机械视觉学习笔记（一）前言

本来只是单纯的笔记，仅记录学习过程和学习心得。后来发觉有些东西是在这之外的，便加了这个前言，以后可能还会陆续增加，这是这个前言的来历。

24年11月，无意中看到一块叫嘉楠的芯片处理图像挺厉害，便查了查。大概知道了有K210、K230、K510，按其介绍最终买了一套CANMV K230准备了解一下。但是只是在心情上开了一个头，不知道被什么事情打断就放下了。

就这样一年时间过去了，到了2025年11月基本快到年底了。感觉手中的事情做得差不多了，坐那想了想觉得想了解一下AI方面的东西，突然又想起来这个机械视觉方面的K230。翻箱倒柜终于找到了，对了一下东西还算全。开始下资料，由于不是百度会员，下载非常慢，这个过程持续了一周左右。期间根据厂家的例程试着用了一下，还感觉很不错。这时正好公司有个项目要求统计进出人数，当时用的方案是红外对管。结果使用上很不理想，拿到会上讨论这个问题，而我手中这个好像正好能解决，便想拿这个记录进出人数的项目来试一下。

2025年1月，我依据官方提供的人体识别例程开发了第一版人数统计程序，并部署在公司走廊进行测试。在走廊中安装一试，便发现一个问题：CANMV K230模块摄像头正常是水平放置，这样部署在走廊画面两侧都被走廊的墙给占据，使用效率很低。于是想将摄像头旋转90度使用，这样在长度方向对应走廊的长度还是很适合。将摄像头旋转90度后虽能工作，但人体识别成功率大幅降低，经分析，识别率降低是由于摄像头转90度后图片中人物呈躺姿造成的。因此想在送入识别前将图像转正，这就出现了第一个问题：图像旋转。

就在我为旋转图像想办法搞得热火朝天的时候，我突然发现我正在做一个无厘头的事：我所旋转的图像并不是用来AI识别的图像！我连其工作原理都不知道，就在做事，真是应了那句话，基础不牢，地动山摇。于是我便从头开始：学习了解AI（机器）视觉的基础知识。

学是真学了，但毕竟年龄不饶人，一些东西掌握得并不通透，理解也不深刻，尽量吧。大致了解了KPU，知道了OSD，然后又第一次了解了张量的概念，更有甚者，还逼着我拿出了大概40年前学习的课本《线性代数》，温故了一下矩阵的乘法。我要是没记错的话，这是这门课自结业以来第一次真正的使用。