XCCCCZ的博客

出来虽然两年了但依然是一个非常优秀的车道线检测模型，可以同来拓展检测其他线形，而且占用资源较少推理速度非常快。后来发现使用更高版本的python3.7或3.8 + torch1.12.1 导出onnx时可以使用参数do_constant_folding=True，并且导出的onnx用TensorRT8.4.1.5可以成功解析出engine。和导出onnx(github上源码里是没有提供导出onnx的脚本的，需要自己参考test.py以及通常导出onnx的写法自己写一个脚本)

1.根据长(l)宽(w)高(h)计算出一个和正向运动方向重合的3D bbox的8个角点坐标向量:2.根据3D bbox的朝向角(rotation angle)构建旋转矩阵与8个角点的坐标相称以将8个点旋转到实际位置，不同3D坐标系下，无论是相机坐标系还是雷达坐标系还是其他3d坐标系下，旋转问题处理起来其实是相同的，关键是看绕哪个轴旋转以及朝向角的正/负方向，也就是说无论坐标系定义其 x,y,z实际指向哪里，我们都只需看绕哪个轴旋转以及旋转角度的值(已含正/负方向)即可定义出对应的

在Docker容器内使用matplotlib.pyplot画图在运行程序时可能报错说找不到banckend，这时需要安装tkinter

记录一个可能会再次遇到又容易忘记的灯下黑的问题备查，以免以后再遇到浪费时间。安装模型的支持环境时可能有时会遇到ModuleNotFoundError: No module named '_bz2'这样问题，比如说yolov5第六版的export脚本所需的pandas包就需要bzip2的支持，可能会报下面这样的错误:这时去安装bzip2，却发现bzip2已经安装了: 查对应的so文件也确实存在:/usr/lib/python3.6/lib-dynload/_bz2.cpython-36m-x86_64-

最近在Jetson Nano上遇到个怪事，考虑到懒得自己编译安装arm64平台上的pytorch，直接拉取NVIDIA的用于JetPack4.5的镜像l4t-pytorch来使用:docker pull nvcr.io/nvidia/l4t-pytorch:r32.5.0-pth1.7-py3sudo docker run -it -d --runtime nvidia --network host --ipc host -e DISPLAY=$DISPLAY -v /home/ubuntu:/wo

Ubuntu里执行带窗口的opencv python代码时遇到下面这样的错误:Traceback (most recent call last): File "main.py", line 34, in <module> while cv.waitKey(1) < 0:cv2.error: OpenCV(4.5.3) /tmp/pip-build-u6khojk_/opencv-python/opencv/modules/highgui/src/window.cpp:13...

不久前在实验使用https://github.com/StanfordVL/rubiksnet这个视频动作识别模型时，发现其对python版要求3.7以上，于是尝鲜下载了个python3.9.6编译安装：wget https://www.python.org/ftp/python/3.9.6/Python-3.9.6.tgztar xf Python-3.9.6.tgzcd Python-3.9.6sudo apt-get install build-essential python3-dev

      花了几周的晚上和周末时间断断续续看完了&lt;&lt;Learning OpenCV3 Computer Vision with Python Second Edition&gt;&gt;，把书上的示例代码全部拷贝到PyCharm里整理修改跑了一遍，收获不少，但是呢，不得不说这书的作者和编辑都是丢三落四不大严谨的人，里面文字错误、代码错误不少啊(当然，作者是基于Python 2写的代码...