Le Raspberry Pi Blockset propose des blocs et des fonctions dans MATLAB et Simulink pour le prototypage et l'implémentation d'applications sur le hardware Raspberry Pi®. Vous pouvez interfacer avec des périphériques hardware tels que GPIO, I2C, SPI et des modules caméra pour le prototypage rapide.
Avec Raspberry Pi Blockset, vous pouvez acquérir des données de capteurs, contrôler des actionneurs et développer des applications pour le traitement d'images et d'audio, le traitement du signal, ainsi que pour les systèmes Internet of Things (IoT). Vous pouvez également déployer des applications de Machine Learning ou de Deep Learning pour le traitement en périphérie sur Raspberry Pi.
Vous pouvez développer des algorithmes dans MATLAB et Simulink, puis les déployer sur Raspberry Pi en utilisant la génération automatique de code (avec Embedded Coder). Le blockset supporte le réglage en direct des paramètres, la surveillance des signaux et les workflows d'E/S connectés, permettant une interaction en temps réel avec le hardware.
Pour débuter
Configurez et déployez des algorithmes MATLAB et des modèles Simulink sur le hardware Raspberry Pi sous les plateformes Windows®, Mac® et Linux®.
Blocs de driver de périphériques
Utilisez les blocs de driver de périphériques pour accéder aux fonctionnalités spécifiques du hardware de votre carte, telles que les protocoles de communication ou les bibliothèques hardware.
Maintenance prédictive
Surveillez l'état d'un dispositif rotatif ou d'un autre équipement en utilisant un algorithme de Machine Learning pour la maintenance prédictive. Utilisez ThingSpeak pour visualiser l'état opérationnel dans le cloud.
Lire des données de balayage lidar via ROS
Lisez et recevez des données de balayage lidar 2D d'un environnement intérieur à partir d'un réseau ROS en utilisant la carte hardware Raspberry Pi.
Détection de contours
Acquérez une image en direct à partir d'une webcam et déployer une fonction de détection de contours sur le hardware Raspberry Pi sous forme d’exécutable autonome.
Classification d'images par Deep Learning
Générez et déployez du code pour le réseau de neurones ResNet-50 afin d'identifier l'image transmise en entrée en utilisant la ligne de commande du Raspberry Pi.
Hardware supporté
Modèles Raspberry Pi
- Raspberry Pi 5
- Raspberry Pi Compute Module 4
- Raspberry Pi Zero 2 W
- Raspberry Pi 4 Modèle B
- Raspberry Pi 3 Modèle B+
- Raspberry Pi Zero W
- Raspberry Pi 3 Modèle B
- Raspberry Pi 2 Modèle B
- Raspberry Pi 1 Modèle B+
Remarque : Le Raspberry Pi 1 Modèle A, le Raspberry Pi Modèle B, le Raspberry Pi 1 Modèle A+ et le Raspberry Pi Zero ne sont actuellement pas supportés. Le Raspberry Pi Pico est supporté à partir du support package Arduino de la version R2024b.
Ressources liées au produit :
FAQ sur Raspberry Pi Blockset
Raspberry Pi Blockset est un produit MathWorks qui fournit des blocs et des fonctions dans MATLAB et Simulink pour prototyper, développer et déployer des applications sur le matériel Raspberry Pi.
MATLAB + Raspberry Pi Blockset - contrôler le matériel de manière interactive, lire les capteurs et capturer des images. Ajouter Simulink pour la Model-Based Design avec des blocs visuels, la simulation et les tests avec matériel connecté. Ajouter Embedded Coder pour générer des exécutables C/C++ autonomes, activer la monitor and tune, et déployer sur le Pi.
Embedded Coder génère du code C/C++ lisible, compact et rapide à partir de vos algorithmes MATLAB et de vos modèles Simulink, optimisé pour les processeurs ARM, et le déploie comme exécutable autonome sur Raspberry Pi. Générer des exécutables standalone qui s'exécutent sur le Pi au démarrage. Produire du C/C++ optimisé avec des améliorations spécifiques à ARM pour des performances temps réel. Vérifier le code généré par rapport à la simulation à l'aide des tests SIL et PIL. Mesurer les temps d'exécution sur le matériel pour identifier les goulots d'étranglement. Contrôler la structure du code généré, les types de données et les interfaces pour l'intégration avec des bases de code existantes.
Pour l'IA en périphérie : détection d'objets, classification d'images, reconnaissance vocale, détection de mots-clés (ResNet-50, YOLOX). Pour la communication industrielle : CAN/CAN FD, Modbus TCP/IP, encodeur/décodeur de protocole. Pour l'audio et la vidéo : capture/lecture audio, sortie DAC I2S, streaming vidéo RTSP, traitement d'images caméra. Pour l'acquisition et le contrôle de capteurs : mesure IMU, GPIO, PWM, servomoteur, retour d'encodeur. Pour la robotique et le contrôle moteur : fusion de capteurs, navigation autonome, LEGO MINDSTORMS. Pour l'IoT et le cloud : ThingSpeak, tableaux de bord WebSocket, MQTT, HTTP. Pour la maintenance prédictive : analyse des vibrations, surveillance de l'état basée sur le machine learning, tableaux de bord dans le cloud.
Entraînez des modèles dans MATLAB, générez du C/C++ optimisé avec MATLAB Coder, et déployez-les en tant qu'applications d'inférence autonomes sur Raspberry Pi. Les réseaux pris en charge incluent, sans s'y limiter, ResNet-50, MobileNetV2, YOLOX, LSTM et les modèles TensorFlow Lite. La quantification INT8 est disponible pour accélérer l'inférence sur le matériel ARM.
Raspberry Pi Blockset s'intègre aux boîtes à outils spécifiques au domaine pour étendre vos applications : Deep Learning Toolbox, Audio Toolbox, Computer Vision Toolbox, Image Processing Toolbox, Control Systems Toolbox, Stateflow, Signal Processing Toolbox, DSP System Toolbox, Communications Toolbox, Predictive Maintenance Toolbox et Statistics and Machine Learning Toolbox.
Depuis MATLAB : lire de manière interactive les capteurs, contrôler des actionneurs et capturer des images depuis la ligne de commande. Déployer des fonctions MATLAB en tant qu'exécutables standalone. Depuis Simulink : prototyper avec des E/S connectées pour tester sur du matériel réel sans génération de code. Monitor and tune (External Mode) pour ajuster les paramètres et surveiller les signaux en direct pendant que le modèle s'exécute sur le Pi. Générer du code C/C++ autonome qui s'exécute indépendamment au démarrage.
Raspberry Pi Blockset permet de passer d'une idée d'algorithme à du matériel en fonctionnement en quelques minutes, en utilisant des blocs visuels et des fonctions MATLAB plutôt que d'écrire du code C embarqué. Vous prototypez, validez et déployez depuis le même environnement, et la chaîne d'outils gère la génération de code et l'interface matérielle pour vous.
Oui. MATLAB Online vous permet de connecter et de programmer le matériel Raspberry Pi entièrement depuis un navigateur web, sans installer MATLAB sur votre poste local. Cela est idéal pour le développement à distance, le matériel partagé en salle de classe ou en laboratoire, et les équipes collaborant à distance.
Raspberry Pi Blockset prend en charge Raspberry Pi 5, 4 Model B, 3 Model B/B+, 2 Model B, Zero W, Zero 2 W, Compute Module 4 et Compute Module 5. Le système d'exploitation pris en charge est Raspberry Pi OS (Linux basé sur Debian) en variantes 32 bits et 64 bits. Consultez le tableau de compatibilité propre à la version avant d'utiliser des versions plus récentes de l'OS.
