基于Mongoose平台搭建了视频质量服务系统，该系统的主要功能包含生成base64图像数据、接收postman的数据参数推送、视频质量算法分析以及处理结果的指定地址推送功能，该系统已经在windows、centos、kylin、ubuntu等系统上做过相关适配工作，算法已经达到商业级应用需求。这次把之前积累的单机版工具和算法的server版本都做了说明，并记录一下自己的成果，深度学习数据搜集以及

一、采用yolo v3来对火焰进行检测：网址：https://github.com/AlexeyAB/darknet二、yolo v3 训练方式请参考，https://blog.csdn.net/zhulong1984/article/details/82344685；三、训练的部分数据，链接：https://pan.baidu.com/s/1spcwJrK0eMwgHXkslImUg...

本文介绍了一种基于扩展卡尔曼滤波(EKF)的IMU-DVL融合导航系统。该系统通过融合高频IMU数据(200-250Hz)和低频DVL数据(10Hz)，实现高精度的位置、速度和姿态估计。系统具备姿态解算、速度估计、位置积分、零偏标定等功能，并采用中值滤波抑制噪声。输入数据包括IMU和DVL的标定数据及测量数据，经过标定校正、单位转换和滤波处理后输出融合结果。系统在DVL有效时使用其速度修正，失效时

最近项目开发涉及了一些AI算法移植到边缘计算盒子上，调研了寒武纪MLU220、比特大陆SM5和华为310的模组，对相关的资料进行整理工作，理论上来说比特大陆SM5的移植还算比较友好一些。

传统的视频质量诊断算法已经满足不了多数项目的需求，需要结合深度学习的方式来综合判断，达到提升精度的目的，深度学习视频诊断。

Yolov8 Opencv C++系列保姆教程，通过一个红绿灯识别的案例，实现了Yolov8 的应用全流程的过程，整个算法最终只依赖了opencv，部署会更加方便、易用。基于Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。

本文针对无人机在船舶上的自动降落问题，提出了一套完整的算法设计方案。系统采用多线程架构，分别设置 30ms 导引线程、60ms 船位线程与 50ms 状态发布线程，通过共享状态、非阻塞队列及互斥锁机制实现线程间安全通信，保证系统实时性与运行稳定。核心制导算法基于 ZEM/ZEV 原理设计，可实现无人机在有限时间内精准趋近船舶并将相对速度降至零，满足平稳降落要求。为贴合海上实际环境，采用 Ornst

本项目作为一个小科研课题，分析当前电梯禁入电动车和自行车监控情况，搜集市场上的一些关键性，且有用的数据集，并对数据集进行了标注工作，数据集的格式声明：数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)。

Yolov8 Opencv C++系列保姆教程，通过一个红绿灯识别的案例，实现了Yolov8 的应用全流程的过程，整个算法最终只依赖了opencv，部署会更加方便、易用。基于Yolov8训练自己的数据集，实现红绿灯识别及红绿灯故障检测 ，红绿灯故障识别。

安装完系统后，直接ALT+CTRL+F1，进入超级终端模式，之后先安装显卡的驱动，之后再安装cuda，然后所有的应用都可以继续安装了。