- 博客(1582)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 高通跃龙IQ-9075开发板上的QAI AppBuilder实践(2)：用QAI AppBuilder跑ResNet50
在高通跃龙IQ-9075 EVK上，通过QAI AppBuilder WebUI实现ResNet50模型在NPU上的推理。Hexa Agent完成环境自检、模型部署与对比演示，报告NPU加速比达31.4×，但独立复测显示实际加速比为11–15×，差异源于CPU侧性能评估偏高。原始数据来自bench_result.json，验证了NPU路径正确性，揭示了工具链中依赖冲突与结果归因问题，强调需以实测数据为准。
2026-11-05 11:19:23
209
原创 高通跃龙IQ-9075开发板上的QAI AppBuilder实践(1)：从零部署QAI AppBuilder
在高通跃龙IQ-9075 EVK开发板（Ubuntu 24.04，aarch64）上，通过SSH与RDP远程部署QAI AppBuilder。利用Windows版QAIRT包内嵌的Linux aarch64产物，省去板端2GB下载。采用厂商预装的gnome-remote-desktop系统服务实现无头远程桌面，解决绿屏、凭据不生效等问题。推理环境通过pip安装qai_appbuilder，复用本地已下载依赖，加速部署。关键发现：DNS间歇性失败导致登录超时；RDP凭据需重启服务才生效；bin/aarch64
2026-11-05 10:45:23
311
原创 高通跃龙IQ-9075 EVK端侧性能拆解(2): 启动链路耗时拆解与优化
本文针对高通IQ-9075 EVK平台在Ubuntu 24.04.4下启动时间长达76秒的问题，通过串口日志、systemd-analyze和initcall_debug等工具全链路分析，定位瓶颈。优化前主要耗时来自NetworkManager-wait-online.service（60秒超时），其依赖链阻塞了gdm与cloud-init。通过systemctl mask该服务，启动时间降至16秒（降幅79%）。同时发现kernel阶段音频DSP驱动snd_q6apm initcall占2秒（35%），但
2026-11-05 09:54:14
288
原创 高通跃龙IQ-9075 EVK端侧性能拆解(1): MobileNetV3-Small INT8量化精度与层级cycles拆解
在高通跃龙IQ-9075 EVK上，对CIFAR-10上训练的MobileNetV3-Small进行w8a8量化，结果显示：INT8量化精度基本无损（top-1达85.45%，优于板上FP32的84.85%），且per-channel量化未带来可测性能提升；加速主要来自卷积层，但HVX耗时大头在HardSwish/Relu等激活层。模型体积压缩显著，但per-channel增加29%存储开销无实际收益，适用于通道权重分布差异大的场景。
2026-11-05 09:34:54
429
原创 高通智能多媒体SDK 2.0工程化实战(4): 微服务化与事件流实践
本文聚焦从QIMSDK Demo到产品落地的五大关键挑战：服务拆分、最小闭环搭建、资源规划、可观测性与灰度升级。提出三层微服务架构（推理/分析/平台），以数据契约解耦，实现模型与业务独立演进；通过工业安全监测实战，展示基于Kafka/MQTT的边缘事件流处理；强调容器化部署中设备挂载、共享内存、IPC等关键参数配置，并建立标准化事件Schema，确保可追溯、可回滚、可运维，真正实现AI能力的稳定落地。
2026-10-29 09:10:38
303
原创 高通智能多媒体SDK 2.0工程化实战(3): Agentic Skills实测与提示词工程
本文剖析AI生成音视频代码的三大典型翻车场景：属性名虚构、tee后缺queue致死锁、CMake链接顺序错误。核心问题在于模型缺乏SDK底层细节知识。通过引入qimsdk-agentic-skills——将文档与代码同步的“技能说明书”，实现运行时知识注入，显著提升生成正确率。该技能库分三套产物（Python/C++/gst-launch），每套对应不同抽象层级，配套能力描述、API约定、示例与常见错误，形成可校验、可迭代的约束体系，真正实现“用文档约束AI”。
2026-10-29 09:00:00
424
原创 高通智能多媒体SDK 2.0工程化实战(2): QNN/ONNX Runtime/TFLite三大推理后端选型
本文以同一检测模型、同一条摄像头管线为基准，横向对比 QAIRT/QNN、ONNX Runtime、TFLite 在高通跃龙平台上的接入成本、精度损失与性能表现。基于 QIMSDK 的运行时抽象设计，仅需替换推理插件配置即可实现三者无缝切换，大幅降低迁移成本。通过标准化的 BYOM 六步流程（导出、优化、量化、编译等），提供可复现的部署方案，并强调校准集真实性、配置可追溯性等关键细节，助力开发者根据模型特性与团队资源做出最优选型。
2026-10-29 08:45:00
348
原创 高通智能多媒体SDK 2.0工程化实战(1): GStreamer数据通路与多流调度
本文剖析多路视频推理中常见的延迟与掉帧问题，揭示其根源在于数据流在GStreamer管线中的内存拷贝与线程调度瓶颈。以高通跃龙平台为例，指出“零拷贝”在qtimlvconverter环节断裂，因格式转换、归一化等操作需重写内存；queue虽缓解掉帧却引入200ms延迟，本质是缓冲队列累积所致。关键在于理解各节点的caps（内存类型）、是否拷贝及线程模型，唯有下潜至GStreamer运行时层，才能精准定位问题，实现从“碰运气”到“有依据”的优化。
2026-10-29 08:30:00
591
原创 Qt Onboard开发套件实战(4): 边缘AI应用
本文详解Qt Onboard FactoryPulse的边缘AI架构，聚焦多模型协同的端侧智能应用。通过Genie库实现大模型推理与RAG检索，结合ONNX Runtime进行TTS语音合成，依托Hexagon HTP硬件加速，构建从语音输入到语音回复的完整闭环。实战演示了基于Qt的语音AI助手开发流程，涵盖环境验证、项目结构设计与核心组件封装，展现离线、高效、安全的边缘AI能力。
2026-10-22 10:45:06
111
原创 Qt Onboard开发套件实战(3): 多媒体与摄像头集成
本文介绍FactoryPulse方案中Qt Onboard对高通跃龙IQ-9075的多媒体优化，通过替换PulseAudio为ALSA、集成GStreamer插件及定制USB摄像头驱动，实现低延迟、轻量级的音视频处理。基于GStreamer与Qt Multimedia框架，实战演示了视频播放、音频输入输出及摄像头采集全流程，涵盖环境配置、管线测试与Qt Quick应用开发，助力边缘AI场景下多媒体能力高效落地。
2026-10-22 10:35:48
147
原创 Qt Onboard开发套件实战(2): Qt Creator交叉编译与一键部署实战
本文基于Qt Creator与Qt Onboard IQ-9075开发板，详解从项目创建到远程部署调试的全流程。通过配置交叉编译套件，实现一键编译、SFTP部署与GDB远程调试，高效完成Qt Quick应用开发。实战中构建了带设备信息展示的仪表盘界面，验证了跨平台开发的便捷性与可靠性，显著提升嵌入式开发效率。
2026-10-21 11:22:41
290
原创 Qt Onboard开发套件实战(1): 环境搭建全攻略
本文为Qt Onboard开发套件系列首篇，聚焦高通跃龙IQ-9075 EVK的快速环境搭建。通过申请90天评估许可，使用Qt Online Installer安装预配置QBSP，实现分钟级完成工具链与系统镜像部署。结合balenaEtcher烧录镜像至SD卡，启动开发板并获取IP后，通过Qt Creator自动发现设备，完成SDK配置与连接验证，彻底跳过Yocto复杂流程，高效开启边缘AI应用开发。
2026-10-21 11:14:19
401
原创 在骁龙X2 Elite上实现端侧图像去模糊(3): 视频去抖动与实时管线效果对比
解决方案三帧滑窗导致前 2 帧无法处理缓冲不足前 2 帧使用单帧去模糊，第 3 帧起使用时序模式光流计算在快速运动场景中失败Farneback 光流对大位移不鲁棒加入金字塔层级搜索，最大位移从 15 像素提升至 60 像素时序融合后边缘变软时序先验平均了高频细节alpha 设为 0.8，保留 80% 的去模糊结果GPU 编码帧率不稳定编码器初始化未设置固定码率设置 CBR 模式，码率固定为 8 Mbps实现基于光流的时序去模糊，帧间 PSNR 波动降低 74%
2026-10-15 10:11:53
183
原创 在骁龙X2 Elite上实现端侧图像去模糊(2): 多尺度特征融合与自适应模糊核估计
该模型采用三阶段渐进式恢复，每个阶段在不同尺度上处理，NPU 推理 15 ms，非均匀模糊 PSNR 达 25.8 dB。MPRNet 在非均匀模糊场景下 PSNR 提升 4.6 dB，多尺度融合对非均匀模糊的适应能力显著优于单尺度方案。非均匀模糊的核心难点在于：模糊核在空间上变化，单一模型难以同时处理所有模糊模式。（图像不同区域模糊程度不同）处理效果有限——例如前景物体清晰而背景模糊，或图像左侧模糊重于右侧。非均匀模糊场景下 MPRNet 的提升尤为显著，验证了多尺度特征融合的有效性。
2026-10-15 10:10:48
458
原创 在骁龙X2 Elite上实现端侧图像去模糊(1): DeblurGAN模型端侧部署与运动模糊去除
传统去模糊算法（维纳滤波、Richardson-Lucy）需已知模糊核，但实际场景中模糊核未知且空间变化，传统方法难以实用。基于 GAN 的去模糊方案通过对抗训练学习模糊到清晰的映射，无需已知模糊核，在真实场景中效果显著。该模型基于 MobileNet 主干，参数量较 DeblurGAN-v1 减少 27%，PSNR 反而提升 1.5 dB，NPU 推理 22 ms，是精度与速度的最优平衡点。实测：对手抖导致的运动模糊照片执行去模糊，处理后文字与边缘清晰度恢复显著。
2026-10-15 10:09:11
81
原创 在骁龙X2 Elite上实现端侧低光照图像增强(3): 视频流实时增强管线与效果对比
本文构建了端侧视频流实时增强管线，融合Zero-DCE与DnCNN-S实现低光照增强与去噪（总延迟50ms，实测24FPS）。针对帧间闪烁问题，提出基于光流的时序平滑算法，使亮度波动降低76%-84%，主观闪烁基本消除。通过GPU解码、NPU加速、CPU时序处理的异构流水线设计，实现高效实时处理。量化结果显示，完整管线在保持22.6dB PSNR的同时显著提升暗部细节与视觉一致性，验证了系统在真实场景下的有效性与实用性。
2026-10-15 09:11:44
227
1
原创 在骁龙X2 Elite上实现端侧低光照图像增强(2): 噪声抑制与细节还原的联合优化
第一篇完成了 Zero-DCE 模型的端侧部署，NPU 推理延迟 8 ms，PSNR 从 8.2 dB 提升至 20.1 dB。但在高 ISO 低光照场景下，Zero-DCE 增亮的同时放大了噪声——增强后的图像在暗部区域出现明显的颗粒感与色彩噪点，影响视觉质量与下游检测任务。本篇的核心目标是实现噪声抑制与细节还原的联合优化，使增强后的图像在亮度提升的同时保持低噪声与高清晰度。NPU 推理 15 ms，与 Zero-DCE 的 8 ms 合计 23 ms，仍满足 30 FPS 实时需求。
2026-10-12 11:23:07
279
原创 在骁龙X2 Elite上实现端侧低光照图像增强(1): Zero-DCE模型端侧部署与实时增强
Zero-DCE 不直接生成增强图像，而是预测一组曲线参数，通过曲线映射对原图执行增强，这种间接增强方式使模型体积极小且推理极快。Snapdragon X2 Elite 的 80 TOPS Hexagon NPU 具备持续推理不降频的特性，32 GB 统一内存可承载增强模型，为端侧实时低光照增强提供了硬件基础。当前增强链路已能显著提升低光照图像亮度，但在高 ISO 场景下增强后噪声明显放大。实测验证：对一张夜景照片执行增强，增强后图像亮度提升显著，暗部细节恢复清晰，色彩无明显失真。为模型预测的曲线参数。
2026-10-12 11:20:51
547
原创 高通跃龙IQ-9075上w8a8与w8a16的精度实测
在高通跃龙IQ-9075平台实测显示，将激活位宽从8-bit提升至16-bit（w8a16）对精度影响微乎其微：cosine相似度、MAE及argmax一致率均无显著差异，主因是权重仍为8-bit且校准范围受限。时延方面，加速器执行周期增加30%（28k→36k），单帧时延上升约17μs，但整体端到端性能基本持平。量化链路中四类坑点需注意：DLC输出非C++源码、rpc_control_latency必须为整数、context binary自动存于output/子目录、profiling符号链接失效。结论：
2026-10-08 16:34:59
284
原创 高通平台实测情况分享(3): UFS读写时延
存储是最容易测出误导性数字的部件：同一块盘，走文件系统还是裸设备，4K 随机写能差五倍；换一个块层调度器，随机读掉三分之一；再过一层加密，又是一截。两台设备跑完，最大的收获是不同的测试方法和一份能复用的基线方法。实测的两台设备 UFS 栈同参数、同工具测试：• 第五代骁龙8至尊版(SM8850）（Micron 512GB，UFS 4.0）。• 高通跃龙IQ-9075 EVK（Micron 128GB，UFS 3.1）。
2026-10-08 16:21:18
325
原创 高通平台实测情况分享(2): 温控cpufreq
本文对比实测高通骁龙8至尊版（SM8850）与跃龙IQ-9075 EVK在相同负载下的温控降频表现。尽管两设备均运行于纯浮点压测，但因散热差异（密闭壳体 vs. 开放散热）及功耗策略不同，结果迥异：IQ-9075全核满载120秒无降频，温度仅升至45.5°C；而SM8850在13秒内大核即从4.4GHz降至2.67GHz，降幅达39%-45%，峰值温度达97.7°C。分析表明，降频由用户态温控服务（thermal-engine-v2）提前干预所致，非内核trip触发。结论：在高功耗芯片上，必须区分“冷机首帧
2026-09-30 13:53:01
369
原创 高通平台实测情况分享(1): 设备树
本文对比测试了高通QCS9075开发板（Ubuntu 24.04）与SM8850参考机（Android 16）在设备树绑定、驱动匹配及deferred probe方面的差异。结果显示：前者117个节点未绑定，且无deferred记录，表明为兼容性不匹配；后者虽有600个已绑定设备，但存在3个依赖未就绪的deferred节点，主因是电源管理子系统依赖链未完成。两台设备揭示了不同镜像环境下驱动加载的关键差异——“未绑定”可能源于驱动缺失或依赖等待，需结合sysfs与debugfs综合判断。
2026-09-30 13:51:57
458
原创 深化高通Linux开发(5): 多设备协同开发
本文聚焦高通嵌入式Linux在工业机器人、智能相机与ROS系统中的多设备协同开发，剖析单机方案的物理瓶颈，提出主从架构设计：以主节点为全局时间源与编排中心，从节点本地闭环控制，确保实时性与容错。通过TSN、ROS2 DDS、CAN-FD等多通道协同通信，结合五项核心原则（如控制回路下沉、单一时间源），实现跨设备数据同步与可靠通信，验证主节点非性能瓶颈，为复杂工业场景提供可落地的边缘协同解决方案。
2026-09-24 11:47:32
285
原创 深化高通Linux开发(4): 系统日志与故障诊断
本文聚焦高通嵌入式Linux在工业机器人、智能相机等场景下的日志与故障诊断实战，针对无人值守、故障复现难、存储寿命有限及多核异构等挑战，构建五层日志架构。重点解析高通平台跨核日志采集难点，强调ADSP/CDSP等子系统日志需通过GLINK/QMI等专用通道获取，并详解内核环形缓冲调优、pstore/ramoops崩溃转储配置与现场读取方法，确保断网或冷复位下仍可保留事故现场，实现5分钟内根因定位，满足工业级可靠性与功能安全要求。
2026-09-24 11:12:21
373
原创 深化高通Linux开发(3): 嵌入式安全加固开发
本文聚焦高通嵌入式Linux在工业机器人、智能相机与ROS场景下的安全实战，构建以威胁模型为基础的防护体系。针对物理接触、网络渗透、供应链攻击与运维滥用四大风险，提出“完整性优先于机密性”的核心原则，并依托高通平台硬件信任根（PBL/QFPROM）、可信启动链与TrustZone，实现从熔丝烧录到系统运行的全链路安全。通过AVB2.0签名校验、dm-verity块级校验及dm-crypt/LUKS2数据加密，确保固件与业务数据防篡改、防泄露。强调安全机制需兼顾实时性，关键环节如密钥管理、OTA更新与日志审计
2026-09-24 10:59:57
408
原创 深化高通Linux开发(2): 工业以太网与实时性优化
本文系统探讨工业以太网实时性优化，聚焦TSN与Linux硬实时改造。指出工业控制核心需求是抖动可控与确定性，而非平均延迟。通用Linux因优先级反转、中断处理等机制导致最坏延迟达毫秒级，无法满足1ms周期要求。基于高通IQ9双域架构（应用域+实时安全域），提出三种部署方案，推荐双域分工以发挥硬件优势。重点介绍主线内核6.12起原生支持PREEMPT_RT，通过开启关键配置项、CPU隔离、线程化中断及电源管理优化，可将延迟降至20–60µs，实现工业级实时性能。
2026-09-24 10:36:31
582
原创 深化高通Linux开发(1): Hexagon DSP并行开发
在高通边缘平台实现60fps智能相机与1kHz力控等高实时性场景时，主CPU被预处理任务占满，NPU空转成瓶颈。本文提出将图像降噪、传感器滤波、坐标解算、CAN解析等高频预处理下沉至Hexagon cDSP的HVX向量单元，利用其1024-bit宽指令、定点高效计算与VTCM高速缓存，实现算力解放。通过三原则（高算术强度、数据并行、可定点化）筛选任务，明确区分APSS、cDSP、NPU、aDSP分工，显著降低延迟抖动，提升系统整体实时性与能效。
2026-09-24 10:04:11
502
原创 在骁龙X2 Elite上实现端侧实时目标追踪与行为识别(2): 行为识别与联合管线集成
本文基于骁龙X2 Elite平台，扩展ByteTrack多目标追踪系统至行为识别。通过部署YOLOv8n-Pose提取人体骨架，结合ST-GCN模型实现30帧/秒的实时行为分类，支持摔倒、挥手等60类动作识别，并集成告警机制。全链路在NPU与CPU协同下完成，推理延迟可控，实现“谁在做什么”的端侧智能感知。
2026-09-17 09:00:00
675
原创 在骁龙X2 Elite上实现端侧实时目标追踪与行为识别(1): ByteTrack端侧部署与多目标跟踪
本文基于骁龙X2 Elite平台，实现端侧实时多目标追踪系统。利用Adreno GPU硬件解码视频流，YOLOv8n模型在80 TOPS Hexagon NPU上完成检测（18ms延迟），结合ByteTrack算法在Oryon CPU上进行轨迹关联。通过高分与低分检测框两阶段匹配，有效减少轨迹断裂。系统整体端到端延迟低于50ms，满足20 FPS以上实时性要求，为安防、监控等场景提供高效、低延迟的本地化追踪解决方案。
2026-09-17 08:45:00
149
原创 在骁龙X2 Elite上实现端侧多模态文档理解(2): 表格结构识别与结构化JSON导出
完成 TableFormer 的 QNN 转换与 INT8 量化部署，NPU 推理延迟 65 ms实现单元格裁剪、OCR 内容提取与行列归属判定支持单元格列表与行列矩阵两种 JSON 导出模式含 3 个表格的文档端到端延迟 573 ms，表格 TEDS 达 0.87。
2026-09-11 15:27:06
108
原创 在骁龙X2 Elite上实现端侧多模态文档理解(1): LayoutLMv3量化部署与文档树构建
传统 OCR 仅能提取文字内容，无法理解文档的版面结构：标题、正文、表格、图片之间的层次关系全部丢失。多模态文档理解的核心能力在于：不仅要识别文字，更要理解每个文字块在文档中的角色与位置关系，从而完整还原文档的逻辑结构。Snapdragon X2 Elite 的 80 TOPS Hexagon NPU 具备持续推理不降频的特性，32 GB 统一内存可承载版面分析模型与 OCR 模型的联合部署，为端侧多模态文档理解提供了硬件基础。版面分析的输入是 OCR 提取的文字和边界框，输出是每个文字区域的类别。
2026-09-11 15:24:48
386
原创 踩坑实录：Windows上QAIRT SDK本地编译环境搭建全攻略
在Windows上使用QAIRT SDK编译LLM模型需应对多重兼容性问题。核心挑战包括：Python 3.10与3.11的ABI不兼容，需分设虚拟环境；NumPy 2.x导致.pyd模块加载失败，须锁定为1.26.4；ONNX 1.17移除mapping模块，需手动补回TENSOR_TYPE_MAP；islpy缺失但非必需，可忽略或安装；临时目录默认在C盘致空间不足，应指定D盘路径；控制台乱码由GBK编码引发，建议切换至UTF-8。此外，QAIRT 2.35存在FP16精度Bug，影响rms_norm层编
2026-09-10 11:07:39
351
原创 高通跃龙IQ-9075端侧多模态脱敏工作台搭建(3): 端到端验证与取舍
本文为系列第三篇，完成文本与图片脱敏链路的端到端验证。通过固定输入测试，确认本地7B NER与YOLO-World/YuNet在HTP上推理数值可信，无类别翻转；像素差分显示脱敏范围精准，无误伤。性能对比表明，虽YuNet HTP加速显著，但因后处理依赖cv2且收益有限，最终未切换生产路径。记录三项已知约束：车牌检测能力边界、长文本截断、Einsum未分解。结论：非所有模型上NPU均划算，需权衡收益与重构成本。
2026-09-10 10:16:50
682
原创 高通跃龙IQ-9075端侧多模态脱敏工作台搭建(2): 模型转高通HTP
本文详解高通HTP上YOLO-World与YuNet模型的NPU部署实践。针对不同转换路径：YOLO-World因Einsum算子不支持跳过DLC转换，直接使用ONNX+ONNX Runtime QNN EP；YuNet则通过QAIRT工具链完成DLC→context binary全流程。重点记录了numpy 2.x引发的形状推断异常等关键坑点，强调环境一致性与版本兼容性的重要性。全链路命令实测可用，为边缘侧AI推理提供可复现的落地方案。
2026-09-10 10:07:05
322
原创 高通跃龙IQ-9075端侧多模态脱敏工作台搭建(1): 项目由来与全服务部署
本文介绍Privacy-Shield项目在高通跃龙IQ-9075端侧的部署实践，旨在实现文本、图片、文档的本地化隐私脱敏。基于数据不出设备的核心需求，项目将NER、目标检测与人脸识别等推理链全部运行于端侧，复用已有Genie-server服务，并部署本地LLM适配层、YOLO-World检测服务及自定义渲染模块。全链路基于Ubuntu 24.04/aarch64环境，通过实测命令完成模型转换、依赖安装与服务部署，确保敏感信息处理全程可控、可追溯。
2026-09-10 09:57:43
396
原创 第二代骁龙XR2+平台的XR应用开发实战(8): 端侧AI大模型赋能XR空间智能
篇章主题核心技术一硬件架构与开发环境XR2+ SoC、五大处理单元、SDK配置二6DoF追踪与SLAMVIO、IMU预积分、ESKF、空间锚点三Passthrough与MRVST透视、虚实遮挡、平面检测、空间网格、光照估计四空间音频HRTF、双耳渲染、混响、DSP加速、音频遮挡五手势与眼动21关键点、手势识别、注视点渲染、眼动交互六渲染优化MTP延迟、ATW/ASW、VRS、Single-Pass、帧时序七OpenXR标准。
2026-09-01 10:51:01
241
原创 第二代骁龙XR2+平台的XR应用开发实战(7): OpenXR标准与Unity/Unreal开发实战
核心对象帧循环：WaitFrame→BeginFrame→PollEvent→LocateViews→渲染→EndFrameAction输入：抽象的"动作"概念，无需关心具体控制器Extension机制：通过扩展访问平台特有功能（手势、眼动、透视等）Unity集成跨平台：一次开发，Quest/PICO/SteamVR/Windows MR多端部署下一篇（系列最终篇）我们将探讨XR端侧AI大模型融合，实现具备空间智能的XR Agent。
2026-09-01 10:50:36
316
原创 第二代骁龙XR2+平台的XR应用开发实战(6): 渲染优化与Motion-to-Photon低延迟技术
XR体验最大的杀手不是分辨率不够高，不是画面不够精美，而是延迟。当用户转动头部，画面必须在20ms内跟上，否则就会晕动症。Motion-to-Photon（MTP）延迟是衡量XR设备和应用的核心指标。MTP延迟拆解：本文深入解析XR渲染优化的全套技术栈，从ATW/ASW到VRS、从Single-Pass渲染到帧时序管理。ATW（Asynchronous Time Warp，异步时间扭曲）：ASW（Asynchronous Space Warp，异步空间扭曲）
2026-09-01 10:50:10
476
原创 第二代骁龙XR2+平台的XR应用开发实战(5): 手势识别与眼动追踪交互开发
手部追踪：21点3D关键点、NPU推理<3ms、捏合/指向/抓取/张开四种基础手势射线交互：食指射线+捏合选择，接近真实手操作体验注视点渲染：利用人眼视觉特性，GPU负载降低50-70%眼动交互：注视选中+捏合确认，最自然的交互方式多模态融合：眼动瞄准+手势操作+音频反馈下一篇我们将进入XR渲染优化领域，详解Motion-to-Photon延迟优化和ATW/ASW技术。
2026-09-01 10:49:32
269
原创 第二代骁龙XR2+平台的XR应用开发实战(4): 空间音频与3D音效开发实战
空间音频是XR沉浸感不可或缺的一半。HRTF原理：头相关传递函数、方位角/仰角/距离三维定位音频渲染管线：距离模型→HRTF卷积→混响→遮挡→双耳渲染→头部追踪核心算法实现：HRTF滤波器、Schroeder混响器、空间音频渲染引擎Unity实战：AudioSource配置、3D音频对象池、音频遮挡性能优化：声源数量限制、距离裁剪、DSP硬件加速骁龙XR2+的Hexagon DSP可以同时处理32+个空间声源，CPU零占用，端到端延迟<5ms，为沉浸式XR音频体验提供了强大的硬件支撑。
2026-08-26 11:20:54
368
Hetcompute image processing example (1).docx
2019-07-31
Hetcompute image processing example (2).docx
2019-07-31
6490平台上部署动作识别模型遇到如下问题
2026-03-05
TA创建的收藏夹 TA关注的收藏夹
TA关注的人