OpenCV 是目前开源项目中最著名的基于机器视觉方向的图像处理的开发包，目前已经有被移植到嵌入式 Linux 环境上。本文介绍了 OpenCV 交叉编译的基本步骤。一、编译环境及库文件linux 环境：ubuntu12.04交叉编译：4.3.2arm 板子：iMX6开发板libz:libjpeg:libpng:libyasm:opencv:libx264:libxvid:lffmpe
目标板是S3C2440.至于交叉编译环境的搭建就不多说了,网上很多教程.搭建好了交叉编译环境后,第一件事就是传说中的”Hello,World!”.一. 主机编译环节我使用的系统是ubuntu10.04,搭建好交叉编译环境后,终端输入arm-linux-gcc -v能够正常显示版本信息,但是输入sudo arm-linux-gcc -v后却显示命令无法找到.我试过很多种方法,比如sudo -s切换到
Hadoop-HA模式概念•主从集群：结构相对简单，主与从协作•主：单点，数据一致好掌握•问题：•单点故障，集群整体不可用•压力过大，内存受限HDFS解决方案：单点故障：•高可用方案： HA（High Available）• 多个NN，主备切换，主压力过大，内存受限：联帮机制： Federation（元数据分片）• 多个NN，管理不同的元数据•HADOOP 2.x 只支持HA的一主一备HDFS-H
转载
2024-10-12 10:58:20
58阅读
在Linux系统中，关闭串口是一个比较常见的操作。特别是在一些嵌入式系统中，关闭串口可以节省资源和提高系统性能。在某些场景下，比如一些嵌入式系统在实际运行过程中可能会出现串口信息泄漏的安全问题，因此关闭串口也是一种安全的做法。
对于一些嵌入式系统，比如海思（HiSilicon）出品的一些系统，关闭串口可能是必要的操作。海思（HiSilicon）作为一家知名的半导体公司，其产品涵盖了通讯、物联网、
原创
2024-04-08 11:12:26
192阅读
在现代科技的飞速发展下，操作系统的重要性日益凸显。作为一款开源的操作系统，Linux系统在用户眼中备受推崇。而Linux系统的开发也在不断地进行着更新和升级，以满足用户对于系统性能和安全性的需求。
在Linux系统中，nptl.tar无疑是一个备受关注的话题。nptl.tar是Linux系统中一种非常重要的文件，其中存储了与线程相关的函数实现，被称为New POSIX Thread Librar
原创
2024-04-29 11:04:15
37阅读
Hisi外设ADC的使用:环境Platform： Hi3516DV100Kernel： v3.4参考代码主要通过操作寄存器Chimm (LSADC_CTRL0,0xff5264ff); //配置0寄存器 0x200B0000。。。。。。
原创
2023-11-09 16:04:41
75阅读
一、概述 如图所示，在海思平台上将内存分为两个部分：os内存和mmz内存。os内存指：由linux操作系统管理的内存；mmz内存：由mmz驱动模块进行管理供媒体业务单独使用的内存，在驱动加载时可以指定该模块管理内存的大小： 二、数据结构 1、mmz区域描述符 2、mmb内存描述符 hil_media
转载
2019-08-04 11:41:00
219阅读
2评论
基于ubuntu16.04多用户编译android N(android 7.1)系统提示ninja_wrapper错误问题 Ubuntu 1604系统除了root，还有kandi和sundi两个用户，我先用kandi用户编译的，可编译通过，后面再用sundi的用户编译，出错信息如下：[ 19% 12620/64631] Ensure Jack server isinstalled and
大家好！我借这篇文章，分享给大家今年计算机视觉领域里的一些令人兴奋不已的最新进展。特别是最新OpenCV（当前最流行的计算机视觉库）的发布，您的计算机视觉应用程序可以在现代异构计算平台上充分利用CPU和GPU的全部计算力。 从OpenCV 2.4.3开始，到作了重大改进后的OpenCV 2.4.4，至将来发布的各种新版本中，OpenCV都会得到了OpenCL的有力支持。 Ope
转载
2024-05-20 19:15:07
86阅读
一.配置环境官网下载python对应版本，配置好环境变量【下载后选择直接添加到路径即可】jetbrain官网下载pycharm（社区版就行），可在设置里添加汉语包或者其他插件下载opencv，如果使用cmd命令的pip下载不成功，就去官网下载python对应版本的opencv。并去项目设置里安装好相应的解释器和软件包二.一些铺垫实现一个简单功能：找到图片中的人脸：#下载opencv-python4
转载
2023-10-21 18:34:27
194阅读
先下载linux内核源码包，下载地址：https://mirrors.edge.kernel.org/pub/linux/kernel/v4.x/(1)编译整个osdrv目录：注意：默认不发布内核源码包，只发布补丁文件。内核源码包需自行从开源社区上下载。从linux开源社区下载v4.9.37版本的内核：1)进入网站：www.kernel.org2)选择HTTP协议资源的https://www.kernel.org/pub/选项,进入子页面3)选择linux/菜单项，进入子页面4)选择ker
原创
2021-07-29 11:19:46
847阅读
详解 QT 框架中快速应用OpenCV 基于图片 上篇
2011-10-30 23:49
QT 框架中快速应用OpenCV 是本文要结束的内容，和MFC比较起来，QT的信号槽机制比MFC的信号机制慢，但是因为能很好的实现跨平台，所以我在这里总结一下可能对一些人有点用。OpenCV.China论坛上有一个帖子叫做《在MFC框架中快速应用OpenCV》看了后就想结合Q
转载
2024-08-29 17:19:24
77阅读
本文主要介绍如何通过opencv调用已经训练好的darknet模型进行目标检测1.模型及配置文件下载需要下载以下文件已经训练好的模型权重文件 **.weights模型配置文件 yolov3.cfg类别标签文件 ***.names2.初始化参数设置置信度阈值和nms阈值3.加载模型和获取输入图像net = cv2.dnn.readNetFromDarknet(configPath,weightsPa
转载
2023-12-02 23:50:08
94阅读
运行前先下载yolov3的配置文件等，包括：coco.names，yolov3.cfg，yolov3.weights三个文件，可通过wget下载wget https://github.com/pjreddie/darknet/blob/master/data/coco.names?raw=true -O ./coco.names
wget https://github.com/pjreddie/d
转载
2023-08-11 12:09:07
152阅读
Opencv中的深度学习模块（DNN）为模型部署提供了基础能力支持，支持tf、pytorch、onnx模型的部署方式，其中onnx是一种深度学习模型的开放式格式。tf模型、pytorch模型和paddle模型都可以转换为onnx格式。为此本博文专注于使用opencv的dnn模块部署onnx模型，实现了应用于语义分割的argmax函数。1、 dnn支持的onnx算子opencv中dnn模块支持的算
转载
2024-05-07 21:00:27
168阅读
源代码链接：https://pan.baidu.com/s/1ntnd2oyp8yCPQ0KQRscyqg提取码：8ayb 在本教程中，将学习如何将OpenVINO工具包与OpenCV一起使用，以便在Raspberry Pi上进行更快速的深度学习推理。对于深度学习，当前的Raspberry Pi硬件本质上是资源受限的，很幸运能从大多数最先进的模型中获得超过几个FPS(仅使用RPi CPU
转载
2024-03-16 01:29:43
109阅读
文章目录1.安装依赖2.导出 ONNX 格式的 PyTorch 模型3.安装 Windows 平台 OpenCV4.C++ 下 OpenCV 接口调用 ONNX 模型 1.安装依赖要使用 ONNX 模型进行预测，就需要使用 onnx runtime 首先到 ONNX 官网查询所需的版本 这里使用的 Windows，同时装了 CUDA 下面的链接可以进入到安装网址https://www.nuget
转载
2024-04-23 10:12:27
941阅读
本文为 AI 研习社编译的技术博客，原标题 ：Tutorial: Stereo 3D reconstruction with openCV using an iPhone camera. Part I.作者 | Omar Padierna翻译 | yaya牙牙校对 | Disillusion 审核 | 酱番梨 整理 | 菠萝妹教程：使用iPhone相机和openCV来完成3D重建(第一部分)本篇教
转载
2024-03-25 13:33:25
22阅读
Baumer堡盟工业相机BGAPI SDK联合OpenCV进行图像转换二（C++）Baumer工业相机Baumer工业相机SDK和OpenCV联合技术背景第一步：在BGAPI SDK中成功连接Baumer相机第二步：在SDK中使用OpenCV处理图像第三步：注意事项代码分享 Baumer工业相机Baumer工业相机堡盟相机是一种高性能、高质量的工业相机，可用于各种应用场景，如物体检测、计数和识别
转载
2024-04-11 13:26:12
67阅读
在Python 中TensorFlow 和OpenCV的具体配置就不说明了，网络上资料齐全。
我主要谈谈代码部分的内容，希望给想入门这方面的人一点参考。
首先是测试代码
face_test.py
import cv2
def CatchVideo(window_name, camera_idx):
cv2.namedWindow(
转载
2024-04-07 00:04:00
82阅读
