04 2025 档案
摘要:1.引言 在征程 6 算法工具链使用过程中,会存在算法侧与软件侧的交接,偶尔会遇到,需要自证清白的情况,例如: 算法侧反馈:bc 精度没问题,也参考了【征程 6】bc 与 hbm 一致性比对 文章,使用 hb_verifier 工具验证了 bc 与 hbm 一致性,完成交付,美滋滋,下班! 软件侧反
阅读全文
摘要:一、使用结构体提前存放常用变量 在编写前后处理函数时,通常会多次用到一些变量,比如模型输入 tensor 的 shape,count 等等,若在每个处理函数中都重复计算一次,会增加部署时的计算量。对于这种情况,可以考虑使用结构体,并定义一个初始化函数。先计算好需要的值,之后需要用到该变量的时候直接引
阅读全文
摘要:1.什么是图像噪声? 图像噪声(image noise)是图像中一种亮度或颜色信息的随机变化(被拍摄物体本身并没有),通常是电子噪声的表现。它一般是由扫描仪或数字相机的传感器和电路产生的,也可能是受胶片颗粒或者理想光电探测器中不可避免的散粒噪声影响产生的。图像噪声是图像拍摄过程中不希望存在的副产品,
阅读全文
摘要:1.底层 buffer 状态机 系统通过五个状态队列实现帧缓冲区的全生命周期管理,各状态定义及转换逻辑如下: 1.FREE(空闲态) 功能描述 :管理初始可用缓冲区 初始化操作 : 场景运行时预分配所有 frame buffer 数组至该队列 记录 buffer 的内核虚拟地址及物理地址信息 数据结
阅读全文
摘要:1.前言 在上一篇文章中,我们深入探讨了 VLM 模型在自动驾驶中的应用。VLA(Very Large Architecture,大型架构)和 VLM(Very Large Model,非常大模型)在 AI 领域皆指向超大规模的神经网络模型,然而,它们的侧重点存在显著差异。VLA 端到端特指融合视觉
阅读全文
摘要:自动驾驶场景中,常见的是多路感知通路,在不考虑应用获取释放帧异常操作的前提下,一般出现帧获取异常的情况,主要原因是通路中某段断流的情况,如何去准确的定位,对大部分客户来说,依赖我司的支持;针对这种情况,会列举几种断流日志分析; 场景一:11V 环视 yuv 场景,多进程反复启停 现象:应用程序报 g
阅读全文
摘要:1. 引言 在算法模型部署阶段,大家可能会遇到这三个问题: 为了保证精度,模型尾部 conv/linear 需要是 int32 输出 为了适配后处理代码,模型尾部 conv/linear 输出 layout 有时是 NCHW 的,有时是 NHWC 的 为什么 conv/linear 输出的 scal
阅读全文
摘要:1. 前言 随着端到端 AI 和多模态学习的迅猛发展,VLM(视觉-语言模型)在自动驾驶领域中的应用正逐渐成为一个备受瞩目的重要研究方向。VLM 凭借其强大的融合能力,将视觉(如高清晰度的摄像头图像、精准的雷达数据)和语言(涵盖详细的地图信息、明确的交通标志、准确的驾驶指令)等多种类型的信息进行有机
阅读全文
摘要:1. 时间类型 征程 6 内部的时间类型如下 Linux 系统时间是基于 arm system counter 抽象的,Linux 的基于 arm system counter 抽象了很多种时间,图中画了两种。CLOCK_MONOTONIC_RAW 是不会被时间同步调整的。 2. Frame 时间戳
阅读全文
摘要:1. 引言 在文章【征程 6】VP 简介与单算子实操中,介绍了 VP 是什么,并以单算子 rotate 为例,介绍了 VP API 使用方法。在【征程 6】工具链 VP 示例中日志打印解读 中介绍了 VP 单算子示例中用到的日志打印的头文件应该怎么写。接下来和大家一起看一下 Cmakelists 在
阅读全文
摘要:1. 前言 我们知道,大模型现在很火爆,尤其是 deepseek 风靡全球后,大模型毫无疑问成为为中国新质生产力的代表。百度创始人李彦宏也说:“2025 年可能会成为 AI 智能体爆发的元年”。 随着科技的飞速发展,大模型的影响力日益凸显。它不仅在数据处理和分析方面展现出了强大的能力,还为各个领域带
阅读全文
摘要:1. 引言 模型压缩常用的方案包括量化、蒸馏、轻量化网络、网络剪枝(稀疏化)等,详细介绍可见文章:模型压缩理论简介及剪枝与稀疏化在 J5 上实践。最近在学习地平线提供的轻量化网络结构 HENet,结合几年前整理的 mobilenetv3、Efficnertnet 放在一块进行介绍。 轻量化网络旨在减
阅读全文
摘要:1.引言 在上一篇文章【征程 6】VP 简介与单算子实操中,介绍了 VP 是什么,并以单算子 rotate 为例,介绍了 VP API 使用方法,其中有一些日志打印的代码显得特别高大上 LOGE_AND_RETURN_IF(src_mat.empty(), HB_UCP_INVALID_ARGUME
阅读全文
摘要:1.轨迹预测的定义 轨迹预测是自动驾驶系统“感知-预测-规控”流程中的核心环节,位于感知与规划模块之间,起到承上启下的作用。感知系统负责检测道路环境中的动态和静态元素,包括车辆、行人、自行车、交通标志、车道线等,而预测模块的任务是对这些动态对象(Agent)的未来轨迹进行推测,为后续的决策和规划提供
阅读全文
摘要:1.引言 在上一篇文章【征程 6】VP 简介与单算子实操 中,介绍了 VP 是什么,并以单算子 rotate 为例,介绍了 VP API 使用方法,但对于对 C++不那么熟悉的伙伴,可能会有这样的疑问:一个 main 函数就让 VP 示例跑起来了?没有什么依赖吗?CMakeLists.txt 没看到
阅读全文
摘要:1.征程 6X 电源状态 1.1征程 6X 芯片电源域 征程 6x 内部有 AON、MCU 和 Main 域三个电源域。其中 AON 为非下电状态需要一直供电的电源域,MCU 电源域用于给 Hsm 和 MCU 及其内部 IP 供电,Main 域给其他部分供电。 1.2征程 6X 电源状态列表 征程
阅读全文
浙公网安备 33010602011771号