本文的图片处理分为图片分割、图像的亚像素坐标处理。亚像素处理的原理可以看论文，该论文的详解及c++的代码实现可以看博文。下面的内容很多来自以上博文的内容，我只是对部分代码做了稍微的修改。

雷达与相机的坐标融合，用python代码写

损失函数

在这里我们用pycharm进行相机标定，用到了opencv库，所以在标定前需要安装好pycharm和opencv库。相机参数的确定过程就叫做相机标定。1.1 四大坐标系及关系。（1）像素坐标系（）

1. DeepSeek-V3是一个强大的专家混合 （MoE） 语言模型，总共有 671B 个参数，每个令牌激活了 37B。2. DeepSeek-V3 采用了多头潜在注意力 （MLA） 和 DeepSeekMoE 架构，实现了高效的推理和具有成本效益的训练。3. DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，目的是最大限度地减少鼓励负载均衡对模型性能的不利影响。并设定了多标记预测训

本文看了博客和博客，将两个博客的内容串着操作了一遍，这里作为笔记用。1.下载下载后打开labelme.exe文件得到如下图：2.新建label保存标签上图中，images是图片的文件夹，json文件是标注后存放json文件的文件夹,然后打开数据集文件进行标注。

点云分割常见算法有欧式聚类、欧式聚类的变种、超体素分割算法和其变种、GrabCut GrabCut算法、随机行走分割算法、随机抽样算法、区域生长算法等。下面分别介绍几种常见的分割算法。

后续就是对模型进行优化了。

该博文已经写的很详细了，在这里作为笔记方便查看。等操作一遍后再更新。

P在相机C1中的成像点是P1，在相机C2中的成像点是P2，但是P的位置事先是未知的。如上图所示，如果左右两个相机很理想，那么它们拍到的物体在同一平面上，并且在图片中的高度也相等（x值相等），那么当我们知道目标在C1图片中的位置坐标时，就可以根据C1图片中的x值去C2图片中找目标物体了。我们的目标是：对于左图的P1点，寻找它在右图中的对应点P2，这样就能确定P点的空间位置，也就是我们想要的空间物体和