wly2020-robot

换个读写速度快点的flash会不会好点？

要是这样，内存读写速度跟不上CPU节拍。在硬件层面是不是内存flash与CPU没有搭配好呢？

那我可以理解为在系统或软件层面，不管怎么加速，以当前我的硬件配置，运用这个匹配算法，要满足我耗时200MS以下速率，是做不到的？

我使用的是黑白相机；当前已经对500W像素黑白图像做了1/2的resize处理。但是在arm-linux系统上跑起来耗时在260ms左右，我希望算法耗时能优化在170ms左右就好了。之前有看到你说在TX2上跑130万无ICP像素约150ms,我正在采购130W像素相机和镜头，看看能不能再arm-linux满足精度前提下跑出这个检测速率效果。 ------------------ 原始邮件 ------------------ 发件人: "meiqua/shape_based_matching"

请问在检测的时候能不能优化掉pading? ------------------ 原始邮件 ------------------ 发件人: "meiqua/shape_based_matching"

我说的检测流程中的pading哦,不是train中的pading.

我测试了，在去掉检测流程中关于padding相关代码，定位会有一个比较大的偏移。 去掉padding相关代码： cv::Mat padded_img = cv::Mat(processImage.rows + 2 * padding, processImage.cols + 2 * padding, processImage.type(), cv::Scalar::all(0)); processImage.copyTo(padded_img(cv::Rect(padding, padding, processImage.cols, processImage.rows))); 修改代码： float train_img_half_width = templWidth / 2.0f + padding;...

我的是加了icp的。 考虑到检测点数，在train中加了padding;在检测流程中，考虑检测耗时，没有加pading。修改padding相关的代码，发现定位有很大偏移。 下面是检测不正常偏移的效果图： 

嗯，调整过来了，去掉padding,得到检测速率去到170ms左右。谢谢

经过测试，被测试目标轮廓也复杂或者背景轮廓复杂，这个检测耗时会有大幅度提升，请问这是正常的吗？如果是正常，能否做优化？谢谢。