Initial commit: SmartCar Framework v0.1 — 龙芯2K0300智能车开发框架\n\n- HAL: GPIO/PWM/Encoder/Framebuffer 驱动\n- Control: PID/IMU/Motor/Servo 控制\n- Vision: HSV双Otsu→4点标定IPM→洪泛填充→逐行搜线\n- Strategy: 三区前瞻偏差+速度策略\n- Debug: 文件热调参+LCD预览+cv截帧\n- Scheduler: 5ms timerfd+epoll 中央调度器

model/deploy_README.md

@@ -0,0 +1,39 @@
+# NanoDetHeat v4 部署说明
+
+## 模型文件
+
+| 文件 | 说明 |
+|------|------|
+| model_heat_v4.py | 模型架构定义 (PyTorch) |
+| best.pth | 训练权重 (141KB, FP32) |
+| model_heat_v4.onnx | ONNX 格式模型 |
+| config.json | 配置 + 类别参考尺寸 |
+
+## 输入
+
+- 格式: RGB, 160×120, 归一化到 [0,1]
+- 预处理: BGR→RGB 翻转, /255.0
+
+## 输出
+
+- 形状: [1, 6, 15, 20]
+- 通道 0-3: 类别 logits (红绿灯/锥桶/人行道/背景)
+- 通道 4-5: 尺寸预测 (宽/高, 需乘参考尺寸)
+
+## 后处理
+
+1. softmax 通道 0-3 → 概率
+2. 对每类找局部峰值 (3×3 邻域抑制)
+3. 筛选置信度 > 阈值 (推荐 0.8)
+4. 尺寸解码: 实际宽 = 预测宽 × 参考宽
+5. 中心坐标: cx=(gx+0.5)×8, cy=(gy+0.5)×8
+
+## 类别参考尺寸 (像素, 160×120)
+
+红绿灯: 73.7 × 60.9
+锥桶:   49.4 × 38.6
+人行道: 71.2 × 36.3
+
+## 推荐阈值
+
+th=0.8: 精确度 62.9%, 召回 88.7%