Welcome to BC.Wang's blog
-
- python需要使用roslibpy而不是ros系统中的rospy，前者可以直接下载源码setup.py安装，无需ros系统支持，通过ip连接ros系统，使用类似字典的方法来收发信息（和roslibjs相似）
- python调用AirSim或者Carla等仿真引擎的API，将API调用设置为ROS订阅的回调函数，即可实现ROS和仿真系统的连接，之后可以用相应的接口传递视觉，激光等数据给ROS，形成一个全面的闭环仿真系统
-
Why Carla
- 自动驾驶的仿真平台有很多，UE（Unreal Engine）上有AirSim和Carla，前者主要还是四轴飞行器的仿真，后者是比较强大的自动驾驶仿真
- 为什么采用UE？UE最大的好处是渲染环境足够真实，可以提供视觉的仿真，车辆动力学的仿真可以采用其他很多专业软件，但是如果希望做到全套的仿真，视觉、感知、规划等全套，就需要一个足够环境真实的引擎了。Unity也可以在经过调教之后达到UE的低级别渲染效果，但是Carla并不支持Unity
在Windows下编译Carla
- 编译时多看错误提示。uproject rebuild失败时不会提示错误信息，需要vs打开sln然后build才能显示。编译时遇到依赖问题分析一下makefile
- 这一部分可以按照教程走，但是会有相当多难以解决的问题，可以按照这个流程：：
- 首先注意版本一致
- 下载的Content文件夹需要放在clone下来的Unreal文件夹中指定地方，不要任意更改。
- 运行make launch过后，大概率会boost库安装失败，首先，去boost官网上下载对应版本的exe安装文件，运行安装，然后找到安装过后的boost目录。
- 因为我们尝试手动安装，所以先要去掉原来的安装boost的脚本，从makefile开始找，找到install_boost.bat，然后修改里面的东西使其不执行，或者修改前一个文件使其不安装boost
- 在没有安装boost下进行make，会提示没有办法引用相应的库，那么此时，多半是库配置了boost的路径，找CMakeFile，最终找到了在Build中下面的CMakeList.txt.in中有：set(BOOST_INCLUDE_PATH “XXX/carla-master/Build/boost-1.69.0-install/include”)
set(BOOST_LIB_PATH “XXX/carla-master/Build/boost-1.69.0-install/lib”)，于是我们只需要把boost放到这个路径就OK了
- 将安装的boost_1.69.0（通常在C:/local下面）复制到指定位置并重命名为XXX-install，然后创建一个include文件夹，把除了lib64xxxx(注意不是libs文件夹)的其他文件夹全部复制到include里面（也许只需要复制boost文件夹就够了），然后把lib64xxxx文件名改为lib，这样就和前面的set(BOOST_INCLUDE_PATH以及set(BOOST_LIB_PATH的路径对应了。
- 之后应该能够成功编译，编译完了之后，找到编译过后的文件夹，发现是在Unreal/CarlaUE4下面，这个路径是不对的，将它里面的Plugins复制到Unreal/Plugins，让这两个Plugins合并即可，然后点击uproject用UE打开，会进行rebuild。（注意遇到任何build失败，都需要用visual studio打开sln项目来build，因为会提示错误信息）
-
实习信息
- 纽劢科技，这段经历从2019-03-25到2019-04-05
- 这里的实习总结时基于上面时间段的，是从自己的Storage/实习经历的相关文件中抽取出来的主要信息，具体实习内容需要查看里面的文件了解
经验
关于ROS
- 过一遍官方的ROS教程就可以对ROS有初步的了解，熟悉一下publish和subscribe设计模式，service和client设计模式。
- 创建一个topic用于发送固定类型的msg，使用publish，publish发布消息过后，所有的Subscriber都能够受到消息，并调用回调函数，将msg作为参数，因此msg的类型需要统一
- ROS中创建一个srv文件（和msg文件类似），之后都会在编译时生成相应的XXX.h，引用这个srv生成的文件，用于创建server，server只有request和response两个参数，都是指针，response只需要修改指针里面的变量即可，会自动返回这个指针。client调用这个service，在调用时就写上回调函数。
关于ROS c++开发
- 所实习公司对于每一个cpp文件都继承一个基类，有InitPublisher，InitSubsriber等方法，这些方法便于去寻找接口，如果使用ROSpy，ROSjs，ROS#等其他语言的接口时，可以去cpp代码中找这些通信规则（调用时注意使用rosbridge连接）
ROS服务启动
- 推荐gnome-terminal –tab一次开启多个窗口
- 打开ros项目查看所有的launch，使用roslaunch -package名称 -launch文件来启动
- 使用rostopic来发送一个topic，使用rosbag play来启动一个包，启动之后会持续发送topic
关于C++开发
- 下载源码，使用./script里面的脚本进行编译
- 编译之后在src目录下打开clion，然后使用import Project from Sources
- 于是就有了代码补全、跳转等功能，修改一些cpp文件，之后执行./script/tomake进行增量编译，然后launch进行测试
关于全栈开发
- 工具栈：WebStorm写代码-HBuilderX运行-Android Studio/iOS进行模拟测试，webstorm更新了代码之后，HBuilerX能够直接读取改动，从而直接在app运行时修改，直接测试，极其方便！
- 开发需要ROSjs和ROS系统通信，相应的规则需要在cpp文件中查看，找topic名称，找msg数据类型，然后就可以publish或者subscribe或者request了
关于git
- win下可以安装git bash，可以运行linux命令
- 使用ssh-keygen生成key，然后查看~/.ssh里面的key，复制到github或者gitlab setting里面，然后就可以git clone了！
- 创建一个branch
- git status查看状态，使用git GUI查看文件改动
- git add 添加文件，git add .添加所有
- git commit用来初次提交，git commit –amend来追加提交到上一次（不像github desktop一样不能追加而只能算新的commit）
- git push …push上去，加上-f强制push
- git pull …
- git fetch等
- 当需要放弃本地改动时，可以git add . 然后git stash
- 对于有submodule的仓库，需要git submodule init 然后git submodule update，之后可以 git submodule foreach XXX(在每个仓库下都执行命令，比如 git submodule foreach git pull XXX)
-
-
- 由于Python存在GIL（全局解释器锁），限制多线程同时执行，保证同一时间内只有一个线程在执行，因此使用多线程并不会得到加速（比如使用threading）
- 解决方法：使用多进程，比如multiprocessing或者parallelpython(pp)，这样每个Python脚本运行在多个进程中，有多少核就能够开多少进程
- 如果遇到了多个请求需要并行处理的问题，核的数目不够使用，可以选择多线程或者协程（查阅Python中协程专用的模块），协程也是通过上下文切换实现看上去的多个任务同时处理
- 当有并行处理需求时，还需要仔细研究和调试Python上的多线程、多进程和协程的使用。记住这三个概念是必要的！
-
- umap-learn看上去像是一个很好用的模块https://umap-learn.readthedocs.io/en/latest/basic_usage.html#digits-data，可以将高维度的数据压缩为2维然后可视化，从对手写数字的处理上来看效果很好，并且它本身可以作为一种机器学习算法。
- umap进行label预测：可以使用umap训练一个投影器，将高维数据投影成2维。如果投影过后这些label能够分开，则训练了一个很好的分类器，对于新的数据进行预测，可以将新的高维数据使用这个训练的投影器降维成2维，然后使用KNN通过与其他分类点的欧式距离来求得label。但KNN毕竟还是计算量太大，倒不如使用一个以划分了格点的X和Y作为key，然后格子里面的点作为value进行索引，比如把浮点数划为0~9的10个点，用作字典的第一个key，然后另一个维度的Y也是10个点，这样所有数据点分成100分，给一个坐标比如1.1,4.2，首先取整数得到1,4然后找1,4所对应的样本点（也就是所有在0.5~1.5, 3.5~4.5的点），然后做KNN或者直接把这个区域的label拿出来，这样就把>O(n)的算法变成了几乎O(1)的算法，只需要每次更新每个区域的label状态，更新字典即可
0