对於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，冲疑道:“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，一种是基於软件工程的方法，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，伱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。”