[TOC] image_transport ROS image_transport 懒发布机制 没有订阅者不会发布 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 void Publisher::publish(const sensor_msgs::msg::Image & message) const { if (!impl_ || !impl_->isValid()) { // TODO(ros2) Switch to RCUTILS_ASSERT when ros2/rcutils#112 is merged auto logger = impl_ ? impl_->logger_ : rclcpp::get_logger("image_transport"); RCLCPP_FATAL(logger, "Call to publish() on an invalid image_transport::Publisher");

[TOC] V4L2时间戳 时间戳存储在struct v4l2_buffer的timestamp字段中： 1 2 3 4 struct v4l2_buffer { // ... 其他字段 ... struct timeval timestamp; // 时间戳（秒 + 微

在深度学习与视觉大模型兴起之后，GMM 这类传统建模方法在工程上的地位稍微靠后一些，但仍然非常适合作为：

• 对视频流进行 前景/背景快速分离 的预处理模块（减少后端检测输入的无效区域）；
• 对复杂场景下的 长期/短期背景变化 做可解释的分析（如光照、阴影、场景切换）；
• 在算力有限、对精度要求不极致的场合（简单监控、IoT 终端）做轻量化运动检测。

与之对应，现代视觉系统往往会把「传统图像算法 + 深度网络」组合起来使用：

• 传统方法（直方图、滤波、形态学、GMM 等）负责做简单可靠的 几何/统计处理；
• 深度网络负责高层语义理解，如目标检测、语义/实例分割、重识别等；
• 在 2023–2025 年流行的视觉大模型（如各种 ViT、DETR、以 DiT 为代表的扩散 Transformer）中，传统图像算法更多作为数据预处理、数据增强或后处理的一部分出现。

---

title: “ImageAlgorithm:图像算法” date: 2023-02-09T14:32:52+08:00 lastmod: 2023-02-09T15:11:52+08:00 draft: true description: “相机基础介绍” lightgallery: true tags: [ImageAlgorithm] categories: [计算机视觉]

bitrate=500000 peak-bitrate=500000 bitrate：设定编码器的目标平均比特率。 peak-bitrate：设置编码过程中允许的最大瞬时比特率。 CBR 与 VBR 模式对比 CBR（恒定比特

1 GMainLoop *g_main_loop_new(GMainContext *context, gboolean is_running); 参数说明 context: 主上下文，用于管理事件源。如果为 NULL，则使用默认的主上下文 is_running: 是否立即启动循环。通常设置为 FALSE，稍后手动启动 功

PyQt5 + GStreamer 的 RTP/H264 播放器 [TOC] 创建 Conda 环境 1 2 conda create -n rtp_player python=3.9 pyqt=5.15 gst-plugins-base gst-plugins-good gst-plugins-bad gst-plugins-ugly -c conda-forge conda activate rtp_player 安装额外依赖 1 2 3 4 5 6 7 # 安装 OpenCV（用于视频帧处理） conda install opencv -c conda-forge # 安装