C++[26]
相机视频流的编码格式
VideoWriter 类 最近几个项目都需要保存相机图像数据，也就是存成视频。有的要求保存源视频，有的要求保存处理后的视频。 由于图像数据的读取使用 OpenCV，目标检测框架也是建立在 OpenCV 的基础上，所以保存图像顺理成章也使用 OpenCV。这里主要使用 OpenCV 的 VideoW
PCIe-GL26设备将GMSL相机图像发送至HOST端
PCIe-GL26 先看看 PCIe-GL26 是个什么设备。 本质上，它是一个自带 Jetson Xavier 系统，且带有 6 路 GMSL2 接口的图像采集卡。 GMSL2 是 Gigabit Multimedia Serial Link 2，注意这个和 GIGABYTE 技嘉科技 没啥关系。
我还在学CUDA编程（四）——内存的层次结构
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
OpenCV 的 remap() 函数中的 map1 和 map2
今天在 StackOverflow 上看到这么个问题：想把原图像中的一个点 \textstyle g，通过内参和畸变参数映射到去畸变图像中的点 \textstyle p，并获取这个点的坐标。 你以为我接下来会说，xxx 和我想的一样，但是我想错了，其实并不是这样。 现在，我想说的只有其实并不是这样，
继续学CUDA编程（三） —— CUDA执行模型（下）
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/
继续学CUDA编程（三）——CUDA执行模型（上）
这一部分是 CUDA 的核心部分，涉及到了硬件和程序的执行模型。 CUDA 的执行层级是 Grid → Block → Warp → Thread，而真正被硬件调度的基本单位其实是 Warp，而不是 Thread。 然后必须先记住 CUDA 的约定： threadIdx.x → 列（col） thr
“我还要学CUDA编程！”（二）——CUDA编程模型
CUDA 编程结构 在 GPU 上执行的函数称为 CUDA 核函数（Kernel Function），核函数会被 GPU 上多个线程执行。典型的 CUDA 程序遵循如下模式： 把数据从 CPU 内存（Host）拷贝至 GPU 内存（Device） 调用该 Kernel 函数，对 Device 中的数
”我要学CUDA编程!“ —— 来自一个废物的自白
写在前面（废话，请跳过） 本来自己的脑子里是不存在 CUDA 编程这个东西的，没错，就是压根儿没听说过。 之所以了解到这个东西，是因为最近开始做 AVM（Around View Monitor），或者说 SVS（Surrounding View System），利用 4 个广角相机，实现车辆周围的
为ARM架构下的OpenCV添加FFMPEG支持
之前自己从未考虑过这个问题。每次手动编译 OpenCV 的时候，cmake 后面的 -D xxx对我来说只是添加某个支持，但我并不知道 OpenCV 编译本身也是依靠 CMake 配置完成的，而 CMake 找到这些依赖，很多时候又依靠 pkg-config 工具。 文章最下方是我在编译 OpenC