<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixin_73414031的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/weixin_73414031</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_73414031]]></copyright><item><title><![CDATA[从彩色图像到三维点云：深度图与相机参数的作用]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/152046911</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/152046911</guid><author>weixin_73414031</author><pubDate>Wed, 24 Sep 2025 17:43:43 +0800</pubDate><description><![CDATA[彩色图像 (RGB)：存储了每个像素的颜色信息 (R, G, B)，但不包含空间距离。深度图 (Depth Map)：每个像素存储的不是颜色，而是该点到相机的距离 Z 值。区别：RGB → “看起来是什么颜色”；Depth → “离我多远”。有了深度，就能把 2D 像素点投影到 3D 空间，形成点云。步骤深度相机流程彩色图像流程输入RGB + 深度图只有 RGB深度获取相机直接输出深度学习模型预测内参必需必需单帧点云内参 + 深度 → 点云内参 + 预测深度 → 点云外参 / 位姿。]]></description><category></category></item><item><title><![CDATA[TensorRT Engine 的跨平台通用性问题与部署策略]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/151753667</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/151753667</guid><author>weixin_73414031</author><pubDate>Tue, 16 Sep 2025 11:59:53 +0800</pubDate><description><![CDATA[TensorRT Engine（也称 plan 文件）本质上是一个经过底层 CUDA 内核编译优化的二进制文件。包含了模型权重（来自 ONNX、Caffe、TensorFlow、PyTorch 等）。包含了算子优化信息（例如算子融合、精度选择、张量布局）。包含了针对目标 GPU 架构编译的 CUDA 内核。因此，一个 engine 文件既像模型，又像编译后的二进制程序。模型权重 + 算子优化 + 针对 GPU 编译的 CUDA 内核。因此 engine 与。]]></description><category></category></item><item><title><![CDATA[C++部署深度学习模型进行实时推理TensorRT]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/151141986</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/151141986</guid><author>weixin_73414031</author><pubDate>Wed, 03 Sep 2025 15:19:27 +0800</pubDate><description><![CDATA[在这篇文章里，我们来聊聊一个完整的：如何用 TensorRT 10 + CUDA + OpenCV CUDA 写一个推理引擎类TrtEngine，实现从的完整流程。如果你刚接触 TensorRT，可能会觉得 API 很复杂，名字也容易混乱。没关系，我们从实际工程代码入手，逐块来讲清楚每一步。]]></description><category></category></item><item><title><![CDATA[为什么实际工程里 C++ 部署深度学习模型更常见？为什么大家更爱用 TensorRT？]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/151141092</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/151141092</guid><author>weixin_73414031</author><pubDate>Wed, 03 Sep 2025 10:45:54 +0800</pubDate><description><![CDATA[C++成为深度学习模型部署首选，因其稳定性和低延迟优势，适合工业设备和医疗场景。主流框架分为通用型(ONNXRuntime、OpenVINO)和硬件专用型(TensorRT、NCNN等)，其中TensorRT凭借算子融合、精度优化等技术，在NVIDIA GPU设备上性能优势显著。但CPU设备或模型更新频繁时，ONNXRuntime更具灵活性。总体而言，NVIDIA GPU上位机场景中，TensorRT是最佳选择。]]></description><category></category></item><item><title><![CDATA[实时视频流检测与显示的工程实践 —— 基于 C++ 与 ONNX Runtime 的策略]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/150954704</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/150954704</guid><author>weixin_73414031</author><pubDate>Thu, 28 Aug 2025 16:07:12 +0800</pubDate><description><![CDATA[在实际生产环境中，要实现摄像头视频流的实时检测与显示多线程流水线（采集-推理-显示解耦）。最新帧优先丢帧策略，避免延迟堆积。内存预分配与复用，减少抖动。自适应抽帧与降分辨率，保证延迟预算。监控与容错，确保 7×24 稳定运行。这样才能在工业环境中同时满足低延迟 + 高可靠性 + 可扩展性的要求。]]></description><category></category></item><item><title><![CDATA[C++ + ONNX Runtime 在工业 AI 部署中的应用全景解析]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/150950724</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/150950724</guid><author>weixin_73414031</author><pubDate>Thu, 28 Aug 2025 14:09:13 +0800</pubDate><description><![CDATA[工业 AI 部署的核心诉求是低延迟、稳定性、跨平台性。主流任务涵盖分类、检测、分割、关键点、OCR、异常检测、时序预测、多模态。部署方式包括端侧推理、边缘推理、云端推理，现实中往往是混合使用。嵌入式设备算力已经足够跑轻量模型，端侧推理在工业中占主流。C++ + ONNX Runtime 是当前工业部署的事实标准，既能跑在嵌入式，也能扩展到 GPU/服务器。不同任务需要定制化预处理与后处理，但核心推理框架是一致的。👉 对于想进入工业 AI 部署的开发者，]]></description><category></category></item><item><title><![CDATA[KD树详解：多维数据高效搜索的利器]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143277816</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143277816</guid><author>weixin_73414031</author><pubDate>Mon, 28 Oct 2024 01:17:24 +0800</pubDate><description><![CDATA[KD树作为一种高效的多维数据结构，在低到中等维度的空间中表现出色，特别适用于需要频繁进行最近邻和范围搜索的应用场景。其结构简单、搜索效率高，使其在计算机科学的多个领域得到了广泛应用。然而，随着维度的增加，KD树的性能受到限制，同时动态更新操作也较为复杂。尽管如此，通过各种改进和变种，KD树仍然在许多实际应用中发挥着重要作用。理解KD树的结构和操作原理，不仅有助于在实际项目中选择合适的数据结构，还能为优化搜索和查询性能提供理论基础。随着技术的发展，KD树及其变种将继续在多维数据处理领域中展现其独特的价值。]]></description><category></category></item><item><title><![CDATA[PCL库中的算法封装详解]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143277755</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143277755</guid><author>weixin_73414031</author><pubDate>Mon, 28 Oct 2024 01:06:18 +0800</pubDate><description><![CDATA[Point Cloud Library（PCL）是一个广泛应用于三维点云处理的开源库，涵盖了从基础数据结构到高级算法的丰富功能。PCL通过面向对象的设计和模块化的架构，将各种算法封装成独立的类，使得用户能够方便地调用和组合这些算法以完成复杂的点云处理任务。本文将详细探讨PCL库中算法的封装方式，涵盖其设计理念、类结构、模板编程、继承与多态、输入输出接口、常见算法类及其使用示例，帮助读者深入理解并高效利用PCL进行三维点云处理。]]></description><category></category></item><item><title><![CDATA[在平面模型上提取凹多边形的点云处理]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143262730</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143262730</guid><author>weixin_73414031</author><pubDate>Sun, 27 Oct 2024 01:12:37 +0800</pubDate><description><![CDATA[首先，我们从一个.pcd文件中加载点云数据，并通过直通滤波（PassThrough）去除噪声。滤波器用于减少点云中无效点，以便更清晰地提取感兴趣的表面。以上代码首先读取点云数据，然后通过设置z轴范围的阈值[0, 1.1]，去除该范围之外的噪声点。处理后，保留的点云数据存储在中。本文介绍了从平面点云模型中提取凹多边形轮廓的全过程。我们首先对原始点云数据进行滤波以去除无关噪声，然后通过 RANSAC 算法提取平面模型，紧接着将平面点云投影到平面上，最后使用提取出平面上的凹多边形轮廓。]]></description><category></category></item><item><title><![CDATA[点云处理中的多项式重构、平滑与法线估计]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143262671</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143262671</guid><author>weixin_73414031</author><pubDate>Sun, 27 Oct 2024 01:03:40 +0800</pubDate><description><![CDATA[多项式重构是对点云数据的局部表面进行拟合的一种方法。它通过在一个点的邻域中拟合一个多项式曲面来估计该区域的形状。这个方法可以帮助我们在点云的离散数据点之间找到平滑的表面，使表面更连续。这对于表面建模、特征提取等操作尤为重要。选择邻域点：对每个目标点，选择它附近一定半径或最近的几个邻居点作为邻域。拟合多项式：在这个邻域中，使用多项式拟合一条或一个曲面来描述该区域的表面。通常选择二次或三次多项式，既可以提供足够的平滑度，又不会过度耗时。估计法线。]]></description><category></category></item><item><title><![CDATA[常见的点云数据存储格式及其应用]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143172168</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143172168</guid><author>weixin_73414031</author><pubDate>Wed, 23 Oct 2024 01:00:14 +0800</pubDate><description><![CDATA[随着三维扫描技术的广泛应用，点云数据在多个领域（如建筑、自动驾驶、医学影像和地理信息系统）中发挥了重要作用。点云是通过激光雷达（LiDAR）、结构光、时间飞行（ToF）等技术采集的三维数据点的集合，用于表示物体或环境的三维结构。这些点云数据需要有效的存储格式来满足不同的应用需求。本文将介绍几种常见的点云存储格式及其特点。]]></description><category></category></item><item><title><![CDATA[使用PCL从点云生成深度图并可视化]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143158006</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143158006</guid><author>weixin_73414031</author><pubDate>Tue, 22 Oct 2024 14:49:29 +0800</pubDate><description><![CDATA[/ 设置噪声水平// 最小探测距离// 边缘宽度在生成深度图时，我们需要模拟传感器的位姿（位置和方向），这是通过一个仿射变换矩阵sensorPose来实现的。定义了坐标系，通常使用相机坐标系。noiseLevel和minRange分别用来控制噪声水平和最小采集距离。本文介绍了如何使用PCL从点云生成深度图并进行可视化。通过调整角度分辨率、视角范围和传感器位置等参数，用户可以生成精确的深度图。PCL提供了强大的点云处理和可视化功能，使得处理和展示3D数据变得更加简单高效。]]></description><category></category></item><item><title><![CDATA[点云处理中的三种近邻搜索方法：K近邻、体素内近邻和半径内近邻搜索]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143136779</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143136779</guid><author>weixin_73414031</author><pubDate>Tue, 22 Oct 2024 00:45:23 +0800</pubDate><description><![CDATA[K 近邻搜索是一种高效查找最近K个点的方式，适合需要寻找固定数量邻居的应用场景，如特征提取和物体识别。体素内近邻搜索利用八叉树或其他分割方式将空间划分为更小的单元，适用于空间分割和数据降采样等场景，能够降低计算复杂度。半径内近邻搜索则用于在给定半径范围内查找所有邻居点，适合局部特征提取、滤波和密度分析等应用。不同的搜索方式适用于不同的应用需求，选择合适的搜索方式可以显著提高点云处理的效率和准确性。]]></description><category></category></item><item><title><![CDATA[KdTree与八叉树的比较：如何在多维空间中有效管理数据]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143136477</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143136477</guid><author>weixin_73414031</author><pubDate>Mon, 21 Oct 2024 23:58:41 +0800</pubDate><description><![CDATA[KdTree和八叉树KdTree更加通用，适用于任意维度的数据查找和最近邻问题，常用于点云的配准、机器学习中的KNN等场景。八叉树则专注于三维空间的管理和查找，适合用于三维建模、空间渲染、环境感知等任务中。根据具体应用需求选择合适的数据结构，可以极大地提高程序的运行效率和数据处理能力。无论是需要处理多维数据还是管理三维场景，理解和掌握这两种数据结构都是非常有价值的技能。]]></description><category></category></item><item><title><![CDATA[PCL点云库 概览]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/143089546</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/143089546</guid><author>weixin_73414031</author><pubDate>Sun, 20 Oct 2024 10:51:36 +0800</pubDate><description><![CDATA[PCL 是一个功能强大且灵活的开源库，覆盖了从点云创建、处理到可视化的各个方面。无论是基础的点云操作，还是复杂的配准、特征提取和分割，PCL都提供了丰富的接口和工具。通过掌握PCL的核心功能，您可以轻松地处理来自各种3D传感器的数据，在计算机视觉、机器人、无人驾驶等领域中实现复杂的点云处理任务。]]></description><category></category></item><item><title><![CDATA[QML 模块划分与导入机制详解]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698425</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698425</guid><author>weixin_73414031</author><pubDate>Fri, 04 Oct 2024 01:34:32 +0800</pubDate><description><![CDATA[因此，在使用 QML 开发应用时，开发者需要根据应用的具体需求，有针对性地导入所需的模块，而不是依赖某个模块自动加载其他模块。导入一个模块时，QML 只加载该模块的相关功能，而不会自动引入其子模块或其他相关模块。导入一个模块时，并不会自动导入它的子模块或其他相关模块的功能。：开发者可以根据项目的具体需求选择需要的模块，不会引入不必要的依赖，确保项目的结构清晰且可维护。语句指定模块的版本号。：导入一个模块时，只会加载该模块的功能，不会自动导入相关的子模块。在 QML 中，模块是相互独立的，必须通过明确的。]]></description><category></category></item><item><title><![CDATA[Qt 6 相比 Qt 5 的主要提升与更新]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698364</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698364</guid><author>weixin_73414031</author><pubDate>Fri, 04 Oct 2024 01:19:07 +0800</pubDate><description><![CDATA[Qt 6的一大重要目标是利用现代硬件的性能，充分发挥C++17标准的优势。为此，Qt 6 对核心库进行了重构，使其在内存管理和执行效率上有显著的提升。模块化设计：Qt 6 采用了更加灵活的模块化设计，让开发者可以按需引入必要的功能模块，而不必加载所有的库。这种优化不仅降低了项目的体积，还提高了构建效率。C++17 支持：Qt 6 在语言层面引入了对 C++17 标准的支持，使得代码更加简洁、现代化，利用 C++17 的新特性对 Qt 的核心进行优化，提升了框架的执行效率和内存管理。Qt 6相比Qt 5。]]></description><category></category></item><item><title><![CDATA[Qt 3D、QtQuick、QtQuick 3D 和 QML 的关系]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698353</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698353</guid><author>weixin_73414031</author><pubDate>Fri, 04 Oct 2024 01:16:43 +0800</pubDate><description><![CDATA[Qt 3D是 Qt 框架中的一个模块，专门用于处理三维图形渲染和场景管理。它提供了构建 3D 应用所需的全面 API，包括渲染、动画、物理引擎集成、骨骼动画、粒子系统等功能。通过Qt 3D，开发者可以在三维空间中创建实体，并为这些实体添加组件，如网格、材质、灯光、摄像机等，来定义它们的外观和行为。Qt 3D适用于需要对 3D 场景有精细控制的应用，如游戏、仿真、数据可视化和虚拟现实。开发者可以使用C++或QML。]]></description><category></category></item><item><title><![CDATA[Qt Quick 3D 入门：QML 3D场景详解]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698294</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/142698294</guid><author>weixin_73414031</author><pubDate>Fri, 04 Oct 2024 01:06:22 +0800</pubDate><description><![CDATA[Qt Quick 3D 是 Qt 6 中引入的一个模块，旨在为用户提供便捷的 3D 场景管理和渲染工具。与 Qt 5 中的 Qt 3D 模块相比，QtQuick3D 更加简化，且集成了 Qt Quick 的能力，让 2D 和 3D 内容的结合更加自然。要显示 3D 内容，首先需要创建一个View3D，这是 QtQuick3D 中的主要容器，类似于 2D 场景中的Item。View3D是一个 3D 场景的承载体，所有 3D 内容都将在这个视图中渲染。]]></description><category></category></item><item><title><![CDATA[深度图详解]]></title><link>https://blog.youkuaiyun.com/weixin_73414031/article/details/142687398</link><guid>https://blog.youkuaiyun.com/weixin_73414031/article/details/142687398</guid><author>weixin_73414031</author><pubDate>Thu, 03 Oct 2024 00:59:10 +0800</pubDate><description><![CDATA[深度图是为计算机视觉和3D处理提供深度信息的核心数据类型。它通过各种方法生成，广泛用于机器人、自动驾驶、3D建模、虚拟现实等领域。尽管深度图的生成和处理过程中可能面临噪声、分辨率和遮挡等挑战，但通过算法的优化和传感器的进步，深度图的应用将会更加广泛和准确。]]></description><category></category></item></channel></rss>