- 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 3. 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。 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。 12路摄像头接入：通过 3 路 4-lane MIPI-CSI 与配套转换模块，可并行接入 12 路 1080P@30fps 摄像头画面，天然契合 360 环视的多视角覆盖诉求。 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。 图像拼接： 依据预先标定的位置关系，将四张鸟瞰图无缝合成为一张完整的360°全景俯视图。 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 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}.*)(^.*$) (?!. *\d{3}.*)表示校验位置右侧的内容中不包含三个连续的数字。 3 逆序肯定环视 (?<=Expression)，逆序肯定环视，表示校验位置左侧的内容匹配Expression规则。 <=\d{3})(.*$) 文本：abc123def 匹配到的内容：def (?<=\d{3})表示校验位置左侧有三个连续的数字。这个表达式的作用是匹配三个连续数字右侧的内容。
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。 | | 7 | Ancyent | | 9 | ancyent | +----+---------------------+ 3 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。 | | 7 | Marinere | | 9 | Marinere | +----+---------------------+ 3 ，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 - 来自专栏集智书童
一文全览 | 2023最新环视自动驾驶3D检测综述！
本次基于环视3D物体检测综述全面回顾了过去基于深度学习的方法和架构。 为了从数学上理解这一点，让我们看看图3中每个可视化中的数据点数量。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。 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。 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 - 来自专栏计算机视觉life
Facebook Surround360 学习笔记--（3）硬件设计要点
如果自己想模仿surround360设计一款3D360°的设备，硬件选择有什么要注意的吗？ 圆盘设计有要求吗？ 回答：有要求，圆盘半径r，侧面相机数目n，侧面相机视场角之间要满足如下的约束关系才能产生较好的3D效果： i = r * sin(FOV/2 - 360/n) 其中： r近似为相机圆环中心到某个相机镜头的距离 我们以surround360为例，n=14, r=15cm，侧面相机水平视场角为90°，经过桶型畸变校正后水平视场角变为77°，带入公式可得i=3.32cm > 3.2cm，所以满足设计需求。 surround360最早试过使用消费级相机GoPro，但是发现同时使用十几个相机同步拍摄时，很难控制每个相机都曝光一致，这样无法保证相机之间的颜色完全一致。 最后的方案中surround360用的相机是死贵死贵的工业相机pointGray。 机架精度有什么要求？ 机架精度越高越好，前面介绍系统时反复强调过要保证硬件机架具有非常高的精度。
1.4K60发布于 2018-01-08 - 来自专栏ChaMd5安全团队
360春秋杯3道web题的简单分析
360春秋杯3道web题的简单分析 From ChaMd5安全团队核心成员 pcat&香香 where is my cat 这题一开始很坑的，存在着/.git/config这个泄露文件，而且还跟百度杯资格赛的
1.6K80发布于 2018-03-29 - 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。 为了克服这种缺点，可以使用协作式的单目摄像机构建立立体视觉系统或使用LiCam（激光雷达+摄像机）将3D点信息整合到单目摄像机图像中，从而创建超像素表示。 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。 图3显示了所谓的SVS语义轮廓，这在从图像空间到地平面的坐标变换中高度扭曲：边缘相关的数据极不确定，任何标签错误都可能导致灾难性的结果，这几乎无法直接提供对场景理解的线索。 图3：SVS语义轮廓（白色：车道标线；品红色：人行道；灰色：障碍物） 车道识别与检测 我们必须适当量化SVS轮廓的不确定性，以便进行统计分析。
77010编辑于 2024-03-06 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。 、监控3. 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 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 进一步资源开源项目ORB-SLAM3 — 支持鱼眼摄像头OpenCV FishEye ModuleInsta360 SDK学术论文推荐FishEye图像去畸变与全景拼接技术综述全景视觉SLAM与三维重建如果你想
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。 -----------+---------+ | c | s | i | +------+----------------+---------+ | 3 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 (?<!) 这是因为那个字符 0 的前一个字符是 3 而不是 字符，它完全符合模式 (?<!\ 环视可以更精细地控制最终的返回结果。
47130编辑于 2023-10-14 - 来自专栏该溜子的专栏
【Android】RecyclerView循环视图（2）——动态加载数据
注意：这里的ivPicture，tvTitle是在构造方法中；把它们设置为MyViewHolder中的成员变量，便于onBindViewHolder方法中使用 3：设置数据优化版本 这件设置数据的事情还能变得更加简单一点 "ArticleAdapter: articles.size = " + articles.size()); } 不要在构造方法中无脑添加新闻文章数据，这里创建一个createData方法 3： 今早3000多人在钱塘江边，太欢乐了", "杭州网", R.drawable.ic_article_3)); articles.add(new Article 三：动态数据和布局做关联 1：position 当前触发onBindVIewHolder方法的位置 打印个日志观察一下position——每一条item都有位置0，1，2，3，4 每次item被绘制的时候都会触发一次 return articles; } （1）notifyItemChanged 对单条数据进行刷新而非全部，这里节约了资源和提高了性能 Adapter中也提供了很多其他的刷新方法，了解即可 3：
29110编辑于 2025-08-23 - 来自专栏Python编程爱好者
CVPR 2024 | DrivingGaussian：环视动态自动驾驶场景重建仿真
DrivingGaussian还首次将LiDAR先验引入3D高斯表征，使用LiDAR点云先验作为初始化以更好地建模大规模环视动态场景的几何结构。 a、增量式3D高斯背景重建 DrivingGaussian首先将动态驾驶场景中的静态背景和动态前景物体解耦，并通过增量式3D高斯建模驾驶场景的大规模静态背景。 为了更好地建模环视动态驾驶场景的几何结构，我们首次为3D高斯表征引入了LiDAR点云先验。考虑到动态前景可能会由于拖尾、混叠等现象导致LiDAR先验的误差。 我们还测试了DrivingGaussian在单目自动驾驶数据集KITTI-360上的性能和现有方法的比较，结果如下表所示： 实验结果表明DrivingGaussian在单目驾驶场景的重建任务上仍然保持了出色的竞争力 结论： 本文提出了DrivingGaussian，一种基于3D高斯的动态环视驾驶场景三维重建与仿真框架，在大规模环视驾驶场景重建与仿真任务上表现出色，同时展现了在更多自动驾驶下游任务中的应用潜力。
1.5K10编辑于 2024-04-19 - 来自专栏狼王编程之路
Netty系列| 3张脑图360°无死角带你看透IO
可能很多人看到这个问题和我一样一脸懵逼，IO的全称其实是：Input/Output的缩写。
61030发布于 2021-06-01 - 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。 这就又要使用到第3章中的欧拉角知识。 ; double L2 = cv::norm(r3, cv::NORM_L2); r3 = r3 / L2; pitch = asin(r3.at<float>(1, 0)); 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)。 sin(pitch), 0, -sin(pitch), cos(pitch)); cv::Mat rotation_roll = (cv::Mat_<float>(3, 3) << cos(roll
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
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