> ## Documentation Index
> Fetch the complete documentation index at: https://dragonwingdocs.qualcomm.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 端到端示例

> 使用已发布的输入图像运行图像分类和手部检测的 AI 示例。这些示例无需摄像头。

无需任何摄像头即可端到端运行 QIR SDK 的 AI 视觉示例。两个示例都使用 `image_publisher` 以固定频率发布捆绑的图像，然后将帧推送到与摄像头启动方式相同的 QNN 推理管线。这些示例可在运行 Qualcomm Linux 或 Ubuntu 的 IQ-9075 EVK 上运行，也可在运行 Ubuntu 的 Qualcomm Dragonwing™ RB3 Gen 2 Vision Kit 上运行。

## 前提条件

在开始任一示例之前，请确认以下内容。

* 有关更多信息，请参阅[场景](./scenarios#evaluate)页面上的评估标签页。
* 主机和设备可以使用 `ping` 命令在网络上相互访问。
* 主机和设备上都提供 ROS 2 Jazzy，且 `ROS_DOMAIN_ID` 一致。
* 设备运行 `qcom-robotics-proprietary-image`（Qualcomm Linux）或 `qirp-sdk` 或 `qirp-sdk-desktop`（Ubuntu）。

## 运行 AI 示例

按照您要运行的示例对应的标签页操作。两个示例都通过 `image_publisher` 发布输入图像，因此无需摄像头。

<Tabs>
  <Tab title="图像分类">
    端到端运行 `sample_resnet101`，通过 Qualcomm® AI Engine Direct SDK (QNN) 使用 ResNet-101 模型对捆绑图像进行分类。

    ### 管线图

    下图展示了管线中的 ROS 2 节点和话题。

    ```mermaid theme={null}
    flowchart TD
        A[image_publisher]:::proprietary -->|/image_raw| B[Image classification preprocess]:::proprietary
        B -->|/qrb_inference_input_tensor| C[qrb_ros_nn_inference]:::proprietary
        C -->|/qrb_inference_output_tensor| D[Image classification postprocess]:::proprietary
        D -->|/resnet101_output| E[Consumer or rqt]:::neutral
        classDef proprietary fill:#31017D,color:#ffffff,stroke:#31017D
        classDef neutral fill:#eeeeee,color:#000000,stroke:#999999
    ```

    ### 运行示例

    按照操作系统标签页操作。两种路径均使用内置的图像发布器启动，默认以 10 Hz 发布 `glasses.jpg`。

    <Tabs>
      <Tab title="Qualcomm Linux">
        <Steps>
          <Step title="在设备上加载运行时环境">
            通过 SSH 连接到设备：

            ```bash theme={null}
            source /usr/share/qirp-setup.sh -m
            export ROS_DOMAIN_ID=123
            ```
          </Step>

          <Step title="使用图像发布器启动示例">
            ```bash theme={null}
            ros2 launch sample_resnet101 launch_with_image_publisher.py
            ```
          </Step>

          <Step title="输出分类话题内容">
            在第二个 SSH 会话中：

            ```bash theme={null}
            ros2 topic echo /resnet101_output
            ```
          </Step>
        </Steps>
      </Tab>

      <Tab title="Ubuntu">
        <Steps>
          <Step title="安装示例软件包">
            ```bash theme={null}
            sudo apt install ros-jazzy-sample-resnet101
            ```
          </Step>

          <Step title="在设备上设置环境">
            ```bash theme={null}
            source /opt/ros/jazzy/setup.bash
            export ROS_DOMAIN_ID=123
            ```
          </Step>

          <Step title="使用图像发布器启动示例">
            ```bash theme={null}
            ros2 launch sample_resnet101 launch_with_image_publisher.py
            ```
          </Step>

          <Step title="输出分类话题内容">
            ```bash theme={null}
            ros2 topic echo /resnet101_output
            ```
          </Step>
        </Steps>
      </Tab>
    </Tabs>

    ### 预期结果

    以下输出显示 `/resnet101_output` 上稳定的分类流。

    ```text theme={null}
    data: 'sunglass'
    ---
    data: 'sunglass'
    ---
    data: 'sunglass'
    ```

    在启动命令中传入 `image_path:=<your image path>` 可更改输入图像；标签会相应更新。
  </Tab>

  <Tab title="手部检测">
    端到端运行 `sample_hand_detection`，通过 QNN 使用 MediaPipe Hand Landmark Detector 检测手掌和手部关键点。这个两阶段管线先执行手掌检测，再执行关键点回归，然后在源帧上进行标注。

    ### 管线图

    下图展示了两阶段管线中的 ROS 2 节点和话题。

    ```mermaid theme={null}
    flowchart TD
        A[image_publisher]:::proprietary -->|/image_raw| B[palm_preprocessor]:::proprietary
        B -->|/palm_detector_input_tensor| C[qrb_ros_nn_inference]:::proprietary
        C -->|/palm_detector_output_tensor| D[palm_postprocessor]:::proprietary
        D --> E[landmark_preprocessor]:::proprietary
        E -->|/landmark_detector_input_tensor| F[qrb_ros_nn_inference]:::proprietary
        F -->|/landmark_detector_output_tensor| G[landmark_postprocessor]:::proprietary
        G -->|/handlandmark_result| H[rqt Image View]:::neutral
        classDef proprietary fill:#31017D,color:#ffffff,stroke:#31017D
        classDef neutral fill:#eeeeee,color:#000000,stroke:#999999
    ```

    ### 运行示例

    按照操作系统标签页操作。两种路径均使用内置的图像发布器启动，因此无需摄像头。

    <Tabs>
      <Tab title="Qualcomm Linux">
        <Steps>
          <Step title="在设备上加载运行时环境">
            通过 SSH 连接到设备：

            ```bash theme={null}
            source /usr/share/qirp-setup.sh -m
            export ROS_DOMAIN_ID=123
            export PYTHONPATH=$PYTHONPATH:/opt/ros/jazzy/lib/python3.14/site-packages/sample_hand_detection
            ```
          </Step>

          <Step title="使用图像发布器启动示例">
            ```bash theme={null}
            ros2 launch sample_hand_detection launch_with_image_publisher.py model_path:=/opt/model/
            ```
          </Step>

          <Step title="在主机上查看带标注的帧">
            在主机终端中：

            ```bash theme={null}
            export DISPLAY=YOUR_HOST_IP:0
            export ROS_DOMAIN_ID=123
            rqt
            ```

            在 `rqt` 中，选择 **Plugins** → **Visualization** → **Image View**，然后选择 `/handlandmark_result`。
          </Step>
        </Steps>
      </Tab>

      <Tab title="Ubuntu">
        <Steps>
          <Step title="安装示例软件包">
            ```bash theme={null}
            sudo apt install ros-jazzy-sample-hand-detection
            ```
          </Step>

          <Step title="在设备上设置环境">
            ```bash theme={null}
            source /opt/ros/jazzy/setup.bash
            export ROS_DOMAIN_ID=123
            ```
          </Step>

          <Step title="使用图像发布器启动示例">
            ```bash theme={null}
            ros2 launch sample_hand_detection launch_with_image_publisher.py
            ```
          </Step>

          <Step title="在主机上查看带标注的帧">
            在主机上打开 `rqt`，选择 **Plugins** → **Visualization** → **Image View**，然后选择 `/handlandmark_result`。
          </Step>
        </Steps>
      </Tab>
    </Tabs>

    ### 预期结果

    下图显示当发布一张完全张开手掌的图像时，带有手掌边界框和 21 个关键点标记的标注帧。

    <Frame>
      <img src="https://mintcdn.com/qualcomm-prod/ZRoYdq-twSwPVBFY/snippets/qir-sdk2.0-user-guide/robotics-workflow-unified/media/showcase-hands.png?fit=max&auto=format&n=ZRoYdq-twSwPVBFY&q=85&s=b0cadf2ce74ea94922d027920fbf7adc" style={{width: "50%", display: "block", margin: "0 auto"}} width="208" height="202" data-path="snippets/qir-sdk2.0-user-guide/robotics-workflow-unified/media/showcase-hands.png" />
    </Frame>
  </Tab>
</Tabs>

## 后续步骤

* [QIR SDK 用户指南（Qualcomm Linux）](/zh/SDKs/QIR-SDK-2.0/) — 面向运行 Qualcomm Linux 软件的 Qualcomm Dragonwing 设备的完整 QIR SDK 用户指南，包括 SDK 概述、安装、镜像变体、交叉编译工具链、overlay 机制、迁移指南和故障排除。
* [QIR SDK 用户指南（Ubuntu）](/zh/SDKs/QIR-SDK-Ubuntu) — 面向运行 Ubuntu 的 Qualcomm Dragonwing 设备的完整 QIR SDK 用户指南，包括软件架构、安装和示例应用。
* 试用更多示例应用

  <Columns cols={2}>
    <Card title="QIR SDK 示例应用 (Linux)" icon="linux">
      [示例](/zh/SDKs/QIR-SDK-2.0/qir-sdk-sample-applications)
    </Card>

    <Card title="QIR SDK 示例应用 (Ubuntu)" icon="ubuntu">
      [示例](/zh/SDKs/QIR-SDK-Ubuntu/sample-applications)
    </Card>
  </Columns>