如果运行的是我们官方的demo，如API里的code samples、Gitee的depthai-experiments、depthai-examples等等出自OAKChina或Luxonis的示例，卡顿可能有以下几种原因：
1.主机性能过低。
虽然blob模型那些功能都是跑在OAK设备里的，不会过多占用主机性能，但跑在不同主机上帧率还是会有差异的。比如同样跑depthai_demo.py，接在树莓派4B上NN和color的帧率能有15fps:
而跑在Pi zero上只有几帧：
这个应该比较好理解吧，几百块钱的主机和几千块钱的多少还是有区别的。如果你是想用树莓派当主机，又要求帧率不能太低的话，我比较推荐用树莓派4B、3B、CM系列。
2.显示原因。
有的时候主机接口接了不少东西，这个整体一运行起来，preview看起来可能也会有点延迟，你可以尝试一下不preview，直接输入结果，你看看影不影响你的使用。（不能保证不preview后帧率提高很多）
还有一种是你的preview尺寸过大，可以尝试将preview尺寸降低，比如300*300。请自行参考我们API里的code samples中有关preview的示例。
3.模型原因
同样的功能，不同的模型用到OAK上可能也会有差别。比如有的用户也是做yolov5识别，但和官方的yolov5识别相比，用起来帧率就低很多。
另外，不同模型帧率差异也比较大。比如我们官方的人脸检测帧率可以在30fps，而姿态检测可能不超过15fps。一般blob越大、功能越多，运行起来帧率相对会比较低。像这种情况，只能用户自行解决如何优化模型。比如我们之前有用户觉得yolov5帧率比较低，后来改用yolov7，从6fps提高到17fps。
如果你是用的我们别的用户的项目（GitHub上的开源项目），帧率不高也请参考以上三条。