本文介绍了YOLOv5x模型在Horizon J6芯片上的板端C++推理部署全流程。主要内容包括：1）板端推理整体流程，重点解决NV12双平面输入格式和输出tensor stride访问问题；2）UCP/DNN API调用流程详解；3）YOLOv5解码与NMS实现方法；4）交叉编译配置技巧；5）板端运行验证与常见问题排查；6）量化模型与浮点模型的mAP精度对比评估。

本文介绍了征程6平台YOLOv5x从PyTorch经ONNX导出、PTQ校准到HBM编译全流程。重点解决NV12输入适配与输出Padding问题，打通工具链部署链路，为板端C++推理与精度评估奠定基础。

BEVDet模型是一种基于鸟瞰图（BEV）特征的3D目标检测方法，其核心架构包含四个处理阶段：图像特征提取、视角转换、BEV特征增强和目标检测。模型通过View Transformer将环视相机图像特征转换为BEV空间表示，利用CUDA加速的voxel pooling操作和优化NMS算法提升性能。代码实现上，从测试入口到特征提取、视角转换（包括坐标系的多次变换）和BEV特征池化，形成完整流程。其中

本文分析了自动驾驶中摄像头与激光雷达的三种融合方案：前融合（数据级）、中融合（特征级）和后融合（目标级）。前融合直接处理原始数据但计算量大；后融合独立处理结果但信息损失多；中融合在BEV空间进行特征融合成为主流方案，以BEVFusion为例详细介绍了其架构，包括相机流、激光雷达流和动态融合模块，展现了跨模态融合的优势。中融合方案因统一数据空间、支持时序信息融合和端到端优化等特点，成为当前最常用的技

本文介绍了地平线工具链在X86平台上的多种模型推理方式，涵盖ONNX、Hbir和hbm三种模型格式。主要内容包括：1）HBRuntime推理库的使用方法，支持ONNX和Hbir模型推理；2）ORTExecutor接口的ONNX模型推理流程；3）hbdk4编译器feed接口的Hbir模型推理；4）hrt_model_exec工具的使用，支持quantized.bc和hbm模型的信息查看与推理；5）U

HistogramObserver是地平线插件中的量化观测器，通过构建直方图统计张量数值分布，支持多种量化参数计算方法（如MSE、KL散度、百分位等）。其核心流程分为直方图收集（动态扩展边界）和量化计算两阶段，优势在于保留完整分布信息、多卡校准一致，但内存占用较高。相比MinMaxObserver（仅记录极值）和MSEObserver（在线搜索），HistogramObserver更灵活且抗离群值

本文系统分析了目标检测中Anchor-Free、One-to-One和End-to-End三种范式的区别与联系。

7月19日，由中国下一代教育基金会主办，中国平安、地平线公益支持的青少年科技素养提升计划科技燃梦科普活动——解码智驾芯片黑科技在北京地平线顺利开展。

地平线SoC平台稳定性问题概述，涵盖kernel panic、内存损坏、看门狗和防火墙等常见问题，并提供调试方法。

本文作为前序J6平台QAT精度调优教程的补充，总结地平线J6系列工具链QAT训练环节的各类典型异常问题以及定位解决的流程和思路。