m0_37603703的博客

原创 opencv入门

Point 类用来表示二维坐标系中的一个点。OpenCV 提供了两个版本：Point2i（或简称 Point）用于整数坐标，Point2f 用于浮点数坐标。示例// 创建一个整数类型的点 (x=10, y=20)// 创建一个浮点类型的点// 在图像上绘制这个点// 创建一个100x100的黑色图像// 在点pt处绘制一个绿色圆圈。

原创 RKNN-Toolkit2入门

RKNN-Toolkit2 的主要作用是在 x86 主机（Host）上将 ONNX、TensorFlow、Caffe 等模型转换为 .rknn 格式，然后部署到 瑞芯微（Rockchip）NPU 芯片（如 RK3566、RK3568、RK3588、RV1106 等）上进行推理。📌 详细解释：RKNN-Toolkit2 到底是什么？

原创 tensorRT高级-使用onnxruntime进行onnx模型推理过程

8. 图像预处理（Letterbox + 归一化）和tensorrt是一样的。9. HWC → CHW + BGR → RGB + 归一化。12. 解码输出（YOLO 后处理）13. NMS 非极大值抑制。

原创 tensorRT-UNet分割模型编译到推理

计算缩放因子 scale = min(target_w / img_w, target_h / img_h)使用 cv::warpAffine 进行仿射变换，将图像缩放到目标尺寸（如 512x512）类别图（uint8）使用 cv::INTER_NEAREST 防止类别混合。空白区域用灰色（114）填充（常见于 YOLO/UNet 系列）概率图（float）使用 cv::INTER_LINEAR 插值。模型输出形状：[B, H, W, C]（C 为类别数）前处理的目标是将原始图像转换为模型输入所需的格式。

原创 c++中tuple的基本用法

访问 tuple 元素：std::get<索引>(tuple)获取 tuple 大小：std::tuple_size。解包 tuple：std::tie（经典方式）使用 std::tuple 类型声明。

原创 OpenCV C++ 中，访问图像像素三种常用方法

🔹 方法 2：指针访问 cv::Mat::ptr<>()（推荐用于遍历整行或全图）🔹 方法 1：cv::Mat::at<>() 方法（推荐用于调试和小规模访问）🔹 方法 3：迭代器访问（安全且适合 STL 风格编程）✅ OpenCV C++ 访问像素的三种方法。

原创 retinaface tensorrt 无封装版本

这叫做 Bounding Box Regression（边界框回归），目的是： 把一个“先验框”（anchor/prior）通过学习到的偏移量，调整成更接近真实框（ground truth）的预测框。init_prior_box 函数是 人脸检测模型（如 RetinaFace、SSD、YOLO 的 Anchor 版本等）中生成“先验框”（Prior Boxes / Anchors）的核心函数。真实偏移量 (dx_real) = (gt_cx - anchor_cx) / anchor_sx。

原创 tensorRT高级-yolov5模型编译到推理（无封装）

【代码】tensorRT高级-yolov5模型编译到推理（无封装）

原创 shared_ptr 与 Lambda 删除器

🔍 核心问题：为什么 engine->infer() 没有执行 lambda？这行代码等价于：MyEngine* raw = engine.get();👉 它只是通过 shared_ptr 获取原始指针，然后调用方法。✅ 2. engine->infer()：只是正常使用对象。管家（shared_ptr）收下了遗嘱，但不会立刻执行。✅ 1. shared_ptr 的构造：只保存，不执行。这才是 lambda 第一次也是唯一一次被执行。👉 但 不会立即执行 lambda！✅ 3. 析构时：删除器终于执行

原创 基类派生类

【代码】基类派生类。

原创 c11简单线程池

【代码】c11简单线程池。

原创 c11智能指针 promise future

【代码】c11智能指针 promise future。

原创 c11工厂函数

【代码】c11工厂函数。

原创 c11条件变量

【代码】c11条件变量。

原创 tensorRT基础-模型推理时动态shape的具体实现要点

1.

原创 最简单的tensorrt程序，实现模型编译和推理

假设输入是 [1.0, 1.0, 1.0]（即 x0=x1=x2=1），偏置 b = [0, 0]🔍 第二步：addFullyConnected 需要什么样的权重？🔢 第三步：你的权重数组如何排列？所以输出是 [3.5, 0.8]🧮 第五步：矩阵乘法示例。

原创 cuda运行时API-内存的学习，pinnedmemory

Device To Host 的过程，等价于。Host To Device 的过程，等价于。

原创 仿射变换逆变换

原创 YOLO 模型前向推理全流程（以 YOLOv8 为例）

形状：(1, 4 * reg_max, 80, 80)、(1, 4 * reg_max, 40, 40)、(1, 4 * reg_max, 20, 20)形状：(1, 80, 80, 80)、(1, 80, 40, 40)、(1, 80, 20, 20)（COCO 80 类）实际使用时通过卷积解码为 (l, t, r, b) 四个距离（归一化到特征图尺度）将缩放后的图像（640×480）居中放置在 640×640 的画布上。前 4 行：[l, t, r, b]（归一化的距离）填充短边（letterbox）

原创 非极大值抑制（Non-Maximum Suppression, NMS）

即：IM 把变换后的点 (x’, y’) 映射回原始点 (x, y)。如果 IoU > 阈值，说明是重复检测，将那个低分框标记为“删除”。否则，保留这个框（因为它目前是置信度最高的未被删的框）。假设输入的检测框已经按置信度从高到低排序。如果当前框已被标记删除，跳过。计算它们与当前框的 IoU。最终返回所有未被删除的框。

原创 std::initializer_list＜int＞ 和 std::vector＜int＞

使用 std::initializer_list 和 std::vector 两种方式来构造 InputDims 类，并说明它们的区别。两者最终都会把数据存到 dims_ 这个 vector 成员变量中，区别只在于如何把数据传进来。为什么 InputDims 要同时支持两种构造方式？

原创 C++ 中的 noexcept override

这样写出的代码，才是健壮、高效、可维护的现代 C++ 代码！

原创 YOLO 检测前向推理流程

✅ YOLO 模型前向推理全流程（以 YOLOv5 为例）第一阶段：图像加载与预处理。

原创 使用海康威视 SDK 实现软触发拍照（C语言完整示例 + 中文注释）

本文介绍了基于海康威视MVS SDK的软触发拍照C语言实现方案。文章摘要如下： 功能概述： 实现软触发控制工业相机精准拍摄 支持设备枚举、选择、取流控制 采用"拍一张→处理→再拍一张"的工作模式 关键技术： 使用MV_CC_SetCommandValue发送软触发指令 通过回调函数处理图像数据 多线程设计分离触发和图像处理逻辑 代码特点： 完整可运行的示例代码 详细中文注释 中文化打印信息 Linux环境测试通过 适用场景： 流水线检测 运动同步拍摄 需要精确控制拍摄时机的应用 注意事项

原创 海康威视工业相机SDK开发实战：使用C/C++实现软件触发图像采集（含详细中文注释代码）

本文将带你从零开始，使用 海康MVS SDK（Machine Vision Software Development Kit），通过 C/C++语言 实现对海康工业相机的控制，重点演示如何配置 软件触发模式 并完成图像采集。而“软件触发”是触发模式中的一种，指通过 调用SDK函数发送命令 来触发相机采集一帧图像，无需外部硬件信号，非常适合调试和控制场景。本文通过一个完整示例，展示了如何使用海康MVS SDK 实现 软件触发图像采集，代码结构清晰，注释详尽，适合初学者快速上手。五、完整代码实现（含中文注释）

原创 使用海康机器人相机SDK实现基本参数配置（C语言示例）

本文介绍了基于海康MVS SDK的相机控制程序开发，通过C语言实现了设备枚举、连接及参数读写功能。程序支持多种接口类型相机（GigE/USB/CameraLink等），可获取设备型号、IP地址等基本信息，并提供整型、浮点、枚举、布尔和字符串参数的读写操作。核心代码展示了SDK初始化、设备信息打印、参数设置等关键流程，采用do-while(0)结构进行错误处理，确保资源正确释放。该实现为机器视觉应用开发提供了基础框架。

原创 记录相机触发相关

关闭触发模式（内部触发）：当您需要预览图像来检查相机设置、调整曝光、对焦等参数时，通常会将触发模式设置为关闭（即内部触发模式）。硬触发（硬件触发）：通过物理信号（例如电压变化）从外部设备发送到相机的触发输入端口，通知相机在特定时刻拍摄照片。硬触发（硬件触发）：适用于需要高精度同步的场合，比如工业检测、科学研究等，其中外部设备（如传感器、PLC等）通过物理连线向相机发送触发信号。正式拍摄：倾向于采用外部触发（触发模式开启），无论是硬触发还是软触发，以实现对外部事件的响应或达到更高的同步精度。

原创 设置麦克风和播放器default为usb设备

本文介绍了在Linux系统中重新安装和配置PulseAudio音频服务的完整流程。首先指导用户通过apt命令重新安装PulseAudio及其工具包，然后详细说明了启动服务、验证运行状态的方法。重点讲解了如何通过pactl命令查找USB麦克风设备，并设置默认录音设备，包括临时设置和永久配置两种方式。最后提供了验证配置是否成功的检查方法，确保音频输入输出设备正确设置。整个过程条理清晰，涵盖了从安装到配置的完整步骤。

原创 ubuntu python程序开机自启动

将上述内容保存为：🔧 启用并启动服务。

原创 烟雾传感器

1.烟雾传感器上电手机或者电脑搜索W开头的wifi,并连接。2.选择第二个 配置。

原创 函数指针与回调函数（c++）

函数和函数指针这个函数叫 hello，它有一个地址（就像房间有门牌号一样）。我们想用一个变量来保存这个地址，这个变量就是“函数指针”。给函数指针赋值✅ 关键点hello 是函数名，它本身就表示“函数的地址”就是把 hello 的地址存到 ptr 中ptr(5);就是“调用 ptr 指向的那个函数”，和 hello(5) 效果一样。

原创 eigen中四元数

Eigen库中的四元数使用指南：介绍了四元数的数学结构（q=w+xi+yj+zk）及其在Eigen中的实现（Quaternionf/d）。详细说明了四元数的构造方法（从旋转矩阵或欧拉角）、点旋转操作，并强调了构造参数(w,x,y,z)与内部存储[x,y,z,w]的顺序差异。提供了旋转矩阵与四元数相互转换的代码示例，以及复合旋转的正确计算顺序（yawpitchroll）。特别指出实际应用中容易混淆的参数顺序问题，帮助开发者正确使用四元数进行3D旋转操作。

原创 图像中物体计数：基于YOLOv5的目标检测与分割技术

然而，当物体非常小且密集时，传统的目标检测方法可能会出现较大的误差。本文将介绍一种结合YOLOv5目标检测和图像分割技术的方法，以提高物体计数的准确性，并最终生成一个可以在手机端调用的SO文件。每个小区域的大小可以根据实际情况进行调整，一般来说，小区域的大小应该能够包含一定数量的物体，但又不至于过大，以免影响检测精度。YOLOv5是一种非常强大的目标检测模型，它能够在保证检测速度的同时，提供较高的检测精度。最后，我们将所有小区域的检测结果组合起来，得到整个图像的物体计数结果。3. 在手机端调用SO文件。

原创 基于OpenCV的物体识别与计数

通过上述步骤，我们可以有效地从图像中识别并计数特定类型的物体。值得注意的是，实际应用中可能需要根据具体场景调整参数和算法细节，以达到最佳效果。本文将介绍一种使用OpenCV库实现的高效物体识别与计数方法，并提供一些代码片段以帮助理解各个步骤。计算每个轮廓的面积，并根据设定的面积阈值和其他条件统计符合条件的物体数量。对于每个被识别出的物体，还可以进一步进行距离变换、归一化处理等操作，以便更精确地描述物体特性。形态学操作，例如开运算和闭运算，用于清理图像中的小对象或连接邻近的对象，改善目标物体的完整性。

原创 用 PCL 快速生成5种常见点云数据（附完整代码）

先从生成几种基本的点云数据开始吧！本文带你用 PCL（Point Cloud Library） 生成5种常用类型的点云，并保存为 .pcd 文件，方便后续可视化和处理。本代码使用 C++ 编写，功能是生成5个不同类型的点云文件，用于测试和学习。确保你已经安装了 PCL（Point Cloud Library）。🧩 5种常见的 PCL 点云类型。👉 是学习 PCL 的绝佳起点！保存为 PCD 文件。

原创 用 Eigen 轻松搞定 C++ 矩阵运算（超简单入门教程）

在机器人、SLAM、图像处理等开发中，矩阵运算是家常便饭。而 Eigen 就是 C++ 中最流行、最高效的线性代数库之一。Eigen 虽然功能强大，但上手并不难。掌握这些基础操作，你就可以在 SLAM、机器人、机器学习等项目中轻松处理矩阵了！今天，我们通过一个简单的例子，带你快速入门 Eigen 的基本用法，零基础也能看懂！

原创 ubuntu20中安装eigen库

在 Eigen 中，所有向量和矩阵本质上都是 Eigen::Matrix 模板类的特化版本。Eigen 通过 typedef 提供了大量的内置类型别名（typedef），极大地方便了日常使用。以下是最常用、最推荐掌握的 Eigen 内置类型，广泛用于 SLAM、机器人、图形学等领域。Eigen 是 header-only 库（只有头文件，无需编译链接），所以安装非常方便。Eigen 的头文件会被安装到 /usr/include/eigen3/。✅ 一、常见的内置类型（Built-in Typedefs）

原创 eigen入门了解

Eigen 库通过这些模块提供了全面的线性代数功能，从基础的矩阵运算到高级的数值分析，再到稀疏矩阵和迭代求解器，几乎涵盖了所有常见的线性代数需求。无论是科学研究、工程计算还是机器学习，Eigen 都是一个强大且灵活的选择！Eigen 库是一个非常强大的 C++ 线性代数库，它提供了丰富的功能来处理矩阵和向量运算。Eigen 库涵盖了多种线性代数相关的模块。

原创 一文看懂PCD文件格式

在使用PCL（Point Cloud Library）处理点云数据时，你一定会遇到 .pcd 文件。它是PCL专用的点云数据格式，结构清晰、功能强大。本文用一个实际例子，带你快速理解PCD文件的每一行含义。掌握这些基础知识，你就能轻松读写点云数据，为后续的滤波、配准、分割等操作打好基础！

原创 使用PCL读取PCD点云文件

在点云处理和三维视觉项目中，我们经常需要将点云数据保存到文件中，以便后续加载和分析。本文将通过一个完整的C++示例，介绍如何使用PCL读取 .pcd 格式的点云文件。通过 pcl::io::loadPCDFile，我们可以非常方便地将磁盘中的点云数据加载到内存中，为后续的滤波、配准、分割等处理打下基础。本文示例展示了完整的读取流程，是PCL开发中最基础也是最重要的操作之一。掌握点云的读写，是开启三维点云处理之旅的第一步。2. 从本地磁盘加载一个已有的PCD文件。1.定义一个点云对象。3.打印点云的总点数。