- 综合排序
- 最热优先
- 最新优先
- 来自专栏米尔电子
米尔 RK3576 赋能智能安防 360° 环视
° 环视需求提供高性价比硬件底座。 一、智能安防 360° 环视的四大核心需求无论是社区、园区还是商场等场景，要实现真正的 “无死角、全实时” 监控，必须满足以下四大核心诉求：1. 二、米尔 RK3576 开发板的四大关键突破为精准匹配智能安防 360° 环视需求，米尔 RK3576 开发板从硬件接口、编解码能力、传输效率到 AI 算力进行全维度优化，形成差异化竞争优势：1. 12 2. 2. 园区安防管理· 联动办公楼、停车场、围墙周界的多路摄像头，实现 360° 环视监控；· 异常事件（如翻越围墙、车辆违规停放）触发时，自动联动园区广播系统与安保巡逻终端，快速响应处置。3.
43210编辑于 2025-09-18 - 来自专栏该溜子的专栏
【Android】RecyclerView循环视图（2）——动态加载数据
提问：我们都是设置的相同的数据，怎么样为每一个item设置不同的数据 第一反应去view中查找控件，但是我们已经把view交给ViewHolder管理了，所以应该去ViewHolder中查找 不在这里 2： 这件设置数据的事情还能变得更加简单一点 （1）Adapter泛型源码 带着泛型，是继承自ViewHolder的类型 如果声明为泛型，那么我们下面重写的方法中的返回类型也会被约束 也不用做强制转换了，直接使用holder即可 （2） publish; } public void setPublish(long publish) { this.publish = publish; } } 2： 广湛高铁佛山站建设正式启动", "人民网－广东频道，供稿：人民资讯", R.drawable.ic_article_2)); articles.add(new "西安快线", R.drawable.ic_article_11)); articles.add(new Article("菏泽职业学院一类教学大赛，二等奖+2！
29110编辑于 2025-08-23 - 来自专栏米尔电子
360环视硬件平台为什么推荐使用米尔RK3576开发板？
在汽车智能化和智慧安防快速发展的今天，360环视系统 已成为保障行车与场景安全、提升体验的重要技术。 为此，越来越多的企业在构建360环视硬件平台时选择 米尔RK3576开发板。 凭借先进的 SoC 架构与完善的多媒体引擎，它不仅具备 12路摄像头 的高清视频接入能力，还能将编码与 RTSP 低延迟推流 组合成体系化方案，为360环视提供稳定可靠的底座。 一、360环视的核心技术需求· 多路摄像头实时接入：360环视通常涉及前、后、左右及顶置等多角度画面，实际工程中对路数的要求常常在 8～12 路甚至更多。 三、360环视典型应用场景· 车载环视与自动泊车：融合 12 路多视角画面，提供车辆周边全景视野，显著提升泊车安全与驾驶体验；NPU 可同时用于目标检测与轨迹辅助。
32110编辑于 2025-09-19 - 来自专栏Code思维奇妙屋
Codeforces Round #360 div2
思路： \(由题意可知，如果存在这样的x_1\space x_2\) \(使得\forall _{i\in [1,n]} 有 x_1\equiv a_i(mod\space c_i) 且x_2\equiv \ \end{array} \right.\) \(\therefore (x_1 -x_2) \equiv 0(mod \space c_i)\) \(由此可得, （x_1-x_2）=yc_i \longrightarrow c_i \mid (x_1-x_2)\) \(\because \forall _{i\in [1, n]} 都有c_i \mid (x_1-x_2) \longrightarrow lcm(c_1 ,c_2,\cdots,c_n)\mid(x_1-x_2)\) \(如果有\) \(x_1\equiv b(mod \space k)\) \(x_2\equiv c(mod \space k)\) \(b\neq c时，即由这n个c_i不能确定x\%k的值\) \(即(x_1-x_2) \neq0(mod \space k) \longrightarrow lcm(c_1,c_2,\cdots
46040发布于 2019-07-14 - 来自专栏无人驾驶感知
【目标跟踪】多相机环视跟踪
一、前言 多相机目标跟踪主要是为了实现 360 度跟踪。单相机检测存在左右后的盲区视野。 在智能驾驶领域，要想靠相机实现无人驾驶，相机必须 360 度无死角全覆盖。 博主提供一种非深度学习方法，采用kalman滤波+匈牙利匹配方式实现环视跟踪。有兴趣可以参考往期【目标跟踪】系列博客。 本文干货满满，可以先点赞关注收藏，以免下次找不到。欢迎各位吴彦祖私信交流学习。 如person、car等 目标的置信度 score 演示这里采取的是 2D 检测。如果是 3D 检测也是类似计算，且 3D 检测定位更加精准。 3.3、初始航迹 (1) 划分 4 象限 (2) 划分 8 区域 前相机第4象限、前相机第1象限、右相机第3象限、右相机第4象限、后相机第2象限、后相机第3象限、左相机第1象限、左相机第2象限。 (3) 划分 2 类 前相机第4象限、右相机第3象限、后相机第2象限、左相机第1象限 为一类 firstBox。
81810编辑于 2024-02-05 - 来自专栏米尔电子
360环视实时性评估：GPU加速性能与AI拓展潜力-基于米尔RK3576
一、项目背景与测试平台本次360环视系统原型基于米尔电子MYD-LR3576开发板进行构建与评估。 本文旨在通过实际测试数据，从功能实现、实时性能与AI拓展潜力三大核心维度，为客户提供一份关于该平台在360环视应用中能力的真实参考。 二、系统流程与功能实现一套标准的360环视处理流水线已在开发板上成功实现，验证了其功能可行性：1.传感器配置： 4路720P分辨率鱼眼摄像头，精确固定于模拟车辆的四周。 2.核心处理流水线：畸变矫正： 利用张正友标定法预先获取摄像头内参和畸变系数，实时消除鱼眼镜头产生的图像扭曲。 总结与展望功能实现： 基于米尔MYD-LR3576开发板的RK3576平台完全具备实现高质量360环视全链路功能的能力。实时性能： 纯CPU方案无法满足25fps实时需求。
25710编辑于 2025-11-28 - 来自专栏数据处理与编程实践
正则表达式：断言（环视）
在正则表达式中有如下四种断言（也称零宽度断言、环视）： 1 顺序肯定环视1.1 匹配指定内容的左侧位置1.2 匹配数字前的小写英文单词部分1.3 校验字符串长度2 顺序否定环视3 逆序肯定环视 4 逆序否定环视 1 顺序肯定环视 (? （2）正，表示Expression描述的规则，匹配的是校验位置右侧的内容。 由此可以看出，断言是一种描述位置的字符，它指定的是符合(?=Expression)规则的位置。 2 顺序否定环视 (?!Expression)，顺序否定环视，表示校验位置右侧的内容不匹配Expression规则。 示例的正则表达式：(?!.*\d{3}.*)(^.*$) (?!. \d{2})([a-z]+) 文本：123def 匹配到的内容：ef (?<!\d{2})，表示校验位置左侧不是两个连续的数字。
2.1K21编辑于 2023-10-04 - 来自专栏Hadoop数据仓库
学习正则表达式 - 环视
---- 环视是一种非捕获分组，它根据某个模式之前或之后的内容匹配其他模式。环视也称为零宽断言，匹配条件不会出现在匹配结果中。环视包括：正前瞻；反前瞻；正后顾；反后顾。 环视模式 marinere 不会返回，因为环视是零宽断言，只匹配某个符合条件的位置。 二、反前瞻 反前瞻是对正前瞻的取反操作。 sec) Records: 2 Duplicates: 0 Warnings: 0 mysql> set @r:='(? ,('The bright-eyed marinere.'); Query OK, 2 rows affected (0.00 sec) Records: 2 Duplicates: 0 Warnings rows in set (0.00 sec) 以上只是对环视的简单介绍，环视是现代正则表达式的一个重要特性。
35420编辑于 2023-10-14 - 来自专栏luoheng
正则表达式 锚点、环视
环视除了上述的预定义的位置，正则表达式也可以自定义位置规则，这称作环视（lookaround)，环视也不占用任何字符，只匹配文本中的特定位置。环视的种类如下：环视含义(?
1.9K00编辑于 2022-08-28 - 来自专栏cwl_Java
前端基础-正则表达式(环视)
第6章 环视 也叫 预查、断言、零宽断言。 正则表达式中，用于查找某些内容之前或者之后的东西，叫做环视。 环视通常也叫做预查、断言或者零宽断言。 1、正向肯定预查 也叫 顺序肯定环视 every(? =10)/g); console.log(res); //["win"] 2、正向否定预查 也叫 顺序否定环视 every(?!n) 匹配任何其后没有紧接指定字符串 n 的字符串。
65210发布于 2020-03-26 - 来自专栏计算机视觉life
Facebook Surround360 学习笔记--（2）算法原理
本篇从宏观上介绍surround360的算法流程和每个步骤的原理，主要参考surround360官方网页（见参考）上的介绍。 立体360视频渲染的挑战 立体360视频渲染是一个非常困难的问题，主要存在如下因素: 涉及的数据量非常巨大。 对于单眼的2D的360视频内容来说，一些小的拼接错误是可以容忍的，但是对于立体3D360视频来说，必须保证极高的精度达到绝对近乎完美的效果，否则会引起观看者产生眩晕等生理方面的不适感。 现在想象上述发生在2D俯视图下的相机内，头部的中心就是相机中心。通过每个像素构建的射线从一个虚拟眼出发最后从相机圆盘出去。如果该射线正好穿过一个真实的相机，那么从相机图像中的像素我们就能知道它的颜色。 Surround360在两张图里指定支架的模板，然后用光流把第2张图变形为第一张图，然后融合两张图。 如下图，两张底部相机的图融合成为一张图，去掉了支架。
2.5K70发布于 2018-01-08 - 来自专栏点云PCL
针对环视摄像头的车道检测和估计
当前产品级别的车辆环视摄像头模块（简称SVS）被用作低自动化应用的全景视图辅助工具。通过适当的统计分析，多个单目摄像头的信息可以在无需显著硬件更改的情况下对更高级别的车辆智能性提供很大帮助。 然后将被标记为车道标记/边缘的语义数据选择并投影到2D地面坐标中，这由网格表示法量化。进一步应用空间滤波器和时间滤波器进行异常值和平滑处理。 内容概述 全景摄像头系统 汽车环视系统（SVS）通过提供车辆周围360度的俯视图，协助驾驶员进行停车。将车辆周围环境的综合视图实时合成和重建，作为一种视觉辅助工具。 我们将从感知系统中提取更智能的信息，图2显示了从SVS原始图像到地平面语义点的工作流程。 图8: 通过多项式拟合进行车道估计 2). 运行时拟合误差标准差可以指示车道宽度：带有 2 σf 的标准差（在高斯假设下）可以被视为合理的车道宽度估计。 3).
77010编辑于 2024-03-06 - 来自专栏万少的技术分享
2小时-带你实现-360官网-主题换肤功能
又或者如: 多个盒子中的背景位置 等比例变化 .box1{ background-position: 10px 10px; } .box2{ background-position: 20px @c:black){ background-color: red; color: red; border: 1px solid @c; font-size: 100px; } /* 2 可以很方便为我们生成如下有规律的代码段 .box1{ background-position: 10px 10px; } .box2{ background-position: 20px 20px 钻进去 3 2 1 */ .loop((@counter - 1)); /* 3 钻出来 1 2 3 */ .box@{counter} { background-position: @counter*10px @counter*10px; } } .loop(3); 案例实战 360 修改前 360 修改后
27010编辑于 2025-02-11 Omnidirectional Camera
Omnidirectional Camera（全向摄像机），又称全景摄像机或360度摄像机，是指能够在一个视角内捕捉360度水平和通常较大垂直视野的摄像设备。 应用场景机器人导航和环境感知：机器人利用360度摄像头感知周围环境，无盲区；自动驾驶：环视系统辅助车辆了解周边交通情况；虚拟现实（VR）与增强现实（AR）：捕获沉浸式全景视频和图像；安防监控：减少摄像头盲区 硬件推荐类型代表型号/品牌说明适用场景单镜头鱼眼摄像机Logitech C920 + 鱼眼镜头改装低成本方案，适合入门机器人基础环境感知多镜头拼接摄像机Insta360 ONE X2 / Ricoh Theta 便携式消费级360度视频录制VR内容制作，安防监控工业级多摄像头FLIR Ladybug5专业级全景，多摄像头同步自动驾驶，机器人视觉车载环视系统Mobileye Surround View专用车辆环视摄像头自动驾驶辅助 Surround$2000+高可靠多摄像头同步VR内容创作/直播Insta360 ONE X2 / GoPro Max$300-$500消费级，方便便携安防全景监控Hikvision 全景鱼眼摄像头$100
34400编辑于 2025-07-23- 来自专栏Hadoop数据仓库
正则表达式必知必会 - 环视
一、环视简介 还是先来看一个例子：要把一个 Web 页面的页面标题提取出来。 环视还有一种不太常见的形式叫作否定式环视（negative lookaround）。 要想否定环视操作，用 ! 代替 =。下表列出了所有的环视操作。 种类 说明 (?=) 肯定向前查找 (?!) 否定向前查找 (?<=) 肯定向后查找 (?<!) regexp_extract_index(@s, @r, 0, '') i; +------+------+------+ | c | s | i | +------+------+------+ | 2 \ 环视可以更精细地控制最终的返回结果。环视操作允许利用子表达式来指定文本匹配操作的发生位置，但同时又不会消耗匹配到的文本（不出现在最终的匹配结果里）。肯定式向前查看使用 (?
47130编辑于 2023-10-14 - 来自专栏3D视觉从入门到精通
泊车必备 | 一文详解AVM环视自标定
前言 AVM环视系统中相机参数通常是汽车出厂前在标定车间中进行的离线阶段标定。很多供应商还提供了不依赖于标定车间的汽车自标定方法。 0) / eigenvectors.at<float>(2, 2); pts.y = eigenvectors.at<float>(2, 1) / eigenvectors.at<float>(2 这个是AVM 3D算法中设置的，见引用自动驾驶——自动泊车之AVM环视系统算法2 - 知乎 (zhihu.com)。 ; cv::invert(car_look_road, coor_car2road, CV:DECOMP_LU); coor_car2cam = coor_road2cam * coor_car2road = coorR_road2bev * coorR_cam2road; cv::Mat H_cam2bev = m_intrinsic_dist * coorR_cam2bev * m_intrinsic_dist_inverse
4.3K50编辑于 2023-04-30 - 来自专栏牛客网
360面经
好了，废话不多说，上面筋 1、自我介绍 2、讲项目，对项目的测试点，你是怎么测得，有没有用什么工具 3、讲项目，同上 4、bug的生命周期 5、对登录框的测试，web版的 6、因为这个部门是做手表的，所以他就问我你对这个手表的一些想法
1K10发布于 2018-09-20 - 来自专栏牛客网
【360烤面筋】
——《穿条纹睡衣的男孩》 楼主是昨天北京现场面的360，从早上10点多到下午5点多才回来，真的累额TT 今天把面试内容整理一下，我面的是儿童业务部，希望对大家有所帮助吧^^ 正文开始↓↓↓ 一面（一个可爱的小哥哥 ^^） 1、TCP和UDP区别 2、应用层的哪些协议是由TCP支持的 3、HTTP和HTTPs区别 4、网页输入网址后发生了什么 5、DNS基于TCP还是UDP 6、客户端主动断开连接，中间的状态变化 21、Linux如何实现定时任务 22、熟悉的Linux指令 23、&&和&的差别 24、你有什么问题要问的 二面（一个礼貌温柔的小哥哥^^） 1、自我介绍 2、聊项目 3、聊聊JVM 4、Redis 持久化 三面（一个漂亮可爱的HR小姐姐^^） 老生常谈的聊人生环节就不细说啦~~ 360是我秋招的处女面，很幸运，可以遇到礼貌温柔会引导的面试官，让我在面试的过程中一点儿都不紧张^^ 虽然我秋招找的是Java 开发的工作，但是由于我面试的这个部门主要是PHP和GO，所以Java方面涉及不多 360HR面之后会有个测评通知，如果没收到的话就表示凉了╮(╯▽╰)╭ 虽然但行好事，莫问前程，但是秋招第一面，还是希望有个开门红吧
74120发布于 2018-09-20 - 来自专栏3D视觉从入门到精通
OmniNet：基于环视鱼眼镜头的多任务视觉感知系统
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/351965263 编辑丨3D视觉工坊 2021年2月15日上传arXiv论文：“OmniDet: Surround 本文讨论的是一个环视鱼眼镜头的多任务视觉感知系统，其完成的包括：深度估计、视觉里程计、语义和运动分割、目标检测和镜头污染检测。 采用单个模型的好处是：(1) 嵌入系统而已，这样存储小，数据读取快，效率高；(2) 训练数据更大 和不同视角图像正则化容易；(3) 维护模型简单。 在多任务的框架下，协调工作有： 1）处理动态目标和无限深度范围； 2）语义导引的深度头和检测头； 3）自注意机制和语义特征对检测的帮助。 这些工作带来的性能提升见下表： ?
1.1K20发布于 2021-03-19 - 来自专栏集智书童
一文全览 | 2023最新环视自动驾驶3D检测综述！
将这些数据点（浮点数）作为传感器感知算法的输入，以覆盖360°视图，该传感器负责为AV做出决策。 与其他基于激光的传感器相比，相机也是最便宜的传感器之一。 在鸟瞰图中使用3D代理的表示对于自动驾驶具有实际意义的原因有很多： 它使与其他360°传感器的融合更加自然，即LiDAR和RADAR，因为之后将在360°BEV中运行； 若在BEV中操作，则可以更好地模拟动态场景的时间一致性 上述方法按每个摄像头操作，但自动驾驶应用程序需要处理整个360°场景，包括覆盖整个空间场景的6~12个环视摄像头。 为了解决这个问题，Graph-DETR3D通过图形结构学习（GSL）来聚集环视图像信息。它在每个对象查询和2D特征图之间构建动态3D图，以增强对象表示，尤其是在边界区域。 DETR3D，PETR上的位置编码开发工作（Liu等人，2022a）引用了前一种方法中特征的2D编码的问题。他们通过对来自相机变换矩阵的3D坐标进行编码，将环视特征变换为3D域。
1.7K20编辑于 2023-09-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号