最直接用到的 AI 技术是图像抠图算法（image matting）。但为了得到更好的抠图效果，目前很多抠图技术都采用多种算法结合的解决方案，还包括显著性物体检测、图像语义分割和实例分割等算法。 相比图像抠图，视频抠图算法最大难点是时序一致性。对于视频抠图结果，一帧帧看结果都很不错，但是连在一起，边缘地区就会有抖动，抠图时序的一致性不够好。视频智能抠图技术就是在图像抠图技术基础之上，增加视频物体分割等算法来保证视频抠图结果的时序一致性，达到“抖动小，更平滑”的分割效果。期望达到的效果：抠图后，视频中的人神情、动作非常生动、自然，人物的头发丝纤细可见，视频主体人物和背景的衔接流畅，能够准确区分，整个画面很完整。 视频的前景和背景颜色比较接近，在这样的情况下，要保证抠图对象的完整性和局部细节的精确度，所需的技术难度较高，尤其对于头发丝、衣服褶皱等抠图精细程度高的部分。视频人物抠图，从人物分割来看，算法模型需要学习人物的先验知识，在前景 / 背景颜色比较接近和复杂纹理的情况下，人的先验知识可以起到重要的作用，能保证抠图对象的完整性。 为了既保证对象的整体性，又能得到精确的局部细节，从算法角度，高层特征和低层特征需要很好的融合在一起。目前很多图像分割网络，例如 HRnet 在这方面都处理得比较好。任海兵团队参考 HRnet、Deeplab V3+ 等语义分割网络提出了对应解决方案，该方案目前在最重要的语义分割数据集 Cityscape Test 数据集上达到了 84.3% 的正确率。 目前特别智能的抠图算法，特别是视频抠图算法，还处于实验室研究阶段。算法特别复杂，需要大量的计算资源，且算法本身也不是特别成熟，在通用场景和复杂场景下达不到用户的预期，因此只在某些特定的领域内针对具体场景进行优化，达到小范围的商用。市面上，商用软件中的抠图算法，需要处理更加通用的场景，加之受计算资源限制，无法使用特别复杂的算法，还达不到特别的智能。深度学习在像素级分类任务上取得了较大的进展。智能抠图相关的算法，例如图像物体分割、视频物体分割、Image Matting 等也取得了较大的进步。视频抠图在实现高度智能、大规模商用方面的潜力值得期待。

灯检机的每秒钟需要快速保存药瓶的图像，对png图像编码算法的实时性要求比较高，考虑通过GPU对相应的编码算法进行加速，从80~90ms加速到13ms左右

1.负责德尔福ESR/SSR以及大陆ARS408毫米波雷达和的数据接口，完成其在不同硬件平台（X86/arm/arch64），不同系统（Windows/Linux）下的数据解析工作。利用激光雷达、惯导、方向盘转角、横摆角等多种传感器对毫米波雷达数据进行测试验证。 2.激光雷达目标感知算法移植 2.1在RK3399上完成激光雷达感知算法依赖的PCL和OpenCV库移植工作，验证RK3399作为激光雷达感知算法硬件平台的可行性。 2.2设计和实现激光雷达感知模块多线程框架，将激光雷达点云数据实时解析与代码集成，分析点云目标检测的性能瓶颈。 2.3利用多线程、OpenMP、GPU OpenCL等多种手段进行优化测试，最终基于RK3399硬件平台将激光雷达感知帧率从1fps以下逐渐提升到9.6~9.9fps，延迟降低到100~110ms。 3. 组合定位的嵌入式移植与测试 3.1对组合定位算法的计算复杂度进行了详细分析和测试，整个系统包括6个线程：分别是imu数据接收和解析、激光雷达数据接收、激光雷达数据解析、点云局部地图构建、激光雷达定位、定位融合。 3.2完成点云地图创建算法的优化。点云地图的更新与匹配是算法的瓶颈，首先考虑将该模块进行gpu移植，但是由于数据量非常大，在数据传输上消耗的时间比较多，总的加速效果并不明显。通过进一步分析算法，局部地图并不需要每次重新创建。因此设计了一种新的点云局部地图更新方式，保留第一次N帧点云数据创建的地图，以后每次只对最新帧的点云数据进行运算，然后根据运算结果对地图进行相应的更新，可以比较明显的降低运算量。通过这种方式优化后，该模块的耗时可以保持在100ms左右。 3.3分析激光雷达定位模块的并行性。其中粒子滤波搜索算法的并行度很好，但是内部调用了一些openCV库函数。目前完成了该模块所有函数的C语言改写，包括图像转换、直方图均衡化等。 3.4充分利用TX2嵌入式平台的计算资源，将激光雷达局部建图部分移植到GPU上，并对CUDA代码进行有针对性的优化和测试。该部分时间从原来ARM平台上的220~280ms降低到相对稳定的60~70ms。分析粒子滤波搜索算法的并行性，在ARM平台上利用多线程将耗时从90~150ms降低到70~80ms。将TX2调整到最优性能，算法稳定工作后，实测分析CPU占用率为300%~350%。CUDA核函数blockNum和ThreadNum等参数也已经接近最优值。 4.在公司自研Gemini硬件平台上完成激光雷达感知、组合定位、感知融合、决策规划模块的移植和测试。 5.负责系统底层通信库代码实现和维护。基于UDP组播，采用C语言实现协议无关的通信库函数