第021章 區別對待

對於大師兄把葉銘叫過來，楊超雄沒有什麽意見，他現在滿腦子都是目前測試卡BUG的問題。

“你看過課題報告沒？”

“還沒，剛才看論文去了。”

“嗯，咱們組的課題是輔助駕駛系統中的機器視覺方案，超雄這邊負責的是雙目相機對環境的動態感知。”

馬俊一邊介紹，一邊留意著葉銘的表情，見後者只是微微點頭，並沒有露怯後便是微微一笑。

看來老師沒抓錯人，這小夥起碼是有底氣的。

“別扯了，快趕緊來幫我瞅瞅。”楊超雄站起身來，把座位讓給馬俊。

馬俊坐下後拖動了幾下鼠標，只看了下報告後便回頭一笑：“你這家夥，算法是你寫的，框架和環境是你搭的，我這能看得出來個毛啊？”

楊超雄一臉的無奈：“……師兄，我是真的檢查了好久，就差拿放大鏡檢查源碼了。”

“如果是老師的話，肯定會讓你拿放大鏡擼一遍源碼。”

“大哥，幾萬行代碼呢。”

“那也得擼。”馬俊呵呵一笑：“你算法沒問題吧？”

“算法有問題是跑不起來的，哥。”楊超雄顯然不願意擼源碼，更不會承認自己算法有問題，遲疑道：“要不換一個仿真引擎？我懷疑是引擎和我作對。”

“……”

……

葉銘在聽著兩人交談，再加上馬俊在一旁解釋，明白了楊超雄的任務是什麽。

在目前自動駕駛的機器視覺感知測試中，一般有三種方式，一種是基於軟件工程的方法，搭建模型輸入數據進行模擬測試。一種是利用虛擬仿真的方法，用仿真引擎生成三維遊戲畫面來構建虛擬的場景對算法進行測試。

最後一種則是直接把機器視覺感知系統放到車上，開車去現實場地測試。

這三種方法各有優劣，雖然說第三種是最貼近現實，數據可靠，但缺點很明顯，就是無法滿足場景的多樣性。

因此絕大部分搞自動駕駛的，都是利用第二種方法來進行測試，以求得數據的相對準確和場景的多樣性。

楊超雄也是用的第二種方法——他電腦的顯卡是一台3090Ti。

目前的問題就是，楊超雄跑測試的時候，總是過不了對做相對運動的物體的軌跡識別——說簡單點就是，楊超雄的算法跑起來之後，人家丟一塊石頭，或者前車掉一張紙板什麽的，算法判斷不出來落點。

而且還不是每次都判斷不出來，是偶爾。

這就有點抓狂了。

嗯……葉銘雖然不知道問題到底出在哪裏。

但他知道問題怎麽解決。

重寫一個。

……

這是馬俊突然望向葉銘：“葉銘，你聽明白師兄負責的項目沒？”

葉銘微微一怔。

自己不是來打醬油的麽？

還有自己的事啊？

“大概聽明白了。”

“你有什麽想法？”馬俊笑呵呵地看著他，意味深長地道：“老師說，你在機器視覺上很在天賦。”

馬俊的這句話，讓一旁的楊超雄倏然一驚，猛地望向葉銘。

葉銘……其實也吃了一驚。

但他馬上便搖頭笑道：“沒有想法，比起楊師兄的環境感知，我做的那機器視覺就是小孩子過家家。”

——他這句話確實說的沒錯。

雖然他連同假期在內，足足有一個月都在和運動物體的軌跡打交道，但他那些多簡單啊……無論乒乓球也好，還是子彈也好，還是RC比賽的球也好，拋物線算一下就知道了，頂多加個速度識別，反正都是遵循物理定律的。

但這邊可是搞的自動駕駛的環境感知，你在路上開著車，誰知道會有什麽東西飛過來？

紙板，石子，磚頭，輪胎，乃至姨媽巾……

總會有讓你意想不到的奇怪東西照著你的臉飛過來。

而自動駕駛要做的，就是識別這些東西，並且判定這些東西會不會飛到臉上，以此來決定汽車采取什麽行動。

這難度是不可同日而語的。

聽了這話，楊超雄的臉上表情一松。

這才對嘛。

再會做自瞄，再會調參，那也不可能和自動駕駛的環境感知比啊！

馬俊也呵呵一笑：“嗯，那要不你就和超雄一組——當初我問了老師，老師也是這麽建議的。”

葉銘望向楊超雄，只見後者也望向他，兩人對視了一眼，似乎覺得對方都和胃口，當下便默契的一笑後同時點頭。

接下來的幾天，葉銘便開始了晚上去備賽館該方案，白天去課題組看文獻、完善代碼，寫論文的作息時間。

當然，他也會跟著楊超雄混一下，打打下手，跑跑代碼之類。

然後，等到第二周，他便迎來了自己人生中的第一次課題組會。