- 博客(16)
- 收藏
- 关注
RSS订阅原创 自动驾驶AVM环视算法--超广角模式/转向模式/3D碗型投影模式/窄边模式/车轮模式等的实现
超广角模式/转向模式/3D碗型投影模式/窄边模式/车轮模式等的实现
2024-04-22 00:30:04
816
原创 自动驾驶AVM环视算法--任意角度的旋转算法实现
链接：https://pan.baidu.com/s/1YLE-uM1JaHCMqDndPfU01Q 提取码：m7rc。在绕车辆周围旋转时，由于车辆是长方形的，不能在在车周围圆形的旋转吗，所以当前的额 算法是按照椭圆的方式旋转路径。获取四个摄像头的图像数据（本测试使用的是opencv读取图像的方式实现的）根据当前的相机参数在保证算法的实际效果的前提下设置旋转角度的范围。1、实现三个坐标轴轴的旋转。2、不同相机之间的拼接融合。AVM的实现的自由角度旋转。计算车辆的拼接交点位置。算法的图片的测试代码。
2024-03-14 23:12:23
345
原创 海思的模型转换-yolov3的darknet模型和yolox模型转caffe模型
可以直接获取yolov3和yolox的模型转成caffe模型的虚拟机，无需将时间用在搭建开发环境上，让更多的精力实现更有价值的学习。模型转换的虚拟机：链接：https://pan.baidu.com/s/1xiB3n7WxYIz8BqzojfsXyw提取码：42lq包括：YOLOv3、YOLOv3-spp、YOLOv3-tiny的模型输入模型输出模型模型转换caffe模型
2024-03-13 12:41:06
507
1
原创 自动驾驶AVM环视算法--全景的俯视图像和原图
链接：https://pan.baidu.com/s/1kVUA2YgRAxk7m1TYi-wsnQ?算法的实现主要是根据四个摄像头的安装位置、相机的的内外参数实现对图像的畸变矫正、视图的变换和全景的图像拼接、图像拼接的位置的平滑过度；需要根据标定相机的内参参数初始化相机畸变矫正参数（当前测试的相机内参是相同的，所以使用相同的参数进行初始化）获取四个摄像头的图像数据（本测试使用的是opencv读取图像的方式实现的）各个视图的和系数表想成后的结果如下所示。初始化后的系数表可视化显示的结果。
2024-01-20 23:33:12
601
原创 自动驾驶AVM环视算法--图像的畸变矫正和各个视图矫正图（TOP、Left和Right）
链接：https://pan.baidu.com/s/1_f7hiRlS5I8ABajAFPT-hw?当前使用的摄像头安装位置（白色三角的位置就是摄像头的安装位置）4、遍历图像每个点坐标实现坐标的变换并输出各个视图的图像。1、根据视角的不同设置不同的相机的旋转矩阵。2、初始化相机实际安装的位置参数。俯视图像的旋转矩阵设置如下所示。左视图像的旋转矩阵设置如下所示。右视图像的旋转矩阵设置如下所示。3、初始化相机的内参参数。
2024-01-14 23:50:14
471
原创 用MATLAB2020b和虚拟引擎（Unreal Engine）联合仿真输出AVM全景测试视频----配置并输出视频
点击去定按钮后显示如下（需要注意上述的wayPoints1和refPoses1,需要后面的代码输入的一致）双击Simulation 3D Fisheye Camera进入到一下界面并设置参数如下。双击Simulation 3D Fisheye Camera进入到一下界面并设置参数如下。双击Simulation 3D Fisheye Camera进入到一下界面并设置参数如下。双击Simulation 3D Fisheye Camera进入到一下界面并设置参数如下。右侧的红框内的是没有的需要我们手动的添加。
2023-12-18 22:50:43
592
原创 用MATLAB2020b和虚拟引擎（Unreal Engine）联合仿真输出AVM全景测试视频----联合环境搭建
选择Simulation 3D Scene Configuration模块双击进入编辑界面，在scene source中选择Unreal Editor并在下面的project中选择I:\Local。上述步骤完成后会将环境复制到目标的路径I:\Local\AutoVrtlEnv的路径下。如果上述的路径为空需要手动的复制，使用everything搜索AutoVrtlEnv。显示的窗体如下（可能会打开的比较慢需要等待一会）安装完成后打开matlab软件后输入一下指令。在打开的网页中搜索上述的两个应用并下载。
2023-12-18 22:49:35
526
4
原创 用MATLAB2020b和虚拟引擎（Unreal Engine）联合仿真输出AVM全景测试视频----Matlab环境搭建
1、鼠标右击软件压缩包，选择“解压到MathWorks 2022b”。5、高级选项-》我有文件安装秘钥-》输入计划哦秘钥-》下一步。6、浏览秘钥位置并载入-》下一步。7、选择安装的路径并下一步。2、使用管理员权限安装。复制一下文件到安装路径下。10、安装完成后破解。
2023-12-18 22:48:24
383
原创 用MATLAB2020b和虚拟引擎（Unreal Engine）联合仿真输出AVM全景测试视频----UE4环境搭建
下载完成后的软件直接安装就可以，需要注意的是软件占用的内存比较大，本人并没有安装在C盘，在安装过程中设置好安装路径就可以。1、打开网址、点击下载按钮下载UE(https://www.unrealengine.com/zh-CN)安装完成后需要下载引擎库当前安装版本是4.23.1。下载完后安装，就完成了UE的环境搭建。
2023-12-18 22:46:41
433
原创 MFC工程基础代码：MFC调用Python脚本（边听音乐编写代码）
从环境的搭建到代码的编写一站式带你完成（MFC工程的新建、c代码、python环境搭建和python脚本代码）。
2023-11-28 09:41:12
490
原创 Opencv(c版本)基础代码：读取图片并显示（边听音乐编写代码）
保姆级视频教程带你实现读取图片，我们一边听音乐一边写代码实现读取图片。Opencv(c版本)基础代码：读取图片并显示（边听音乐编写代码）vs2022社区版本、opencv3.10；
2023-11-26 00:30:46
387
1
原创 基于Ultra的车道线检测在地平线旭日X3派上的部署和测试（Python版本和C++版本）
基于Ultra的车道线检测在地平线旭日X3派上的部署和测试（Python版本和C++版本）
2023-10-31 23:56:13
219
3
原创 PaddleOCR在地平线旭日X3派上的部署和测试（Python版本和C++版本）
由于x3派支持的版本限制需要降低onnx版本,左侧原版，右侧是降低版本后的，将降低后的复制到onnx模型转x3派的路径下进行模型转换。左侧书输入的图像右侧是输出的解雇图片，白色的位置表示检测到的问题。配置上述上述步骤中生成的降低onnx版本后的onnx模型。配置上述上述步骤中生成的降低onnx版本后的onnx模型。修改配置文件04_inference.sh。配置输入输出的模型路径和模型的名称。配置输入输出的模型路径和模型的名称。配置测试的模型和图片的路径。配置测试的模型和图片的路径。输出的rec模型路径。
2023-07-20 12:16:18
258
原创 基于OPencv的文理检测和直方图实现指针定位
使用的测试环境：win+vc2022+MFC+Opencv。基于OPencv的文理检测和直方图实现指针定位。搭建opencv环境。
2023-04-16 21:13:50
126
原创 yolov8在地平线旭日X3派上的部署和测试（Python版本和C++版本）
需要对转换的onnx模型进行验证，这个是yolov8官方的转换工具，相信官方无需onnx模型的推理验证。这部分可以基于yolov5的模型转转换进行修改，本人的测试就是将yolov5的复制出来一份进行的修改。当前的测试也是基于Python的yolov5版本修改的，模型和测试路径如下。当前的测试也是基于C++的yolov5版本修改的，模型和测试路径如下。使用的转换脚本是yolov8官方的转换脚本。
2023-03-26 00:20:44
2385
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人