具身智能实训 基础模块2：计算机视觉基础

如果你已经在做机器人、边缘设备或者嵌入式方向的工作，最近大概频繁看到「具身智能」这个词。但落到具体工作上，它往往先卡在一个很基础的问题上：设备上的摄像头拍到了画面，接下来怎么办？这门《具身智能实训 基础模块2：计算机视觉基础》处理的正是这一段——从拿到图像，到让它在真实硬件上跑出可用的识别结果。

它解决的是哪个环节的问题

具身智能的链条通常是：感知—决策—执行。这门课只做第一段，而且做得比较实。它的定位不是教你训练一个刷榜的模型，而是让你能把视觉能力落到一块算力有限的板子上。

具体会碰到这些工作场景：摄像头采集到的画面颜色不对、噪点多，需要做色彩空间转换和滤波；要在一张图里把目标区域框出来，得用阈值处理、颜色分割、边缘检测；模型训好了但体积太大跑不动，需要转成 ONNX、做 INT8 量化、适配 NPU 平台。这些都是实际调试时绕不开的步骤，也是很多人从「会调库」到「能交付」之间缺的那一段。

学完之后能独立做什么

按课程内容的推进，比较务实的目标是这几件事：

• 能独立完成一套基础的图像预处理流程，包括读取、色彩空间转换、增强、滤波、阈值分割，并根据实际画面效果调整参数，而不是照抄示例值。
• 能用 OpenCV 实现颜色分割、边缘检测、特征提取这类传统视觉方法，理解它们在什么条件下比深度学习模型更划算。
• 能把一个训练好的模型走完转换链路：PyTorch 到 ONNX，再到 RKNN，做 INT8 量化后部署到 NPU 平台上，并知道量化掉点通常出在哪些环节。
• 能跑通图像识别和目标检测的完整实例，把「采集—处理—推理—输出」串起来。

需要说明的是，这些目标的达成度取决于你愿不愿意动手复现。视觉这类内容，看一遍和调一遍的参数直觉差别很大。

资料适合什么基础的人

这门课对基础的要求是分层的，你可以对照自己的情况判断：

• 如果你写过 Python，知道 NumPy 的基本操作，但没系统学过视觉，那这门课的传统图像处理部分会填上你缺的那块基础。
• 如果你做过深度学习训练，但没碰过模型部署和量化，那 PyTorch—ONNX—RKNN 这条链路是这门课对你最有价值的部分。
• 如果你是嵌入式或边缘计算方向，熟悉硬件但不熟视觉算法，课程里硬件协同设计和 NPU 适配的内容会更贴近你的日常工作。
• 如果你完全没写过代码，建议先补 Python 基础再来，否则图像处理和模型转换两部分都会卡住。

课程偏向实战，理论和代码是穿插的。好处是不会悬在空中，代价是如果你只想快速了解概念，可能会觉得步骤偏细。

怎么用这份资料效率更高

建议不要按顺序从头看到尾。可以先跳到模型转换和 NPU 适配那部分，看看最终要交付的形态是什么，再回头补图像处理和传统算法——带着「我要让这个模型在板子上跑起来」的目标去学前面的内容，注意力会集中很多。

另外，传统视觉部分别急着跳过。在算力受限的设备上，一个调好的颜色分割或边缘检测方案，往往比硬塞一个神经网络更稳、更快。这门课把两部分放在一起讲，本身就是在提示这个取舍关系。

至于值不值得学：如果你的工作确实涉及把视觉能力部署到真实硬件上，这门课覆盖的链路是完整的，可以学；如果你只是想了解计算机视觉的理论全貌，它偏工程，可能需要再配一本教材。