实现流量统计算法有两个前提： 能够实现目标检测，最基本的前提，必须能够识别到视频帧中的车辆和行人。 能够进行目标跟踪，在检测的基础上，为目标分配一个唯一的ID。流量计数依赖于目标的唯一ID。 目标检测算法以YOLO系列为例。 跟踪算法以ByteTrack跟踪结果为例。将检测结果objects作为By
Published on 2024-10-10
摘要： 近年来，随着深度学习技术的发展和硬件算力的不断增强，自动驾驶技术越来越多的应用在各种场景。包括视觉感知、激光雷达感知和多传感器融合感知技术在这些年都得到了迅速发展。本文首先回顾了近年来自动驾驶感知技术的相关工作，然后介绍了相关工作所用到的方法和技术。随后整理并介绍了自动驾驶感知所需的数据集和
Published on 2024-09-10
多目标跟踪（MOT，Multiple Object Tracking）。 评价指标 MOTA MOTA全称Multiple Object Tracking Accuracy，计算公式为： MOTA=1-\cfrac{\sum_{t}(FN_t+FP_t+IDSW_t)}{\sum_{t}GT_t}
Published on 2024-09-01
多目标跟踪算法 自动驾驶领域中的目标跟踪算法都是多目标跟踪算法，即MOT（Multiple Object Tracking），因为在这种场景中要跟踪的目标往往是多个，也有些文献会把MOT称为MTT（Multiple Target Tracking）。 MOT问题中并不是所有目标都会在第一帧出现，也并
Published on 2024-08-21
内存管理 内存分配和释放 CUDA编程模型存在HOST和DEVICE两个异构系统，每个异构系统都有独立的内存空间。 在HOST上，可以使用下面语句分配全局内存： cudaError_t cudaMalloc(void ** devPtr,size_t count) 要注意的是第一个参数，是指针的指针
Published on 2024-08-07
世界坐标系->像素坐标系 转换过程可参见这篇文章：FunnyWii's Zone 机器视觉 - 单目相机入门 ，其中描述了世界坐标系->像素坐标系的转换过程。可以归结为下述公式： 世界坐标系->像素坐标系的过程描述的是单目相机的成像原理。我们在使用单目相机的过程中，更关心的往往是像素坐标系->世界坐
Published on 2024-07-25
CUDA 内存模型 存储器的类型有两种： 可编程：显式控制哪些数据存放 不可编程：不能决定数据存储位置 在CPU层次结构中，一级缓存（L1 Cache）和二级缓存（L2 Cache）都是不可编程的。可编程的存储器类型包括： 寄存器 共享内存 本地内存 常量内存 纹理内存 全局内存 下图为上面提到的存
Published on 2024-07-15
并行归约问题 先解释一下什么是归约(Reduction)，归约是将某个计算问题变换为另一个问题的过程。在CUDA运算中，在向量中执行满足交换律和结合律的运算，被称为归约问题。每次迭代计算方式都是相同的（归），从一组多个数据最后得到一个数（约）^[1]^。比如当给定N个数值，求其SUM/MAX/MIN
Published on 2024-06-27
深度图 深度图 (Depth Image, Depth Map)，将图像中的每个像素都编码为相机到场景中某个点的距离，可以提供图像中物体的空间信息。深度图通过坐标转换可以转换为点云数据，organized点云也可以转换为深度图数据。 绝对深度和相对深度 绝对深度：空间中物体和相机间的距离，有量纲。
Published on 2024-06-07
主要是依靠 copyTo()方法实现图像的传递。 copyTo 内存分配：当源图像和目标图像 size和 type一致时，不会分配新内存；否则先申请新内存空间再拷贝 目标图像：可以将数据复制到指定的目标图像中，目标图像可以是已经存在的图像或者新图像。 MASK：通过MASK可以指定ROI clone
Published on 2024-05-31
