实验室车路协同平台如图所示，赛道呈回字形，包含交叉路口，拥有搭载树莓派、Nvidia Jetson nao的智能小车数台，小车搭载的传感器包括大疆Livox mid-70激光雷达、1080p相机、超声波传感器与红外传感器等。该平台可验证自动驾驶中的感知、决策、规划功能、实现车路协同中的基于V2X的超视距验证、多车协同作业功能。  

       超视距演示视频： https://yunpan.360.cn/surl_y6g9N5akusf

手势识别
       这是一个简单的通过模式识别的方法进行手势识别的样例。首先将摄像头采集到的图像进行滤波和平滑等预处理，去除图象中的噪声。而后根据肤色提取手势轮廓，并对图像进行形态学处理。而后提取手势轮廓，计算轮廓的多种特征，提取轮廓的有效特征向量，对手掌和指尖等进行定位。最终确定手势。 

翻斗车识别
       采集了不同场景下不同型号、不同角度的翻斗车图片，结合翻斗车模型的图像作为数据集，并对图像当中的翻斗车进行标注。用SSD模型基于在公开数据集上预训练得到的权重训练了一个单分类网络，这个网络可以检测到图像中的翻斗车。 

板子：Jetson Nano

摄像头：普通单目摄像头*1 红外摄像头*1

连接方式：均通过CSI接口与Jetson nano进行连接

主要功能以及流程：当单击开始采集按钮后，jetson nano会同时打开两个摄像头并同时进行图像采集，将采集后的结果进行相关的滤波后会在界面上进行输出

EdgeGallery硬件演示平台及EdgeGallery开发者页面，当前页面显示已经集成在EdgeGallery的应用，例如常见的ansible,jenkins等

MECM的概览页面，实时显示全国分布的边缘节点信息，所有节点分为三类：计算节点，在线节点，离线节点每个节点有两种状态,online,offline

空天一体化网络——分层分级onos的拓扑图