Azheyangba的博客

至此，本科最后一场竞赛已经圆满收官，不出意外2025年的智能车我也没机会参加了，各位佬，加油出一个2025智能车地瓜赛道给我学习，一年不学2026年就追不上佬们了！

​ 在赛场上，看到好多佬，还有惯导佬，视觉slam佬，这些我统统都不会哈哈哈​ 希望有更多的大佬，把自己的方案分享出来，一起学习学习​ 总的来说感觉就是调车，调调调调调调调调，两眼一整就是调哈哈​ 好的逻辑都是靠试出来的。哈​ 好的逻辑都是靠试出来的。

​ 到目前为止整个智能车地平线组的单个拆分任务已经结束了，下面就是编写总控制进行逻辑的判断了​ 下一节给大家分享一下，我再摸索过程中看到大佬的以及交流得到的思路。

​ 目前对于yolo的使用已经结束，其实有需要大家可以使用cpp和py单独使用dnn模块进行推理也可以​ 这里给大家带来小白用法，更多的用法大家可以去地瓜手册进行查询api函数​ 下面给大家带来resnet使用束，其实有需要大家可以使用cpp和py单独使用dnn模块进行推理也可以​ 这里给大家带来小白用法，更多的用法大家可以去地瓜手册进行查询api函数​ 下面给大家带来resnet使用。

​ 根据上一节的配置，目前已经建立了通讯环境，接下来给大家带来上位机与小车交互。

​ 最近有点小事情，耽搁了一段时间，按照前面的进度，视觉寻迹、视觉YOLO已经结束了，接下来就是上位机的视觉交互了。今天给大家带来，上位机的使用。

​ 上期我们已经完成了寻迹这个子任务，接下来就是二维码这个识别子任务​ 对于二维码识别，网上的教程铺天盖地，比如opencv，ros中也有识别结点，还有一些野生第三方的库，当然这些的识别效果有好有坏，今天给大家带来我琢磨好久的二维码识别——应用微信识别API。使用下面Detector类进行封装一个识别类代码中使用到的模型文件已经以附件形式上传2.运行结果对于上述情况在静止状态，整个赛道的0.6场就可在无遮挡的情况（运动低速情况需就延长到0.7左右了）下直接识别到二维码。话不多说上效果对于静止在0.6场次

对于一个新模型的使用，无非就是图像输入大小的匹配、图像格式，对于dnn模型，大家注意要nv12格式。下一期为大家带来二维码方面的操作。

​ ResNet18转化为Bin模型的过程与YOLOV5差不多，注意配置文件的修改即可​ 下期为大家带来ResNet模型的使用部分。

​ 社区上的代码主要这几个py文件，这里我们数据制作采用了自己的，只是简单的opencv​ 现在按照地平线大佬的教程，训练一段时间已经可以获得一个onnx模型了。

​ 到目前为止，目标检测之Yolov5-2.0系列已经完结了，当然这里给大家介绍的这几期，其实只是一个上手使用​ 有关进一步的内容，后续我研究研究给大家带来详细的介绍前为止，目标检测之Yolov5-2.0系列已经完结了，当然这里给大家介绍的这几期，其实只是一个上手使用​ 有关进一步的内容，后续我研究研究给大家带来详细的介绍​ 下一期将进行黑色引导线的相关介绍。

​ 到目前为止，已经完成了对于模型的转化，然后对于官方的工具包，也进行了运行​ 出现5.4的结果就证明，模型的使用部署没问题​ 下面我将给大家带来，如何将模型应用到Websocket，并且和大家初步一起记录下我在01到手测试的障碍物识别页面展示。

​ 到目前为止,你已经拥有了20.04并且有了Anaconda和ROS2​ 下一期我将给大家带来正式与bin模型转化的工具链相关的内容​ 到目前为止,你已经拥有了20.04并且有了Anaconda和ROS2​ 下一期我将给大家带来正式与bin模型转化的工具链相关的内容。

本期，给大家带来了如何在windows训练yolov5，大家可以试试当然本期介绍确实没啥含金量，网上有关教程也满天飞，我也参考了好多大佬的文章，也就是对于大佬们详细版本的总结一下下一期讲给大家带来与地平线更为相关的内容，包括bin模型转化环境，以及转化过程的提炼版本。

​ 到此为止，你的小车已经正常了，你也掌握了初次与小车的交互​ 新手入门手册还有一些步骤，这些后面我会安排到系列中，给大家​ 下一期我将从目标识别这块，从Windows到开发板BPU部署，进行保姆级讲解​ 初次撰写，有哪里不合适不正确，还请各位大佬指出​ （2）按下u，你会发现小车直行并且左转​ （3）最后按下k，你会发现小车回正了并且停车了​ 到此为止，你的小车已经正常了，你也掌握了初次与小车的交互​ 新手入门手册还有一些步骤，这些后面我会安排到系列中，给大家。

一个月的时间，只完成了一些demo，随意组合了下，里面没有什么高级优化，只有一些相对较好的，现在斗胆写成博客，想和大家分享一下从开始接触地平线X3派时候到后续游刃有余解决问题的曲折经历，也希望我遇到的坑分享给大家能够对大家有所帮助。