# 将 Qualcomm IM SDK 部署为容器
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
在 Docker 容器内构建 Qualcomm IM SDK 并准备可以部署至支持 Qualcomm Linux 的 Edge 设备中的最终的设备 Docker 镜像。这使用户能够使用 AI 工作流微服务并通过 Qualcomm IM SDK 构建各种类型的 AI pipeline。
Figure : 容器内的 Qualcomm IM SDK - 架构
该表列出了从源代码构建 Qualcomm IM SDK docker 容器所需的组件：
Table : Qualcomm IM SDK docker 容器组件
| 组件 | 说明 |
| :--- | :--- |
| 平台 eSDK |
- 提供 Qualcomm IM SDK 的平台依赖项。
- 包含平台库和头文件。
|
| QualcommIM SDK 源代码 | 包含插件和配方文件的源代码，用于构建和定义编译时依赖项。 |
| solutions-microservices | 提供微服务所需的 AI pipeline。 |
| sdk-tools |
- 提供 docker 文件和一组帮助程序脚本来生成 Qualcomm IM SDK 设备 docker 容器。
- 为参考 docker 提供run命令，以及用于运行 docker 容器的 YAML 组合文件。
- 映射所有必需的平台设备和库，以在 docker 容器内提供硬件加速。
|
## 编译 Qualcomm IM SDK docker 镜像
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
### 关于此任务
### 过程
1. 创建根工作空间：
mkdir /iot-solutionsCopy to clipboard
该根工作区包含以下内容：
- 已提取Platform eSDK
- meta-qti-gst
- gst-plugins-qti-oss
- solutions-microservices
- sdk-tools
2. 获取Platform eSDK。
Platform eSDK 提供了专门环境的平台库集合，为开发者提供了针对特定的基于 Yocto 的Qualcomm Linux 版本量身定制的交叉开发工具链和库。
用户可以使用预编译的 Platform eSDK 或生成自己的 Platform eSDK。该表将指导用户完成这两项操作的具体说明：
| 使用 Platform eSDK | 说明 |
| :--- | :--- |
| 预编译 Platform eSDK | [下载并安装 Platform eSDK](https://docs.qualcomm.com/bundle/publicresource/topics/80-70017-51/install-sdk.html) |
| 生成您自己的 Platform eSDK | [生成 eSDK](https://docs.qualcomm.com/bundle/publicresource/topics/80-70017-254/how_to.html#generate-an-esdk) |
3. 克隆以下项目：
1. Qualcomm IM SDK 项目：
# Clone QIM SDK plugins source
cd /iot-solutions
git clone https://git.codelinaro.org/clo/le/platform/vendor/qcom-opensource/gst-plugins-qti-oss.git -b imsdk.lnx.2.0.0.r2-rel
cd gst-plugins-qti-oss
git checkout 9fb4a7a403f9da9ee48afd6817089be5f944a127
# Clone QIM SDK recipes
cd /iot-solutions
git clone https://git.codelinaro.org/clo/le/meta-qti-gst.git -b imsdk.lnx.2.0.0.r2-rel
cd meta-qti-gst
git checkout f4860997cf752ea907516e91fe53768215a520e0
Copy to clipboard
2. Solutions-Microservices 项目：
cd /iot-solutions
git clone https://git.codelinaro.org/clo/le/solutions-microservices.git -b iot-solutions.lnx.1.0
cd solutions-microservices
git checkout dbb4b5c065da1d66b07714ee634848caf32ff9df
Copy to clipboard
3. SDK-tools 项目：
cd /iot-solutions
git clone https://git.codelinaro.org/clo/le/sdk-tools.git -b imsdk-tools.lnx.1.0
cd sdk-tools
git checkout cf529cfb15942ad3e39b3e23f8fc5d30e89923d1
Copy to clipboard
4. 配置构建：
注释： 如果您是第一次构建 Qualcomm IM SDK docker 版本，要在计算机上设置 docker，请参阅 [https://git.codelinaro.org/clo/le/sdk-tools/-/blob/imsdk-tools.lnx.1.0/qimsdk/README.md#Prerequisites](https://git.codelinaro.org/clo/le/sdk-tools/-/blob/imsdk-tools.lnx.1.0/qimsdk/README.md#Prerequisites)。
更新所需目标的 JSON 配置文件：
cd /sdk-tools/qimsdk/targets
# There is configuration file for every platform. This will be optimized soon, and Configuration file will be only one.
# Update the following entries in config_qcm6490.json file:
"Additional_tag_container" [Optional] Append this string to docker image name.
"Additional_tag_image" [Optional] Docker image Tag.
"Docker_image_path" [Mandatory] Path to directory where docker image and docker run script will be exported to.
"Target_device_ID" [Optional] adb device ID. You can check device ID with “adb devices” command. Keep it empty if device is not attached to PC.
"Default_target" [Mandatory] Set device which you about to use (“qcm6490” or "qcs9100"). This will be removed soon.
"IM_SDK_Source_Dir" [Mandatory] Path to director with QIM GST plugins source code.
"IM_SDK_Meta_Dir" [Mandatory] Path to director with QIM GST plugins bitbake recipes folder.
"Solution_Microservices_Dir" [Mandatory] Path to solutions-microservices directory, which contains all qimsdk microservices shell scripts. ***Note: Path provided must point to solutions-microservices directory!***
"Path_to_eSDK_dir" [Mandatory] Path to directory where Platform eSDK is extracted.
Copy to clipboard
5. 编译并导出 docker 镜像：
1. 搭建环境：
cd /sdk-tools/qimsdkCopy to clipboard
source scripts/docker_env_setup.shCopy to clipboard
2. 编译 docker 镜像：
qimsdk-docker-build-image targets/config_qcm6490.jsonCopy to clipboard
3. 将 docker 镜像和 docker 运行脚本导出至 Docker\_image\_path 目录。
qimsdk-docker-device-save-image targets/config_qcm6490.jsonCopy to clipboard
6. 在设备上安装 docker 镜像：
ssh root@Copy to clipboard
密码是 `oelinux123`。
1. 在设备 shell 中创建 docker 目录：
mkdir -p /opt/dockerCopy to clipboard
chmod -R 777 /opt/dockerCopy to clipboard
2. 将 docker 镜像从 Linux 主机复制至目标设备：
scp /* root@:/opt/dockerCopy to clipboard
3. 配置 /opt/data 目录的读/写权限。
/opt/data 目录从平台设备文件系统挂载到设备容器文件系统。
echo '{"data-root": "/mnt/overlay/docker"}' > /etc/docker/daemon.jsonCopy to clipboard
重启 docker：
systemctl restart dockerCopy to clipboard
rm -rf /var/lib/dockerCopy to clipboard
验证 docker 目录配置是否成功：
docker info | grep StorageCopy to clipboard
4. 在设备 shell 中运行命令：
cd /opt/dockerCopy to clipboard
docker load -i /opt/docker/Copy to clipboard
mv docker-compose-config_qcm6490.yml docker-compose.ymlCopy to clipboard
chmod 777 docker_run_config_qcm6490.shCopy to clipboard
| 字段 | 说明 |
| :--- | :--- |
| <Docker\_image\_path> | 安装 docker 映像 TAR 文件和脚本的目录。 |
| <qimsdk-docker-image> | 包含 Qualcomm IM SDK docker 镜像的文件的名称。例如， qimsdk.tar。 |
## 为摄像头运行 docker 镜像
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
注释： 本节还在更新中，更新尚未与当前版本合并。
### 前提条件
[编译 Qualcomm IM SDK docker 镜像](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html#build-and-run-qualcomm-im-sdk-docker-image).
### 步骤
使用以下选项之一运行 Qualcomm IM SDK docker 镜像：
- Docker 运行命令：
shell 脚本中提供了 docker 运行命令。
1. 在设备 shell 中，运行 docker 脚本：
sh /opt/docker/docker_run_config_qcm6490.shCopy to clipboard
2. 列出所有正在运行的容器：
docker ps -aCopy to clipboard
3. 进入Qualcomm IM SDK 容器
docker exec -it bashCopy to clipboard
- Docker compose 命令：
Docker compose 提供同时运行多个 docker 容器的选项。
1. 在设备 shell 中，转到 docker 目录：
cd /opt/dockerCopy to clipboard
2. 运行 docker-compose bash 脚本：
docker-compose run bashCopy to clipboard
| 字段 | 说明 |
| :--- | :--- |
| <qimsdk-docker-image-name> | Qualcomm IM SDK docker 镜像的名称。 |
| qimsdk | 默认的 Docker 镜像。 |
要检查操作名称，请运行 `docker
images` 命令。
## 摄像头的容器用例
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
在运行用例之前，启用显示：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1Copy to clipboard
关于用例，请参阅 [多媒体用例](https://docs.qualcomm.com/doc/80-70017-50SC/topic/multimedia-use-cases.html)。
## 运行 GStD 的 docker 镜像
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
在现有的Qualcomm IM SDK容器中安装GStD，然后进行端口映射，使客户端能够从主机和容器内与GStD通信。
### 前提条件
[编译 Qualcomm IM SDK docker 镜像](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html#build-and-run-qualcomm-im-sdk-docker-image).
### 步骤
使用以下选项之一运行 Qualcomm IM SDK docker 镜像：
- Docker 运行命令：
1. 在设备 shell 中，运行以下 docker 脚本：
sed -i 's/--user qimsdk/--user root -p 5001:5001/g' /opt/docker/docker_run_config_qcm6490.shCopy to clipboard
sh /opt/docker/docker_run_config_qcm6490.shCopy to clipboard
docker ps -aCopy to clipboard
docker exec -it bashCopy to clipboard
2. 在 docker shell 中，配置并启用显示：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1Copy to clipboard
在后台运行 GStD：
gstd-1.0 -a 0.0.0.0 -p 5001Copy to clipboard
- Docker compose 命令：
Docker compose 提供同时运行多个 docker 容器的选项。
1. 在设备 shell 中，转到 docker 目录：
cd /opt/dockerCopy to clipboard
2. 运行 docker-compose bash 脚本：
docker-compose run bashCopy to clipboard
| 字段 | 说明 |
| :--- | :--- |
| <qimsdk-docker-image-name> | Qualcomm IM SDK docker 镜像的名称。 |
| qimsdk | 默认的 Docker 镜像。 |
要检查操作名称，请运行 `docker
images` 命令。
## 使用 GStD 的容器用例
Source: [https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html](https://docs.qualcomm.com/doc/80-70017-50SC/topic/application-deployment-within-container-api-gstd.html)
以下是使用 GStD 的视频编码和 AI pipeline的一些容器用例：
### 视频编码
对解码后的流进行编码、复用，并将其保存到主机和 docker 之间共享的公共目录中。
1. 在容器中，创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create enc filesrc location=/opt/data/1280_720_h264_30fps_1min.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=5 output-io-mode=5 ! queue ! v4l2h264enc capture-io-mode=5 output-io-mode=5 ! h264parse ! queue ! mp4mux ! queue ! filesink location=/opt/data/docker_video.mp4Copy to clipboard
2. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play encCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter enc error+eosCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read encCopy to clipboard
shell 被阻止以检查串流结束 (EOS) 的错误。
3. shell 解除阻塞后停止 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop encCopy to clipboard
### AI pipeline：对解码流的推断和预览
对解码的流执行推理，使用[qtioverlay](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtioverlay.html)插件绘制边界框/文本，并在显示屏上实时渲染。
1. 在 docker 中进行后处理：
1. 创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create postproc qtisocketsrc socket=/opt/data/tensors.sock ! neural-network/tensors, type=INT8, dimensions="<<1,8400,4>,<1,8400>,<1,8400>>" ! queue ! qtimlvdetection threshold=75.0 results=4 module=yolov8 constants="YoloV8,q-offsets=<-107.0,-128.0,0.0>,q-scales=<3.093529462814331,0.00390625,1.0>;" labels=/opt/data/yolov8n.labels ! text/x-raw ! filesink buffer-mode=unbuffered location=/opt/data/mloutput1.txtCopy to clipboard
2. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play postprocCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter postproc error+eos && gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read postprocCopy to clipboard
shell 被阻止以检查 EOS 的错误。
2. 在设备上，执行推理：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1 && gst-launch-1.0 -e \
qtimlvconverter name=preproc mode=image-batch-non-cumulative \
qtimltflite name=inference delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp,htp_precision=(string)1;" model=/opt/data/YoloV8N_Detection_Quantized.tflite \
filesrc location=/opt/data/1280_720_h264_30fps_1min.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=5 output-io-mode=5 ! queue ! \
preproc. preproc. ! queue ! inference. inference. ! neural-network/tensors, type=INT8, dimensions="<<1,8400,4>,<1,8400>,<1,8400>>" ! qtisocketsink socket=/opt/data/tensors.sockCopy to clipboard
3. 在 docker shell 中，在 shell 解除阻塞后停止 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop postprocCopy to clipboard
### AI pipeline：容器内张量的后处理，以及 Native 层的预处理和推理
使用 [qtisocketsrc](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsrc.html) 和 [qtisocketsink](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsink.html) 插件将输出张量传输到 docker 容器。用例展示了容器内运行的应用程序如何理解多维张量布局。
1. 在 docker 中：
1. 创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create postproc qtisocketsrc socket=/opt/data/tensors.sock ! neural-network/tensors, type=INT8, dimensions="<<1,8400,4>,<1,8400>,<1,8400>>" ! queue ! qtimlvdetection threshold=75.0 results=4 module=yolov8 constants="YoloV8,q-offsets=<-107.0,-128.0,0.0>,q-scales=<3.093529462814331,0.00390625,1.0>;" labels=/opt/data/yolov8n.labels ! text/x-raw ! filesink buffer-mode=unbuffered location=/opt/data/mloutput1.txtCopy to clipboard
2. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play postprocCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter postproc error+eos && gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read postprocCopy to clipboard
shell 被阻止以检查 EOS 的错误。
2. 在设备上，运行推理：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1 && gst-launch-1.0 -e \
qtimlvconverter name=preproc mode=image-batch-non-cumulative \
qtimltflite name=inference delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp,htp_precision=(string)1;" model=/opt/data/YoloV8N_Detection_Quantized.tflite \
filesrc location=/opt/data/1280_720_h264_30fps_1min.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=5 output-io-mode=5 ! queue ! \
preproc. preproc. ! queue ! inference. inference. ! neural-network/tensors, type=INT8, dimensions="<<1,8400,4>,<1,8400>,<1,8400>>" ! qtisocketsink socket=/opt/data/tensors.sockCopy to clipboard
3. 在 docker shell 中，在 shell 解除阻塞后停止 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop postprocCopy to clipboard
### AI pipeline：容器内的预处理，Native 层的推理和后处理
该用例展示了如何使用 [qtisocketsrc](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsrc.html) 和 [qtisocketsink](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsink.html) 插件以 zero copy 的方式传输摄像头帧。
1. 在设备上，运行推理：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1 && gst-launch-1.0 -e \
qtimltflite name=inference delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp,htp_precision=(string)1;" model=/opt/data/YoloV8N_Detection_Quantized.tflite \
qtimlvdetection name=postproc threshold=75.0 results=4 module=yolov8 constants="YoloV8,q-offsets=<-107.0,-128.0,0.0>,q-scales=<3.093529462814331,0.00390625,1.0>;" labels=/opt/data/yolov8n.labels \
qtisocketsrc socket=/opt/data/tensors.sock ! neural-network/tensors, type=INT8, dimensions="<<1,640,640,3>>" ! queue ! inference. inference. ! postproc. \
postproc. ! queue ! text/x-raw ! filesink buffer-mode=unbuffered location=/opt/data/mloutput2.txtCopy to clipboard
2. 在 docker 中，创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create preproc filesrc location=/opt/data/1280_720_h264_30fps_1min.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=5 output-io-mode=5 ! queue ! qtimlvconverter mode=image-batch-non-cumulative ! queue ! neural-network/tensors, type=INT8, dimensions="<<1,640,640,3>>" ! qtisocketsink socket=/opt/data/tensors.sockCopy to clipboard
1. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play preprocCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter preproc error+eos && gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read preprocCopy to clipboard
shell 被阻止以检查 EOS 的错误。
2. shell 解除阻塞后停止 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop preprocCopy to clipboard
### AI pipeline：容器中的预处理和后处理，以及 Native 层的推理
使用 [qtisocketsrc](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsrc.html) 和 [qtisocketsink](https://docs.qualcomm.com/doc/80-70017-50SC/topic/qtisocketsink.html) 插件以 zero copy 的方式传递数据（摄像头帧和输出张量）。
1. 在 docker 中，创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create post qtisocketsrc socket=/opt/data/output.sock ! neural-network/tensors, type=INT8, dimensions="<<1,8400,4>,<1,8400>,<1,8400>>" ! queue ! qtimlvdetection threshold=75.0 results=4 module=yolov8 constants="YoloV8,q-offsets=<-107.0,-128.0,0.0>,q-scales=<3.093529462814331,0.00390625,1.0>;" labels=/opt/data/yolov8n.labels ! text/x-raw ! filesink buffer-mode=unbuffered location=/opt/data/mloutput3.txtCopy to clipboard
2. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play postCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter post error+eos && gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read postCopy to clipboard
shell 被阻止以检查 EOS 的错误。
3. 在设备上，运行推理：
export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1 && gst-launch-1.0 -e \
qtimltflite name=inference delegate=external external-delegate-path=libQnnTFLiteDelegate.so external-delegate-options="QNNExternalDelegate,backend_type=htp,htp_precision=(string)1;" model=/opt/data/YoloV8N_Detection_Quantized.tflite \
qtisocketsrc socket=/opt/data/input.sock ! neural-network/tensors, type=INT8, dimensions="<<1,640,640,3>>" ! queue ! inference. inference. ! \
qtisocketsink socket=/opt/data/output.sockCopy to clipboard
4. 在 docker 中，创建 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_create pre qtimlvconverter name=preproc mode=image-batch-non-cumulative \
filesrc location=/opt/data/1280_720_h264_30fps_1min.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=5 output-io-mode=5 ! queue ! \
preproc. preproc. ! queue ! neural-network/tensors, type=INT8, dimensions="<<1,640,640,3>>" ! qtisocketsink socket=/opt/data/input.sockCopy to clipboard
5. 控制 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_play preCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 bus_filter pre error+eos && gst-client-1.0 -a 0.0.0.0 -p 5001 bus_read preCopy to clipboard
shell 被阻止以检查 EOS 的错误。
6. 在 docker shell 中，在 shell 解除阻塞后停止 pipeline：
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop preCopy to clipboard
gst-client-1.0 -a 0.0.0.0 -p 5001 pipeline_stop postCopy to clipboard
Last Published: Nov 11, 2025
[Previous Topic
自定义 Python 示例应用程序](https://docs.qualcomm.com/bundle/publicresource/80-70017-50SC/topics/customize-a-python-sample-application.md) [Next Topic
GStreamer 命令行用例](https://docs.qualcomm.com/bundle/publicresource/80-70017-50SC/topics/gstreamer-application-use-cases.md)