- 博客(25)
- 收藏
- 关注
RSS订阅原创 Jetson Nano学习—SD卡系统镜像烧录全流程
本文详细介绍了在Windows+Ubuntu双系统环境下为Jetson Nano烧录Ubuntu系统的完整流程。关键步骤包括：1）在Ubuntu下使用GParted彻底清除SD卡原有分区；2）在Windows下通过Win32 Disk Imager写入系统镜像。特别强调必须反复确认操作设备，避免误擦除主机硬盘数据。注意事项包含：烧录过程中保持设备连接、完成写入后等待缓存同步、通过安全弹出功能移除设备等。最后可通过Jetson Nano的启动状态验证烧录是否成功。
2025-10-05 19:17:55
1217
原创 从零搭建安全帽检测（10）— 评估体系进阶：PR曲线分析与最优阈值寻优
本文探讨了如何通过P-R曲线科学优化目标检测模型阈值。针对安全帽检测场景，分析了高召回率与高精确率的两难困境，指出单一阈值评估的局限性。通过绘制P-R曲线，直观展示了模型在不同阈值下的性能边界，并基于业务需求（严防漏检）确定了最佳平衡点。
2025-10-05 17:50:27
191
原创 强化学习实战：从零搭建自主移动机器人避障仿真（1）— 导论篇
机器人仿真技术已成为算法验证和产品迭代的关键工具，其中避障算法因其逻辑纯粹性成为强化学习的理想切入点。本文对比了反应式、规划式和基于强化学习的避障方法，指出强化学习通过"试错"机制能更好适应动态环境。Gazebo和PyBullet作为主流仿真平台各有优势：Gazebo与ROS深度集成适合系统开发，PyBullet则轻量高效更利于强化学习训练。通过两种平台的结合使用，可全面掌握机器人仿真技术，为算法研究和工程应用提供灵活支持。
2025-09-01 20:14:19
193
原创 从零搭建安全帽检测（9）— 性能优化实战：破解高 precision、低 recall 困境
摘要：针对安全预警系统中"高Precision、低Recall"的漏检问题，本章开展YOLOv8模型优化实战。通过诊断评估、数据增强调整、超参数调优和推理策略优化，重点提升模型召回率。
2025-09-01 17:34:24
217
原创 从零搭建安全帽检测（8）— 泛化性检验：构建独立测试集与模型性能公正评估
基于SHWD数据集训练的模型在验证集上mAP50达0.887，但需警惕验证集过拟合风险。为确保评估公正性，本章将使用完全独立的测试集进行最终检验。该测试集严格遵循SHWD原始划分方案（test.txt等文件），避免任何数据泄露，以真实反映模型泛化能力。
2025-08-28 18:22:13
403
原创 从零搭建安全帽检测（7）— 控制变量法：工业级数据集VS玩具模型的性能碾压
本文通过对比实验验证SHWD大规模数据集对模型性能的影响。在保持其他条件一致的情况下，将训练数据从30张手动标注图片扩展到7000张SHWD数据集，探究数据规模对模型性能的关键作用。
2025-08-27 17:46:40
201
原创 从零搭建安全帽检测（6）— 工业级SHWD数据集引入与评估指标介绍
本文介绍了从实验性模型转向工业级安全帽检测系统的关键升级步骤。通过引入包含7581张专业标注图像的SHWD数据集，取代原有小规模实验数据，为模型提供更可靠的数据基础。重点阐述了工业级评估体系的构建：1）混淆矩阵分析模型预测的四种情况；2）精确率与召回率指标，分别衡量报警准确性和违规识别覆盖率；3）mAP指标综合评价模型性能。这些评估方法为模型优化提供了量化依据，有助于平衡安全需求与误报成本，推动系统从概念验证迈向实际应用。
2025-08-27 11:51:14
247
原创 从零搭建安全帽检测（5）— yolov8模型推理
本文介绍了YOLOv8模型在安全帽检测项目中的推理部署过程。通过加载训练好的best.pt权重文件，对测试图片进行目标检测，分析了模型在实际应用中的表现。
2025-08-25 11:50:54
240
原创 从零搭建安全帽检测（4）— yolov8模型训练
本文重点介绍YOLOv8模型在安全帽检测中的训练与应用。从数据标注到模型训练，详细阐述了如何将人工标注转化为机器智能。YOLOv8凭借其创新结构和高效训练策略，特别适合工业场景。
2025-08-25 11:03:52
68
原创 从零搭建安全帽检测（3）— 数据标注
本文详细介绍了安全帽检测项目中数据标注的关键步骤。首先强调了高质量数据对模型性能的重要性，使用LabelImg工具对30张工地图像进行标注，标注时需同时框选安全帽和佩戴者，并通过Python脚本将PascalVOC格式转换为YOLO格式。最后采用80/20比例划分训练集和验证集，生成符合YOLOv8训练要求的数据集结构。完整的数据处理流程为后续模型训练奠定了基础。
2025-08-22 17:29:41
98
原创 Jetson Nano学习 - ORB-SLAM2理论研读（四）：对极几何
本章介绍了基于2D-2D对极几何的运动跟踪方法。主要内容包括：1）对极约束原理及本质矩阵E、单应矩阵H的求解方法；2）对极约束求解相机运动的示例代码及测试结果；3）ORB-SLAM2中的单目初始化实现。
2025-08-18 18:00:02
600
原创 Jetson Nano学习 - ORB-SLAM2理论研读（三）：特征匹配
特征匹配是视觉SLAM中极为关键的一步，解决了其中的数据关联问题（data association），具象到数学表示，即找到图像中的特征点。
2025-08-13 22:23:22
1135
原创 Jetson Nano学习 - ORB-SLAM2理论研读（二）：ORB特征提取
本文介绍了SLAM系统中的ORB特征提取方法，重点分析了FAST关键点和BRIEF描述子的工作原理。
2025-08-08 18:11:47
1007
原创 Jetson Nano学习 - ORB-SLAM2理论研读（一）：系统架构与多线程工作流程解析
ORB-SLAM2作为开源SLAM框架的代表作，采用多线程架构实现实时定位与建图，本系列的最终目的是将ORB-SLAM2部署至Jetson Nano，进行性能分析及调试，因此先从源码阅读做起。
2025-08-05 18:25:55
1198
原创 Jetson Nano学习-系统更新与升级（问题操作，勿学！！！）
本文介绍了在Ubuntu系统中更新软件包的方法，但系统在更新后崩溃，本文作为教训贴展示。
2025-07-30 12:05:30
548
原创 Jetson Nano学习-散热风扇安装与软件配置
JetsonNano在运行SLAM和AI等高负载任务时会产生大量热量，仅靠散热片难以有效散热，容易触发降频保护影响性能，需要额外安装一个散热风扇。
2025-07-29 21:05:06
444
原创 从零搭建安全帽检测（2）— CUDA测试
本文介绍了深度学习环境配置中CUDA和cuDNN的测试方法。通过示例程序验证了两者的可用性：CUDA测试程序展示了GPU并行计算能力，成功执行数组加法运算；cuDNN测试程序检测了CUDA设备并成功创建cuDNN句柄，输出版本信息确认库功能正常。
2025-07-25 17:47:39
478
原创 从零搭建安全帽检测（1）— 环境篇
摘要本文介绍了深度学习入门的环境配置方案，重点推荐使用WSL2作为基础开发环境。文章详细讲解了五个关键组件的安装配置：1) WSL2解决Windows系统GPU性能限制问题；2) Miniconda实现环境隔离管理；3) Python3作为主流开发语言；4) CUDA Toolkit 11.5支持GPU加速；5) PyTorch GPU版本和ultralytics包的安装。文章以YOLOv8模型为例，展示了如何搭建完整的深度学习开发环境，特别强调了环境隔离和GPU加速的重要性。
2025-07-25 17:02:42
545
原创 Jetson Nano学习-网络配置和连通性测试
本文介绍了Jetson Nano B01开发板的两种网络连接方式。由于该设备没有内置Wi-Fi模块，重点讲解了通过网线连接的方法。
2025-07-14 16:18:13
1389
原创 Jetson Nano学习-硬件基本配置和Ubuntu 18.04启用
本文记录了英伟达Jetson Nano B01开发板的配置过程。硬件包括开发板、LOBOROBOT显示器及亚博智能无线键鼠套装。配置步骤：1)电源连接自动启动Ubuntu 18.04系统；2)通过HDMI和USB3.0接口连接显示器；3)系统界面显示后，连接键鼠并使用厂家密码登录即可进行开发。该配置为后续SLAM和AI学习提供了基础环境。
2025-07-14 14:07:50
365
原创 软件安装和快速上手—Miniconda环境搭建
不同的python项目往往涉及到不同版本的第三方库，把不同版本的包安装在系统中容易导致软件不兼容且项目管理混乱，此时就需要一个python管理工具即Anaconda或Miniconda来提升项目稳定性。此时可以查看到系统中存在两个环境，其中base为基础环境，py36为新建环境。打了星号的为当前使用的虚拟环境，因此需要激活py36，进入到该环境中。（1）打开Miniconda，在终端中输入以下命令，创建python3.6对应的虚拟环境。（5）删除环境（如果不需要继续使用该环境）（2）按照提示一步步安装。
2023-06-23 16:09:06
9259
2
原创 软件安装和快速上手—VSCode安装和python配置
选择一款好的IDE对于算法调试和仿真起着重要的作用，VSCode是一款免费开源的现代化轻量级代码编辑器，下面简单介绍该IDE的安装和python配置，并运行一个简单的python代码。(4) 设置安装选项，安装位置建议安在系统盘，且下面的两个选项都勾选（将python添加至系统路径中，可以方便VSCode找到python解释器），最后点击“Install Now”6. 点击“运行python文件”，在终端中查看打印，若打印成功，则VSCode和python环境被成功搭建。（7）检查信息，开始安装。
2023-06-12 02:37:12
5344
1
原创 点云PCL库学习-双目图像转化为点云PCD并显示
文章目录双目视觉模型 代码实现 总结 参考文章一、双目视觉模型和RGBD相机主动发射光线实现测距不同，双目测距原理通过配置立体摄像头（通常由左眼相机和右眼相机两个水平放置的相机组成）来获取一对同一场景中的二维图像，再基于同一空间点在两个坐标系下的视差来计算深度。双目测距的示意图和数学表达式如下所示：双目相机的成像示意图上述示意图描述了一个空间点在左右两目相机中位置之间的成像关系，根据相似三角形原理可得：其中，f和b分别为相机焦距和双目相机基线，d为空间点在两个坐标系下
2022-05-06 23:39:16
6785
2
原创 点云PCL库学习－RGBD图像转化为点云PCD并显示
本文基于TUM数据集中一对时间戳最近的彩色图和深度图，通过相机模型转换和像素匹配生成了一帧点云数据。
2022-02-06 22:20:34
6975
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人