任务4.5 基于ADSF的目标检测算法开发-工作页（含答案）

任务4.5基于ADSF的目标检测算法开发工作页姓名班级学号实训室小组时间接受任务目标检测作为智能领域的核心基础，在智能驾驶中已经有相对成熟的应用。然而，基于AdaptiveAUTOSAR的算法开发需要复杂且繁琐的配置过程，我们将探索如何在ADSF框架中更简洁地开发目标检测算法。收集信息Camera目标检测算法开发查阅学生手册任务4.5基于ADSF的目标检测算法开发，查阅学生手册任务4.5基于ADSF的目标检测算法开发，填写以下Camera目标检测算法开发相关资料。MDC针对NN（NeuralNetworks）神经网络，配备专门的NN加速引擎，NN加速引擎在软件上分为四层包括：Device层、Context层、Stream层、Task/Kernel层。ADB提供一套统一的接口，包括公共接口与基础算法接口，可实现MDC硬件加速的功能。ADB的接口API一般以Haf开头。代码开发阶段：调用框架初始化、NN初始化、获取输入图像、图像预处理、模型推理、解析结果并发送。代码开发完成后，还需要修改框架的配置文件Config.yaml，每个框架都有一个需要配置的Config.yaml文件，配置文件中定义了日志模式、日志级别、框架输入输出的端口（instanceid）等重要信息。Lidar目标检测算法开发查阅学生手册任务查阅学生手册任务4.5基于ADSF的目标检测算法开发，填写以下2、 Lidar目标检测算法开发相关资料。基于ADSF框架的Lidar目标检测算法开发流程与Camera目标检测算法的开发流程类似，总共分为5个步骤：框架选择、开发过程、编译、运行、可视化。Lidar目标检测框架提供了Init()、Stop()、GetLidar()、SendObject()通信接口来完成通信服务的启动、停止及消息收发的功能。在编译过程中，使用MDS工具导入整个ADSF_Sample工程，并使用CMake和Make工具实现工程的编译，该过程将源文件编译为MDC上可运行的目标文件；Lidar目标检测应用可以运行在mini和Host，mini和Host二进制文件依赖不同，涉及AI算力的应用只能部署在mini。为了能够快速查看MDC的激光雷达数据，在版本中内置了Lidar可视化应用，需要在MDC和MViz上运行相应的操作和配置。在MDC上操作完成后，开发者还可以到上位机进行3D障碍物可视化的操作，调用viz-lib的接口发送ObjectArray数据。

制定计划序号工作步骤编辑模式/功能注意事项预计用时

操作实施摄像头数据可视化作业内容作业项目作业示范启动mviz£打开终端£启动ROS系统的核心节点£启动MViz启动摄像头£登录mdc账户£启动脚本文件£勾选MDCVision£摄像头界面摄像头实时检测作业内容作业项目作业示范导入工程文件£启动MDS£确定工作空间路径£点击导入选项£选择导入类型£选择导入项目的路径£选择cam_det项目文件夹£完成工程导入£导入成功源码编译发送£编译程序£进入运行配置（轨迹追踪）£完成运行配置（轨迹追踪）Executable：________Connetion：________FilePath：________£运行程序（轨迹追踪）£进入运行配置（定位）£完成运行配置（定位）Executable：________Connetion：________FilePath：________£运行程序（定位）在MDC上运行定位应用£打开终端框£登录mdc账户£移动定位应用的文件路径£执行定位应用在MDC上运行轨迹跟踪应用£新建终端标签页£登录mdc账户£移动定位应用的文件路径£执行定位应用

五、检查评价检查与评分表序号评价标准评价类型评分（客观10-0分）（主观10-9-7-5-0分）自我评分教师评分1知识点一：能理解自动驾驶系统ADSF框架在开发中的作用客观评价2知识点二：能描述基于ADSF框架的目标识别开发流程客观评价3技能点一：能掌握目标检测算法中各工具的使用客观评价4技能点二：能运用开发手册查阅api接口相关信息客观评价5技能点三：能总结归纳Camera和Lidar开发流程的异同点客观评价6素质点一：通过学习摄像头和激光雷达的接入方法，培养学生的研究兴趣；主观评价7素质点一：了解国内汽车市场现状，激发学生科技强国的责任感；主观评价8素质点一：通过对摄像头数据的可视化，培养学生综合分析能力。主观评价总分

六、总结反思总结反思表你认为在摄像头数据可视化或