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，1024×768@25fps。视频输出到 VGA 接口，1024×768@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。
扫码加微信直接与工作人员沟通