- 博客(673)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 自动驾驶—CARLA仿真（16）generate_traffic demo
摘要： CARLA的Traffic Generator脚本支持大规模交通流生成，包含车辆/行人批量生成、Traffic Manager智能配置（跟车距离、混合物理模式等）、同步/异步模式切换等功能。通过蓝图过滤、原子化批量操作（100辆车生成<2秒）和资源安全管理，实现高效稳定的交通仿真。适用于自动驾驶压力测试，支持高密度交通、夜间场景等配置，是工业级仿真测试的核心工具。关键特性包括混合物理优化、行人行为多样性及可复现实验设计。
2025-12-17 09:31:44
538
原创 自动驾驶—CARLA仿真（15）get_component_test demo
本文介绍了通过CARLA仿真引擎获取车辆组件世界坐标的方法。示例代码演示了如何生成Audi TT车辆并查询其右前转向灯的世界位姿，核心是使用get_component_world_transform()接口。该方法适用于高精度传感器安装、V2X通信、碰撞检测等需要部件级定位的场景，是实现车辆数字孪生的关键技术。文章还解析了连接服务器、车辆生成、坐标查询等关键步骤，并列举了常见组件命名和应用案例。
2025-12-17 09:30:19
188
原创 自动驾驶—CARLA仿真（24）sensor_synchronization demo
多传感器同步采集底层实现示例 该脚本演示了CARLA同步模式下多传感器数据对齐的原理，提供线程安全的数据收集机制。通过配置固定仿真步长（0.2秒/5FPS）和同步模式，确保所有传感器数据在每帧就绪。采用轻量级回调函数将帧号和传感器名入队，使用queue.Queue保证多传感器并发安全。部署3个摄像头、2个LiDAR（不同点云密度）和2个雷达，验证同步机制的鲁棒性。主循环严格检查每帧是否收齐7个传感器数据，超时则警告。与高级封装方案相比，本脚本更适合底层调试和定制开发，是理解CARLA同步机制的最小可行示例。
2025-12-16 17:32:32
231
原创 自动驾驶—CARLA仿真（25）synchronous_mode demo
摘要： 该Python脚本演示了CARLA仿真环境中多传感器同步采集与可视化的实现方法。核心模块包括： CarlaSyncMode：通过上下文管理器确保RGB摄像头与语义分割摄像头数据严格同步，自动对齐仿真帧； 简化路径跟踪：车辆通过路点系统自动移动（非物理模拟）； 图像融合显示：将语义分割结果以半透明形式叠加到RGB图像上，使用CityScapes调色板着色； 性能监控：实时显示仿真与渲染FPS。适用于多模态感知算法验证和教学演示，提供约30FPS的稳定数据流。 （149字）
2025-12-16 17:19:27
174
原创 自动驾驶—CARLA仿真（14）draw_skeleton demo
摘要：该Python脚本演示了CARLA仿真中行人骨骼的可视化功能，通过同步模式获取行人68个骨骼节点的3D坐标，并将其投影到RGB图像上。核心功能包括：1）同步处理传感器数据；2）3D到2D坐标转换；3）动态绘制骨架连线和关键点；4）实现摄像机环绕行人运动。适用于人体姿态估计、动作捕捉等研究，支持自定义骨骼拓扑和纯客户端渲染，是构建精确关节标注系统的理想基础。
2025-12-16 10:40:45
442
原创 自动驾驶—CARLA仿真（13）dynamic_weather demo
摘要：该Python脚本实现了动态天气控制功能，用于自动驾驶系统测试。主要包含三个模块：1) Sun类模拟太阳轨迹变化，通过正弦函数实现高度角动态调整；2) Storm类采用状态机设计模拟风暴生命周期，联动控制云量、降雨、积水等参数；3) Weather类集成天气系统。支持通过speed_factor参数控制天气变化速度，实现物理一致的时间缩放效果。该工具能生成渐进式天气变化，适用于摄像头、LiDAR等传感器在复杂天气条件下的性能测试，特别适合需要长时间环境变化验证的场景。
2025-12-16 10:40:39
420
原创 自动驾驶—CARLA仿真（12）client_bounding_boxes demo
本文介绍了一个基于CARLA的客户端3D边界框可视化示例，展示了如何在纯Python环境下实现车辆3D边界框的实时计算与绘制。该方案不依赖服务端，仅需RGB摄像头和车辆列表数据，通过完整的3D→2D投影管线，将车辆bounding_box转换为2D像素坐标。核心包括坐标变换链（局部→世界→相机→像素）、相机内参校准以及深度过滤等关键技术，是学习自动驾驶3D目标检测基础的重要案例。
2025-12-16 10:05:33
450
原创 自动驾驶—CARLA仿真（11）bounding_boxes demo
本文介绍了一个基于CARLA仿真环境的2D/3D边界框生成与可视化系统。该系统通过RGB摄像头和实例分割摄像头获取场景数据，实时计算并绘制2D/3D边界框，同时将边界框、速度、灯光状态等结构化数据保存为JSON格式。核心功能包括：数据结构定义、坐标变换与投影、实例分割解码、边界框生成、可视化系统以及结构化数据导出。该系统支持28类语义标签，可生成精确的3D检测参数，适用于自动驾驶感知算法训练、数据集生成和传感器融合验证，是构建自动驾驶感知pipeline的关键工具。
2025-12-15 18:27:03
636
原创 自动驾驶—CARLA仿真（10）tutorial_gbuffer demo
本文介绍了一个高级传感器数据采集示例，用于在CARLA仿真环境中获取自动驾驶车辆的底层图形数据。该示例通过生成自动驾驶车辆并挂载高分辨率RGB摄像头，同时保存最终渲染图像和所有GBuffer纹理（包括场景深度、法线、材质属性等14+通道）。这些数据适用于计算机视觉研究、神经渲染、图像合成等需要底层图形数据的场景。文章详细解析了GBuffer的概念、主车与摄像头初始化方法、GBuffer启用与监听的核心代码，以及数据输出结构。同时指出该方法的性能开销较大，建议用于离线数据采集，并提醒注意磁盘空间消耗。该示例为
2025-12-15 17:43:01
395
原创 自动驾驶—CARLA仿真（8）tutorial demo
PythonAPI/examples/tutorial.py这是一个 **基础传感器数据采集示例**，演示如何：1. 在仿真中生成一辆主车并启用自动驾驶2. 为主车挂载一个深度摄像头（Depth Camera）3. 将摄像头捕获的图像**自动保存到磁盘**4. 动态调整车辆位置并批量生成 NPC 车辆适用于**数据集生成、传感器调试、自动化测试**等场景。
2025-12-15 16:54:21
439
原创 自动驾驶—CARLA仿真（9）visualize_multiple_sensors demo
car visualize_multiple_sensors 测试用例
2025-12-15 15:07:09
803
原创 自动驾驶—CARLA仿真（5）Actors与Blueprints
CARLA仿真中的参与者与蓝图管理 CARLA仿真中的核心元素是参与者（Actors），包括车辆、行人、传感器、交通标志和观察者。参与者通过蓝图（Blueprint）模板生成，蓝图包含可修改属性（如颜色、传感器参数）和不可修改属性。蓝图库提供所有可用模板，支持通过ID查询或随机选择。参与者生命周期包括生成（需指定位置和旋转）、操作（物理状态控制）和销毁（需显式调用）。特殊参与者如传感器通过回调函数处理数据流，交通灯可通过API控制状态切换，车辆则支持多种控制模式。注意Python脚本结束时必须显式销毁参与者
2025-12-12 15:26:28
972
原创 自动驾驶—CARLA仿真（4）基础概念
CARLA仿真基础概念摘要 CARLA采用客户端-服务器架构：服务器运行仿真，客户端通过API控制。核心对象包括： Client：连接服务器的终端（默认端口2000），支持多客户端并行 World：仿真环境单例，管理地图、天气、参与者等 提供两种运行模式： 异步模式（默认）：服务器自主推进仿真 同步模式：客户端通过tick指令逐帧控制，适用于数据采集和严格同步场景 关键功能： Recorder：二进制记录仿真状态，支持精确回放 渲染选项：支持Epic/Low画质模式及离屏渲染优化性能 （字数：150）
2025-12-12 14:52:23
907
原创 自动驾驶—CARLA仿真（3） 坐标和坐标变换
本文介绍了CARLA仿真引擎中的坐标系系统。CARLA采用Unreal Engine的左手坐标系，X轴向前，Y轴向右，Z轴向上，使用米和度作为单位。参与者（如车辆、行人）拥有各自的局部坐标系，原点通常位于包围盒中心附近。CARLA API提供了Location、Rotation和Transform类来处理坐标变换，支持全局坐标与局部坐标之间的转换。此外，CARLA还支持地理坐标转换，通过OpenDRIVE文件中的地理参考信息实现大地坐标与CARLA世界坐标的相互映射。这些功能为自动驾驶仿真中的定位和感知系统
2025-12-12 14:33:57
871
原创 自动驾驶—CARLA仿真（2）入门指南
CARLA是一款开源的自动驾驶仿真平台，提供逼真的城市环境和车辆模型。通过Python API，用户可以加载不同地图、添加车辆和传感器，并利用交通管理器控制NPC车辆行驶。主车（Ego Vehicle）是仿真核心，可安装多种传感器采集数据用于算法训练。CARLA支持同步/异步模式，包含8种不同风格的地图，涵盖城市、乡村和高速公路场景，为自动驾驶研发提供安全高效的测试环境。
2025-12-12 11:21:54
1064
原创 自动驾驶—CARLA 仿真（1）安装与demo测试
CARLA是一个开源的自动驾驶仿真平台，基于Unreal Engine构建，提供高保真图形渲染和多种传感器模拟。它具有可编程交通、开放地图编辑、Python/C++ API和ROS集成等特点，适用于自动驾驶算法开发、测试和多智能体仿真等场景。用户可通过官网下载安装包，支持Windows和Linux系统运行。CARLA凭借其高仿真度和灵活性，已成为自动驾驶领域主流的仿真工具，为算法验证提供安全高效的虚拟测试环境。
2025-12-11 16:39:36
1160
原创 视频动作视频-TimeSformer
TimeSformer：基于纯Transformer的视频理解开创者 TimeSformer是首个完全基于Transformer架构的视频理解模型，摒弃了传统3D卷积，通过时空注意力机制直接建模视频中的全局依赖关系。其核心创新包括：1）将视频分解为3D时空块；2）提出四种注意力策略（全局/分离/空间/时间），其中分离式时空注意力在降低计算复杂度的同时保持性能。该模型在动作识别任务中展现出优于传统卷积方法的性能，验证了纯注意力机制处理视频的可行性，但也面临计算量大、训练成本高等挑战。TimeSformer为视
2025-12-09 14:00:08
830
原创 大模型训练：LLaMA-Factory快速上手
本文介绍了使用LLaMA-Factory进行大模型微调的完整流程：1）环境配置（推荐CUDA环境+≥24GB显存GPU）；2）数据准备（Alpaca格式JSON文件）；3）多GPU训练流程（以LoRA微调Qwen-7B为例），包括配置文件设置和训练脚本参数说明。重点展示了如何通过accelerate启动分布式训练，包含显存优化策略（梯度累积、混合精度）和关键超参数配置（学习率调度、Lora参数等）。完整代码示例可供直接复现。
2025-12-09 13:52:41
476
1
原创 图像融合-泊松融合
泊松融合是一种实现图像无缝拼接的技术，通过求解泊松方程在梯度域上保持连续性。该方法首先计算源图像和目标图像的梯度场，将源图像梯度覆盖到目标区域，然后构建稀疏矩阵方程求解最优像素值。核心步骤包括：1）计算ROI区域和背景图像的梯度场；2）融合梯度场；3）利用拉普拉斯卷积核求解散度；4）构建并求解泊松方程Ax=b。该方法能有效保留源图像纹理特征，实现自然过渡的融合效果，在OpenCV等工具中已有成熟实现。相关论文和代码资源为研究者提供了详细参考。
2025-12-09 13:43:00
1228
原创 Transformers中的注意力方法简述
本文总结了多种高效注意力机制实现方案及其适用场景。FlashAttention系列（v2/v3）通过tiling和kernel融合技术显著提升训练和推理速度，尤其适合长序列任务。PagedAttention采用分页式KV缓存管理，极大提升推理服务吞吐量，是vLLM项目的核心技术。PyTorch的SDPA提供自动选择最优后端的通用接口。FlexAttention支持自定义注意力模式，适合结构化输入。根据具体需求，训练推荐FlashAttention或SDPA，推理服务首选PagedAttention，特殊模式
2025-12-08 17:12:20
951
原创 YUV格式介绍
YUV，分为三个分量，“Y”表示明亮度（Luminance或Luma），也就是灰度值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。与我们熟知的RGB类似，YUV也是一种颜色编码方法，主要用于电视系统以及模拟视频领域，它将亮度信息（Y）与色彩信息（UV）分离，没有UV信息一样可以显示完整的图像，只不过是黑白的，这样的设...
2025-12-08 17:03:04
883
原创 深度学习框架keras使用—(1)CNN经典模型：VGGNet
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的）和定位项目的第一名。VGGNet探索了卷积神经网络的深度与其性能之间的关系，成功地构筑了16~19层深的卷积神经网络，证明了增加网络的...
2025-12-08 17:02:13
696
原创 initUndistortRectifyMap函数
CV_EXPORTS_W void initUndistortRectifyMap( InputArray cameraMatrix, InputArray distCoeffs, InputArray R, InputArray newCameraMatrix, Size size, i...
2025-12-08 17:00:46
133
原创 旋转量化精度验证
SpinQuant量化技术通过正交旋转（如Hadamard变换）将神经网络激活值中的异常值（outliers）均匀分散到多个通道中。该方法利用正交变换的保范数特性和Hadamard矩阵的"混频"效应，将原本集中在少数通道的高动态范围数值重新分配，使各通道数值分布更均衡。实验表明，在4-bit量化场景下，该方法能将量化误差降低14倍（从0.148降至0.0105），有效保留小数值信息。这种技术特别适合处理LLM中FFN层的结构化稀疏激活值，为低比特量化提供了更鲁棒的解决方案。
2025-11-21 11:42:20
60
原创 IQ4_NL量化测试
本文介绍了IQ4_NL量化技术，该技术将32个权重组织为一个块，并使用FP16块缩放因子，其模型大小与Q4_0和Q4_K_S相同。关键创新在于采用非线性映射将量化值转换为权重，显著提升了量化质量（困惑度接近Q4_K_S）。虽然推理性能与Q4_0相当（Metal平台上稍慢8%-20%），但文章指出通过行式实现并改用int8_t块缩放因子，可将比特率降至4.25bpw而不影响量化误差。文中的Python实现展示了完整的CPU版IQ4_NL量化器，包括256权重逻辑块的量化/反量化方法，以及基于官方LUT值的非线
2025-11-13 17:52:33
407
原创 Optimum：onnx模型量化
摘要：本文介绍了模型量化技术，包括动态量化和静态量化两种方法，以及校准步骤中的不同技术选择。量化通过使用低精度数据类型（如int8）降低模型推理时的计算和内存成本。文章详细说明了将模型量化为int8的具体步骤，并介绍了Hugging Face Optimum库提供的量化工具。最后给出了官方测试用例，包括模型转换、动态/静态量化实现以及量化模型的推理验证代码示例，展示了完整的量化流程。
2025-10-29 16:25:17
988
原创 Optimum 将qwen3转onnx
特性是否使用 KV 缓存❌ 否✅ 是推理效率低（重复计算）高（增量计算）适合生成长度短长ONNX 模型复杂度简单较复杂（含 past/future 输入输出）推理代码复杂度简单需管理缓存状态推荐用途调试、简单 demo生产部署、性能敏感场景。
2025-10-28 11:40:35
1308
原创 Optimum 模型转换、部署优化工具
🤗 Optimum是Hugging Face推出的Transformer扩展库，专注于模型性能优化，支持多种硬件平台和开源框架。它提供针对NVIDIA、AMD、Intel、AWS等硬件的专用加速方案，并集成ONNX Runtime、ExecuTorch等工具，简化模型优化流程。通过Optimum，开发者可以轻松实现模型训练和推理的效率提升，充分发挥各类设备的性能优势。
2025-10-28 10:21:59
466
原创 《Hands-On Large Language Models 动手实践大语言模型》第一章： 初识LLM
《动手实践大语言模型》第一章摘要：本章介绍了语言人工智能（Language AI）与大语言模型（LLMs）的核心概念。自GPT-2和ChatGPT问世以来，LLMs已深刻改变了人机交互方式。本章首先回顾了语言AI的发展历程，从早期的词袋模型到word2vec词嵌入技术，展示了如何通过稠密向量捕捉语义关系。书中强调，LLMs不仅是单一模型，更代表着一整套语言处理技术生态。本章为后续内容奠定基础，重点解答了语言AI定义、LLMs概念、应用场景及实践方法等核心问题。配套代码库见GitHub项目。
2025-10-27 19:21:48
1147
原创 大模型基础：如何理解RoPE“高频编码短距离差异、低频编码长距离趋势”
RoPE位置编码通过不同频率的维度区分位置信息：高频维度（低i）随位置剧烈变化，能敏锐捕捉相邻token的差异；低频维度（高i）变化缓慢，保留长距离趋势信息。数学上，每个维度的旋转角度θ_i=1/10000^(2i/d)×pos，高频维度在短距离差异显著（如i=0时pos=1和2的cos值差0.96），低频维度在长距离才显现变化（如i=64时pos需达到10000角度才变化1弧度）。这种设计使模型同时兼顾局部位置区分和全局趋势感知。
2025-10-24 14:56:18
445
原创 Qwen3RotaryEmbedding 源码解析
Qwen3RotaryEmbedding 是 Qwen3 模型实现旋转位置编码 (RoPE) 的核心组件。该模块通过初始化函数配置频率参数，支持多种 RoPE 变体（如线性缩放、动态 NTK 等）。在前向传播时，基于位置 ID 计算角度频率，生成旋转矩阵所需的 sin/cos 值，并应用可选缩放因子。关键特性包括：支持最大序列长度缓存、动态 RoPE 调整装饰器、以及高效的内存管理（通过 register_buffer 存储参数）。该实现兼容不同数据精度，最终输出与输入张量类型一致的旋转编码。
2025-10-24 14:24:57
938
原创 大模型基础：Rotary Position Embedding(RoPE)
RoPE（旋转式位置编码）已成为当前大语言模型的主流位置编码方式。它通过二维向量旋转建模token间的相对位置关系，使注意力得分仅依赖位置差值而非绝对位置。RoPE采用频率递减的正弦波定义旋转角度，既支持长度外推又保持数学优雅性。相比传统方法，RoPE具有显式建模相对位置、正交变换、高效实现等优势，兼容KV缓存并支持动态扩展。主流模型如LLaMA、Qwen等均采用RoPE及其变体（如NTK-aware），使其成为处理长上下文任务的首选方案。
2025-10-24 14:19:34
726
原创 大模型基础：SwiGLU
摘要： SwiGLU（SiLU + GLU）是当前大模型前馈网络（FFN）的主流架构，通过SiLU激活函数实现动态门控，解决了传统FFN表达受限和梯度不稳定问题。其核心公式为$\text{SwiGLU}(x) = \text{SiLU}(W_g x) \otimes (W_v x)$，结合三个线性层（gate/up/down投影）实现输入输出同维。相比传统GeLU-FFN，SwiGLU具备三大优势：动态特征选择能力、平滑梯度流和更高训练稳定性，被LLaMA、Qwen等模型采用。变体包括GeGLU、并行计算等
2025-10-24 13:47:25
599
原创 大模型基础：SDPA注意力
本文详细介绍了Transformer中的核心组件——缩放点积注意力(Scaled Dot-Product Attention)机制。该机制通过计算查询(Q)与键(K)的点积相似度，经过缩放因子(1/√d_k)调整后，用softmax归一化为注意力权重，最后与值(V)加权求和得到输出。文章从公式定义、直观类比、分步计算等多个维度进行解析，包括相似度计算、缩放必要性、softmax归一化等关键步骤，并讨论了其在因果掩码和多头注意力中的应用。通过PyTorch代码示例和维度变化分析，展示了该机制在解码阶段的具体实
2025-10-24 11:35:07
884
原创 vscode debug Transformer源码说明
本文介绍了在conda环境中安装和使用HuggingFace Transformers库的步骤：1)确认conda环境后克隆源码并安装；2)提供测试代码示例，展示如何加载Qwen3-0.6B模型进行文本生成；3)说明在VSCode中调试的方法，包括安装Python插件、选择环境及启动调试。该指南完整覆盖了从安装到调试的整个流程，适合开发者快速上手使用Transformers库。
2025-10-23 17:56:01
233
原创 大模型基础理解：为什么最后一个 hidden state就能预测next token
摘要：自回归语言模型在推理时只需最后一个token的logits，因为其目标是基于历史token预测下一个token。Transformer的因果注意力机制确保最后一个隐藏状态已聚合全部上下文信息。KV Cache技术进一步优化这一过程，通过缓存历史key-value对，使每次解码只需处理最新token。这种设计既符合自回归建模本质，又显著提升推理效率，仅在训练或多路径搜索等特殊场景才需要多个logits。（149字）
2025-10-23 17:34:30
939
原创 Transformers 自回归文本生成主循环 源码解析
这是一个Transformer模型的自回归文本生成主循环源码解析，核心功能是逐token生成文本。关键点包括： 循环控制：通过_has_unfinished_sequences判断是否继续生成，支持多GPU同步 输入准备：动态构建模型输入，包括KV缓存处理 前向推理：区分首次预填充(prefill)和后续解码步骤 输出处理：对logits进行采样或贪婪搜索，支持概率调整 状态更新：维护生成序列和停止条件，支持流式输出 该实现支持多种生成模式（贪婪/采样）、分布式推理和中间结果收集，是Hugging Face
2025-10-23 14:08:25
861
自动驾驶中的三维目标检测算法研究综述-2024年11月
2025-01-14
ModelNet40-normal-resampled-part2
2025-01-13
ModelNet40-normal-resampled-part1
2025-01-13
LBP-Learning-Multi-scale-Block-Local-Binary-Patterns-for-Face-Recognition.pdf
2019-05-28
GeoMatch_src（VS2015+OpenCv3.3版）
2018-10-19
Xilinx_Vivado_SDK_Web_2018.1_0405_1_Win64
2018-04-26
Edge Based Template Matching.pdf
2018-10-19
International-Conference-on-Computer-Recognition-Systems CORES 2013
2018-12-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人