官网只有些，视频资料，没有产品文档

是需要和华为建立合作关系还是什么方式呢？有朋友可以指点一下不？

标题：宁德时代2023款神行快充电池链接：https://bbs.huaweicloud.com/blogs/408706请帮忙看下哪儿有问题？

I want to run the demo resnet50 in my local computer.But I get the error 'no module acl'. I am not sure if  I install some huawei python lib then this error will be solved.

大会介绍：5月27日-28日，GOTC 全球开源技术峰会（（Global Open-source Technology Conference）在上海张江科学会堂成功举办。 GOTC是由上海浦东软件园、开放原子开源基金会、Linux 基金会亚太区和开源中国联合发起的，面向全球开发者的一场盛大开源技术盛宴。 本届大会以“Open Source, Into the Future”为主题，国际开源大咖、专家学者和产业代表齐聚一堂，超 1500 人现场参会， 540 万+人次线上直播观看，全网曝光量达3 亿+( 数据来源：CNCF），共同探讨开源未来，助力开源发展。议题分享：KubeEdge 车云协同平台创新实践讲师介绍：华为云云原生开源负责人王泽锋议题简介：云原生技术栈为软件定义汽车以及车云协同平台打开了全新的演进路径。基于KubeEdge构建车云协同平台，加速了汽车软件平台的云原生化，实现从FOTA到SOTA的架构升级以及车路协同的架构统一。未来社区将继续围绕开源与业界一起推动云原生技术在汽车领域的探索与实践。点击视频观看本次分享精彩回放，添加小助手微信k8s2222回复KubeEdge，进入技术交流群videovideo

[mdc300F 版本] : 105[问题描述]  在使用rtfevent hz 命令查看消息发送频率显示 “no new messages”，但查看接收AP消息的模块日志时能够看到该模块已接收到消息，想问下如何排查rtfevent工具自身的问题？为什么使用rtfevent hz 命令无法看到消息发送的频率？[问题截图]

想将视频流的图像数据转换为opencv可操作的Mat类型，请问如何实现

交叉编译环境编译时未报错，链接时报错：cannot find -lSECUREC-NOTFOUNDmdc610版本：1.1.006 编译环境：交叉编译环境代码building时未报错，在linking时报错：/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/bin/../lib64/gcc/aarch64-target-linux-gnu/7.3.0/../../../../aarch64-target-linux-gnu/bin/ld: cannot find -lSECUREC-NOTFOUND报错时的链接命令：/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/bin/aarch64-target-linux-gnu-g++ -Wl,-rpath-link -Wl,--as-needed -fPIE -pie -Wl,-z,relro -Wl,-z,noexecstack -Wl,-z,now CMakeFiles/node2.dir/node2/main.cpp.o -o node2 -L/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/ara-core/../.. -L/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/ara-com/../.. -Wl,-rpath,/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/ara-core/../..:/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/ara-com/../..:/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib libplateform_lib.a -lSECUREC-NOTFOUND /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/liblogging.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libJsonParser.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libsecoc_library.so -lSECUREC-NOTFOUND /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/liblogging.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libJsonParser.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libsecoc_library.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libara_tsync.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libdiag_agent.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libdiag_common.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libara_exec.so.3.15.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libara_com.so.3.15.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libvcc_ddsdriver.so.3.15.1 -lddscore -lddscpp /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libvcc_someipdriver.so.3.15.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libvrtf_vcc.so.3.15.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libE2EXf_CM.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libE2ELib.so.1.0.0 -lplog -ldp_adapter -lsomeip -lsecoc_library -ldl -lpthread /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/librtf_cm.so.3.15.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libper.so.1.1.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libara_core.so.1.1 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/liblogging.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/liblog.so.1.0.0 -ljsoncpp -lfilemanager -lKeyValueStorage /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/liblog.so /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libJsonParser.so.1.0.0 /usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/libCrc.so.1.0.0 -lsecurec -lvisual -Wl,-rpath-link,/usr/local/mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib分析原因:  应该是securec库没有找到，我自己代码中并没有链接securec库，查看是否是其他库用到了securec库。  找到了mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/ara-com/ara-com-config.cmake、mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/cmake/rtf-com/rtf-com-config.cmake这两个文件中有查找securec库的命令：   securec库有两个实际存在的位置：mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib/aos/libsecurec.so  以及mdc_sdk/dp_gea/mdc_cross_compiler/sysroot/usr/lib64/libsecurec.so暂时解决办法：  1.查阅资料后了解到securec是用于增强代码的安全性，减少常见的安全漏洞和攻击，例如缓冲区溢出、格式化字符串漏洞和内存泄漏等。可在链接时将其去除。  2.手动把libsecurec.so软链接到ara-com-config.cmake中指定的库查找路径中。求助问题：  1.为什么ara-com库链接时无法找到securec库？  2.sdk中有两个libsecurec.so，实际应该用哪个？

当前用的Ascend310，官方YOLOV5S推理时间约380毫秒，SIGMOD函数已被替换，性能上没有明显提升，文档中说的算力为60TOPS，这个时间严重超时，理论上时间应该在3.5毫秒左右，实际上相差了两个数量级，还没有8核CPU推理的速度快，希望提供明确的解决方案

1.工程已经完整正常编译，远程设置也配置完成，但是launch是报获取不到mdc版本。2.mdc版本为

执行mdc-tool upgrade query precheck命令，查询检查结果。报如下错误：

用mindspore框架训练出的mindir格式模型进行推理任务开发，看了 https://www.mindspore.cn/tutorials/experts/zh-CN/r1.8/infer/ascend_310_mindir.html 此篇中的开发环境准备-参考安装指导准备Ascend环境与MindSpore，在实际MDC环境安装Ascend-cann-toolkit_5.1.RC2_linux-aarch64.run时出现下面问题：​从上面看应该是空间资源有限，不让安装Ascend-cann-toolkit。请问mindir格式模型能否直接转成om格式文件，在MDC上无需搭建mindspore框架直接部署，如可以有相关案例可以参考吗？请指导，谢谢！

配置：MDC300 激光雷达：速腾问题：数据透传启动绑定失败1.修改了激光雷达ip和端口之后(发送数据端口和接收端口默认一致）2.将激光雷达链接MDC后(使用四号口），登录MDC可以ping通。3.然后根据文档修改MDC透传配置文件4.然后启动透传服务，显示绑定失败请问这个是什么地方配置有问题吗？

请问速腾的激光雷达连接MDC，需要自己写什么吗？具体的流程是怎样的，有参考的文档吗？

在ADAS传感器（Sensor）解决方案的取舍考量中、摄像头（Camera）、激光雷达（Lidar）、雷达（Radar）三者常常会被用来做比较。论成本，Camera派和Radar派吐槽Lidar实在太贵不适于量产。论局限，Radar派和Lidar派诟病Camera容易受到照明因素的影响。论分类，Camera派和Lidar派嘲笑Radar分不清摩托车和自行车。综合多种因素，各路专家进行总结，整理出类似于下表这样的表格对比优劣决定技术路线进行取，表格虽然不是行业标准，但也覆盖了传感器（sensor）技术路线选择的主要考量的10个重要因素——成本（cost）照明（illumination）噪声（noise）距离（range）分辨率（resolution）天气（weather）速度跟踪（velocity tracking）高度跟踪（height tracking）距离跟踪（distance tracking）目标分类（classification）结合10项因素，可得到三种方案的雷达图如下，可谓是各有所长但还是无法确定何种方案更为适合，因而在实际工作中需要建立一定的评估机制。加上实际过程中考量的权重，例如在可接受范围内对成本的考量一般比对分辨率这一因素的权重会更高，根据如上表格的评价进行评分（0-1000分），各因素的评分值乘以相应权重再相加，整理分值结果如下。由于是个人主观评分缺少一定的专业性，在实际工作中应根据现实情况调整模型和评分。因素(factor)权重(weight)摄像头(Camera)激光雷达(Lidar)雷达(Radar)成本(cost)20846照明(illumination)10488噪声(noise)5844距离(range)15866分辨率(resolution)5864天气(weather)15648速度跟踪(velocity tracking)5668高度跟踪(height tracking)5684距离跟踪(distance tracking)5488目标分类(classification)15886整体(overall)100690590640虽然三者各擅胜场，但综合当下的因素看来，摄像头（Camera）方案的分值最高为690，超过雷达（Radar）的640和激光雷达（Lidar）的590，从这个角度也印证了为何特斯拉选择纯视觉路线的自动驾驶方案。而另一方面，这三条路线评分也随着技术发展发生着动态的变化，例如在特斯拉视觉方案的FSD随着软件技术的加持便可能将环境局限的影响降至最低，而在特斯拉眼中看为昂贵的激光雷达（Lidar）经过华为的入局便可能将成本大大降低。那么在雷达(Radar)这条路线上，有哪些技术手段又能将其加分呢，答案便是机器学习（Machine Learning），以雷达分值较低的目标分类(classification)和高度跟踪(height tracking)这两个维度为例，机器学习便能帮助雷达在这两个方面加分。以下为《人工智能/机器学习从雷达获得最多》一文的个人节选翻译：from-radar分类是车辆识别物体是什么，并更好地预测其行为的方式，这对基于ADAS的所有级别的决策和自动驾驶至关重要。例如，自行车和摩托车有相似的形状和大小，但操作非常不同。要让一辆车对它们做出适当的反应，它必须能够将它们区分开来。分类一直是计算和电力密集型的基于视觉系统的领域。然而，基于视觉的系统包括不必要的信息，如物体的颜色或是否有文字写在上面。在这些系统中，必须丢弃多余的数据，以便ADAS得出相关结论。相比之下，雷达可以更直接地帮助得出这些结论，而且它的性能在恶劣的天气条件下(如雪、雾和大雨)更优越，而且不受照明问题(如黑暗或阳光直射)的影响。Aptiv的先进机器学习技术能够以雷达为中心，更高效地判断物体是其他车辆、行人、自行车还是其他易受伤害的道路使用者，从而对这些物体可能的行为做出更好的结论。该技术为优化现有硬件提供了巨大的机会，同时利用雷达的现有优势，如在杂乱环境中工作的能力，看到周围的障碍，并利用低水平雷达效果来提高高度估计。如果目标分类(classification)和高度跟踪(height tracking)这两个维度的分值能提高到8分，那么雷达路线的能力值将大幅提升——再重新计算分值如下：因素(factor)权重(weight)摄像头(Camera)激光雷达(Lidar)雷达(Radar)雷达+AI(Radar + AI)成本(cost)208466照明(illumination)104888噪声(noise)58444距离(range)158666分辨率(resolution)58644天气(weather)156488速度跟踪(velocity tracking)56688高度跟踪(height tracking)56848距离跟踪(distance tracking)54888目标分类(classification)158868整体(overall)100690590640700这样看来，“雷达+AI”的路线便以700分领先成为最优选了，在其他技术路线止步不前的前提下。转载于汽车电子与软件微信公众号