Linux下代码性能分析手册

这个文档是 Linux 下代码性能分析手册，主要介绍一些常用的性能分析工具及其使用方法，并且给出实际的操作案例。
这个手册可以解决以下的几个问题：
1- 如何排查程序的性能瓶颈
2- 有哪些性能分析工具？适用于哪些场景
3- 举一个调优的实际案例
4- CPU利用率低的常见原因有哪些？

​ more >>

这个专栏将介绍如何使用高通的QNN SDK部署一个自己训练的端到端头部位姿估计模型。我使用的平台是高通的汽车级8775处理器，是面向下一代的舱驾融合平台。开发环境是Ubuntu 22.04。由于高通的部署工具链是闭源且门槛费高昂，参考的资料很少，所以本文将以自己的经验和理解为主，介绍如何使用QNN SDK部署一个端到端头部位姿估计模型，模型用于DMS/OMS等专用应用。

1- 环境安装

从2.3.4QNN SDK的手册来看:
使用HTP，是V73版本的架构，Hexagon SDK 版本为5.4.0

qnn_python环境

1
2
3
4
5
6
7
8
9

# 1-创建虚拟python环境, qnn2.3.4版本只支持这个python版本，请注意
conda create -n qnn234_env python==3.10.4
conda activate qnn234_env

cd /home/cty/hsae_data/qnn/qnn_sdk_v2.34.0_auto_qnx/qaisw-v2.34.0.250424201103_119471-auto-qnx/bin/
# 2-设置一下基础环境
source ./envsetup.sh
# 3- 准备安装相关的依赖
python "${QNN_SDK_ROOT}/bin/check-python-dependency"

这里要注意了，因为是在国内，所以说高通提供的安装脚本非常慢并且基本是失败的。这时候需要修改高通QNN_SDK中环境配置的python脚本${QNN_SDK_ROOT}/bin/check-python-dependency，为其添加清华源，保证快速安装。

​ more >>

嵌入式神经网络部署泛谈

本章节是嵌入式神经网络部署及工程化实例的一个泛谈录，是学习到此的一些经验和见解，端侧设备平台算力有限，很多模型都无法直接使用，而实际工程上又对端侧的场景有大量的要求，本章就对端侧神经网络部署分三个部分进行分析和理解。

1- 神经网络加速的本质

2- 如何选择一个适当的模型

3- 工程化部署需要注意的点

移动目标侦测：思考录

本篇章是移动目标侦测的研究笔记，来源于实际项目，记录整个过程的思考和历程。并解此对计算机视觉领域的部分前瞻性工作进行介绍。本章节栏目会持续更新，并详细介绍整个体系的知识，对后来的研究者提供一个研究基线，帮助开发者选择使用不同的算法来适配不同的项目需求。

移动目标侦测的概念

移动目标侦测所机器视觉体系下的一个子分支。MOD (Motion Detection or Moving Object Detection )称之为运动侦测，移动侦测。例如，在泊车时，周围有人或物体经过探测区域被检测到给驾驶员声音和视觉提醒，移动物体会被黄框标示，提醒驾驶员注意。被检测到的物体必须是移动物的，它不检测静止的物体。此外，移动目标侦测也常用于监控领域，当画面中有移动物体时触发录制或者拍照，这个在家庭监控中非常常见。
总之，移动目标侦测的目标是检测画面中是否有移动的物体，不管移动的东西是什么类别。实际上，移动目标检测的应用还和相机的运动状态有关，相机静止时和相机运动的时候，移动目标侦测的难度大大不同。相机静止状态时，相机位姿没有移动，背景也基本上是固定的，此时使用帧差法或者光流法都可以起到比较好的效果，或者使用背景建模的方法都可以起到比较好的效果。但是，相机处于运动状态时，这些算法的准确率都大打折扣，基本上都不能使用了，背景变化得稍微迅速一点，立刻就会产生许多误报。
很多机器视觉专业或者计算机视觉专业的同僚乍一看觉得，这个任务很简单(简单的原因是大家都觉得目标检测算法已经相当成熟)，其实最开始我也是这样认为的。但是仔细一想，发现问题并不简单。移动目标，并没有指定目标是什么，也就是它拥有无限的类别，无限的场景；其次，相机的运动是完全无规律的；再有，此类算法一般都有端侧的部署需求，神经网络在设计时就要考虑适配端侧的机器，后续的部署量化更是需要芯片厂的工具链支持，难以在短时间内把工程优化到可产品级。

​ more >>

使用OpenGL处理鱼眼图像信号

本篇章是OpenGL编程的一个经典应用，可以广泛使用在带有GPU的各种设备上。通过阅读本篇章，可以完全了解如何使用标定好的相机内参数据对鱼眼图像进行去畸变处理。

OpenGL

OpenGL是一套通用GPU编程接口，是操纵GPU进行图像处理的一套方法，抑或是渲染管线。

关于OpenGL的基础环境、基础原理，可以参考：主页 - LearnOpenGL CN (learnopengl-cn.github.io)

本篇章就不再赘述现代渲染管线的一些基础知识。

​ more >>

软件架构–六组份解析：嵌入式架构建议书

这份笔记是今年学习的时候开的坑，认真学习前辈的知识，温故知新。

1

软件架构这东西，众说纷纭，各有观点。什么是软件架构，我们能在网上找到无数种定义。比如，我们可以这样定义：软件架构是软件系统的基本结构，体现在其组件、组件之间的关系、组件设计与演进的规则，以及体现这些规则的基础设施。怎么定义一般来说，基本上不重要，我们不是在写学术书籍，关心软件架构能解决什么问题才是更重要的。软件架构不是制定出来的，而是产品和业务需求所决定的，架构师所做的，只是忠于需求，并合理的表达了需求。软件架构也从来都不是一成不变的。在产品或者产品线的整个生命周期中，随着业务和需求的变化，软件架构不断发展和变化，以适应新的需要。软件架构，也不是一个简单的项目问题，而是产品或产品线的技术战略问题。一个良好设计并推广的软件架构，能带来如下好处。最大限度地减少不必要的返工使嵌入式软件在宏观层面建立规划增强复用性，降低开发成本便于团队内部的技术培训使技术积累更加容易。经常看到的一个常见问题是，新手工程师，由于经历与知识不足，往往看不到项目全貌，很难深刻理解软件架构，他们往往要经过多年的专业训练，才能逐渐建立架构意识。但软件架构真的只是资深工程师和架构师的专利吗？这个也不见得。古人作文，讲究立意为先。今天工程师做项目和产品，也应该先立意。这个意，就是指要有高度。工程师入门能从软件架构的高度出发，看待软件问题，相信对软件的理解，会更加深刻一些。因此，总结了软件架构的六个步骤，供嵌入式工程师参考。

操作系统OS

这份笔记是在学习操作系统课程时候所记录的备案，希望能在以后的工作，生活中常常看看，温习复习，温故而知新。我学习的路线是南大蒋教授开设的春季班，欢迎大家到蒋教授的个人主页去观看和学习：蒋教授的主页
课程的讲义都放在了这个tag下面，整个章节全部一起，没有分P，直接食用。

​ more >>

ZhangSuen的细化算法实现

在二值化图像处理的时候，经常会需要提取特征的骨架，最常用的细化算法是ZHANG的算法
在OpenCV中有现成的接口，但是作为了解原理的起点，在此记录算法的实现过程
以下是代码，使用C++14
可以直接复制使用

计算机多视几何

最近在研究计算机几何学，拿到手确实晦涩难懂。
这让我想起以前听南邮的崔子冠教授讲数字图像处理，还有通信工程学院的另一个很温柔的女老师讲计算机几何。
这两门课总是有很多疑问，上到一半还总是打瞌睡，虽然考试成绩还不错。
但当时没机会动手好好实践，现在重新捡起来学习梳理一遍。
我找到了很难找的两本原书，现在这些资料都被各种翻版，很多概念都没有被完整记录和描述。
可以参考以下链接来下载。
中文版安徽大学出版社有出版，可以找一找。
英文版：计算机多视几何
附上第一章和第二章的总结
公式总结和整理下载
如果想在线预览请点击more

没啥用的小知识！

C++怎么在main之前print一个东西

在论坛上看到一个很搞的问题,正常程序执行都是从main函数开始，要在这之前执行print，哈哈哈。。。。只能想到构造器。

1
2
3
4
5
6
7
8
9
10
11
12

class TT {
public:
    TT() {
        std::cout << "print_a_line" << std::endl;
    }
};

TT t1;
int main(){
    std::cout<<"whats_up_man"<<std::endl;
    return 0;
}