对于大师兄把叶铭叫过来，杨超雄没有什么意见，他现在满脑子都是目前测试卡bug的问题。
“你看过课题报告没？”
“还没，刚才看论文去了。”
“嗯，咱们组的课题是辅助驾驶系统中的机器视觉方案，超雄这边负责的是双目相机对环境的动态感知。”
马俊一边介绍，一边留意着叶铭的表情，见后者只是微微点头，并没有露怯后便是微微一笑。
看来老师没抓错人，这小伙起码是有底气的。
“别扯了，快赶紧来帮我瞅瞅。”杨超雄站起身来，把座位让给马俊。
马俊坐下后拖动了几下鼠标，只看了下报告后便回头一笑：“你这家伙，算法是你写的，框架和环境是你搭的，我这能看得出来个毛啊？”
杨超雄一脸的无奈：“……师兄，我是真的检查了好久，就差拿放大镜检查源码了。”
“如果是老师的话，肯定会让你拿放大镜撸一遍源码。”
“大哥，几万行代码呢。”
“那也得撸。”马俊呵呵一笑：“你算法没问题吧？”
“算法有问题是跑不起来的，哥。”杨超雄显然不愿意撸源码，更不会承认自己算法有问题，迟疑道：“要不换一个仿真引擎？我怀疑是引擎和我作对。”
“……”
……
叶铭在听着两人交谈，再加上马俊在一旁解释，明白了杨超雄的任务是什么。
在目前自动驾驶的机器视觉感知测试中，一般有三种方式，一种是基于软件工程的方法，搭建模型输入数据进行模拟测试。一种是利用虚拟仿真的方法，用仿真引擎生成三维游戏画面来构建虚拟的场景对算法进行测试。
最后一种则是直接把机器视觉感知系统放到车上，开车去现实场地测试。
这三种方法各有优劣，虽然说第三种是最贴近现实，数据可靠，但缺点很明显，就是无法满足场景的多样性。
因此绝大部分搞自动驾驶的，都是利用第二种方法来进行测试，以求得数据的相对准确和场景的多样性。
杨超雄也是用的第二种方法——他电脑的显卡是一台3090ti。
目前的问题就是，杨超雄跑测试的时候，总是过不了对做相对运动的物体的轨迹识别——说简单点就是，杨超雄的算法跑起来之后，人家丢一块石头，或者前车掉一张纸板什么的，算法判断不出来落点。
而且还不是每次都判断不出来，是偶尔。
这就有点抓狂了。
嗯……叶铭虽然不知道问题到底出在哪里。
但他知道问题怎么解决。
重写一个。
……
这是马俊突然望向叶铭：“叶铭，你听明白师兄负责的项目没？”
叶铭微微一怔。
自己不是来打酱油的么？
还有自己的事啊？
“大概听明白了。”
“你有什么想法？”马俊笑呵呵地看着他，意味深长地道：“老师说，你在机器视觉上很在天赋。”
马俊的这句话，让一旁的杨超雄倏然一惊，猛地望向叶铭。
叶铭……其实也吃了一惊。
但他马上便摇头笑道：“没有想法，比起杨师兄的环境感知，我做的那机器视觉就是小孩子过家家。”
——他这句话确实说的没错。
虽然他连同假期在内，足足有一个月都在和运动物体的轨迹打交道，但他那些多简单啊……无论乒乓球也好，还是子弹也好，还是rc比赛的球也好，抛物线算一下就知道了，顶多加个速度识别，反正都是遵循物理定律的。
但这边可是搞的自动驾驶的环境感知，你在路上开着车，谁知道会有什么东西飞过来？
纸板，石子，砖头，轮胎，乃至姨妈巾……
总会有让你意想不到的奇怪东西照着你的脸飞过来。
而自动驾驶要做的，就是识别这些东西，并且判定这些东西会不会飞到脸上，以此来决定汽车采取什么行动。
这难度是不可同日而语的。
听了这话，杨超雄的脸上表情一松。
这才对嘛。
再会做自瞄，再会调参，那也不可能和自动驾驶的环境感知