小裘控制系统

  NAND Flash的读写之前已经写过一篇NAND Flash驱动相关的文章了，处理器用的是TI的8核DSP TMS320C6678，为了后续用它做大批量的数据处理，而现在有苦于暂时没有数据源，所以想先在Flash里存好待处理的数据，后面用起来方便一点。   为了准备尽可能多的数据，128MB容量的NAND Flash，我准备往里面写125MB。   一开始我特别激动，我就准备把这些数据写成常量，然后放到工程里一起编译，最后用仿真器下载进去。这一个数据文件就得几百兆。   后来试了一下发现，这文件太大了，CCS也扛不住，CCS还提示了“JVM heap low detected”，后来我还不死心，想办法提高CCS的heap size，但都没有很好的效果。125M数据确实有点多。   为了解决这个问题，我就想用串口吧。因为现在板子上6678能跟上位机直接通信的除了JTAG，也就只有串口了。但串口的速度又快不上去，虽然能够做，但是做出来还是让人哭笑不得。   最后我用了3M的波特率（USB转422用的FT232，最高只支持3M波特率），然后实际传输的过程中受到NAND Flash写入 ...

  这两天折腾了一些不是那么有用的东西，用CMake构建CCS工程，以及编译EMCV Library（嵌入式计算机视觉库）。为什么说不是那么有用呢？因为虽然可以用CMake编译TI的CCS工程，但是调试还是离不开CCS。用CMake只是让程序编写的开发环境变得轻便了，可以在VS Code的界面下完成代码编写和编译，但最后Emulation还是得用CCS。另外，EMCV是OpenCV1.x移植到C6000 DSP上的计算机视觉库，一开始我没注意OpenCV的版本，原以为现有的软件算法能够比较方便地移植到DSP上，但是OpenCV1.x基本已经没有人用了，数据类型的定义和OpenCV3有较大的差别，所以我暂时还没有用上这个库，只是编译了一下。 CMake入门 CMake官网教程 CMake Tools for Visual Studio Code   我现在用的CMake是3.22.1版本，网上有很多CMake的教程，官网的教程挺好的，从建立工程，到添加库，package，install，export可以说把编译C/C++工程的方方面面都涉及了。但也正是因为它覆盖全面，所以它不可能方 ...

  QS世界大学排名有两个官方的网站，一个是国际网站，另一个是国内网站，上面的数据应该都是一样的，只是一个是英文，一个是中文。 综合排名   qsChina，也就是国内网站上的QS排名数据获取相对比较方便，因为它可以选择每页显示所有数据，而国际网站上的那个则每页最多100条数据。虽然有这样的问题，但我最后还是选择国际网站上的数据，因为有些大学的中文翻译很奇怪。   我主要采用的还是selenium，这个虽然很慢，但是比较稳定。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061#encoding=utf-8from selenium.webdriver import Edgefrom selenium.webdriver.common.by import Byimport timeimport xlsxwriterWorkbook = xlsxwriter.Workbook("QSRank2022.x ...

  实现这一个功能主要用到了selenium、mitmproxy和wechatarticles，利用selenium可以实现脚本模拟浏览器访问，mitmproxy配合wechatarticles获取文章信息。 参考文章： python爬取微信公众号文章（包含文章内容和图片） 记一次微信公众号爬虫的经历（微信文章阅读点赞的获取） 微信公众号文章全自动采集（使用mitmproxy抓包，然后用pywinauto实现自动点击）微信app_msg动态获取 selenium   selenium有一个官网，建议通过官网的教程入门。Getting Started主要有两步（我用的是python）,一个是安装python的包，另一个就是还要下载浏览器的驱动文件，并且设置好环境变量。 mitmproxy   mitmproxy也有一个官网，在官网文档里的Getting Started里面写了，它默认监听本地的8080端口。有了这个代理，我们就可以获取网络传输中的数据包，要把它用起来就需要对代理进行设置。因为后面需要微信客户端的数据包收发进行监听，所以我直接对系统的代理进行了设置。   可以直接在wi ...

  最近有一个需求，就是我有一列数据，这列数据中的每一行表示完成某一项目的所有单位，我想统计这一列数据中，不同单位两两之间的合作次数。数据格式如下： 12345678910a;a;b;ca;c;b;d;eb;f;g;h;i;ja;g;ha;kd;l;ma;c;g   上面的每个字母都表示单位名称，不同单位之间用“;”隔开。实现功能的代码如下： 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869# gen_matrix.pyimport pandas as pd# 将原始数据存在list.txt文件中，并且放在和这一脚本文件相同的目录下fp_list = open('list.txt',encoding='utf-8')# 初始化一个字典，用于存放所有矩阵数据，矩阵数据用“二维”字典存放matrix = {}# cnt计数用 ...

  US News的大学排名数据获取有一点点复杂。US News 2022 Best Global Universities Rankings网页是动态刷新的，数据量也比较大。数据获取总共分为三步： flowchart LR id1(获取大学基本信息)-->id2(获取每所大学的详细信息)-->id3(各学科各大学排名指标) 获取基本信息   在不断下拉的过程中打开F12调试工具，可以看到有一个“search？format=json&page=”开头的包，这个包的响应里面就有一些大学的基本信息。每个响应包里有10所大学的信息。   再看这个包的标头，就可以找到它的“请求URL”，我们也只要发这个请求URL，就可以获取相应的响应包。总共有2005所大学，所以只要循环201次即可。 1234567891011121314151617181920212223#encoding=utf-8import requestsimport timefp = open('collegeInfo.txt', 'w', en ...

THE大学排名   THE大学排名的数据比较容易获取，THE大学排名2022，所有数据都可以在这一个网页中找到。 “any subject”下拉菜单中可以选择不同学科，如果不选的话那就是综合排名； 不需要翻页，一页就是一个学科； 每种学科（包括综合排名）排名都可以写入一个excel中； 每种学科排名有两个标签栏中的数据需要获取，一个是“Rankings”，一个是“Scores”。   遇到的问题是，“any subject”的“select”是不可见的，所以不能用selemium的Select方法，解决方法就是用js脚本让它显示出来： 1234#get select object and make it visiblesel = Select(driver.find_element(By.XPATH, '//*[@id="subjects"]'))js = 'document.querySelectorAll("select")[3].style.display="block";' ...

  每次ESI数据更新之后，有些文章是热点文章，有些文章是研究前沿，就如下图中的红框标示出来的一样。但这部分数据，主要是研究前沿的文章，在ESI导出的数据中看不到。所以需要想办法获取这部分数据。 获取数据   观察发现，每次翻页，都会有下面这样的一个请求包被发送，并获得json格式的数据，因此我们只要照着它的请求方式发送请求，就能获得相应的数据。   直接发请求是拿不到数据的，需要带上cookies。所以我用selenium模拟浏览器登录，然后获取cookies。在用requests发请求的时候，带上这个cookies就可以拿到json格式的数据。具体代码如下，需要输入自己的ESI帐号和密码。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899# esi_ar ...

  MOSSE是在Visual Object Tracking using Adaptive Correlation Filters这篇文章中提出来的，MOSSE的全称是Minimum Output Sum of Squared Error，令平方误差和最小来计算得到滤波器。 算法流程   相关滤波很容易理解，一帧图像经过相关运算（滤波器）之后得到的响应图中，响应最大的位置就是目标所在的位置。这个相关计算的模板也就是滤波器，它滤除了和它不相关的内容。 相关运算和卷积运算   相关Correlation和卷积Convolution有着紧密的联系。以一维的情况考虑。f[n]f[n]f[n]是原始序列，h[n]h[n]h[n]是滤波器，在它们都是实数的情况下，相关运算结果g[n]g[n]g[n]可以表示为： g[n]=∑τ=−∞∞f[τ]h[n+τ]g[n] = \sum^{\infty}_{\tau=-\infty}f[\tau]h[n+\tau] g[n]=τ=−∞∑∞​f[τ]h[n+τ]   两者卷积的结果为： f[n]∗h[n]=∑τ=−∞∞f[τ]h[τ−n]f[n]\ast ...

引言   最近刚开始看论文，以前都是看数据手册，参考手册，User Guide， Application Note这类，就没好好看过论文。现在开始入门目标跟踪这一块，希望先熟悉一些算法，然后再去尝试嵌入式平台上的实现。   A Review of Visual Trackers and Analysis of its Application to Mobile Robot，2019年的一片目标跟踪相关的论文综述，大致介绍了目标跟踪算法的发展历程。 笔记 零碎的笔记   传统的目标跟踪算法，主要是用数学公式预测轨迹，而现在的目标跟踪算法则是把检测算法，跟踪策略，更新策略，在线分类等结合在一起，更加复杂。   文章中的表1给出了今年的一些数据集。表2给出了一些常用的特征。   目标跟踪的算法大致分为两种，不管是哪一种，特征提取非常重要！！一种是generative method，生成式方法，建立目标的模型后用模板匹配的方式找目标。另一种是判决式方法，discriminative method，它不生成模型，而是直接用神经网络判断是不是目标或者给出目标的概率。   跟踪的算法以前是用来解决检 ...