2023年11月15日
release_x64 x64模式下
全程耗時35ms左右
const cv::mat comframe = mat::zeros(480 * 4, 640 * 18, cv_8uc1); 7ms
const cv::mat colorcomframe = mat::zeros(480 * 4, 640 * 18, cv_8uc3); 24ms
發現分配該記憶體時間太長，
測試cv::mat colorcomframetest = mat::zeros(480 * 4, 640 * 18, cv_8uc3); 19ms
const cv::mat colorcomframetest = mat::zeros(1920, 11520, cv_8uc3); 20ms
cv::mat colormainwindows = mat::zeros(300, 1800, cv_8uc3); 0ms
發現：使用mat方式初始化時比較大的mat型別比較耗時，
改進：使mat型別建構函式方式初始化
memcpy(image.data, pnewimage->buffer, pnewimage->head.iheight* pnewimage->head.iwidth); 0ms
cv::resize(image, resimage, cv::size(800, 600), 0, 0, inter_nearest); 0ms
flip(resimage, resimage, -1); 0ms
cv::resize(colorcomframe, colormainwindows, size(1800, 300), 0, 0, inter_nearest); 0ms
imshow("mainwindows", colormainwindows); 0ms
imshow("view", dst); 一般情況下為0ms,如果選擇範圍太大，則耗時會比較大，可能超過5ms
//顯示雷達掃瞄區域 耗時0到1ms
double beta, beta0;
// int rhomax = 1125;
double rhomax = copyradar.cols / 2.67;
beta = 3.1415926 * index / 36;
beta0 = beta - 1.134;
point start, end, end0;
start.x = copyradar.cols / 2;
start.y = copyradar.rows / 2;
= 1500 + rhomax * sin(beta);
= 1500 - rhomax * cos(beta);
end.x = start.x + rhomax * sin(beta);
end.y = start.y - rhomax * cos(beta);
end0.x = start.x + rhomax * sin(beta0);
end0.y = start.y - rhomax * cos(beta0);
copyradar.copyto(copyradarline);
line(copyradarline, start, end0, scalar(0, 255, 0), 3);
line(copyradarline, start, end, scalar(0, 255, 0), 3);
imshow("radar", copyradarline);
_cprintf("%d\n\n", (int)(t.time()));
imagestitch(index, image1, resimage, colorcomframe); 30ms
下面分析imagestitch中的各個函式：
cv::matchtemplate(image_source, image_template, image_matched, cv::tm_ccorr_normed); 耗時2ms，同時測試該函式在debug模式下耗時為8ms，release模式僅為其25%。
std::vectorresult_vec = detector.detect(newframe1); 27ms
draw_boxes(newframe1, result_vec, obj_names, 0, -1, -1); 0ms
object_location(newframe1, result_vec, ©radar); 0ms
目標檢測與目標識別
目標識別 objec recognition 是指明一幅輸入影象中包含哪類目標。其輸入為一幅影象，輸出是該影象中的目標屬於哪個類別 class probability 目標檢測 object detection 除了要告訴輸入影象中包含哪類目標外，還要框出該目標的具體位置 bounding boxe...
AI 目標識別研究
haar like 目標識別 你好！這是你第一次使用markdown編輯器所展示的歡迎頁。如果你想學習如何使用markdown編輯器,可以仔細閱讀這篇文章，了解一下markdown的基本語法知識。全新的介面設計，將會帶來全新的寫作體驗 在創作中心設定你喜愛的 高亮樣式，markdown將 片顯示選擇...
目標識別 評價指標（Iou，mAP，Fps）
一 交並比 物體檢測需要定位出物體的bounding box，就像下面的一樣，我們不僅要定位出車輛的bounding box 我們還要識別出bounding box 裡面的物體就是車輛。對於bounding box的定位精度，有乙個很重要的概念，因為我們演算法不可能百分百跟人工標註的資料完全匹配，因...