利用Python-to-MATLAB嵌入式目标平台集成的框架

技术是不断发展和人工智能和机器学习是当今发展最快的技术之一,使各行业产生实实在在的影响。ayx爱游戏平台Python是一种流行的脚本语言开发人员使用的算法和系统设置。这是一个高级编程语言开发了在1990年代,容易用英语阅读和写作。Python提供了一种简便的接口与一个详尽的图书馆,这有助于开发算法容易。它提供了成千上万的模块,帮助开发人员使用和访问各种api。Python使用尽可能多的为发展小任务来实现复杂的大型工业项目。ayx爱游戏平台几个复杂的算法基于OpenCV相机对象检测和人脸识别是很容易在Python开发的。越来越多的行业专家成立了一个社区的开发者应用汽车先进驾驶辅助系统(ADAS)的应用程序模块使用传感器融合雷达和超声波等支持。

Python帮助开发人员更有效率和整个开发部署阶段增加信心。但部署在不同的执行目标平台是一个复杂和困难的,因为巨大的规模和复杂的代码库。大多数目标平台不支持Python脚本执行代码,需要在C或c++头文件。Python脚本转换为C / c++编程也是可能的,但Python库太大而复杂的转换成C / c++代码。

MATLAB作为开发工具

由于Python是成为瓶颈的时候部署在目标平台,另一种流行的工具,MATLAB,由MathWorks管理,用于在这个领域发展,虽然M-script,类似于Python脚本,使用MATLAB作为开发的脚本语言。MATLAB的优势是,它有一个代码生成功能,生成的代码为一个特定的目标平台基于需求。这个特性使得部署周期更容易和Python相比没有bug。

MATLAB是一种专有的工具使用的几个大公司基于模型的开发。汽车项目主要使用MATLAB作为开发工具来处理复杂性,和基于模型的开发很容易开发算法和调试缺陷的可视化流模型。然后这个开发模型转换成C / c++代码直接使用代码生成功能,可以部署到硬件上。

MATLAB起着至关重要的作用在发展中ADAS的解决方案,这是相机、激光雷达、雷达等,因为它提供了不同的库开发、模拟和测试。MATLAB具有不同的应用程序创建实时场景,帮助开发人员测试算法评估实时行为和解决的bug。

MATLAB v / s Python

Python-to-MATLAB框架

解决Python库和模块之间的差距和MATLAB代码生成,您需要一个框架,它充当一个转换器或Python和MATLAB之间的一座桥梁。这个框架可以作为Python和MATLAB之间的中介。它将转换M-script的Python脚本,然后可以被转换成相应的目标平台代码使用代码生成。

这个框架将所有支持功能和api转换成M-script,可进一步转化为有针对性的代码。复杂的库和模块可用在Python中用于算法开发。一旦准备好执行整个算法,这个框架可以将它转换成M-script。算法可以实时测试行为的模拟,可以部署或集成到目标板使用代码生成功能。

流c哈特为的Python- - - - - -来- - - - - -米- scriptframework

ADAS的解决方案,MATLAB提供了深度学习工具箱,补充这个框架在解决方案开发使用机器学习和人工智能。例如,车辆检测算法的转换框架可以随着深度学习工具箱用于更好的精度和预测。深度学习工具箱提供了支持多个算法以类似的方式。此外,MATLAB的特点自动标签根据需求如videolabeler和imagelabeler使用它的应用程序。

优势

• 更快的上市时间减少部署和调试时间。
• 发展更容易大量开源材料可以在Python。

这个Python-to-MATLAB框架的关键产业的发展今天,大多数行业使用Python和MATLAB开发。ayx爱游戏平台因此桥梁从Python /连接器框架转换到MATLAB将为开发人员解决瓶颈问题,帮助产品达到市场更快更好的软件质量。

案例研究

开发和部署ADAS的目标检测算法

开发这个算法、数据收集、清洁、和注释可以使用Python,因为它有许多库。这加速了这个过程。该算法可以在Python或MATLAB开发,根据需求。MATLAB有助于开发相关的算法有关ADAS ADAS更快,许多图书馆,和AI / ML-ADAS算法是可用的。如果Python是用于算法开发,这个框架可以从Python转换算法MATLAB和部署它直接在目标设备上使用代码生成功能。

如果使用MATLAB算法开发工具,然后使用这个框架,数据清洗过程将被转换成一个MATLAB脚本。其余的开发和部署过程将在MATLAB完成。

关于作者

满足Rajeshbhai Dedakiya数据科学家,追求从位Pilani数据科学硕士学位。他有超过5年的汽车行业经验和建立新的端到端解决方案感兴趣,促进人类福祉和环境保护发展中不同的模型。