對於大師兄把葉銘叫過來，楊超雄沒有什麼意見，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滑鼠，只看了下報告後便回頭一笑：“你這傢伙，演算法是你寫的，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，就差拿放大鏡檢查原始碼了。”
“如果是老師的話，肯定會讓你拿放大鏡擼一遍原始碼。”
“大哥，幾萬行程式碼呢。”
“那也得擼。”馬俊呵呵一笑：“你演算法沒問題吧？”
“演算法有問題是跑不起來的，哥。”楊超雄顯然不願意擼原始碼，更不會承認自己演算法有問題，遲疑道：“要不換一個模擬引擎？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麼。
在目前自動駕駛的機器視覺感知測試中，一般有三種方式，一種是基於軟體工程的方法，搭建模型輸入資料進行模擬測試。一種是利用虛擬模擬的方法，用模擬引擎生成三維遊戲畫面來構建虛擬的場景對演算法進行測試。
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，資料可靠，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，以求得資料的相對準確和場景的多樣性。
楊超雄也是用的第二種方法——他電腦的顯示卡是一臺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，楊超雄的演算法跑起來之後，人家丟一塊石頭，或者前車掉一張紙板什麼的，演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裡。
但他知道問題怎麼解決。
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專案沒？”
葉銘微微一怔。
自己不是來打醬油的麼？
還有自己的事啊？
“大概聽明白了。”
“你有什麼想法？”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