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:  dtoverlay=ov9281 → libcamera-still → libcamera-tuning
Orange Pi: DTB + i2c init 表 → v4l2-ctl → 感測器內建 ISP
Orin:  tegracam sensor_mode → argus_camera → NVIDIA 工具
Thor:  (HSB) Holoscan channel → argus/Holoscan → NVIDIA 工具

# 共同主軸：I2C（unit-03）→ bring-up（unit-06）→ 取流（unit-05）→ RAW 分析 → 調校

1. 感測器 register 設定（unit-03）可否直接搬？
   ├─ 同感測器 → 是（register 相同）
   └─ 不同 → 需新 init 表
2. 調校參數（AWB/LSC）可否直接搬？
   ├─ 平台 ISP 不同 → 否，語義需對映
   └─ 同 NVIDIA 族（Orin↔Thor）→ 部分可對映
3. 解析度/模式一致？
   └─ 鎖定 sensor mode 後才比（unit-08）

指標               RPi5      Orange Pi   Orin Nano   Thor T5000
-------------------------------------------------------------
RAW SNR (dB)       32.1      30.5        33.8        34.2
YUV SNR (dB)       31.5      29.8        33.2        33.8
ISP latency (ms)   18.3      5.2         3.1         2.8
端到端 latency     32.5      15.8        11.2        7.5
色彩 ΔE            4.2       8.5         2.1         1.8
暗角落亮度比      0.72      0.85        0.91        0.93
CPU 使用率        65%       25%         12%         8%

# 分析：
# 1. Orin/Thor 的 ISP 在硬體引擎上 → latency 低、CPU 使用率低
# 2. Orange Pi 感測器內建 ISP → 功能受限、色彩 ΔE 高
# 3. RPi5 libcamera ISP 開源可調但 CPU 重
# 4. Thor 在 latency 與色彩上最優——但需要 NVIDIA 工具鏈

M1 需求量化
   ├─ 感測器數、解析度、fps、延遲預算
   ├─ 色彩/SNR 要求、成本、開發時間
   └─ 通過：需求表（每項可量測）

M2 加權矩陣
   ├─ 每項權重 × 每平台評分
   └─ 通過：產出總分排行

M3 候選平台 POC
   ├─ 對前 2 名跑最小實驗（取流 + RAW 分析）
   └─ 通過：實測數據 vs 需求表

M4 風險評估
   ├─ 感測器驅動支援度、調校工具、交付格式
   └─ 通過：風險清單

M5 決策
   └─ 通過：選定平台 + 決策文件進 repo

範例加權：
  多感測器規模 0.30  latency 0.20  SNR 0.20
  色彩 0.15  成本 0.10  開發時間 0.05
  → Thor 在規模/latency 高分 → 適合機器人融合

Step 1 需求清單
   感測器/解析度/fps/延遲/SNR/色彩/成本
Step 2 各平台規格盤點
   ISP 形態、路徑、工具、生態
Step 3 最小 POC
   每平台：取流 + RAW + 基本調校
Step 4 量化比較
   SNR、ΔE、latency、fps、CPU/GPU
Step 5 風險評估
   驅動支援、工具鏈、交付格式、長期維護
Step 6 決策 + 記錄
   矩陣分數 + 實測數據 + 決策理由

判讀指標：
  實測 vs 規格不符 → 以實測為準
  分數接近 → 比長期維護與生態，不比峰值

# Step 1: 讀取目前值
$ devmem2 varies per platform w
# 記錄 current_value

# Step 2: 計算新值
$ new_value=$(current_value | 0x0001)

# Step 3: 寫入
$ devmem2 varies per platform w $new_value

# Step 4: 驗證讀回值與預期一致
$ devmem2 varies per platform w
$ [ "$(devmem2 varies per platform w | grep Read)" = "expected" ] && echo "PASS" || echo "FAIL"

1. 調校參數不能直接搬？
   ├─ ISP 架構不同 → 各平台有自己的 tuning file format
   └─ 參數命名不同 → 需要 mapping table
2. 品質落差大？
   └─ ISP 能力差異 → 有些功能在低階平台根本沒有

1. 不知選哪個平台？
   ├─ 需要多感測器 + 高品質 → Thor
   ├─ 預算有限 + 學習 → RPi5
   └─ 工業部署 + 成本 → Orin Nano