新闻详情

新闻详情

首页 / 资讯中心 / 详情

VM模块开发 C++ 工程配置

发布时间:2026/11/17 12:27:41来源:尧图网络
VM模块开发 C++ 工程配置
介绍VM的开发模式:VM 开发模式分为 VM SDK 开发、算子 SDK 开发、算子模块开发。 三者的架构关系如下 由上图可知VM SDK 开发依赖于 VM算子模块开发给 VM 补充算法模块算子 SDK 开发则 依赖于算子安装包。由于 VM 安装包含算子安装包因此统一建议安装 VM。 聊完三者的架构关系下面介绍 VM 应用及开发模式的适用场景。 1. VM 应用 简单应用场景VM 能够实现业务逻辑无定制界面需求无外围(数据库、图表统计)功能需求。 该模式无需任何开发轻松上手调参方便。 2. VM SDK 开发(亦称 VM 二次开发) 用户希望部分业务逻辑由自己实现(例如定位计算等)有定制界面和外围功能需求或希望把 VM 嵌入客户开发的软件中。该开发模式代码量少、开发周期较短且 VM 提供各类流程与参数编辑控件 能够满足绝大多数应用需求是最为推荐的开发模式。 3. 算子 SDK 开发 用户希望全部业务逻辑由自己实现该开发模式代码量大、开发周期长海康只提供算子库和少 量界面控件能够满足部分应用需求。 4. 算子模块开发(只支持 C) 用户希望将自己开发的算子封装成模块并能在 VM 中使用(例如拖拽、订阅等)补充项目所需的 算子功能。该模式需要开发者有一定的算法开发经验和编程功底。C 工程环境配置:平台工具集: Visual Stdio 2013(v120) # 2013就是120VS2013打开实际不需要 手工配置选择 x64 Release 就可以成功编译且编译好自动复制到模块路径所以必须安装VS2013 且最好使用VS2013 打开配置过程:手工配置 项目属性(配置属性): C/C: 常规: 平台工具集: Visual Stdio 2013(v120) # 2013就是120 附加包含目录: ..\common\src;..\common;..\common\VM400\include\VmModuleFrame;..\common\SDK\Includes\Algorithms;..\common\SDK\Includes\Common\VisionDesigner;%(AdditionalIncludeDirectories) ..\common\src ..\common ..\common\VM400\include\VmModuleFrame ..\common\SDK\Includes\Algorithms ..\common\SDK\Includes\Common\VisionDesigner VC目录: 包含目录: 空 库目录: 空 链接器: 常规: 附加库目录: { ..\common\include\lib;..\common\VM400\lib;..\common\SDK\Libraries\x64\Algorithms;..\common\SDK\Libraries\x64\Common;%(AdditionalLibraryDirectories) ..\common\include\lib ..\common\VM400\lib ..\common\SDK\Libraries\x64\Algorithms ..\common\SDK\Libraries\x64\Common } 输入: 附加依赖项: { ModuleFrame.lib MVDShapeCpp.lib MVDImageCpp.lib MVDPositionFixCpp.lib MVDPreproMaskCpp.lib HSlog.lib } 模块定义文件: { AlgorithmModule.def }结束:接下来说一下Opencv Halcon配置方法:项目属性(配置属性): VC目录: 包含目录: { opencv4.9\include opencv4.9\include\opencv2 HALCON-23.05-Progress\include HALCON-23.05-Progress\include\halconcpp } 库目录: { opencv4.9\x64\vc16\lib HALCON-23.05-Progress\lib\x64-win64 } 链接器: 常规: 附加库目录: { HALCON-23.05-Progress\lib\x64-win64 } 输入: 附加依赖项: { halconcpp.lib opencv_world490.lib } 总结: 项目属性(配置属性): VC目录: 包含目录:(1) 库目录:(2) 链接器: 常规: 附加库目录:(3) 输入: 附加依赖项:(4) 程序前面加: 和 附加依赖项 都行 没搞明白有啥不一样; 两个都搞上也行; #pragma comment(lib, opencv_world490.lib) #pragma comment(lib, opencv_world490d.lib) #pragma comment(lib, halconcpp.lib)最后 再次声明一下 : 工程下xxx.vcxproj文件请关注这个文件所有的相对路径 都是以这个文件为基准的设置路径是为了找到文件 如果没有文件那么是没有意义的 所以设置路径之前需要把文件复制到工程目录下 看文件目录也知道文件怎么放了。不多解释。接下来 所有斜杠都是反斜杠比如上级目录 ..\上上级目录 ..\..\上级目录下的 ..\common\src当然你也可以手工编辑 xxx.vcxproj文件无非就是xml 相信你打开文件后潦草的看一眼就能看到你用vs设置的配置和xml对应的节点。保存以后 如果工程打开会自动提示加载。结束;;;; 注意 C# 可以 VS2013以及以上都可以 打开 ; C 必须安装VS2013
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉