本文介绍了相机畸变校正的实现方法，主要针对桶形畸变导致图像边缘物体像素值失真的问题。首先解释了径向畸变的两种类型（桶形畸变和枕形畸变）及其物理原理，接着详细说明了标定参数的保存方式（NumPy二进制或JSON格式）和加载方法。重点阐述了两种OpenCV矫正方法：使用undistort()函数直接矫正单目图像，以及initUndistortRectifyMap()+remap()组合矫正双目图像的方

是由开发者“虾哥”于2024年12月在GitHub上开源的AIoT项目，目标是打造一个低成本、可语音交互、能控制物理设备的边缘AI助手终端。到了今天，项目的描述被精炼概括为：一个基于MCP的聊天机器人|An MCP-based chatbot。作为语音交互入口，小智AI聊天机器人利用Qwen/DeepSeek等大型模型的AI功能，通过MCP协议实现多终端控制。基于 ESP-IDF 的嵌入式固件；配

是由开发者“虾哥”于2024年12月在GitHub上开源的AIoT项目，目标是打造一个低成本、可语音交互、能控制物理设备的边缘AI助手终端。到了今天，项目的描述被精炼概括为：一个基于MCP的聊天机器人|An MCP-based chatbot。作为语音交互入口，小智AI聊天机器人利用Qwen/DeepSeek等大型模型的AI功能，通过MCP协议实现多终端控制。基于 ESP-IDF 的嵌入式固件；配

在人工智能和计算机图形学的双重驱动下，数字人正从科幻概念加速融入现实生活。无论是虚拟主播、企业客服，还是文化传承中的历史名人复刻，数字人正以惊人的速度重塑各行各业的交互方式。本文尝试结合最新行业数据与技术动态，探讨数字人的发展现状、核心趋势与未来挑战。数字人不仅是技术产物，更是人类对自身认知的延伸。随着技术与伦理的协同进化，其潜力将远超当前想象。或许在不久的将来，每个人都能拥有自己的数字分身，成为

本文介绍了计算机视觉中的透视变换技术，这是一种将图像从一个视角投影到另一个视角的基础方法。文章首先解释了透视变换的作用，如将倾斜拍摄的文档"扶正"成正面视图。然后详细说明了OpenCV中两个关键函数：cv2.getPerspectiveTransform用于计算3×3变换矩阵，cv2.warpPerspective用于执行实际变换。通过手动选择角点并计算变换矩阵的示例，展示了如

本文介绍了相机标定的基本概念和OpenCV实现方法。相机标定的核心目的是获取相机内参（焦距、畸变系数等）和外参（位置、方向），以建立图像像素与3D物理世界的精确数学关系。主要内容包括：1）准备工作，如使用9x6棋盘格采集25张不同角度的图像；2）标定步骤，使用cv2.findChessboardCorners检测角点、cv2.cornerSubPix进行亚像素级优化，最后通过cv2.calibra

公司近期购置了两块开发板（Android），一个是RK3288另一个是RK3588。前者应对普通嵌入式场景，后者主打AI机器视觉（边缘计算设备）。下面找了些资料做个对比。一、 制程与架构RK3288采用28nm HKMG 工艺，集成四核Cortex-A17CPU，主频最高1.8GHz，搭配，支持OpenGL ES 3.0、DirectX 11等图形接口。RK3588采用8nm LP 工艺，采用四核

从V1到V4，MobileNet的演进体现了轻量化模型设计的三大趋势：**自动化架构搜索**、**硬件协同优化**与**通用性提升**。随着MobileNet V4在移动生态中的普及，边缘智能将加速渗透至智能安防、工业检测、远程医疗等领域。

RKNN-Toolkit2支持的深度学习框架包括Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet和PyTorch。

Docker启动后，来到rknn_model_zoo中mobilenet的示例目录│ ├── cpp # Cpp项目例子，部署会用到 │ ├── model # 模型目录 │ │ ├── bell.jpg # 例子中用到的待检测图片 │ │ ├── download_model.sh # 下载模型脚本 │ │ └── synset.txt # ImageNet类别标签文件 │ └── python