length += int(&client_info.connection_state) - int(client_info.h_vir_channel); 出现异常数据

本文介绍了一种在计算过程中遇到的异常情况:由于忘记取地址导致计算结果出现巨大数值的问题。通过具体示例说明了如何定位此类错误,并给出了正确的解决办法。
length += int(&client_info.connection_state) - int(client_info.h_vir_channel); 出现异常数据

发现length是一个巨大的数值,原因在于int(client_info.h_vir_channel) 忘记求地址,一个地址减去一个数值 ,自然就是一个很大的数据
我们面对的是一个关于H.264编码中实现画面冻结的问题。当前帧设置为IDR帧(一个GOP为2秒,帧率为25fps),并且后续的P帧显示的内容与这个IDR帧完全相同,从而实现画面冻结的效果,在下发g_image_freeze置1时实现。修改下面的代码 void* video_received_thread(void *arg) { HD_RESULT ret = HD_OK; HD_VIDEOENC_BS data_pull; #ifdef DUAL_SENSOR int cur_stream_save_id[STRM_ID_VIDEO_LAST] = {0}; #endif TP_STRM_ID_E strm_id = (TP_STRM_ID_E)arg; TP_VENC_STRM_S user_stStream; TP_VENC_STRM_S pre_user_stStream; int pre_frame_valid = 0; UINT32 vir_addr_main; HD_VIDEOENC_BUFINFO phy_buf_main; #define PHY2VIRT_MAIN(pa) (vir_addr_main + (pa - phy_buf_main.buf_info.phy_addr)) #ifdef DUAL_SENSOR UINT32 vir_addr_main_1; HD_VIDEOENC_BUFINFO phy_buf_main_1; #define PHY2VIRT_MAIN_1(pa) (vir_addr_main_1 + (pa - phy_buf_main_1.buf_info.phy_addr)) #endif TP_ENCODE_TYPE_E encode_type = g_strm_param[0][strm_id].encode_type; int i = 0; char thread_name[16] = {0}; snprintf(thread_name, 16, "video_recv%d", strm_id); prctl(PR_SET_NAME, thread_name, 0, 0, 0); // query physical address of bs buffer ( this can ONLY query after hd_videoenc_start() is called !! ) hd_videoenc_get(g_video_avdc_stream[0][strm_id].enc_path, HD_VIDEOENC_PARAM_BUFINFO, &phy_buf_main); // mmap for bs buffer (just mmap one time only, calculate offset to virtual address later) vir_addr_main = (UINT32)hd_common_mem_mmap(HD_COMMON_MEM_MEM_TYPE_CACHE, phy_buf_main.buf_info.phy_addr, phy_buf_main.buf_info.buf_size); #ifdef DUAL_SENSOR // query physical address of bs buffer ( this can ONLY query after hd_videoenc_start() is called !! ) hd_videoenc_get(g_video_avdc_stream[1][strm_id].enc_path, HD_VIDEOENC_PARAM_BUFINFO, &phy_buf_main_1); // mmap for bs buffer (just mmap one time only, calculate offset to virtual address later) vir_addr_main_1 = (UINT32)hd_common_mem_mmap(HD_COMMON_MEM_MEM_TYPE_CACHE, phy_buf_main_1.buf_info.phy_addr, phy_buf_main_1.buf_info.buf_size); #endif while (g_strm_param[0][strm_id].video_stream_started) { if(STRM_ID_MAIN == strm_id && g_video_frame_check_count >= VIDEO_FRAME_COUNT_LIMIT) { MPP_ERROR("get main video frame count is over limit reboot"); system("reboot"); } #ifdef DUAL_SENSOR if(g_cur_sensor_id == 0) { ret = hd_videoenc_pull_out_buf(g_video_avdc_stream[0][strm_id].enc_path, &data_pull, 10); // -1 = blocking mode if (HD_OK != ret) { if(STRM_ID_MAIN == strm_id) { g_video_frame_check_count++; } continue; } cur_stream_save_id[strm_id] = 0; } else { ret = hd_videoenc_pull_out_buf(g_video_avdc_stream[1][strm_id].enc_path, &data_pull, 10); // -1 = blocking mode if (HD_OK != ret) { if(STRM_ID_MAIN == strm_id) { g_video_frame_check_count++; } continue; } cur_stream_save_id[strm_id] = 1; } if(g_wait_i_frame_flag[strm_id]) { if(data_pull.frame_type == HD_FRAME_TYPE_IDR || data_pull.frame_type == HD_FRAME_TYPE_I) { g_change_success[strm_id] = 1; g_wait_i_frame_flag[strm_id] = 0; printf("streamid is %d,cur_stream_save_id is %d\n", strm_id ,cur_stream_save_id[strm_id]); } else { if(cur_stream_save_id[strm_id] == 0) ret = hd_videoenc_release_out_buf(g_video_avdc_stream[0][strm_id].enc_path, &data_pull); else ret = hd_videoenc_release_out_buf(g_video_avdc_stream[1][strm_id].enc_path, &data_pull); continue; } } #else ret = hd_videoenc_pull_out_buf(g_video_avdc_stream[0][strm_id].enc_path, &data_pull, 10); // -1 = blocking mode if (HD_OK != ret) { if(STRM_ID_MAIN == strm_id) { g_video_frame_check_count++; } continue; } #endif if(STRM_ID_MAIN == strm_id) { g_video_frame_check_count = 0; } memset(&user_stStream, 0, sizeof(TP_VENC_STRM_S)); user_stStream.pack_cnt = data_pull.pack_num; user_stStream.len = 0; user_stStream.pts = data_pull.timestamp;//从底层直接读取pts时间 for (i = 0; i < user_stStream.pack_cnt; ++i){ #ifdef DUAL_SENSOR if(cur_stream_save_id[strm_id] == 0) { user_stStream.pack[i].addr = (UINT8 *)PHY2VIRT_MAIN(data_pull.video_pack[i].phy_addr); } else user_stStream.pack[i].addr = (UINT8 *)PHY2VIRT_MAIN_1(data_pull.video_pack[i].phy_addr); #else user_stStream.pack[i].addr = (UINT8 *)PHY2VIRT_MAIN(data_pull.video_pack[i].phy_addr); #endif user_stStream.pack[i].len = data_pull.video_pack[i].size; user_stStream.len += data_pull.video_pack[i].size; } #if DEBUG_PRINTF_FRAME if (STRM_ID_MAIN == strm_id) { MPP_ERROR("user_stStream.len %d, data_pull.frame_type %d", user_stStream.len, data_pull.frame_type); } #endif if (TP_ENCODE_TYPE_VIDEO_H264 == encode_type){ switch (data_pull.frame_type) { case HD_FRAME_TYPE_IDR: case HD_FRAME_TYPE_I: user_stStream.frame_type = TP_FRAME_TYPE_I; #ifdef VIDEO_AVBR_ENABLE if (STRM_ID_MAIN == strm_id) { user_stStream.is_smart_codec = g_smart_codec_on; } #endif break; case HD_FRAME_TYPE_P: user_stStream.frame_type = TP_FRAME_TYPE_P; break; case HD_FRAME_TYPE_KP: user_stStream.frame_type = TP_FRAME_TYPE_P; #ifdef VIDEO_AVBR_ENABLE /* 在不开启智能编码时,BASE层的P帧仍归类到普通P帧 */ if (STRM_ID_MAIN == strm_id && g_smart_codec_on) { user_stStream.frame_type = TP_FRAME_TYPE_VIRTUAL_I; } #endif break; default: break; } } else if(TP_ENCODE_TYPE_VIDEO_H265 == encode_type) { switch (data_pull.frame_type) { case HD_FRAME_TYPE_IDR: case HD_FRAME_TYPE_I: user_stStream.frame_type = TP_FRAME_TYPE_I; #ifdef VIDEO_AVBR_ENABLE if (STRM_ID_MAIN == strm_id) { user_stStream.is_smart_codec = g_smart_codec_on; } #endif break; case HD_FRAME_TYPE_P: user_stStream.frame_type = TP_FRAME_TYPE_P; break; case HD_FRAME_TYPE_KP: user_stStream.frame_type = TP_FRAME_TYPE_P; #ifdef VIDEO_AVBR_ENABLE /* 在不开启智能编码时,BASE层的P帧仍归类到普通P帧 */ if (STRM_ID_MAIN == strm_id && g_smart_codec_on) { user_stStream.frame_type = TP_FRAME_TYPE_VIRTUAL_I; } #endif break; default: break; } } /* 如果启用帧冻结模式,直接调用此前保存的有效帧 */ if (g_image_freeze && pre_frame_valid) { memcpy(&user_stStream, &pre_user_stStream, sizeof(TP_VENC_STRM_S)); MPP_ERROR("user_stStream.len %d, user_stStream.frame_type %d user_stStream.pack[0].addr %x", user_stStream.len, user_stStream.frame_type, user_stStream.pack[0].addr); } /* 调用回调处理帧 */ if (g_strm_param[0][strm_id].cb) { (*g_strm_param[0][strm_id].cb)(g_strm_param[0][strm_id].cb_priv, &user_stStream); if (!g_image_freeze) { memcpy(&pre_user_stStream, &user_stStream, sizeof(TP_VENC_STRM_S)); /* for (int i=0; i<user_stStream.pack_cnt; i++) { size_t pack_size = user_stStream.pack[i].len; pre_user_stStream.pack[i].addr = freeze_frame_buffer + offset; } */ pre_frame_valid = 1; } } if (user_stStream.frame_type == TP_FRAME_TYPE_I) { g_image_freeze = 1; } /* 如果当前是主码流,再处理AE和AWB数据 */ if (strm_id == STRM_ID_MAIN) { aeawb_received_cb(&user_stStream); } #ifdef DUAL_SENSOR if(cur_stream_save_id[strm_id] == 0) ret = hd_videoenc_release_out_buf(g_video_avdc_stream[0][strm_id].enc_path, &data_pull); else ret = hd_videoenc_release_out_buf(g_video_avdc_stream[1][strm_id].enc_path, &data_pull); #else ret = hd_videoenc_release_out_buf(g_video_avdc_stream[0][strm_id].enc_path, &data_pull); #endif } if (vir_addr_main) hd_common_mem_munmap((void *)vir_addr_main, phy_buf_main.buf_info.buf_size); #ifdef DUAL_SENSOR if (vir_addr_main_1) hd_common_mem_munmap((void *)vir_addr_main_1, phy_buf_main_1.buf_info.buf_size); #endif return NULL; }
09-25
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
在大数据技术快速发展的背景下,网络爬虫已成为信息收集与数据分析的关键工具。Python凭借其语法简洁和功能丰富的优势,被广泛用于开发各类数据采集程序。本项研究“基于Python的企查查企业信息全面采集系统”即在此趋势下设计,旨在通过编写自动化脚本,实现对企查查平台所公示的企业信用数据的系统化抓取。 该系统的核心任务是构建一个高效、可靠且易于扩展的网络爬虫,能够模拟用户登录企查查网站,并依据预设规则定向获取企业信息。为实现此目标,需重点解决以下技术环节:首先,必须深入解析目标网站的数据组织与呈现方式,包括其URL生成规则、页面HTML架构以及可能采用的JavaScript动态渲染技术。准确掌握这些结构特征是制定有效采集策略、保障数据完整与准确的前提。 其次,针对网站可能设置的反爬虫机制,需部署相应的应对方案。例如,通过配置模拟真实浏览器的请求头部信息、采用多代理IP轮换策略、合理设置访问时间间隔等方式降低被拦截风险。同时,可能需要借助动态解析技术处理由JavaScript加载的数据内容。 在程序开发层面,将充分利用Python生态中的多种工具库:如使用requests库发送网络请求,借助BeautifulSoup或lxml解析网页文档,通过selenium模拟浏览器交互行为,并可基于Scrapy框架构建更复杂的爬虫系统。此外,json库用于处理JSON格式数据,pandas库则协助后续的数据整理与分析工作。 考虑到采集的数据规模可能较大,需设计合适的数据存储方案,例如选用MySQL或MongoDB等数据库进行持久化保存。同时,必须对数据进行清洗、去重与结构化处理,以确保其质量满足后续应用需求。 本系统还需包含运行监控与维护机制。爬虫执行过程中可能遭遇网站结构变更、数据格式调整等意外情况,需建立及时检测与自适应调整的能力。通过定期分析运行日志,评估程序的效率与稳定性,并持续优化其性能表现。 综上所述,本项目不仅涉及核心爬虫代码的编写,还需在反爬应对、数据存储及系统维护等方面进行周密设计。通过完整采集企查查的企业数据,该系统可为市场调研、信用评价等应用领域提供大量高价值的信息支持。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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