第二十一届走马观碑赛题引入目标板识别环节，车模需要检测目标板、判断类别，并执行对应通行策略。官方演示方案采用。本文按Linux环境整理完整流程，覆盖环境搭建、数据集构建、模型训练、ONNX转换和龙芯平台部署。当前子工程目录名为tb_yolo，其中tb表示yolo表示yolo v5检测方案。

tb_yolo下篇用于制作最终上车模型：自己采集目标板数据，在Windows上训练YOLOv5，导出ONNX，转换为ncnn的param/bin，部署到久久派实测。下篇默认你已经按跑通过测试数据集和部署链路。

tb_yolo上篇用于跑通测试数据集链路：在Windows上训练YOLOv5，导出ONNX，转换为ncnn的param/bin，再通过部署到久久派测试。之前不在Linux虚拟机中训练，是因为VMware虚拟机无法直接使用宿主机NVIDIA GPU，目标检测训练又强依赖GPU。因此训练和转换在Windows宿主机完成，开发板只做推理。

ROS2------目标：客户端发送给服务器的目标值，小海龟应该旋转到的目标角度(弧度)；结果：动作完成后服务器返回的最终结果，实际旋转的角度变化量(弧度)；反馈：动作执行过程中服务器发送的进度反馈，距离目标还有多少角度剩余(弧度)。

经过前期的努力《2k0300Gazebo》，现在Gazebo仿真环境已经跑通，小车能动了，摄像头也在发布图像。下一步就是让小车能“看见”赛道并自主巡线。本文主要介绍car_ws工作空间中的仿真小车模型、Gazebo仿真环境以及car_vision视觉巡线功能包。car_vision。

近期在进行日常巡检时发现，线上部分应用服务器的CPU突然比以往高出很多，经过登录机器排查确认是C2 CompilerThread线程始终长时间运行消耗了CPU。

第二十一届走马观碑赛题引入目标板识别环节，车模需要检测目标板、判断类别，并执行对应通行策略。官方演示方案采用。本文按Linux环境整理完整流程，覆盖环境搭建、数据集构建、模型训练、ONNX转换和龙芯平台部署。当前子工程目录名为tb_yolo，其中tb表示yolo表示yolo v5检测方案。

本节我们将会通过PyQt5实现串口数据采集和实时通信，涉及到的技术栈包括：Python、PyQt5。一、环境搭建1.1 Python 3.X安装直接从官网下载安装包：https://www.python.org/ftp/python/；这里我下载的包为https://www.python.org/ftp/python/3.9.6/python-3.9.6-amd64.exe，安装版本：p...

tb_yolo上篇用于跑通测试数据集链路：在Windows上训练YOLOv5，导出ONNX，转换为ncnn的param/bin，再通过部署到久久派测试。之前不在Linux虚拟机中训练，是因为VMware虚拟机无法直接使用宿主机NVIDIA GPU，目标检测训练又强依赖GPU。因此训练和转换在Windows宿主机完成，开发板只做推理。

tb_yolo下篇用于制作最终上车模型：自己采集目标板数据，在Windows上训练YOLOv5，导出ONNX，转换为ncnn的param/bin，部署到久久派实测。下篇默认你已经按跑通过测试数据集和部署链路。