pvmsmfchcs的博客

通过将深度神经网络和其他复杂的处理任务引入到流处理管道中，以实现对视频和其他传感器数据的近实时分析。在我们的家中，街道上，停车场，大型购物中心，仓库，工厂中都可以找到相机–无处不在。当应用程序分析每个视频帧时，插件会提取信息并将其存储为级联元数据记录的一部分，从而保持记录与源帧的关联。管道末尾的完整元数据集合表示深度学习模型和其他分析插件从框架中提取的完整信息集。应用程序可以使用此信息进行显示，也可以作为消息的一部分在外部进行传输，以进行进一步的分析或长期归档。95%的公司训练出模型，却停在了部署阶段。

当我们用deepstresam打开了多个相机，但是想要对多个相机进行布局，那么我们就需要用到deepsteram的一个插件了：Tiled-display Group。

1. No module named 'PIL’错误的解决方法： pip3 install Pillow

四种坐标系相机标定过程中涉及的坐标系类型：世界坐标系，相机坐标系，图像坐标系，像素坐标系。世界坐标系（xw,yw,zw）：摄像机与被摄物体可以放置在环境中任意位置，这样就需要在环境中建立一个坐标系，来表示摄像机和被摄物体的位置，这个坐标系就成为世界坐标系。世界坐标系可以任意选择，为假想坐标系，在被指定后随即 不变且唯一，即为绝对坐标系为什么需要世界坐标系：将不同视点/视角拍摄的图像信息整合在一起就必须将所有的信息放在同一个坐标系下，这个坐标系应与各张图像的 相机/物体/像素 这些相对坐标系无关，在确

python版本问题python3.7的安装torch-1.6.0+cu92-cp37-cp37-linux_x86_64.whlcp后面是python版本的信息

1，引入车道线跟踪几乎所有实际路况，或多或少存在路面有修补、有积水、有阴影、车道线被遮挡、污损等情况以及车辆颠簸、上下坡等更极端的工况。下面的动图是LaneNet原始检测结果（from Karol Majek），车道线检测出的概率越高的地方颜色越亮。其中右侧路沿绿色的检测结果时断时续，在进入阴影时，检测失效，这是因为没有用跟踪进行结果稳定。因此，引入了车道线跟踪很重要，根据历史状态和道路几何关系，补充检测丢失、错误的车道线，并使车道线在空间位置上更稳定。2，建立车道线模型-逆透视变换把图片坐标转化为车体

问题描述： import rospy 显示有错误，在终端中import rospy能通过，这种问题说明rospy已经安装成功，但是没有导入到pycharm中解决办法：1、依次点击File->settings->Project interpreter2、点击上部选择框里的小箭头，选择show all3、点击左下角5个图标中最右面一个图标（show paths for the selected interpreter）4、点击左下角的加号，添加rospy的路径， 路径为/opt/ros/me

本文主要介绍几个ROS的重要概念：节点（node）、消息（message）、主题（topic）、服务（service），ROS控制器（ROS master），帮助初学者快速了解ROS。1、节点（node）节点是进行运算任务的进程。一个系统可以由很多节点组成，节点也可以称为软件模块。ROS是以节点的形式开发的，节点是根据其目的，可以细分的可执行程序的最小单位。节点使基于ROS的系统在运行时更加形象化，当许多节点同时进行时，可以将不同节点的通讯绘制成下图。ROS的几个重要概念：节点、消息、主题、服务

fx和fy 相当于畸变过程中的放大和缩小，影响了成像的大小，进而在单目测距的时候，可以影响测距的效果U0,相当于将图像源点坐标平移到左上角Wx和Wy 图像在物理实际的真实坐标R和T，在畸变矫正过程，标定板的平移旋转位置...

车道线检测:ultra fast lane detection + 车道保持报错：cannot import name ‘softmax‘ from ‘scipy.special‘special找不到softmax解决方法