cosmo-edge

一套 C++ 代码，跨 Sophon/RKNN/x86 跑通边缘视频 AI

cosmo-edge 是一个面向生产环境的 C++ 边缘 AI 推理引擎，专注视频分析与端侧视觉语言模型（VLM）部署。它解决的核心问题是：边缘设备芯片平台碎片化严重，开发者往往需要为 Sophon（算能）、Rockchip RKNN（瑞芯微）和 x86 分别维护不同的推理代码。cosmo-edge 通过统一抽象层屏蔽底层差异，让同一套业务逻辑跨平台运行。核心能力包括：多路视频流解码与推理流水线、可视化编排（visual orchestration）、实时 OSD 叠加显示、事件检测与上报，以及可复现的性能基准测试。项目内置对 Grounding-DINO 等模型的支持，覆盖 RK3576、RV1126B、CV186X、BM1688 等主流边缘芯片，适合需要快速落地智能安防、工业质检、交通分析等场景的团队。

开源 unknown 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1225

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类计算机视觉

开发团队cosmo-wander-ai

所属国家

官网地址https://www.cosmowander.ai

GitHubhttps://github.com/cosmo-wander-ai/cosmo-edge

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言C

技术栈/模型bm1688,computer-vision,cpp17,cv186x,edge-ai,grounding-dino,on-device-ai,rk3576,rknn,rockchip,rv1126b,sophon,video-analytics,visual-pipeline,vlm

GitHub 星标★ 1225

30天Star增速

HF 下载量

上线时间2026-06-09 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-23

浏览次数0

使用教程

难度：入门约 15 分钟部署方式：Docker 3 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Docker 与 Docker Compose 环境
x86 平台或对应边缘设备（BM1688 / CV186X / RK3576 / RV1126B）
已获取项目仓库代码

安装与启动步骤

1获取项目代码

从 GitHub 克隆 cosmo-edge 仓库到本地，进入项目根目录。README 未给出具体克隆命令，此为通用准备动作。
```
git clone https://github.com/cosmo-wander-ai/cosmo-edge.git
cd cosmo-edge
```
2Windows 启动容器

README 仅给出 Windows 下使用 docker-compose.x86.windows.yml 一条启动命令，后台构建并运行服务。
```
docker compose -f docker-compose.x86.windows.yml up -d --build
```
3选择对应平台

BM1688、CV186X、RK3576、RV1126B 各用专属运行时与模型产物，需按硬件选对应构建与模型，README 未给出其他平台命令。

关键配置

配置项	必填	说明	示例
`docker-compose.x86.windows.yml`	是	Windows x86 平台的 Compose 编排文件，用于启动服务	`docker-compose.x86.windows.yml`

如何确认成功

执行 docker compose ps 查看容器状态为 Up，或访问控制台确认服务已运行（README 未给出具体端口）。

常见问题

Q：非 x86 边缘设备怎么部署？

A：README 说明 BM1688、CV186X、RK3576、RV1126B 使用各自的运行时、构建流程与模型产物，需参考对应平台文档，未提供统一命令。

Q：可以不用 Docker 吗？

A：README 快速开始仅给出 Windows 下的 Docker Compose 命令，其他安装方式未在节选中说明，建议查阅官方文档。

Q：模型文件从哪里来？

A：README 提到有目标平台专属的模型产物（model artifacts），并内置 Grounding-DINO 等模型支持，具体获取方式见官方文档。

注意事项

README 节选只提供了 Windows x86 的 Docker Compose 启动命令，其他平台的命令未给出，请勿照搬。
核心引擎与控制台采用 Apache-2.0 开源，但认证硬件、商业预置模型与 Model Guard 分发保护有独立边界。
推荐阅读 docs/benchmarks/scenario-bench/v1.1/README.md 了解多平台性能基准与 VLM 验证结果。

核心亮点

统一抽象层同时支持 Sophon、Rockchip RKNN 和 x86 三类平台，减少重复适配工作
内置可视化编排与实时 OSD，业务集成时无需从零搭建显示和事件链路
提供可复现基准测试，方便对比不同芯片和模型的实际推理性能

不足之处

仅 1225 星，社区规模和第三方文档丰富度仍在早期阶段
以 C++17 和特定芯片 SDK 为主，对不熟悉嵌入式工具链的开发者上手门槛偏高

适用场景

智能安防摄像头在 RK3576 上做多路视频目标检测与事件上报
工业质检设备用 Sophon BM1688 跑 Grounding-DINO 做缺陷定位
x86 边缘服务器上做 VLM 端侧推理与实时画面标注

替代项目

ncnn、MNN、Tengine

项目介绍

cosmo-edge 是计算机视觉领域的开源项目，由 cosmo-wander-ai 开发，是 2026 年新上线的项目。

在全站 12,961 个收录项目中，它的 GitHub 星标数（1,225）位列前 30%，在计算机视觉分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。

它主要面向的使用场景是：智能安防摄像头在RK3576上做多路视频目标检测与事件上报。同类可对比的替代方案包括 ncnn、MNN、Tengine。

上一篇：event-based_vision_resources

下一篇：没有了！