项目地址：https://github.com/PT233/gst-rknn-filter
在 Rockchip NPU（RK3588、RK3576、RK3568 等）上运行视觉模型（YOLO、RetinaFace、PPOCR 等）的 GStreamer 插件。支持实时视频推理，可与 videotestsrc、v4l2src、uridecodebin 等源组合使用。

只支持model文件夹下罗列出来的模型，模型全部出自于https://github.com/airockchip/rknn_model_zoo 下转出的rknn模型。

[免责申明]该插件属于自己自娱自乐，大部分内容参考于https://github.com/haydenee/gstreamer-rknn

---

快速安装

1. 环境要求

项目	说明
平台	RK3588 / RK3576 / RK3568 等（arm64）
系统	板端 Linux（非交叉编译时）
工具	meson、ninja、pkg-config
runtime	GStreamer 1.18+、librga、librknnrt

2. 安装依赖

# Debian/Ubuntu 系
sudo apt update
sudo apt install -y meson ninja-build pkg-config \
  gstreamer1.0-tools gstreamer1.0-plugins-base gstreamer1.0-plugins-good \
  libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

RKNN / RGA 库：优先使用系统安装版本；若无，则使用项目自带预编译库。

# 若系统有 librknnrt、librga（如官方镜像已集成），无需额外操作
# 否则，按 thirdparty/README.md 放入预编译库：
#   - librga: thirdparty/librga/libs/
#   - librknnrt: thirdparty/librknn_api/libs/

3. 编译与测试

cd rknnfilter
./build.sh

编译成功后，插件在 build/src/libgstrknn.so。运行测试前设置插件路径：

export GST_PLUGIN_PATH="$(pwd)/build/src:$GST_PLUGIN_PATH"

---

详细安装步骤

一、系统依赖

依赖	用途
meson	构建系统
ninja	编译器
gstreamer-1.0	GStreamer 核心
librga	Rockchip RGA 加速
librknnrt	RKNN runtime

若板端为 Rockchip 官方系统，librga 与 librknnrt 通常已预装；否则需从以下地址获取预编译库：

• librga: https://github.com/airockchip/librga
• librknnrt: https://github.com/airockchip/rknn-toolkit2 → rknpu2/runtime/

将对应架构的 librga.so、librknnrt.so 放入 thirdparty/librga/libs/ 和 thirdparty/librknn_api/libs/。

二、编译

./build.sh
# 或手动：meson setup build && ninja -C build

构建产物：build/src/libgstrknn.so。

三、配置插件路径

GStreamer 需能找到插件，任选其一：

方式 A：每次运行前设置环境变量（推荐）

export GST_PLUGIN_PATH="$(pwd)/build/src:$GST_PLUGIN_PATH"

方式 B：安装到系统

sudo ninja -C build install
# 若安装到 /usr/local，需将 /usr/local/lib/gstreamer-1.0 加入 GST_PLUGIN_PATH

四、模型准备

1. 将 RKNN 模型放入 model/ 目录，例如 yolov5.rknn。
2. 检测类模型需提供 model-type 和标签文件（如 coco_80_labels_list.txt）。

可从 RKNN Model Zoo 或官方网盘下载并转换模型；本仓库 model/ 目录已包含 coco_80_labels_list.txt。

五、运行测试

# 批量测试 model/ 下所有模型（快速模式：每模型 30 帧）
./run_batch_test.sh

# 深度测试（每模型 300 帧 × 2 轮）
./run_batch_test.sh deep

---

手动运行示例（绝对路径）

gst-launch-1.0 videotestsrc num-buffers=300 ! \
  video/x-raw,format=NV12,width=640,height=480 ! \
  rknnfilter model-path=/path/to/model/yolov5.rknn model-type=yolov5 \
    label-path=/path/to/model/coco_80_labels_list.txt show-fps=true ! \
  videoconvert ! autovideosink

---

支持的模型类型（model-type）

拉到最后查看属性

gst-inspect-1.0 rknnfilter

model-type	说明
yolov5, yolov6, yolov7, yolov8	目标检测
yolov8_obb	旋转框检测
yolov10, yolo11, ppyoloe	目标检测
yolov8_pose	人体关键点
yolov5_seg, yolov8_seg, ppseg	图像分割
deeplabv3	语义分割
retinaface	人脸检测
lprnet	车牌识别
ppocr_det, ppocr_rec	文字检测/识别

---

常见问题

1. 找不到插件 rknnfilter

export GST_PLUGIN_PATH="$(pwd)/gstreamer-rknn/build/src:$GST_PLUGIN_PATH"
# 或在 gstreamer-rknn 目录下执行

2. 提示找不到 librknnrt 或 librga

• 确认系统或 thirdparty/*/libs/ 中有对应架构的 .so 文件。
• 运行时将包含这些库的目录加入 LD_LIBRARY_PATH。

3. meson 报错找不到 gstreamer

sudo apt install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

4. run_test.sh 报错找不到模型

将 yolov5.rknn 或 yolov5s-640-640.rknn 放到 gstreamer-rknn/model/ 目录。

5. OpenCV 可选

meson 会检测 opencv4；未安装时仍可编译，部分后处理功能可能受限。

---

相关链接

• gstreamer rknn
• RKNN-Toolkit2
• RKNN Model Zoo
• librga

---