摘要: Win10下yolov8 tensorrt模型加速部署【实战】 TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速,支持win10、linux,在2023年已经更新模型:YOLOv8, YOLOv7, YOLOv6, YOLOv5, YOLOv4, 阅读全文
posted @ 2023-02-04 17:44 佚名12 阅读(874) 评论(0) 推荐(0) 编辑
摘要: win10下亲测有效!(如果想在tensorrt+cuda下部署yolov8,直接看第五5章) yolov8 官方仓库: https://github.com/ultralytics/ultralytics 【Win10下yolov8 tensorrt模型加速部署【实战】】:https://www. 阅读全文
posted @ 2023-01-31 14:04 佚名12 阅读(2890) 评论(0) 推荐(0) 编辑
摘要: ubuntu18.04 yolov8 tensorrt模型加速部署【实战】 TensorRT-Alpha基于tensorrt+cuda c++实现模型end2end的gpu加速,支持win10、linux,在2023年已经更新模型:YOLOv8, YOLOv7, YOLOv6, YOLOv5, YO 阅读全文
posted @ 2023-01-24 22:42 佚名12 阅读(2288) 评论(1) 推荐(2) 编辑
摘要: ​ 测试信息 测试平台:linux+docker 硬件:NVIDIA 3070 模型输入:batchx3x640x640(测试设置batch为8) 测试模型:yolov8n,yolov8s,yolov8n,更多模型测试可以去网盘下载:文件分享 测试仓库 yolov8相关tensrrt+cuda部署代 阅读全文
posted @ 2023-01-11 17:11 佚名12 阅读(826) 评论(0) 推荐(0) 编辑
摘要: 下载好yolov5源码后,打开文件yolov5-master\utils\datasets.py,我这边下载的是最新源码。尽管yolov5的作者一直在更新代码,但都是小更。今天主要看看datasets.py中的dataloader中的内容。YOLOV4相对于V5,V4偏向于学术,V5偏向于应用,原理 阅读全文
posted @ 2021-03-10 15:10 佚名12 阅读(83) 评论(0) 推荐(0) 编辑
摘要: 数以及相关文件: 链接: https://pan.baidu.com/s/1BPdMGlLzLJl5HuVpci840w 提取码: p2cc Note:这里标定“单目+投影仪”的算法并非调用 stereoCalibration,除非二者焦距、成像分辨率一致。 mian.cpp 1 #include" 阅读全文
posted @ 2020-04-24 11:30 佚名12 阅读(70) 评论(0) 推荐(0) 编辑
摘要: 一、2D直线求交点 用一般式表示直线方程:ax + by + c = 0 1 #include<opencv2/opencv.hpp> 2 #include <iostream> 3 using namespace std; 4 /********************************** 阅读全文
posted @ 2020-04-23 17:40 佚名12 阅读(122) 评论(0) 推荐(0) 编辑
摘要: 如图是生成的一个分辨率为489* 643,格子尺寸为10×9的棋盘,像如下图的棋盘,有些地方喜欢称为9×8的棋盘,因为算的不是格子,而是角点。请看代码中33行的t1、t2对应如图标记的两行格子。因为代码中会在一个Mat中反复push_back(t1 or t2)。 好了,请看代码: 1 #inclu 阅读全文
posted @ 2020-04-20 15:47 佚名12 阅读(23) 评论(0) 推荐(0) 编辑
摘要: 干活之前多用脑子,没有sift算法,可以用orb代替,今天浪费我一天时间。傻逼玩意,其实就是抄写SLAM十四讲,但是非要把人家orb算法改为sift算法。 例如双目相机的左相机与右相机进行时间同步,假定现在有imageLeft 1、2、3...1000,imageRight 1、2、3...1000 阅读全文
posted @ 2023-09-30 10:13 佚名12 阅读(101) 评论(0) 推荐(0) 编辑
摘要: 1 // 2 // Created by sry on 2021/7/6. 3 // 4 #include <glad/glad.h> 5 #include <GLFW/glfw3.h> 6 #include<iostream> 7 #include<cmath> 8 using namespace 阅读全文
posted @ 2023-09-30 09:56 佚名12 阅读(6) 评论(0) 推荐(0) 编辑
摘要: 参考:https://learnopengl-cn.github.io/01%20Getting%20started/04%20Hello%20Triangle/ 1、图形渲染管线 2、顶点渲染器 3、片段渲染器 4、生成着色器程序 5、 1、图形渲染管线 图形渲染管线分为几个阶段小任务,对于每一个 阅读全文
posted @ 2023-09-30 09:56 佚名12 阅读(19) 评论(0) 推荐(0) 编辑
摘要: 一、总体流程 阅读全文
posted @ 2023-09-30 09:34 佚名12 阅读(35) 评论(0) 推荐(0) 编辑
摘要: 下面是openvino cpu、集成显卡、神经棒的性能: 使用openvino的时候,你的模型一般都是.pt等等格式,可以先转为onnx格式,再基于ModelOptimizer转为IR格式(xml +bin); 另外,模型优化器还能优化网络结构(水平、垂直融合,添加、删除一个or 多个层) open 阅读全文
posted @ 2023-09-30 09:33 佚名12 阅读(41) 评论(0) 推荐(0) 编辑
摘要: 我这里仅显示道路和车道线 1 mask = np.zeros((hh, ww, 3), dtype=np.uint8) 2 mask[np.where(res > 0)] = (0, 255, 0) # 路面 3 mask[np.where(res > 1)] = (255, 0, 0) # 车道线 阅读全文
posted @ 2023-09-30 09:33 佚名12 阅读(15) 评论(0) 推荐(0) 编辑
摘要: 真值数据和raw data的对应部分真值的轨迹和raw data的轨迹相同,可以使用真值的数据进行轨迹评估。 (kitti总共有编号为00~20的21个数据集序列,其中只有00~10序列公开了真值,序列11~20仅用来做为算法评估使用): Nr. Sequence name Start End 00 阅读全文
posted @ 2023-09-30 09:32 佚名12 阅读(45) 评论(0) 推荐(0) 编辑
摘要: 一、数据准备与处理 这里使用的是kitti数据集中:2011_10_03_drive_0047_sync.zip、2011_10_03_calib.zip。 直接在命令行解压上述两个压缩包: 1 unzip 2011_10_03_calib.zip 2 unzip 2011_10_03_drive_ 阅读全文
posted @ 2023-09-30 09:32 佚名12 阅读(54) 评论(0) 推荐(0) 编辑
摘要: 下面是bin格式转pcd格式批量处理代码,其中品红色是需要改成你的实际情况的地方。 cpp:【note:代码中,pcd文件的路径改为你自己的】 1 #include <boost/program_options.hpp> 2 #include <pcl/point_types.h> 3 #inclu 阅读全文
posted @ 2023-09-30 09:32 佚名12 阅读(130) 评论(0) 推荐(0) 编辑
摘要: 一下内容来自官方手册;速腾官网:https://www.robosense.cn/resources 其中128线激光雷达对应文档为:《RS-Ruby 产品用户手册 中文》,翻到最下面就是。 一、安装官方最新驱动 我的环境:Ubuntu 18.04 - ROS melodic desktop-ful 阅读全文
posted @ 2023-09-30 09:31 佚名12 阅读(646) 评论(0) 推荐(0) 编辑