- 博客(338)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 AGX Xavier 搭建360环视教程【补充二：RTSP车载的不用】
这时候服务器（Jetson 或 X86 工控机）通过 RTSP 拉流，做硬件解码、处理、分析，之后再推送结果（流或检测结果）到监控中心或云端。海康、大华这类工业相机或者安防相机，原生就是 RTSP 输出，H.264/H.265 编码，方便通过局域网或公网远程接入。，而是车载专用摄像头（鱼眼镜头），通过专用线束直接连接 ECU（车载域控制器）。，为了便于分布式部署、远程访问，普遍支持 RTSP / ONVIF 协议。：高速差分信号，可传视频、电源和控制，车规级，低延迟，长距离传输。
2025-07-18 10:12:21
530
原创 AGX Xavier 搭建360环视教程【四、主线流程和原理-硬解码】
整个过程是：1️⃣采帧/处理帧（拼接、去畸变）2️⃣格式转化（BGR → I420）3️⃣把帧做成 GstBuffer4️⃣通过 appsrc 注入到 GStreamer5️⃣用 x264enc 压缩成 H.2646️⃣用 flvmux 封装成 FLV7️⃣rtmpsink 通过 RTMP 发到服务器链路意义：帧的生成与内容（自定义画面、拼接结果、加水印都可以）用 GStreamer 保证编码稳定低延迟跨平台用 RTMP 兼容绝大多数直播播放器、网页、推流平台。
2025-07-17 11:37:38
856
原创 AGX Xavier 搭建360环视教程【补充一：鱼眼去畸变（Fisheye Undistortion）】
对每路帧做鱼眼去畸变除了用cv::cuda::remap是否有更好的办法呢？确实不是唯一可选项，甚至未必是最高效或最适合实际业务量级的方案。
2025-07-17 11:35:24
623
原创 AGX Xavier 搭建360环视教程【三、原理与数据流】
也就是说，摄像头本身并不是输出原始帧，而是内部 ISP（图像信号处理）模块把 CMOS 采集的 Bayer Raw 做了去噪、白平衡、去畸变（有限）、OpenCV 一开始就面向“显示/算法/绘制/检测”场景，BGR/RGB 是最直观的排列顺序。所以，整个环视阶段，你处理的是多路 BGR → 拼成一张大的 BGR pano。如果要拼接，就把多路去畸变后的帧拿出来，放到更大的画布里（同样是 BGR）。，编码成 H.264 NAL 单元（SPS、PPS、I 帧、P 帧…（帧界定、SPS/PPS）。
2025-07-17 11:28:40
809
原创 AGX Xavier 搭建360环视教程【二、环境配置】
1️⃣ JetPack 4.5 的 CUDA/FFmpeg/GStreamer 都需要自己编时打开2️⃣ADE可手动解压替代自动下载3️⃣JNITesseract非刚需可以跳过或后装4️⃣和 Python 路径一定配好5️⃣ 不要混用 pip 的，它是 CPU 版，没 GPU。
2025-07-11 19:05:16
420
原创 AGX Xavier 搭建360环视教程【一、先确认方案】
✅ 1）输入 → GStreamer（nvv4l2）GPU 硬解 → OpenCV✅ 2）处理 → OpenCV CUDA（可选）做 remap → 拼接✅ 3）输出 → 用FFmpegGStreamer硬编码 →或mediamtx。
2025-07-11 15:21:51
377
原创 Ubuntu 物理桌面远程访问教程（基于 RealVNC / mstsc）
本方案直接附着 Ubuntu 默认物理桌面避免使用虚拟桌面脚本或 Xfce 桌面适合 Jetson、服务器或任何 Ubuntu 桌面远程访问需求兼容 RealVNC、mstsc（结合 VNC 插件）等常用客户端。
2025-06-25 11:35:02
482
原创 Pointpillars(四) 结合ROS来实现激光雷达点云物体检测
基于Apollo的preception与Autoware的lidar_apollo_cnn_seg_detect模块，并详细记录ROS系统上进行实时检测全部流程和踩坑，文章最后附上rosbag和rosbag的制作方法。
2025-05-21 14:40:18
725
原创 flatbuffer实践
3.1.1 schema的结构与功能FlatBuffer的schema定义了一套固定格式，它类似于其他序列化库使用的接口描述语言(IDL)。然而，它比IDL更加紧凑，因为它不描述方法或服务，而仅专注于数据结构本身。schema的结构通常由一系列的枚举（enum）、表（table）、结构体（struct）以及它们之间的关系组成。枚举（enum）：用于定义一组命名的整数常量。在schema中定义枚举，可以简化数据的表示，因为枚举值能够直接被序列化和反序列化，而不需要额外的映射或查找表。表（table）
2025-05-14 18:44:20
788
原创 个人感触（一）不可面上过不去。
牵头一个新项目：有一个deadline，大家其实根本不关心到底能不能完成，只关心，没完成时不能说自己这边没完成，只要撇清自己的关系就行。而不参与者，内心其实也不爽。风头正紧，当低调抱团。刚来要尽量团结周边的同事。时间延后，理由已经解释了。但是只要延后就是扣绩效的理由。给出这个理由，递出去一把刀。我有一个同事，刚到公司两个月，风头正盛。与人为善，不可在会议上指责任何人。但是，最后一刀确实他给出的。其实大部分心理其实不爽的。
2025-05-07 13:57:24
118
原创 创业思考：小而美，摆脱棋子身份
凭借这一想法，他迅速吸引了硅谷投资人的注意，并成功融资 800 万美元，投资方包括 Accel Partners、Kleiner Perkins、PayPal 联合创始人 Max Levchin 以及 AngelList 创始人 Naval Ravikant 等知名人士。然而，在 Pinterest 即将迎来爆发式发展的前夕，他选择了辞职，甚至放弃了未兑现的期权——一个轻松成为百万富翁的机会。那一刻，他意识到自己失败了。最终，许多创业者发现，自己原本是为了自由创业，却走上了一条更加不自由的路。
2025-05-02 11:40:31
978
原创 PointPillars(一)论文解析和OpenPCDet代码解析
本文详细解析了PointPillars论文和OpenPCDet的实现，介绍了将点云数据转化为立方柱体并用2D检测框架处理的方法，包括数据预处理、特征提取、检测头设计、loss计算等步骤。PointPillars通过这种创新方式实现了速度和精度的平衡，适用于自动驾驶等场景
2025-04-21 18:39:10
946
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（十三）图优化SLAM的本质
我从b站上学习理解的这个概念。视频的大概位置是1个小时以后，在第75min到80min之间。图优化SLAM是怎么一回事。slam本身是有的，也就是方程，也就是。通过t1时刻，可以递推预测t2时刻的重点来了：我通过这个预测的t2时刻的位置，可以预测出，在t1时刻所建地图中特征在t2时刻的位置。t1时刻的位置有了，观测的特征有了。对t2时刻的位置可以通过运动方程递推出来。那么我就可以基于对t2时刻位姿的估计，基于这个视角，出此时在t1时刻时地图中那些特征点，在t2时刻时，在地图中的位置。
2024-11-14 17:26:47
784
原创 turtlesim修改窗口大小；添加自己的小乌龟；
将刚才git clone的文件夹，打开找到ros_tutorials路径，然后将其中的turtlesim文件夹放在我们新建一个ws下的src中。找到turtlesim下的src文件夹下的turtle_frame.cpp文件，github中搜索ros，然后选择ros官网（九点方阵那个图标）。目前手边有humble版本ROS。在branch中，选择humble，然后复制链接。-b的意思是：选择branch。我们开始修改为我们自己的版本。我们先看一下自带的框体大小。这个提示，可以不用理睬。原始版本是正方形的。
2024-11-11 12:00:25
481
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（十二）拓展图优化库g2o（三）边edge
小白：前面你介绍了g2o中边的基本类型、重要的成员变量和成员函数，那么如果我们要定义边的话，具体如何编程呢？public:myEdge(){}// ...// .../*...*/private:// data我们可以发现，最重要的就是()，()两个函数了小白：嗯，看起来好像也不难啊师兄：我们先来看一个简单例子，地址在这个是个一元边，主要是定义误差函数了，如下所示，你可以发现这个例子基本就是上面例子的一丢丢扩展，是不是感觉so easy？
2024-10-29 16:49:19
859
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（十二）拓展图优化库g2o（二）顶点vertex
小白：师兄，我们是不是可以开始写顶点定义了？师兄：嗯，我们知道了顶点的基本类型是 BaseVertex，那么下一步关心的就是如何使用了，因为在不同的应用场景（二维空间，三维空间），有不同的待优化变量（位姿，空间点），还涉及不同的优化类型（李代数位姿、李群位姿）小白：这么多啊，那要自己根据 BaseVertex 一个个实现吗？师兄：那不需要！小白：好全啊，我们可以直接用啦！师兄：当然我们可以直接用这些，但是有时候我们需要的顶点类型这里面没有，就得自己定义了。
2024-10-29 10:26:12
1039
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（十二）拓展图优化库g2o（一）框架
BlockSolver 内部包含 LinearSolver，用上面我们定义的线性求解器LinearSolver来初始化。g2og2ocore你点进去会发现 BlockSolver有两种定义方式一种是指定的固定变量的solver，我们来看一下定义其中p代表pose的维度（注意一定是流形manifold下的最小表示），l表示landmark的维度另一种是可变尺寸的solver，定义如下小白：为何会有可变尺寸的solver呢？
2024-10-24 18:16:51
1257
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（十一）ESKF中融合速度观测量；发散的原因；如何解决发散；以及对slam的理解
1、slam发散的原因？2、如何解决/限制发散？3、如何在已经有观察值和预测值的ESKF中，再引入一个其他其他观察量？
2024-10-14 18:08:51
1420
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（九）imu运动学；lambda表达式；bind；function；std::move()
常用六轴IMU是由和两部分组成。安装要尽量保证IMU的安装位置在车辆中心。避免由IMU与载体系不重合引来的问题。
2024-08-28 17:50:36
1340
1
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（八）卡尔曼滤波器四：一文理清卡尔曼滤波，从传感器数据融合开始谈起【转载】
在正式讨论卡尔曼滤波前，我们先讨论对。我们会发现是和卡尔曼滤波紧密相关的。我们知道，如果需要对自然界的某个物理量，比如温度，气压，速度等进行测量，我们需要用各种传感器进行测量。但是，因为器件的工艺不可能达到完美，或者其他不能被人为预测到或者控制到的因素和噪声等存在，传感器对物理量的预测。因此，我们，不如把它看成是一个其均值和方差分别为μσ2，既是v∼Pμσ2，，这两个描述了。μσ2（暂且假设传感器的测量均值是和真实值无偏的。
2024-08-12 22:11:49
1035
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（七）卡尔曼滤波器三：卡尔曼滤波器公式推导【转载】
转载来源：卡尔曼滤波：从入门到精通考虑一个SLAM 问题，它由一个运动方程：xt=f(xt−1,ut)+ωt(1)\mathbf{x}_{t}=f(\mathbf{x}_{t-1},\mathbf{u}_{t}) + \omega_t \tag 1xt=f(xt−1,ut)+ωt(1)和一个观测方程组成：zt,j=h(yj,xt)+vt,j(2)\mathbf{z}_{t,j} = h( \mathbf{y}_{j},\mathbf{x}_{t} ) + v_{t,j} \tag 2z
2024-08-09 20:30:15
1097
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（六）卡尔曼滤波器二：图解卡尔曼滤波器；卡尔曼滤波器公式理解；面试答法；噪声协方差（不确定性）如何更新；OpenCV中卡尔曼实例；卡尔曼滤波器代码实例；
卡尔曼滤波器公式理解
2024-08-08 18:07:40
1244
1
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（四）高斯牛顿法详解
还是那句话：高斯牛顿法是对：最小二乘法展开的是后面的函数部分。将f(x)一阶泰勒展开（一阶就要带雅可比矩阵）。这个自变量增量都是可求的。因此为了简化有了下面的高斯牛顿法。不过只适用于最小二乘法。最小二乘法展开的是后面的函数部分。将f(x)一阶泰勒展开（一阶就要带雅可比矩阵）。通过使用不含有二阶导数的矩阵U代替牛顿法中的H，根据矩阵U构造的不同，具有不同的拟牛顿法。所以为了使增量的更加稳定可靠，对其做了限制，增加了置信域。无论一阶泰勒展开，还是二阶泰勒展开都是关于增量。缺点：雅可比矩阵有时是。
2024-07-26 17:10:31
1783
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（三）基变换与坐标变换；微分方程；李群和李代数；雅可比矩阵
雅可比矩阵加微分方程：一阶泰勒展开近似表示。如果一篇介绍这个概念的文章读不懂，那就多搜几篇，总有一篇符合你的胃口，直到弄懂为止。雅可比矩阵配合微分方程：完成了对逼近局部值的一阶泰勒展开的近似。为何要局部近似？因为这种多元向量值函数是一种隐函数，我们没法描述他的具体函数。只好做线性近似。是一种无奈之举。但是只要足够逼近，那么就足够精确。可微的意义：如果陡变，这种近似没有意义，不成立。所以这就是可微可导的实际物理意义。或者说几何意义。可以用雅可比矩阵刻画一个多元向量值函数的局部，从而简化分析。
2024-07-22 23:22:26
1659
1
原创 高翔【自动驾驶与机器人中的SLAM技术】学习笔记（二）——带着问题的学习；一刷感受；环境搭建
按照作者在读者寄语中的说法：我们得榨干这本书的知识。
2024-07-16 11:21:34
2479
原创 解决：undefined reference to `pcl::PCLBase＜pcl::PointXYZ＞::setInp
因为我在新建这个package包时，错将pcl_ros写成了rospcl。导致依赖包没有加载上。修改这个包的这个部分就好了。
2024-07-03 00:42:11
707
原创 error: ‘LocalParameterization’ is not a member of ‘ceres
error: ‘LocalParameterization’ is not a member of ‘ceres’
2024-06-19 20:36:18
1563
原创 return pt.array().template round().template cast＜int＞()；
观察最后一个3，4，6，发现是取整四舍五入。
2024-04-01 17:34:51
322
GitHub - soumith_ganhacks_ starter from _How to Train a GAN__ at NIPS2016.pdf
2021-05-21
GANs-in-Action.pdf
2021-05-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人