Jetson TK1平台实现快速红外图像背景预测算法

红外弱小目标的探测与跟踪对运算硬件和算法的性能提出较高的要求。针对传统背景预测算法串行运算耗时较长的问题,以及经典的通用GPU(Graphic Processing Unit)体积与功耗过大难于整合到红外设备中的问题,提出在嵌入式GPU平台NVIDIA Jetson TK1中实现并行分离卷积的方法,利用CUDA(Compute Unified Device Architecture)实时执行背景预测算法,实现了在嵌入式GPU平台上高效的红外背景预测算法。实验结果表明,在保证正确预测背景的前提下,利用小体积、低功耗的嵌入式GPU平台可以将运算性能提高到串行运算的15倍以上。

基于Jetson TK1和深度卷积神经网络的行人检测

近几年随着ADAS(高级驾驶辅助系统)以及无人驾驶等技术的逐渐兴起,作为ADAS和无人驾驶的关键技术,行人检测成为计算机视觉领域的热点问题。文中针对目前汽车电子系统大多是低功耗的嵌入式系统,提出采用低功耗嵌入式设备为平台配合深度卷积神经网络实现行人检测系统。实验结果表明该系统具有较高的识别率和较快的检测速度,基本满足实时性。

基于Jetson TK1平台的家庭智能健康看护系统研究与实现

文中主要介绍家庭健康智能看护系统的发展,详细阐述了家庭智能看护领域的背景意义、研究目的、采用的主要技术及其特点,并且对基于Jetson TK1平台的家庭智能健康看护系统的原理和实现进行了详细解析。目的在于贯彻并实施预防为主防治结合的健康思想。

一种照度自适应车道检测算法及多核平台实现

针对车道线检测，基于图像白平衡算法和灰度直方图，自适应地提取出感兴趣区域，并自适应确定Canny边缘检测算法的高低阈值。通过对概率霍夫变换得到的直线点集进行RANSAC拟合，满足了在不同光照条件下的自适应车道线检测，并基于英伟达Jetson TK1嵌入式开发板结合开源GUI库Qt，使用其Qt Quick开发出一套车道线检测系统。