在Ubuntu系统调试摄像头的记录:/dev/video*和v4l2-ctl

最新推荐文章于 2026-06-26 10:30:45 发布
原创 最新推荐文章于 2026-06-26 10:30:45 发布 · 827 阅读 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
cknow-ai MeowKnight958

cknow-ai 关注

标签
#笔记
分类 操作系统

ls -la /dev/video* 和 v4l2-ctl --list-devices (这会告诉我们摄像头支持哪些格式和分辨率)

ls -la /dev/video*

v4l2-ctl -d /dev/video0 --list-formats-ext
ioctl: VIDIOC_ENUM_FMT
    Type: Video Capture

    [0]: 'MJPG' (Motion-JPEG, compressed)
        Size: Discrete 1280x720
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 640x480
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 640x360
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 544x288
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 432x240
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 352x288
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 320x240
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 320x176
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 160x120
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 752x416
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 800x448
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 800x600
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 864x480
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 960x544
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 960x720
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 1024x576
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 1184x656
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
    [1]: 'YUYV' (YUYV 4:2:2)
        Size: Discrete 1280x720
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 640x480
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 640x360
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 544x288
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 432x240
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 352x288
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 320x240
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 320x176
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 160x120
            Interval: Discrete 0.033s (30.000 fps)
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 752x416
            Interval: Discrete 0.050s (20.000 fps)
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 800x448
            Interval: Discrete 0.050s (20.000 fps)
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 864x480
            Interval: Discrete 0.050s (20.000 fps)
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 800x600
            Interval: Discrete 0.050s (20.000 fps)
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 960x544
            Interval: Discrete 0.050s (20.000 fps)
            Interval: Discrete 0.100s (10.000 fps)
        Size: Discrete 1024x576
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 960x720
            Interval: Discrete 0.067s (15.000 fps)
        Size: Discrete 1184x656
            Interval: Discrete 0.100s (10.000 fps)

根据你的摄像头信息，它支持 MJPG（Motion-JPEG） 和 YUYV 两种格式，有多种分辨率可选。

点赞 点赞 9
评论 0
书签 书签 16
/dev下没有video0这个文件(ubuntu无法打开摄像头）
weixin_72050316的博客
10-08 6019
/dev下没有video0这个文件(ubuntu无法打开摄像头）
从`/dev/video0`到`/dev/video1`：详解Linux下USB摄像头多设备节点与v4l2-ctl实战排查
weixin_33698043的博客
05-22 422
本文详细解析了Linux下USB摄像头生成多个设备节点（如`/dev/video0`和`/dev/video1`）的技术原因，并提供了使用`v4l2-ctl`工具精准识别设备功能的实战指南。通过UVC规范、内核驱动架构分析，以及`v4l2-ctl`的命令行操作示例，帮助开发者解决视频应用开发中的设备选择问题，确保正确获取视频流。
/dev/video设备的操作流程（可作为摄像头设备和IP核的输入输出接口设备）
热门推荐
snow_rain_1314的博客
12-18 1万+
最近一直都在编写Zynq的双目立体视觉的相关代码，简单总结一下video设备的操作流程，下面代码是从官方历程中摘取下来的，如果需要详细的了解可以去该网站查看：https://linuxtv.org/downloads/v4l-dvb-apis/uapi/v4l/userp.html 以V4L2的操作来完成摄像头的打开（主要分为V4L2_MEMORY_MMAP和V4L2_MEMORY_USERPT...
关于UVC设备拥有两个/dev/video*节点的原因以及来历？
tugouxp的专栏
08-27 8130
在ubuntu18.04/ubuntu16.04系统上，插入UVC设备，你会发现V4L2框架替它创建了两个video设备节点，分别是 /dev/video0, /dev/video1:
查看摄像头是否挂载以及摄像机参数
weixin_42438635的博客
05-08 3812
查看摄像头是否挂载及挂载的USB端口号 方法一: ls /dev/video* 方法二： ls /dev | grep video ls /dev | grep video* 则可看到"/dev/video0"，表示成功驱动摄像头。 如果没有的话，拔掉摄像头，重新插上。然后再输入命令：ls /dev/v*，则可看到。 输入命令： lsusb 可以查看usb摄像头的型号。 ...
【usb设备端口异常】——使用ls /dev/video*查看设备号时出现报错：ls:无法访问‘/dev/video*‘: 没有那个文件或目录
2401_82458959的博客
06-20 4404
使用的这款USB摄像头，厂家说是免驱动的，直接插上电脑就能用，其实使用的是系统带的内核驱动，所以，碰到摄像头突然不能使用（或者新安装过电脑系统)，可以考虑检查一下系统内核驱动是否加载正常。（`前提是得排除USB摄像头出现故障和没有正确连接电脑的情况`）
手把手教你用V4L2驱动一个USB摄像头：从设备树到/dev/video0的完整流程
weixin_30599769的博客
06-04 395
本文详细介绍了在嵌入式Linux系统中使用V4L2驱动USB摄像头的完整流程，包括开发环境搭建、V4L2驱动框架解析、设备树配置、用户空间接口开发及性能调优。通过实战案例和代码示例，帮助开发者快速掌握从硬件连接到应用层调优的关键技术，适用于RK3568、树莓派等ARM平台。
67、使用网络摄像头在Ubuntu系统中的指南
omega的博客
06-06 342
本博客详细介绍了在Ubuntu系统中使用网络摄像头的指南，包括摄像头的自动检测、推荐的应用程序（如Cheese和VLC）、配置方法（如Skype和Empathy中的设置）以及常见问题的解决方案。此外，还涵盖了网络摄像头的硬件兼容性、高级配置工具（如v4l2-ctl和guvcview）、隐私与安全建议、电源管理、故障排除步骤以及未来发展趋势等内容，帮助用户全面掌握Ubuntu下摄像头的使用技巧和优化方法。
别再折腾了！保姆级教程：在VMware Ubuntu虚拟机里调用Windows主机摄像头（含Cheese/FFmpeg测试）
weixin_33178839的博客
05-31 252
本文提供了一份详尽的教程，指导用户在VMware Ubuntu虚拟机中调用Windows主机摄像头。从环境准备到设备连接，再到使用Cheese和FFmpeg进行测试与优化，涵盖了所有关键步骤和常见问题的解决方案，帮助用户轻松实现摄像头共享与高效使用。
OpenCV工业数据采集：从摄像头调用到纳米级时间戳的全流程实践
weixin_34413103的博客
06-25 407
图像数据采集是计算机视觉落地的第一道关卡，其本质是将物理世界的光信号、时序约束与硬件交互，可靠地转化为数字图像流。理解OpenCV底层原理，尤其是cv2.VideoCapture的参数控制机制、硬件后端选择（如CAP_V4L2/CAP_DSHOW）、曝光/增益/白平衡等物理成像参数协同，直接决定后续标注效率、模型泛化能力与部署鲁棒性。在工业质检、AI小样本训练、边缘实时推理等场景中，采集质量缺陷往往导致mAP大幅下降或误检率飙升——这并非算法问题，而是数据源头的确定性缺失。本文聚焦OpenCV数据采集的工程
Clawra：OpenClaw生态中摄像头能力的环境契约与可靠性保障
06-22 441
在AI Agent系统中，硬件感知能力（如摄像头调用）并非简单的API调用，而是涉及设备驱动、权限管理、内存调度与模型适配的多层环境约束。Clawra作为OpenClaw官方Skill，将‘摄像头可用性’从人工排查经验固化为可执行、可验证的自动化契约，通过启动自检握手、深度健康探针和能力协商机制，解决Linux/Windows/ARM64等异构环境下常见的permission denied、device not found、stream timeout等典型故障。其技术价值在于弥合Agent框架与物理世界之
LS1046A边缘AIoT开发实战：从硬件选型到模型部署的性能调优
dingguayi7025的博客
06-14 403
边缘计算与物联网（AIoT）的融合，正推动智能应用从云端下沉至终端设备。其核心原理在于将数据处理和AI推理部署在网络边缘，以减少延迟、节省带宽并增强隐私。这一技术架构为工业自动化、智能安防等场景带来了实时响应与离线运行的价值。在嵌入式硬件平台上实现AIoT应用，涉及CPU性能评估、传感器数据采集、模型优化与容器化部署等一系列工程实践。本文以NXP LS1046A开发板为例，深入探讨了在资源受限的边缘环境中，如何通过量化模型、优化数据流水线及配置Docker容器，成功部署人员计数与工业安全检测等机器学习应用，
工业级车牌识别系统：PyTorch2+OpenCV混合架构实战
weixin_33979203的博客
06-19 296
车牌识别是计算机视觉在智能交通与安防领域的典型落地场景，其本质是目标定位与字符识别的联合优化问题。原理上需兼顾几何鲁棒性（应对倾斜、畸变、遮挡）与光学鲁棒性（适应雨雾、反光、低照度），传统端到端模型如YOLO在小目标检测和实时性上存在瓶颈，而纯OpenCV方案又难以应对复杂光照变化。本方案采用‘CNN定位+OpenCV精修+CNN字符识别’的分治架构，依托PyTorch2的torch.compile加速训练与torch.export保障部署一致性，并将OpenCV升维为视觉中间件，承担硬件抽象、动态图像增强
τ0-WM：面向实时动作闭环的视频理解统一状态空间模型
最新发布
weixin_33690963的博客
06-26 386
视频理解本质是时序感知与物理动作的联合建模，其核心挑战在于如何将原始视频帧转化为可执行的动作决策。传统方法依赖多阶段黑箱拼接，导致实时性差、泛化弱、部署难。基于状态空间方程的世界模型（World Model）提供了一种具备物理可解释性与动态计算调控能力的新范式——它将视频观测、隐状态演化与动作输入统一建模，使系统具备‘感知-推理-决策-反馈’闭环能力。尤其在边缘端，测试时计算优化（如帧级卸载、通道稀疏、记忆蒸馏）比训练压缩更能应对真实场景的长尾抖动与资源波动。该技术已成功落地于智能仓储、手术分析与产线质检等
边缘AI工程实战：从物理约束到稳定部署的五道生死关
06-16 840
边缘AI并非简单将云端模型轻量化部署，而是面向算力受限、功耗严苛、环境多变的真实硬件场景，对人工智能全链路进行重构的技术实践。其核心原理在于协同优化模型结构、内存带宽、热设计、实时调度与固件韧性，在物理定律约束下达成确定性性能。技术价值体现在降低端侧延迟抖动、提升三年无故障运行率、保障数据本地化处理安全。典型应用场景覆盖工业质检、农业物联网、电力巡检等无人值守现场。本文聚焦Jetson Orin Nano、RK3588、ESP32-S3等主流平台，深入解析模型量化感知训练、ION零拷贝内存、RT-Linux
边缘设备深度学习推理实战：从ONNX到TensorRT部署指南
weixin_30243533的博客
06-24 340
深度学习推理在边缘计算场景中，本质是将训练完成的模型适配至算力受限、功耗敏感、环境严苛的物理终端。其核心原理在于模型优化（如量化、剪枝）、硬件加速（如DLA、GPU协同）与运行时精简（C++预/后处理），技术价值体现在毫秒级延迟、低功耗稳定运行及工业级鲁棒性。典型应用场景包括工业视觉质检、农业无人机病虫害识别、社区养老跌倒检测等实时AI落地任务。本文聚焦Deep Learning inference与Edge computing两大热词，提供覆盖ONNX模型导出、TensorRT引擎构建、C++高性能流水线
OpenCV实战避坑指南：27个真实故障与工业级工作流
weixin_30861459的博客
06-23 321
OpenCV是计算机视觉工程落地的核心工具库，其本质不是算法集合，而是面向实时性、鲁棒性与跨平台部署的图像处理工具链。理解BGR色彩空间、CLAHE直方图均衡、Canny双阈值边缘检测等底层原理，能显著提升光照变化、噪声干扰、嵌入式资源受限等复杂场景下的处理稳定性。技术价值体现在轻量部署（如opencv-python-headless）、生产就绪（Docker镜像优化、CUDA加速）、问题驱动设计（先定义IO再反推流程）。典型应用场景覆盖工业缺陷检测、边缘端跌倒监测、RTSP视频流实时分析及YOLO模型前后
Android 底层判断/dev/video节点是否是可用摄像头
wenzhi的博客
09-05 4078
Android 底层判断/dev/video节点是否是可用摄像头 Android设备Camera节点数据是存在/dev/下面的， 比如有设备三个摄像头/dev目录会有下面的节点名称：video0、video1、video2 Android 设备插入Usb摄像头时，会有出现有些设备存在多个video节点，但是并不是所有的节点都能显示预览 Android java的java代码是无法用读取文件的方式进行video节点信息进行读取 但是可以C++代码进行open，根据返回的数值判断是否是支持Camera预览的节点
linux开发板插入USB摄像头/dev/video没有添加新设备
m0_59249795的博客
05-15 4749
将USB免驱摄像头插入到linux开发板上的时候/dev/video没有添加新设备，只存在原有的/dev/video0，证明摄像头没有被检测到 一般是内核没有编译v4l2框架和UVC的原因 首先进入内核文件打开图像化配置界面 make menuconfig 使用 / 搜索UVC 和 v4l2 分别去上面显示的路径中打开对应的内核驱动 切记不要打开多余的东西！！！ 如果出现了类似下面的错误，可能就是打开了一些不能使用的 There are no results for drivers/built-
【无标题】
weixin_42115316的博客
05-13 399
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 第一章：v4l2驱动框架 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 V4L2 框架 一、V4L2 框架 1.1 相关对象 v4l2驱动框架主要的对
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值