- 博客(61)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 [学习笔记-CAN]位定时相关量
Tq：time quanta，CAN硬件每进行一次处理所需的时间，对应CAN时钟频率，互为倒数。波特率：每s可传输的bit量，（注：CAN中波特率即为位速率），可计算得到1bit的传输时间。用Tq来表示1bit时间的好处：解耦硬件，每个CAN收发器的时钟频率可能不同。通过CAN时钟频率和波特率可得到1bit传输的Tq时间（NBT）采样点（%）：表示每bit的采样点所在位置占每bit总时间的比例。PBS1、PBS2之间即采样点。
2023-10-08 13:47:13
394
原创 [学习笔记]ARXML - Data Format
参考AUTOSAR文档：https://www.autosar.org/fileadmin/standards/R22-11/FO/AUTOSAR_TPS_ARXMLSerializationRules.pdfhttps://www.autosar.org/fileadmin/standards/R22-11/FO/AUTOSAR_TPS_ARXMLSerializationRules.pdfarxml只允许使用UTF-8编码，且不允许使用"UTF Byte Order Mask" (BOM)arxml只允
2023-09-27 16:12:33
1876
原创 [MCU]IoHwAb入门
BTSxxx是HSD输出芯片；Tiexxx是HSD/LSD输出芯片。ASW/SWC想要控制PIN脚时，通过IoHwAb的接口实现。HSD/LSD： 高边驱动/低边驱动。H桥可控制电流方向，多用来控制电机。
2023-08-10 14:33:27
1131
2
原创 [德语学习]动词变位
现在时变位 规则动词 sein ich -e bin du -st bist er/sie/es -t ist wir -en sind ihr -t seid sie/Sie -en sind
2023-07-24 15:45:45
269
原创 [Linux]Shell简介
真正能够控制计算机硬件（CPU、内存、显示器等）的只有操作系统内核（Kernel），有两种跟内核交互的桥梁：图形界面和命令行要达到的目的是一样的，都是让用户控制计算机。Shell 是一个应用程序，它连接了用户和Linux 内核，让用户能够更加高效、安全、低成本地使用Linux 内核。Shell 程序本身的功能是很弱的，比如文件操作、输入输出、进程管理等都得依赖内核。我们运行一个命令，大部分情况下Shell 都会去调用内核暴露出来的接口。
2023-07-07 13:22:19
678
5
原创 [MCU/SOC]上下拉电阻
在某信号线上，将电阻一端与VCC/GND相接，电阻另一端与信号线相接，此时电阻的另一端的电平即强制接近VCC/GND，接近程度取决于电阻的大小。在某信号线上，通过电阻与一个固定的高电平VCC相接，使其电压在空闲状态保持在VCC电平，此时电阻被称为上拉电阻。将某信号线通过电阻接在固定的低电平GND上，使其空闲状态保持GND电平，此时的电阻被称为下拉电阻。上拉电阻和下拉电阻是根据电阻来定义的，当上拉的电阻非常大时，能提供给信号线上负载电流非常小，此时电阻被称为。
2023-07-06 11:26:27
825
原创 [Linux]docker常用指令
指定容器的mac地址，需要与license的地址相匹配。表示容器停止后，自动删除容器。i表示交互式，t表示终端。xxxx为IMAGE名称，可通过查看容器列表获得。会退出容器终端，但不会导致容器的停止。
2023-06-29 15:45:09
153
原创 [ADAS预研笔记]自动驾驶常用训练数据库
MIT联合丰田公司在2020年6月份发布的，用于动态驾驶场景分割的MIT DriveSeg数据集，并提供完全开放的免费下载。：手动标注版本，在马萨诸塞州剑桥市繁忙的街道上白天旅行期间捕获的2分47秒的高分辨率视频，面向车前的逐帧像素级语义标记数据集：半自动标注版本，从MIT高级车辆技术（AVT）联盟数据中提取的67个视频片段，与手动版的区别在于：1）半自动标注(比手动版粗略) 2）帧数更多(20100帧vs5000帧) 3）分辨率略低(720Pvs1080P)
2023-06-20 14:02:44
1238
原创 [ADAS预研笔记]算力计算方法研究
CPU：中央处理器GPU：图形处理器，又称显示核心、视觉处理器、显示芯片NPU：神经网络处理器，又称AI芯片虽然GPU比CPU更擅长并行计算，但GPU和CPU本质上都属于通用处理器；AI芯片则针对性强，其目的是高效率地执行AI算法，也称为AI加速器，并衍生出了许多称呼，如NPU(神经网络处理器)、TPU(谷歌的张量处理器)、DPU(AMD加速处理器)、BPU(地平线Brain Processing Unit)等；
2023-06-20 13:41:56
5190
4
原创 [ADAS预研笔记]感知模型的训练与部署 - 结合TDA4 SDK
预训练和微调都在PC端进行，根据需求选择合适的深度学习框架，如Caffe、PyTorch、TensorFlow等。就是指预先训练的一个模型或者指预先训练模型的过程；就是指将预训练过的模型作用于自己的数据集，并使参数适应自己数据集的过程。在 CNN 领域中，实际上，很少人自己从头训练一个 CNN 网络。主要原因是自己很小的概率会拥有足够大的数据集，基本是几百或者几千张，不像 ImageNet 有 120 万张图片这样的规模。拥有的数据集不够大，而又想使用很好的模型的话，很容易会造成过拟合。
2023-06-20 11:50:56
1247
原创 [ADAS预研笔记]TDA4开源SDK研究
Model Zoo里面包含了TI自研的算法和目前市面上比较成熟的算法，相关的模型列表及依赖的框架可见SDK内的手册地址
2023-06-20 11:28:24
492
原创 [ADAS预研笔记]OpenPilot开源SDK研究
openpilot对于感知的实现原理类似于特斯拉，靠的是纯视觉的解决方案，但因为camera只有两颗（一颗用于拍摄实现的路况，另一颗用于监控驾驶员），所以openpilot支持也比较有限， 主要支持车道保持 、ACC巡航、自动辅助变道这三个功能。├── opendbc # 显示如何解释汽车数据的文件，并以人类可读的方式对理解车辆CAN总线流量所需的信息进行编码。├── assets # 用于用户界面的字体、图像和声音。
2023-06-20 11:25:50
778
原创 [ADAS预研笔记]基于深度学习的自动驾驶视觉感知算法研究
摄像头感知的基本原理即从输入图像中获取特征，并将这些特征用于感知任务，其模型训练步骤可结合现代深度学习算法结构归纳如下：输入层输入backbone进行特征提取(neck进行特征的融合与增强)head进行针对性地结果输出并计算损失loss根据loss反向传播计算修正模型并进行下一轮的前向传播计算：backbone+(neck)+head若loss达到设定阈值则结束学习以YOLOv5的结构为例，其中：backbone由许多卷积模块组成，卷积模块是各个算法的区别所在，如ResNet的残差模块，YOLOv5的C3模
2023-06-20 11:21:53
954
原创 [ADAS预研笔记]感知算法 - 轻量化模型
CNN从实验室走向移动端通常会遇到效率问题（包括存储问题和速度问题），通常的操作是对训练好的模型进行模型压缩，另一个角度则是设计轻量化模型。轻量化模型设计主要思想在于设计更高效的「网络计算方式」（主要针对卷积方式），从而使网络参数减少的同时，不损失网络性能。
2023-06-20 11:07:52
657
原创 [ADAS预研笔记]感知算法 - 网络搜索设计
NASNet架构特点是由两个AutoML设计的Layer组成——Normal Layer、Reduction Layer，这样的效果是不再需要相关专家用human knowledge来确定超参数(Hyperparameter)，直接用RNN把超参计算出来，这样就实现了AI自动学习。在NASNet中，基本的网络结构还是需要手动设计的，NASNet学习的是完整网络中被堆叠、被重复使用的网络单元。
2023-06-20 10:53:28
226
原创 [ADAS预研笔记]感知算法 - 目标检测
目标检测的任务可以进行拆分，先在原始图像上产生候选区域，再对每个候选区域进行图像分类，最终可以得到物体出现的位置与类别。根据是否依赖锚框又可以分为和的方法。
2023-06-19 15:34:39
940
原创 [ADAS预研笔记]感知算法 - 图像分类
图像分类算法作为基础的卷积神经网络算法，研究开始的时间比较早，1998年即有LeNet提出，被认为是最早的卷积神经网络模型，但由于当时计算机算力和数据集的限制，没有太优的表现，直至2012年AlexNet的提出，深层的卷积神经网络正式变成研究的热点。图像分类算法的基础结构即上文的卷积神经网络结构：输入层 -> ((卷积层+激活函数)*n -> 池化层)*n -> (全连接层+激活函数) -> 输出层。
2023-06-17 11:17:34
171
原创 [ADAS预研笔记]基础知识 - 卷积神经网络
卷积神经网络（CNN）在普通神经网络的基础上将隐藏层分为了卷积层、池化层、全连接层的结构；通常为一个或多个卷积层后接一个池化层，如此重复多次后，最后接两至三个全连接层；
2023-06-17 10:57:47
173
原创 [ADAS预研笔记]基础知识 - 深度学习与深度学习框架
深度学习是机器学习的子集，它基于人工神经网络。学习过程之所以是深度性的，是因为人工神经网络的结构由多个输入、输出和隐藏层构成。每个层包含的单元可将输入数据转换为信息，供下一层用于特定的预测任务。得益于这种结构，机器可以通过自身的数据处理进行学习。
2023-06-17 10:50:18
189
原创 [ADAS预研笔记]基础知识 - 计算机视觉
计算机视觉的子任务分为：图像分类（Image Classification）、目标检测（Object Detection）、语义分割（Semantic Segmentation）、实例分割（Instance Segmentation）；语义分割与实例分割在处理对象上并不完全相同，语义分割面向画面中的每个像素，实例分割面向画面中的每个对象实例，实例分割并不会标注背景类别。
2023-06-17 10:46:35
275
原创 [ADAS预研笔记]基础知识 - 神经网络
神经网络的基本结构如图所示，由输入层、隐藏层、输出层构成；图中的x1~x5即，y即，中间对x1~x5的加权求和（注意此处还加入了偏置）可以看作的雏形，隐藏层中的w1~w5及b即，这就是一个最简单的神经网络——又称感知器；根据神经网络的不同，隐藏层可以多种多样，且数量不限。
2023-06-17 10:44:10
174
原创 [MCU开发笔记]Flash刷写超时
根据英飞凌反馈，该参数为可调参数，需要负责MCAL的工程师根据项目实际情况进行配置。在执行flash刷写压测时，发现有偶发的刷写失败情况，英飞凌芯片的fls组件中存在如下配置参数。添加监控变量定位原因，确定为刷写超时，在加大该参数后，刷写失败不再发生。
2023-06-16 16:57:01
424
原创 [MCU开发笔记]嵌入式软件异常复位排查思路
通常都会有变量记录复位的原因，这些变量有两种类型，一种是每新增一次复位便在数组内新增一条记录，另一种是每新增一次复位就在对应的复位原因那边计数+1通过调试器观察这些变量，获取异常复位的信息，再结合芯片手册定位复位原因。
2023-06-16 16:43:09
992
原创 [Linux]常用入门命令
apt为终端命令，是对apt-get、apt-cache 和 apt-config等的封装，依赖交互式界面；wget：从网络上下载文件，格式为 wget [options] [URL]apt upgrade：升级所有可升级的软件包。apt install xxx：安装软件。apt remove xxx：卸载软件。apt-get为上层工具，多用于脚本中。apt update：刷新存储库索引。
2023-06-03 13:22:47
72
原创 [Linux]首次创建用户无sudo权限问题
如提示“No such file or directory”，可先进入该路径，再编辑。在“root ALL=(ALL:ALL) ALL”下添加一行，xxx为用户名。通过su来切换为管理员。
2023-06-03 13:07:42
460
原创 [Issue Solve] 解决VirtualBox Ubuntu 18.04.5首次安装后打不开终端的问题
使用组合键CTRL + ALT + F1(F2~F6)进入命令行界面，修改/etc/default/locale文件。
2023-06-03 12:58:37
2430
原创 [学习笔记-诊断]UDSonCAN（会话层）
22：根据标识符读取数据。2E：根据标识符写入数据。23：根据地址读取数据。3D：根据地址写入数据。85：DTC设置控制。2C：静态定义标识符。
2023-04-28 17:33:46
551
原创 [学习笔记-诊断]UDSonCAN（传输层）
仅针对CAN，因为ETH可以在TCP或IP实现拆包组包（每一帧都有CAN ack，略写）诊断仪发 first frameECU回flow ctrl frame诊断仪连发几帧 consec frameECU回 flow ctrl frame。
2023-04-26 17:42:07
559
原创 [学习笔记-ETH]XCP on ETH
基于ETH：只需TX转T1网线 + 自写脚本即可，因为计算机天然支持以太网接口。用于标定，将上层与通信无关的内容抽象为XCP协议。基于CAN：需要昂贵的硬件 + CANoe。SoC基本都通过以太网进行标定。
2023-04-25 14:33:19
906
原创 [学习笔记-ETH]AVB
Audio and Video Bus，哈曼发明的协议，起初是给音响用的，注重和，比如剧院里面会放置很多个喇叭，需要保证各个喇叭的同步，在汽车上适用于ADAS环视（拼接4个视频时需要同步性）、多传感器的数据融合、时间同步。
2023-04-25 13:32:25
190
SkypeMeetingsApp.msi WEB版 免积分！！
2022-01-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人