自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2196)
  • 收藏
  • 关注

原创 Ultra HDR(JPEG\_R)编辑器实战:裁剪、旋转与滤镜后的增益图重建与再编码

本文面向端侧编辑器在处理 Ultra HDR(JPEG\_R)时的工程实现要点:当用户完成裁剪、旋转、缩放或套用滤镜后,如何保证主图与增益图在空间与光度上的一致性,并以最小质量损失完成再编码。文章给出变换模型、滤镜影响评估、增益图重建与量化配置、元数据同步与一致性校验的实操清单,兼顾性能与画质,适配常见相册/编辑器工作流。

2025-10-21 10:15:20 602

原创 EKF 融合里程计与 IMU:从零搭起二维姿态定位器

目标是给移动机器人做一个能落板的 2D EKF:状态含 $[x,y,\theta]$ 与陀螺 $z$ 轴零偏,预测用“里程计线速度 + IMU 角速度”,更新用“里程计航向(可选位置)或外部定位”。文中给出离散化模型、雅可比、时间戳对齐方法与 C++ 实现骨架,并在下篇补齐 Q/R 的确定、NIS/NEES 一致性检验与调参流程。

2025-10-20 11:58:34 693

原创 AI-ISP 线上灰度放量 SOP:质量闸门、兜底降级与一键回滚

AI-ISP 把模型塞进实时影像链(NPU/DSP/GPU 协同),上线最怕“画质抖、时延飘、温度飞”。本文沉淀一套**可直接落地**的线上灰度放量 SOP:1. 先用**线下准入**把“能发/不能发”定死;2. 按**机型×OS×入口×光型**分群放量(1%→5%→25%→100%),每档配**质量闸门**与告警;3. 任何异常触发**Fail-Safe 兜底**(参数降级/模块旁路),必要时**一键回滚**;4. 全链路**打点与原因码**让问题可追、可复盘、可复现。给出阈值、动作映射与远端配置

2025-10-19 13:00:00 825

原创 HDR 直播监看色彩校准:Probe+色卡到手机/电视端一致性的硬核做法

直播链条长:采集→编码→分发→解码→合成→面板。只要某一层把“颜色/亮度的合同”签错,监看端就会“偏亮/偏灰/偏色”。这篇把**校准与一致性**拆成三段:1. **量测与基线**:用 Probe(色度计/分光)+色卡把拍摄端、参考监视器、手机/电视端各自的白点/峰值/EOTF量出来;2. **元数据与信令**:从编码器到 CMAF/fMP4/HLS,确保 BT.2020+PQ/HLG、ST-2086、MaxCLL/FALL 一路不掉、不改、不乱;3. **终端对齐**:Android/iOS/tvOS

2025-10-18 13:00:00 1242

原创 HDR 播放偏亮/偏灰的跨层定位:峰值亮度、系统映射与应用 headroom 实战

“偏亮”“偏灰”不是一句话的锅,它可能出在**面板能力**(峰值/ABL)、**系统合成与映射**(dataspace/TM/SDR dim)、也可能是**应用侧 headroom 与解码渲染**(scRGB/HDR layer/元数据)没对齐。本文给出一套工程化的**跨层定位**方法:用可复现的测试卡与打点,把问题按“面板→系统→应用”三段拆开;每段提供**探针、自检项与修复动作**(含阈值与 adb/dumpsys 校验)。结尾附**故障树**与**回归门禁脚本**,让“偏亮/偏灰”从拍脑袋变成清单化排

2025-10-17 20:00:00 816

原创 CameraX 扩展跨机型一致性回归:HDR / Night / Bokeh 的工程方法学

同一个 App、同一套 UI,切到不同品牌/芯片/镜头,CameraX 扩展(HDR/Night/Bokeh)输出往往“风格飘”“耗时抖”。本文给出一套可直接落地的**一致性回归方法学**:先用**能力探针**和**设备矩阵**把可用性与限制收集齐,再用**固定链路的批量采集脚本**在关键场景生成样片;以**统一指标体系**(HDR 的高光与肤色、Night 的噪声与细节、Bokeh 的边缘与孔洞)做评估,接到**CI 门禁与灰度/回滚**。结果是:扩展能否开、在哪些机型(镜头/OS)开、多大比例开,全部有

2025-10-16 20:00:00 1406

原创 ZSL HDR 实战:帧选帧 × 去 Ghost 的提效策略与 UX 提示联动

ZSL(Zero Shutter Lag)把快门时刻落在**环形缓存**上,先拍后算。HDR 要在极短时窗里做:**挑对“主帧”+淘汰“坏帧”**,再用**去 Ghost**把运动体与抖动收拾干净。本文给出可直接落地的**规范与实现要点**:

2025-10-15 20:00:00 1806

原创 刹停与安全落地:指令超时、软限位与看门狗的组合拳

目标是在异常情况下把移动机器人或电机系统稳定地带入“安全状态”,且可恢复可追溯。本文给出一套可直接上板的实现:**指令超时触发软刹**、**基于位置/姿态/里程的软限位与限速带**、以及**看门狗喂狗门控**,用统一的安全状态机管理。

2025-10-15 07:00:00 1042

原创 端侧 HDR 主观测试协议 2.0:感知与指标的工程对齐

把“看起来好不好”的争论,收敛成能落在版本门禁上的数字。协议 2.0 从**环境/设备/观察员**三端立**规范**,用一套对 HDR 友好的主观方法(ACR-HDR/DSCQS/成对比较)产出稳定的 **MOS/DMOS**,再与端侧可计算的**客观指标**(肤色 ΔE00、Δu′v′、亮度 ΔEV、RRI、带状分数、FALL/CLL 命中率等)做回归,形成**PASS/GRAY/FAIL** 的阈值与放量门槛。文内给出样片分桶、评分流程、数据清洗、指标映射、自动化工具与复核策略,适合接入相册/相机/播放

2025-10-14 20:00:00 1896

原创 IMU 姿态快算:零偏 + 互补滤波,把俯仰横滚稳住

先把陀螺零偏搞准,再用互补滤波把“短期稳定的陀螺积分”和“长期可靠的重力方向/地磁方向”结合起来,1–5 ms 循环内给出平滑的俯仰/横滚/(可选)航向。本文提供静置零偏估计、在线零偏跟踪、互补滤波 α 的计算方法与调参范围,并给出可直接上板的 C++ 实现与验证办法。

2025-10-14 09:51:37 241

原创 NPU/DSP/Vulkan 协同实战:影像模型的调度与热治理闭环

同一段影像链路里,去噪、分割、HDR 融合、色调映射各自吃算力,还都想卡住 16.7/33ms 的帧预算。解法不是“谁快用谁”,而是把 **NPU/DSP/GPU** 拉到一张调度台上:按算子剖面做**映射**(谁擅长就干谁)、用 **Vulkan + 外部内存 + 时间线信号量**把图像在模块间**零拷贝**流转,再用 **ADPF/Power HAL/Thermal HAL** 做**热治理闭环**(功耗预算→频率→降级)。本文给出可直接落地的协同规范:算子图切分、并行编排、热阈值与降级阶梯、KPI/埋

2025-10-05 14:59:16 1010

原创 HDR 视频肤色稳定实战:动态元数据 × 人像优先测光的闭环联动

目标是**在 HDR 视频里把肤色稳住**:色相不漂、亮度不跳、曲线不呼吸。本文给出一套**工程可落地的规范与链路**:检测与跟踪人脸→在人像 ROI 上用 **ICtCp** 锁住肤色与中灰锚点→依据人像/高光占比分配动态范围→生成逐帧/逐段的**动态元数据**(HDR10+ 等效参数或 DV 概念映射)→通过**时域控制器**给 AE/AWB/ToneMap 统一加 EMA/迟滞/抗闪→在 Camera2 + GPU 渲染链路中稳定输出。附**验收阈值、JSON 报告、降级与回滚**,上手即可用。

2025-09-29 16:21:46 1250 1

原创 速度环 PID 实战:1–5 ms 下的离散化、抗饱和与前馈

在 1–5 ms 的快速循环里把速度环做稳,关键是三件事:**离散化正确**(Tustin)、**不让积分“冲到天上去”**(抗饱和)、**用前馈减轻闭环负担**。本文给出速度测量到控制输出的完整实现:速度估计的同步采样与滤波,PI/PID 的 Tustin 推导与代码,三种常用抗饱和办法,以及基于反电势与摩擦的电压前馈。本文为上半部分(§1–§5);下半部分将补上测试方法、调参策略与排错。

2025-09-28 19:11:58 1045 1

原创 差速底盘映射实战:从 v、ω 到左右轮,含饱和、渐变与补偿

给定底盘线速度 $v$ 与角速度 $\omega$,如何稳定地得到左右轮期望速度,并在电机/驱动极限下保持轨迹特性,是移动机器人控制的基石。本文给出参数定义、公式推导、曲率保持的饱和策略、分级渐变(加速度/加加速度)与死区、反向间隙补偿的工程实现,配套完整 C++ 代码骨架与调参要点。本篇为上半部分,覆盖 §1–§4;下半部分将接着完成补偿细节、验证与排错。

2025-09-27 12:30:00 1088

原创 HDR→SDR 双轨导出实战:相册/编辑器的导出矩阵与故障复盘

同一张 HDR 照片(或视频帧)在相册预览、编辑器导出、社媒分享会走**两条并行路径**:保留 HDR(JPEG\_R/HDR10/HLG)与生成 SDR(sRGB/P3 8-bit)。要保证“看着一致、哪里都能发”,就得把**输入制式 × 目标容器 × 设备能力 × 渲染链**列成矩阵,并配上**可核查的口径与降级策略*

2025-09-26 20:00:00 2214

原创 C++ 抽象化 PWM/FOC:同一套接口跑模拟与实机

把电机控制里最容易“写死”的三块——PWM 输出、相电流采样、FOC 运控——做成清晰的接口层:`IPWM`、`ICurrentSense`、`IMotor`。上层算法只面向接口,底层可在“仿真/回放/实机”之间无缝切换。文中给出最小可用的接口定义、实机与模拟实现骨架、时序与 ISR 边界,外加一个“一键换底座”的一致性验收用例,避免 ISR 里堆重计算、动态分配等典型坑。

2025-09-26 07:30:00 606

原创 Android 14/15 Ultra HDR 解码与渲染核查:从 Bitmap 到 GPU 的闭环路径

本文把 Android 14/15 上 **Ultra HDR(JPEG\_R)** 的端侧链路梳理成一条可核查、可回归的闭环:**文件→解码→Bitmap/GainMap→色域/位深→GPU 纹理→合成显示**。给出每一段的**成功判据与探针代码**、常见“掉增益/掉色深/错误色域”的归因方法,以及 **Skia/GL/Vulkan** 三条渲染路径下的差异与抓包手段(`dumpsys SurfaceFlinger`、`gfxinfo`、帧内格式/色域探针)。目标是把“看着像 HDR”的玄学,落到**位深

2025-09-25 20:00:00 1398

原创 把“脉冲”变成“里程”:编码器里程计与误差模型从 0 到 1

本文聚焦移动底盘最基础的里程计链路:**编码器脉冲 → 轮速/里程 → 位姿增量**。从硬件计数到软件时间戳,再到**差速/单轮模型**推导,完整梳理**溢出/抖动/抖边**等工程细节,并建立**误差来源分解**(轮径、基距、安装偏差、量化、打滑)与**噪声模型**(偏置/随机游走/白噪)。附带“直线/圆轨迹”两类标定与验收方法,给出可落地的 C/C++ 数据结构、口径与指标,帮你把“能跑”变成“跑得准”。

2025-09-25 07:30:00 766

原创 多模组 HDR 一致性实战:跨曝光/镜头的增益图对齐与风格锁定

多模组 HDR 想“看不出换镜头”,必须同时解决两件事:**增益图在不同曝光/镜头间的空间与辐射对齐**,以及**色彩/对比的风格一致性**。给出可直接落地的口径:用**几何+辐射双对齐**把各路增益图映射到统一“规范域”,再以**中灰/肤色双锚 + Hue 保持**约束整条曲线;提供**增益一致性指标(GCM)**、**肤色 ΔE00**、**亮度漂移 RMS**与**振铃/带状**门槛,配套回归脚本与降级策略(主镜头做锚、次镜头跟随;越线自动退回静态 HDR/SDR)。目标是:跨镜头切换、变焦过渡、不同

2025-09-24 20:00:00 976

原创 离线也能用:云断联下的优雅降级与自愈策略

设备上云并不代表“离网即瘫”。本文给出一套在 MCU/RTOS/轻量 Linux 边缘设备上落地的**离线优雅降级**方案:以**超时→断路器→本地替代→回放**为主线,配合**指数退避+抖动**与**全局限流**,既保证云不可用时的基本交互(本地控制/策略执行),又在网络恢复后**安全回放**(幂等写、顺序一致)并避免“重连风暴”。文中提供组件划分、状态机、参数口径、缓存结构与限流要点,并给出**人为断网**测试的可操作验证方法与合格线。

2025-09-24 07:30:00 913

原创 AI 去噪上线红线:纹理保真、蜡像脸与过锐振铃的量化门槛与线上哨兵

目标很直接:把“这张图被 AI 去噪毁了没”从主观吵架变成**可度量、可上线、可回滚**的工程规范。本文给出三件套:1. **红线指标**——纹理损失(中高频能量坍塌)、蜡像(肤区细节/微纹理熵塌陷)、过锐(边缘过冲/振铃)三类失真,各有明确公式与阈值;2. **标定流程**——离线用主观样本(多 ISO × 光型 × 肤色)把 MOS ↔ 指标拟合,反推出可执行门槛;3. **线上哨兵**——端/云轻量特征与日志口径、灰度放量/金丝雀、策略回退与黑白名单治理。落地后,任何模型/参数变更都能被守住:过

2025-09-23 20:00:00 687 1

原创 从“唤醒词”到“灯亮舵转”:一晚做完的端侧联动小项目

识别到“hey bot”后,LED 呼吸亮起、舵机摆到指定角度;接着进入冷却窗口,防止误触发或“指令风暴”。本文给出最小可用的系统骨架:**KWS → 话题消息 → 状态机 → 动作封装(LED/舵机)**,并实现**双层去抖 + 最小间隔**和**防抖计数**,保证连续触发场景下的稳定性。最后用**长时回放与统计字段**验证“不断触发也不乱”的目标。

2025-09-23 07:30:00 1243 1

原创 HDR 人像肤色稳定实战:AE/AWB/ToneMap 冲突解耦与优先级裁决

人像 HDR 最容易“翻车”的就是**肤色飘**:AE 抢亮度、AWB 拉白点、TM 又在肩部压高光,三方各自“对”却合起来“错”。本文给出一套**工程可落地**的裁决策略:以**肤色 ROI 锚点**为最高约束,AE 先对脸部入射照度收敛,AWB 在**肤色先验 + 光源模型**下缓变,TM 采用**色相保持 + 中灰/肤色双锚**且时域一致化。配套**阈值与回归**(ΔE00、亮度漂移 RMS、频闪注入),把“主观对”的口径落到**可度量**,并给出逆光、多脸、霓虹等极端场景的**例外分流**。

2025-09-22 20:00:00 781 1

原创 灰度→裁剪→MobileNet Lite:摄像头到分类/关键点的一条龙流水线

面向 MCU/SoC(Cortex-M/ESP32/轻量 A-class)的实时视觉任务,本文给出“摄像头→前处理→MobileNet 变体→分类/关键点→发布”的可落地方案。核心包括:**DMA 取流**(Ping-Pong/三缓冲)、**灰度缩放 + 中心裁剪**(定点/可用 DMA2D 加速)、**MobileNetV1/V2 轻量化**(width multiplier、输入分辨率)、**关键点头**(heatmap 或 2N 回归)、**流水线调度**(多缓冲、权重预取、任务分工),并建立 **F

2025-09-22 07:30:00 1240

原创 从麦克风到指令:KWS 端侧全链路落地(DMA→RingBuf→MFCC→int8 DNN→去抖)

面向 16 kHz 单麦的端侧关键词识别,本文给出一条可直接落地的实现路线:I2S/ADC **DMA 采样**→**环形缓冲**与滑窗重叠→**MFCC 特征**(预加重/分帧/加窗/FFT/Mel/log/DCT,整型口径对齐)→**int8 DNN 推理**(TFLM + CMSIS-NN)→**后处理去抖**(时序平滑/双阈值/抑抖窗口)。同时建立**延迟/内存/功耗**预算与 FAR/FRR 的评测闭环,避免“窗重叠错位”“量化口径不一致”“ISR 日志阻塞导致 p99 抖动”等常见坑。

2025-09-20 12:30:00 1307 1

原创 Ultra HDR(JPEG\_R)在相册/社媒的“带增益图分享”验证清单

目标很简单:**从相册到社媒,文件一路“带增益图”且观感一致**。本文给出一套可直接落地的工程清单:先以**文件结构探针**判定是否真·JPEG\_R(APP1/XMP/扩展 XMP 自洽、增益图通道/尺寸/scale/offset 合理),再把**系统分享链路**和**社媒平台二压路径**逐项验证(直传/裁剪/贴纸/拼图/长边限制/EXIF/XMP 保留策略),最后用**HDR A/B 观感指标**与**自动化回归脚本**固定口径,产出白/灰/黑名单与降级策略。重点是“可复现、可追责、可回退”,别让任何一

2025-09-19 20:00:00 1944 1

原创 把 5–20 ms 做满:体积 / 延迟 / 内存的三角稳态(batch=1 的嵌入式取舍术)

在 MCU/SoC 的实时任务里,**5–20 ms** 是最常见的推理预算区间。要把这个窗口“做满”而不过界,核心是处理好三个互相拉扯的量:**模型体积(Flash/RAM)**、**延迟(稳态与 P99)**、**内存峰值(激活 + 临时缓冲)**。本文给出一套可落地的取舍流程:用 **MACs→延迟** 的近似模型筛选结构,用**激活峰值推导**与**scratch 估算**卡内存上限,用 **batch=1 流水化**(IO/权重预取/双缓冲)把端到端 p95 拉下,再以 **FPS–峰值内存–功耗

2025-09-19 07:30:00 845

原创 移动端 AV1 + HDR10+ 观看/功耗实测:码率–质量–温度三维评估与拐点

本文给出一套**可复现**的移动端 AV1+HDR10+ 播放实测方法与结论框架:在**亮度/刷新率/环境温度/网络**严格控参下,采集**码率–质量–温度**三维数据,生成 Pareto 高效前沿与“用户感知质量等值线”,定位**码率拐点**与**热坍塌阈值**。流程覆盖:AV1 Main10 + HDR10+ 动态元数据贯通(比特流→容器→解码→显示)、VMAF-HDR 与主观小样的标定、Android 端功耗/温度采集与清洗(电流、SoC/表面温度、节流信号),输出**按分辨率/帧率/设备档**可落地

2025-09-18 20:00:00 1691

原创 把精度稳住:PTQ / QAT 与零点-尺度校准的一致性落地

部署到 MCU/NPU 前,量化带来的精度回撤若不控在 1–2 个百分点以内,多数模型都会在实机上“变脾气”。本文给出 PTQ(后训练量化)与 QAT(量化感知训练)的工程化路径:如何构建**代表性标定集**、选择**对称/非对称**与 **per-tensor/per-channel** 策略;如何用**直方图/百分位/MSE** 等方法确定激活与权重的量化阈值;以及把 **scale/zero-point** 一致地传递到推理引擎(TFLM/CMSIS-NN)与固件。最后用 **Top-1 / ROC

2025-09-18 07:30:00 770 1

原创 LL-HLS/CMAF 低延迟 HDR 直播:端到端卡点与参数闭环(HLG/PQ × HEVC/AV1 实战)

目标是把“玻璃到玻璃”控制在 2–4 秒,并且**整链路保持 HDR 正确性**:采集→编码→打包→CDN→播放器。本文给出一套可复用的参数口径与回归项:分片/子片时长(segment/part)、GOP 对齐、色彩与位深标记(VUI/SEI、nclx)、播放列表低延迟指令(EXT-X-PART、EXT-X-SERVER-CONTROL、PRELOAD-HINT)、CDN 的分块回源与缓存策略、播放器缓冲与漂移控制,以及用 CMCD/服务端日志闭环调参。重点不是“能播”,而是**稳定、可回退、可度量**。

2025-09-17 20:00:00 826

原创 把前处理变成可控的流水线:固定点归一化、滑窗与去噪

在 MCU 上,前处理链路(采样→去噪→特征/归一化→打包)决定了模型输入的可重复性与时延上限。本文围绕固定点实现与流水化展开:给出 Q 格式定标策略、滑窗器与环形缓冲的工程化写法,落地几种常见去噪(均值/中值/IIR/FIR)与归一化(RMS、Z-score)的整型版本,并用 SIMD/CMSIS-DSP 做加速。最后建立 PC 与 MCU 的一致性验证口径与阈值,避免“PC 好、上板漂”的老问题。

2025-09-17 07:30:00 772 1

原创 HDR 视频采集(Camera2)能力检测实战:10-bit、动态范围 Profile、时序与对齐

本文给出一套**工程可复现**的 HDR 视频采集能力检测方法:从系统与相机的 10-bit/HDR 动态范围 Profile 探针,到编码器(HEVC/AV1)Main10 的可用性校验,再到采集会话的构建与**时间戳/音视频对齐**。输出是可以直接塞进 CI 的“白/灰/黑名单”与 JSON 报告,覆盖分辨率、帧率、Profile 组合与异常回退策略。重点是**能拍、能编、能播、时间对得齐**四件事,一次性把坑踩完。

2025-09-16 20:00:00 1913

原创 把算力榨干:CMSIS-NN 加速路径(卷积/FC/激活的可验证替换法)

同一颗 Cortex-M,在不改模型结构的前提下,仅替换内核即可获得 1.5×–5× 的层级提速。关键在三点:**量化口径统一**(权重 per-channel、激活 per-tensor)、**选择正确的 CMSIS-NN API**(卷积/深度卷积/FC/池化/逐元素)以及**可重复的测量与对比**(DWT 周期计时、层级 MSE/余弦相似度、整网 FPS)。本文按“基线→逐层替换→验证”的顺序给出可直接粘贴的参数映射与调用骨架,并列出常见坑:尺度/零点不一致、padding/stride 口径不符、s

2025-09-16 07:30:00 884 1

原创 Ultra HDR(JPEG\_R)→ SDR 导出一致性:曲线、色域与页面亮度的协同实战

目标很简单:把一张 JPEG\_R 在你 App 里**稳定导出**成 SDR JPEG,发到任何平台都“看着像同一张”。这事分三步:先把增益图正确落地到线性域(别在伽马域乱捣),再用**可回归的曲线库**做高光压缩,最后把 **P3→sRGB** 的色域收敛和**页面亮度策略**绑在一起,避免导出前后“图亮了 UI 也跟着亮”。文中给出可落地的曲线参数、色域压缩口径、导出标签与回归脚本指标,重点照顾人像肤色与高光层次,不玩玄学。

2025-09-15 20:00:00 764

原创 把模型“瘦身”到能上板:TFLite Micro 架构要点与算子裁剪实战

在 MCU 上跑 DNN,核心不在“能不能跑”,而在**内存是否可控**与**算子是否最小化**。本文聚焦 TFLite Micro(TFLM)的落地路径:从 `MicroInterpreter` 与 `MicroAllocator` 的内存模型切入,手工注册**最小算子集**,用**静态 Tensor Arena** 取代一切动态分配,并给出**Arena 估算与收敛**的方法(含二分逼近与上线余量)。最后以“模型加载→AllocateTensors→峰值测量”为闭环,给出可直接粘贴的骨架代码与排错清单,

2025-09-15 07:30:00 1546 1

原创 把模型放上板:边缘 AI 的任务画像与可行性边界(MCU/NPU 实战视角)

边缘侧能不能跑 AI,不取决于“能不能训练”,而取决于**任务画像**与**资源预算**是否被老老实实地做过:输入速率与分辨率、前处理算子链、网络 MACs/参数量、峰值激活内存、端到端时延、功耗与温升。这篇文章给出一套通用的方法:先用**算力/内存/延迟三张预算表**把任务刻画清楚,再把目标分成**硬阈值/经典 DSP/轻量 DNN**三个等级,逐步着陆到 MCU 或带 NPU 的 SoC。

2025-09-14 10:35:06 760

原创 【GitHub开源项目】OpenCut 实战:本地起盘、时间轴/多轨剪辑与高质量导出

面向“能跑、能剪、能导出”的实际落地,本文从零起步梳理 OpenCut 的可复现路径:本地环境搭建与关键配置、时间轴与多轨编辑的高频操作与快捷键习惯、音视频协同与关键帧控制、以及 H.264 MP4 的导出参数基线(分辨率、帧率、码率、编码预设)。同时给出预览卡顿与导出失败的排查流程、长素材工程的性能优化清单,以及媒体资产管理与团队协作的工程化建议,确保读者拿到稳定的生产级使用范式。

2025-09-12 07:30:00 1326 1

原创 把时间“对准”、把消息“对味”:时间同步与 QoS 如何左右闭环质量

闭环做不好,往往不是算法差,而是**时间和消息路径**没处理干净:时钟不同步导致测量对不上拍,QoS 配置不当把延迟和抖动放大,最后在控制器眼里“一切都晚了一拍”。这篇复盘不谈空话,围绕“**时延/抖动 → 相位裕度 → 稳定性/跟踪性能**”这条因果链,把时间同步(PTP/Chrony/轻量往返偏移)与 ROS 2 QoS(Reliable/BestEffort、Depth、Deadline、Lifespan、TimeBasedFilter)放到同一坐标系里。给出可复现的量化方法(p95/p99 时延、周

2025-09-11 20:00:00 963

原创 Ultra HDR(JPEG\_R)增益图缺失/损坏的容错与重建:工程阈值、修复与反例库

这篇面向第三方相机与多媒体团队的工程实战稿,聚焦 Ultra HDR(JPEG\_R)在真实链路中“增益图坏损/缺失”的可预判、可容错、可重建。我们给出文件级体检要点(结构一致性、尺寸/通道/scale-offset 合法域、熵与分布检查),明确可落地的阈值口径与降级矩阵,并提供两类重建思路:无源(单帧 LDR 逆向估计)与有源(RAW/曝光对/缩略增益图辅助)。最后用反例库与回归集把坑“固化”,确保每次发版不和玄学谈恋爱,而是和数据说话。

2025-09-11 07:47:10 867 1

原创 CameraX 1.4 × Ultra HDR:从“拍到看”的最短闭环,第三方相机的能力探针与回归脚本

面向第三方相机 App 的研发同学,本文走一条最短闭环:能力探测 → 拍摄配置 → 文件校验 → 端内显示验证 → 回归脚本自动化。重点讲清 CameraX 1.4 的 Ultra HDR(JPEG\_R)抓拍要点、与 10-bit/动态范围设置的关系,以及在支持 HDR 的系统上如何避免 UI 被“点亮”过度。目标是不改大架构,把“能不能拍、拍到的是不是真·Ultra HDR、显示是否正确”三件事跑通,并且可重复、可回归。

2025-09-10 21:26:44 1237 1

毕业论文模版+论文写作技巧+答辩攻略

提供符合本科及硕士论文要求的排版模板,含目录自动生成、图表编号、参考文献格式等,支持 Word 与 Overleaf 双版本,兼容大多数高校标准。

2025-03-31

基于 OpenPose 的人体姿态估计系统(支持深蹲/俯卧撑/硬拉识别 - Python源码+Streamlit界面)图像识别项目源码资源

本资源为一个完整的 基于 OpenPose 的人体姿态估计系统,可用于体育分析、健身指导、康复训练等应用场景。系统集成了深蹲、俯卧撑、硬拉等常见健身动作的识别分析功能,采用 Streamlit 构建界面,操作简单,适合毕业设计、课设演示、AI 项目实战。

2025-03-26

基于SpringBoot+Vue的校园失物招领系统(前后端分离+完整源码+数据库脚本)毕业设计

本项目为一套基于Spring Boot + Vue 3 实现的校园失物招领管理系统,前后端分离架构,功能完善,适合作为毕业设计、课程设计、课题展示系统使用。系统支持用户注册、失物发布、失物列表查询等功能,已集成 MySQL 数据库和 RESTful API 接口,前端使用 Vue3 + Element Plus 构建,界面简洁,部署方便。 技术栈: 后端:Java、SpringBoot、MyBatis、RESTful API 前端:Vue 3、Element Plus、Vue Router、Axios 数据库:MySQL 5.7+ 项目管理:Maven + Vite

2025-03-26

基于TensorFlow的人脸口罩佩戴检测系统(含完整源码 + Streamlit界面 + 摄像头实时识别)适合毕业设计/课设项目

本资源为一套完整的 人脸口罩佩戴检测系统,使用 Python + TensorFlow 实现,适合毕业设计/课设项目,支持图片上传预测、实时摄像头检测、图形界面交互、模型训练与日志记录。 功能亮点: MobileNetV2 搭建轻量级图像分类模型 支持模型训练、验证与日志可视化(TensorBoard) 一键上传图像进行分类预测 实时摄像头检测是否佩戴口罩 Streamlit 构建图形界面,适合演示与部署 完善的项目结构与单元测试支持

2025-03-26

基于TensorFlow的垃圾分类系统源码(MobileNetV2 + Streamlit 可视化 + 可训练)

本资源为一个完整的 垃圾图像分类系统源码包,适合深度学习初学者、课程设计、图像分类项目实践等场景。基于 TensorFlow 2.x 和 MobileNetV2 构建,支持自定义训练、模型推理、图形界面交互,并集成了单元测试和 TensorBoard 可视化功能。 使用预训练模型 MobileNetV2,支持迁移学习 可训练:自动划分训练/验证集、日志保存、模型权重保存 可推理:支持单张图像命令行预测 可视化:支持 Streamlit 图形界面上传图像并展示预测结果 可测试:内置 unittest 测试模块,验证模型输出维度 支持 TensorBoard 日志查看 欢迎下载试用、二次开发!适合做毕业设计、比赛入门项目、图像识别练习、小型可视化系统构建

2025-03-26

基于TensorFlow的图像修复系统源码(含GUI可视化界面 + 训练推理 + 单元测试)

本资源为一个完整的 基于深度学习的图像修复系统源码,使用 TensorFlow 2.x + UNet 构建,支持遮挡去除、破损图像修复、老照片重建等任务。配备 Streamlit 图形界面,可上传图像并手动绘制遮挡区域,点击一键修复,交互体验流畅。 主要功能: 支持训练模型(可加载自定义数据集) 支持推理预测(遮挡区域自动填充) 支持 GUI 可视化操作(Streamlit) 支持 TensorBoard 可视化训练日志 提供单元测试脚本,便于模型验证 项目结构清晰: model/:UNet 模型构建 train.py:训练脚本,支持日志记录 + TensorBoard infer.py:命令行推理脚本 app.py:交互式 Streamlit 网页界面 tests/:单元测试模块 logs/:训练日志目录 附带详细 README.md 中文使用说明 附带 requirements.txt 可一键安装依赖 模型结构兼容自定义掩码图、灰度遮挡、人为绘制等场景

2025-03-26

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除