (rtl88xxau_wfb), 20:0D:B0:32:DA:3A, hw, mtu 4052

...

注：这里笔者环境WiFi设备为Realtek RTL8812AU 802.11a/b/g/n/ac 2T2R 设备号：wlan1。

3.2 wfb-ng安装

3.2.1 传输层安装

之前已经定位WiFi设备为wlan1，安装地面站：

$ git clone -b stable git@github.com:svpcom/wfb-ng.git

$ cd wfb-ng

$ sudo ./scripts/install_gs.sh wlan1

注：Jetson Orin平台安装时，会存在问题，需要修复安装脚本，详见：[Jetson Orin] wfb-ng/env/bin/pip: No such file or directory

3.2.2 配置调整

调整通信频点与SCC338Q channel=64一致

$ sudo cat /etc/wifibroadcast.cfg

[common]

wifi_channel = 64 # 161 -- radio channel @5825 MHz, range: 5815–5835 MHz, width 20MHz

# 1 -- radio channel @2412 Mhz,

# see https://en.wikipedia.org/wiki/List_of_WLAN_channels for reference

wifi_region = 'BO' # Your country for CRDA (use BO or GY if you want max tx power)

[gs_mavlink]

peer = 'connect://127.0.0.1:14550' # outgoing connection

# peer = 'listen://0.0.0.0:14550' # incoming connection

[gs_video]

peer = 'connect://127.0.0.1:5600' # outgoing connection for

# video sink (QGroundControl on GS)

配置地面站与天空端的秘钥

$ wfb_keygen

Drone keypair (drone sec + gs pub) saved to drone.key

GS keypair (gs sec + drone pub) saved to gs.key

$ ls

drone.key gs.key

drone.key --> 天空端 /etc/drone.keygs.key --> 地面端 /etc/gs.key

3.3 wfb-ng-osd安装

3.3.1 编译安装

$ sudo apt-get install libcairo2-dev gstreamer1.0-tools libgstreamer1.0-dev gstreamer1.0-plugins-base gstreamer1.0-plugins-bad gstreamer1.0-plugins-good gstreamer1.0-plugins-ugly libgstreamer-plugins-base1.0-dev

$ make osd

3.3.2 使用事项

$ ./osd --help

./osd: invalid option -- '-'

./osd [-p mavlink_port] [-P rtp_port] [ -R rtsp_url ] [-4] [-5] [-j rtp_jitter] [-x] [-a] [-w screen_width]

Default: mavlink_port=14551, rtp_port=5600, rtsp_url=none, codec=h264, rtp_jitter=5, screen_width=1920

WFB-ng OSD version 23.12.15.60076-1acd315d

WFB-ng home page: <http://wfb-ng.org>

鉴于当前OpenIPC使用venc/vdec进行编解码，所以无法被用于RTP相兼容的majectic streamer。若真想要尝试使用，需要在调整OpenIPC的venc0_P0_MAIN/venc1_P0_MAIN进程，暂不深入分析。目前在Jetson Orin平台上可以使用gstDecoder解码。

3.4 video-viewer安装

鉴于前面谈到的编解码问题，若要在Jetson Orin平台上能够对OpenIPC现在venc编码视频流进行解码，可以简单使用video-viewer这个工具，但是性能上现在看来并不理想，因为平台使用了GPU和CPU来介入。也许切换到常规RTP编解码会有更好的效果。

关于工具的安装，这里不再展开，感兴趣的朋友可以自行阅读：Linux 36.2@Jetson Orin Nano之Hello AI World！

4. 总结

鉴于：

目前最新数据720P@120FPS响应时间35~40ms延迟，具备FPV四轴高速飞行要求wfb_ng是传输层代码，在进行视频传输的同时，具备小数据电传链路功能wfb_ng是加密传输，开源代码

wfb-ng 开源工程结构&代码框架简明介绍

以下链路分析：

相对传统链路：

a)【视频链路】IMX415 ==> SCC338Q ==> RTL8812AU ==> Hi3536DV100 ==> FPV Goggles/Display

b)【视频链路】IMX415 ==> SCC338Q ==> RTL8812AU ==> Hi3536DV100 ==> Ground Control Station

e)【控制链路】FC <== SCC338Q <== RTL8812AU <== Hi3536DV100 <== Ground Control Station

f)【控制链路】FC <== RC Receiver <== RC Transmitter <== RC Controller

大数据分析链路：

c)【视频链路】IMX415 ==> SCC338Q ==> RTL8812AU ==> Jetson Orin Nano (GPU/AI)

d)【视频链路】IMX415 ==> SCC338Q ==> Raspberry Pi3B+ (GPU/CPU/AI)

e)【控制链路】FC <== SCC338Q <== RTL8812AU <== Jetson Orin Nano (GPU/AI)

g)【控制链路】FC <== SCC338Q <== RTL8812AU <== Raspberry Pi3B+ (GPU/CPU/AI)

Raspberry Pi3B+（Companion Computer）和Jetson Orin（DataCenter） 组成了大数据决策和边缘AI的构架模型。

DataCenter负责广域范围内的分析和决策CompanionComputer负责局域范围内的分析和决策

以上是根据FPV无人机方面的一些简单想法（实际应用还可以进行适当的调整部署，以适应实际应用需求）。

随着技术的发展，今后科技发展在各个领域都将会逐步形成细分的领域大数据决策和边缘AI应用，这也是为什么我们非常看好《一种部件生命期监测方法》在细分应用领域具有指导意义的重要原因。

好了，废话不多说，上点这套OpenIPC(SCC338Q+IMX415+Hi3536DV100+RTL8812AU) + Jetson Orin Nano的视频，感性认识下ubuntu22.04@Jetson Orin Nano安装WFB-NG&OpenIPC性能。

为什么说感性，因为测试环境配置都不高：(有过有朋友能提供更好的测试环境，那倒是可以考虑测下极限)

台式老显示器 1024x768@60Hz裸奔测试屏幕1920x1080@60Hz非高速拍摄&记录设备，使用老式小米手机计时器显示屏幕2736x1824@59.96Hz (SurfacePro6)

注：受到venc/vdec编码器的影响，Jetson Orin似乎并不太支持这个解码流，效果不好。

OpenIPC(SCC338Q+IMX415+Hi3536DV100+RTL8812AU)性能测试

上述配置摄像头端(SCC338Q+IMX415+RTL8812AU)是能够满足720P@120FPS H265的，从延时报告的数据，大约能做到30~40ms。

实际看电视的效果，大家感受下：

ssc338q+imx415+nvr3536 OpenIPC看视频

5. 参考资料

【1】 wfb-ng Release 23.01镜像无头烧录&配置(1)

【2】 wfb-ng Release 23.01镜像无头烧录&配置(2)

【3】wfb-ng 锁定WiFi接口

【4】Linux 36.2@Jetson Orin Nano之基础环境构建

【5】Aocoda-RC H743Dual BMI270x2飞控，支持Ardupilot

【6】OpenIPC开源IPC之工程编译

【7】OpenIPC开源IPC之工程框架

6. 补充讨论

6.1 拓扑结构问题

有好多朋友问为什么拓扑是这样的？

其实并不一定需要这样，目前这个拓扑图是根据笔者手中的硬件（也是基于现在市面上大家能够拿到的硬件，可以马上DIY）。基于这套DIY的硬件和软件来画的一张简图。各位自己实际拓扑结构，还需要根据具体的软硬件部署来进行调整。

如果硬件还能自己整的话，定制程度就更高了。

综上所述，上面的拓扑图主要是一个示意，并非一定是这样。根据需求进行调整，根据实际软硬件部署进行定制。

比如：

伴机电脑，Onboard companion computer sharing camera resource #3304G网络（最快可能可以做到150ms，但是切换网络会有影响），ZEROTIER for Virtual Network Configuration #1288

6.2 4G LTE无人机

关于4G LTE的问题，之前《ArduPilot开源飞控之lida2003套机+伴机电脑首飞》已经Ready。

固件/lida2003套机平台都支持，唯一缺少的是USB-4G模块，装上就可以直接4G远程控制。

Ardupilot 4.5.1 Mark4 + RaspberryPi3B + Rpanion

XY位置采用GPS+光流；高度采用GPS+Baro+激光，超级稳定：

Ardupilot 4.4.4 Mark4 + FuseAllVelocities + RaspberryPi3B+

6.3 GPU运算能力

鉴于GPU当前在边缘计算上的能力问题：

《Jammy@Jetson Orin - Tensorflow & Keras Get Started: Transfer Learning & Fine Tuning》《Jammy@Jetson Orin Nano - Tensorflow GPU版本安装》

根据成本和应用的考量，硬件&软件可以根据应用做部署上的调整，进而满足需求：

注：下图将边缘计算前移；亦可以考虑：简单识别 - 智能识别 - 网络识别，分级部署。