單元 15 · 四平台影像調校功能比較

RPi5:      i2ctransfer -y 22 w2@0x36 0x30 0x0a r1
Orange Pi: i2ctransfer -y 3  w2@0x3c 0x30 0x0a r1
Orin/Thor: i2ctransfer -y 0  w2@0x36 0x30 0x0a r1

RPi5:      rpicam-still --output img.jpg
Orange Pi: v4l2-ctl --stream-mmap --stream-count=1 --stream-to=img.raw
Orin/Thor: argus_camera --mode 0 --capture-auto 1 --duration 1

1. 需要 GMSL / 工業距離多感測器？
   ├─ 是 → Orin Nano（或 Thor，需更高效能）
   └─ 否 ┐
2. 需要開源調校演算法？
   ├─ 是 → RPi5（libcamera）
   └─ 否 ┐
3. 預算最低、只要能出圖？
   ├─ 是 → Orange Pi（感測器內建 ISP）
   └─ 否 ┐
4. 工業量產 + 自動化調校 → Orin Nano ✅

RPi5 libcamera ──────────→ Orin
ExposureTime            → SensorMode exp_time / tegracam exposure
ColourGains             → Argus AWB gains
rpicam --raw            → argus_camera --raw-file
tuning file (json)      → DTB mode + NVIDIA 內部 tuning
LSC tables              → NVIDIA 工具生成網格
"逐參數手動"            → "設場景讓自動化收斂"

# === Orin Nano ===
argus_camera --mode 0 --capture-auto 1 --duration 1
# 優點：Argus 自動管理 ISP pipeline
# 缺點：API 較複雜（需 libargus）

# === RPi5 ===
libcamera-still --nopreview -o rpi.jpg
# 優點：libcamera 簡單一行搞定
# 缺點：調校參數需改 YAML 配置檔

# === Qualcomm (如果有) ===
# vendor SDK（非公開），需要 QCOM 相權限
# 優點：ISP 性能強
# 缺點：封閉，不公開 API

# === STM32MPU ===
# GStreamer + ISP plugin
gst-launch-1.0 v4l2src device=/dev/video0 ! videoconvert ! autovideosink
# 優點：標準 Linux 生態
# 缺點：ISP 功能有限

# Step 1 · 需求量化（回顧 9.6 決策流程）
#   列出：感測器數、距離（GMSL?）、調校深度、預算、供電 / 散熱
# Step 2 · 標竿測試（每平台各跑一次，回顧 9.14 SOP）
#   出圖三件套 + RAW 品質 + 延遲 + 多路能力
# Step 3 · 能力矩陣（回顧 15.12-1）
#   列功能 × 平台，1-5 分 + 權重
# Step 4 · 風險評估
#   Orin: GMSL ✅ / 黑箱 ⚠️；RPi5: 開源 ✅ / 無 GMSL ❌
#   Orange Pi: 便宜 ✅ / 陽春 ⚠️；Thor: 強 ✅ / 貴 ⚠️
# Step 5 · 決策文件：結論 + 理由 + 備援方案

#!/usr/bin/env python3
# cross_platform_awb.py — 比較三平台 AWB 效果
import numpy as np

platforms = {
    "Orin Nano": "orin_graycard.raw",
    "RPi5": "rpi5_graycard.raw",
    "Orange Pi": "opi_graycard.raw"
}

for name, f in platforms.items():
    try:
        data = np.fromfile(f, dtype=np.uint16).reshape(800, 1280)
        r = data[0::2, 0::2].mean()
        g = data[0::2, 1::2].mean()
        b = data[1::2, 0::2].mean()
        rg = r / g; bg = b / g
        deviation = abs(rg - 1.0) + abs(bg - 1.0)
        verdict = "PASS" if deviation < 0.05 else "NEEDS TUNING"
        print(f"{name}: R/G={rg:.3f} B/G={bg:.3f} deviation={deviation:.3f} [{verdict}]")
    except FileNotFoundError:
        print(f"{name}: file not found")

1. Orin 的 tuning 參數搬到 RPi5 無效？
   ├─ 是 → 檔案格式不同（XML vs JSON）
   │       用語不同（gain vs analogue_gain）
   │       需要參數映射表
   └─ 否 ┐
2. 數值範圍不同？
   ├─ 是 → 歸一化後比較（0-1 range）
   └─ 否 → 參數語義不同 → 查各平台 API