现在我们传统深度学习算法几乎只能给出一个特定的结果，而不能给出模型自己对结果有多么confident. 的确，在分类问题中，我们会在网络的最后一层添加一个softmax函数来获得概率，但是模型仍然无法表示自己对结果不确定。

1、背景利用OPENCV的CvCapture *cvCaptureFromCAM( int index )来实现，屏蔽掉V4L2底层的繁琐操作，使用opencv调用相机，发现不同设备上采集的图像有很大的区别，如果保持移植的一致性，应该需要考虑v4l2配置相机。经过对这些库的了解，才发现，最为关键的几个库为ffmpeg以及libv4l，libavcodec。特别是libv4l是直接用来捕获摄像头的库

如果想更深入地了解GPU的设计细节、实现细节，可阅读GPU厂商定期发布的白皮书和各大高校、机构发布的论文。，虽然是多年前的视频，但比较系统、全面地讲解了GPU的机制和技术。

1 AutoSar 开发工具Vector：PREE vision： 需求开发和系统功能设计工具；DavinciDeveloper or AutoSAR Builder：SWC软件功能开发，ECU功能描述，主要配置成SWC的arxml。DaVinciConfigurator Pro：BSW基础软件开发和RTE设计，把所有的配置文件转换为c文件。EB：PREE vision： 需求开发和系统功能设计工

Bundle Adjustment译为光束法平差，或者束调整、捆集调整。我们知道，SLAM大致可以分为前端、后端、回环检测、建图这几个步骤，那BA属于这里面的哪个步骤呢？BA的作用让我们先来看看Bundle Adjustment的作用，BA不仅可以优化位姿（R和t），还可以优化特征点的空间位置。而我们又可以把BA看成是最小化重投影误差（Reprojection error）问题，同时这也是一个..

在采样率为22050的情况下，选择合适的CHUNK_SIZE主要取决于 Unity 接收和处理音频数据的效率。以下是设置CHUNK_SIZECHUNKSIZE22050×0.1×2×14410字节实际设置可以从 4096 字节的CHUNK_SIZE开始测试，观察效果。

双目立体视觉系统CVST提供了双目立体视觉处理、校正、仿真的函数，这极大的提高了我们对双目立体视觉系统研究的效率。本节将介绍双目立体视觉系统的基本结构及相较于单目视觉系统的优势等。双目系统可以获得景深信息原理视差图编程双目摄像头的两幅图片：处理流程相机标定——target：得到内参，外参，畸变参数标定流程图像校正——target：输入两幅图像，相机...

按照之前博客的方案2准备了环境

Global Planner处理路径规划。vector map 矢量地图start position 起点goal position 终点输出：最短，最少cost的路径支持复杂的vector map，但这篇论文里用的是简单的。全局规划器处理路径路由。该算法以矢量地图、起始位置和目标位置为输入，利用动态规划方法寻找最短或最低成本路径。

我基于论文《VectorMapNet: End-to-end Vectorized HD Map Learning 》的输出来看，论文中说，在矢量地图中，我们表征地图元素作为一系列的几何线，它们是容易去连接下游任务的，例如运动预测，编码这些几何线与一系列的预测任务。输出包括道路边沿，车道线和人行横道。看图片右边的情况，经过Polyline Generator 后，输出Polyline。这是由关键点