在做 SoC FPGA（如 Intel SoC FPGA / Cyclone / Arria / Stratix）开发时，很多人都会遇到同一个问题：

资料分散、流程复杂、软件工具链不统一，尤其是涉及 Boot、Linux、驱动、FPGA 协同开发 时，很容易卡在某个环节。

这里可以推荐一个非常实用的官方资源平台：

👉 RocketBoards

一、RocketBoards 是什么？

RocketBoards 是一个面向 SoC FPGA 开发者的资源整合平台，主要围绕：

• SoC FPGA（HPS + FPGA）开发

• 嵌入式 Linux（Yocto / Buildroot）

• Boot 流程（Preloader / U-Boot / ATF）

• FPGA 与处理器协同设计

本质上，它更像是一个官方 + 社区结合的知识库，而不是单一教程。

二、网站上有什么内容？

1️⃣ 完整开发流程（最有价值）

从上电到系统运行，基本都能找到对应资料：

• Boot 流程拆解（SD / QSPI / NAND）

• Preloader / U-Boot 配置

• Linux Kernel 构建

• Device Tree 配置

• RootFS 生成

👉 适合：想打通 SoC FPGA 全流程的人

2️⃣ FPGA + Linux 协同开发

很多人只会写 RTL，但不会和 Linux 配合，这里有：

• FPGA 与 HPS 通信（AXI / H2F / F2H）

• FPGA IP 在 Linux 下的访问方式

• UIO / 驱动开发示例

• Memory map 与地址空间管理

👉 适合：做 ISP / AI / 数据流加速的工程师

其他

几十个项目可以慢慢探索，接下俩介绍几个比较好的开源项目。

参考项目

1、人体识别视频演示

https://www.rocketboards.org/foswiki/Projects/VideoDemonstrationForHumanRecognition

在本项目中，检测目标是输入视频中的人体上半身，检测到的人体后用红色矩形框起来。

ARM 内核中嵌入的软件以最多 10 个检测点检测人体的上半身，FPGA 中的逻辑根据这些检测点绘制矩形框选检测到的人体。

视频输入/输出通过 DVI 接口，分辨率为 720p (60fps)。

2、SoC车牌识别

本参考设计在DE1-SoC板上实现了车牌识别（LPR）系统。它接收来自连接至FPGA端的D5M模块的视频流，并在HPS端的Linux系统上运行算法处理函数。处理后的视频流将输出到FPGA的VGA接口，识别出的车牌号码将打印到HPS的UART接口。

• 在 DE1-SoC 板上实现。视频输入来自D5M模块，1024x768@25fps。视频输出到 VGA 接口，1024x768@60Hz。

• HPS 端采用 DDR3，与 FPGA 共享。

• HPS运行Linux系统。实现车牌识别功能，并支持 OpenCV 。

• HPS UART 输出识别结果。

• 在输出视频帧中标记车牌号码。

效果：

3、ztachip - 视觉人工智能

ztachip 是一个用于领域特定架构的开源框架。 领域特定架构定义了能够高效加速特定类型应用的硬件/软件架构。目前，ztachip 加速的应用类型是人工智能和视觉处理任务。

ztachip 提供了完整的硬件实现，采用 VHDL 源代码编写。

ztachip硬件可部署于FPGA硬件或定制ASIC。

ztachip 完全通过特殊的张量编程范式进行软件编程。

与其他许多人工智能硬件架构不同，ztachip 具有足够的灵活性，不仅可以运行神经网络功能，还可以运行各种图像处理功能，例如图像缩放、边缘检测、图像模糊、光流、哈里斯角点特征提取等。

根据 SSD-MobiNet AI 推理性能的最新结果显示，ztachip 的计算效率比 Nvidia 的 Jetson Nano 高 5.5 倍，比 Google 的 TPU edge 高 37 倍。

项目地址：

https://www.rocketboards.org/foswiki/Projects/ZtachipVisionAI

总结

RocketBoards 的价值不在于“某一篇教程”，而在于：

• 把 SoC FPGA 整个开发链路串起来

• 提供 可落地的参考工程

• 让 FPGA 工程师真正进入“系统级开发”

如果你现在做的是：

• ISP / 视频处理

• AI 加速

• 通信数据流

或者任何 FPGA + ARM 的项目

这个网站就可以找到你需要的例程。