【GD32F310开发板试用】MultiTimer移植与分析

首发极术社区。如对兆易创新GD32F310 MCU感兴趣,欢迎添加微信 aijishu2020 加入GD32技术讨论群。

首先感谢极术社区,尤其感谢很nice的极术小姐姐aijishi20。

最近很忙,收到板子后一直没抽出时间来搞一下,趁着五一假期看到了之前一篇小虎写的【GD32F310开发板试用】可无限扩展的软件定时器MultiTimer移植 联想到自己最近在做的项目,看一下能不能移植使用一下,首先对小虎表示感谢。

先说一下我的需求,首先要在裸机上实现基于离散傅里叶变换的特征信号识别,因为采样点是864不是基4的,没法用快速傅里叶变换。对时间的要求较高,但是有一个对时间要求更高的需求故障判断。

为了保障故障判断功能模块,工程大量采用状态机,对于涉及技术的过程,没计算两三步就需要状态机跳出,对于颗粒度如何划分只能通过实际的测试进行调试。

看到MultiTimer猜想是否可以在裸机上实现任务的自动切换。下面直接基于小虎的工程进行移植,但是发现MultiTimer文件夹没有文件,从github上Load下载后进行测试分析。

安装pack存在如下问题:pack安装失败.png
看微信群,别人说MDK版本太低导致,但是我的MDK是正版只支持到5.16a无法进行升级。也在微信群里找到了解决办法image.png
,感谢群友提供的方法,按照该方法可以完美解决。

但是分析开源工程发现可能也无法满足我项目的需求,首先是该开源工程存在一个callback占用时间过长时,会阻塞其他callback任务的执行,而我的工程设计大量float以及double的计算会非常消耗时间,时间切片还是得自己进行,无法做到系统级别的自动任务管理。

最近实在太忙,先简单分析一下,等有时间再进一步分析。

作者:李同学

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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