主要分为3部分：

1.数据输入部分：

1.因原始测试代码只是单张测试图片（测试格式：安霸平台离线转的bin文件），现在的问题是：如何输入数据流？会不会涉及到字节对齐问题，如何与之前高位（1126平台）数据类型对接？（只移植npu部分，动了数据类型，涉及的改动太大）

具体操作：

1)兼容高位车牌识别（1126）数据类型，统一用如下形式

2)注意cv22是32字节对齐

如输入车牌识别大小是50*200的，cv22是按照宽长度对齐，最终对齐为50*224

3)输入数据处理

与1126对比有一些差异，但本质相同。cv22先把数据传给一个指针存储，然后进行前向推理，如直接nnctrl_run_net推理，只有一个网络ID号。（具体内部如何实现推理去拿到数据的，暂时未知其中的原理）

现在输入数据流方式如下：

 

bin为cv22的数据格式，有数据对齐等操作，这里冗余性较高，如多次memcopy操作，后期会优化。

2.模型初始化部分：

1.cv22的初始化很多，相对1126要复杂，初始化没搞好，容易出现内存泄漏，前向推理拿不到结果。

注意1：如下初始化只能做一次。

注意2：涉及到内存问题

 

我用static变量控制，只做一次。涉及到的两次内存申请函数：

alloc_cv_mem 和nnctrl_iniy_net（一定要注意，不要多次申请）

注意3：做完前向推理后，拿到结果，要屏蔽掉nnctrl_exit_net，要不然会出现第二次前向拿到的结果会怀疑人生（痛苦的记忆）。

模型结果输出部分：

1.注意1: 32字节对齐问题

如高位的ctc,正常最后拿到的结果是1*20*1*74，由于是32字节对齐，后面取结果1*20*1*80。

2.之前还以为cv22在数据输入上有大小限制，最后排查出是本公司画出的pcb板子在内存上有问题。

以上移植的cv22 高位车牌识别作为baseline版本，现在在三部正在测试，调试中。也许其中还有坑没有踩到，但是该版本能正常运行，无内存泄漏。代码上还有很大的冗余性，需要后期进一步的精简以及优化。移植不难，主要实现如下函数就行。思路清晰。

具体的后处理、如何拿到yolo的结果、模型的转换等相关问题可参考文档。