C/C++ Advanced Lint

1

一个 Visual Studio Code 扩展，支持许多用于 C 和 C++ 代码的静态代码分析器。

在文件保存时或文件编辑后，代码编辑器中的即时 linting。
自动查找可用的静态分析工具。
以最少的开发工作量轻松支持其他静态分析器。

1
2
3
4
5
6
7

Supported Static Analyzers
Clang
CppCheck
FlawFinder
PC-lint Plus
Flexelint or PC-lint
lizard

要求您的机器上必须至少安装上述静态代码分析器之一。
扩展应该支持列出的静态代码分析器的任何版本；并将尝试在您的 PATH 环境变量中找到它们。
如果未自动找到工具，则必须手动指定适当的 c-cpp-flylint.*.executable 配置。

1
2

Debian & Ubuntu Clang 可通过 apt-get 获得：# sudo apt-get install clang 
CppCheck 可通过 apt-get 获得：# sudo apt-get install cppcheck

DMPR论文：DMPR-PS A NOVEL APPROACH FOR PARKINGSLOT DETECTION

这篇论文的思路很巧妙，是同济大学在2019年做的一些工作，数据集使用的是ps2.0
我写的一些初步解析可以下载：解析
论文原文下载：原文
其实现在车位识别还是分成三个大方向
一是传统的超声波检测，这种方法使用的工况还是有局限性的，必须要在前后有障碍物的时候才行
二是采用视觉检测，这种方法也存在许多局限，比如说车位线不清晰的情况，还有没有车位线的情况。
视觉这里面还有很多种思路，比如说采用语义分割来对地面进行识别，还有比如说采用目标检测的方法，不管是YOLO还是RCNN系列或者SSD，检测车位入口的角点来构成车位。

自动驾驶的三个板块

感知模块

感知模块：负责三类任务，运动状态估计、自身位置估计、外部环境态势观测。
从传感器采集信号开始，感知模块就已经在运作了，这个模块复杂程度最高，技术难度最大，各种不同的传感器采集的信号不同，组织形式不同，所以难度也很大。例如：核心的几个东西，
IMU：即惯性测量单元，确定当前速度、加速度、横摆角速度、前轮转角状态
定位：北斗、GPS，提供经纬度坐标值，RAC技术
视觉传感器：车身一般会配备多个摄像头，包括多个大角度鱼眼摄像头、前后向的远视距摄像头等。
激光雷达：提供车身周围一定范围的点云信号，可以理解为距离
毫米波雷达：如果要测得远，可测量的角度就会变小。毫米波雷达分为24Ghz和77Ghz频段。测距测速能力强。在雨雪天气时的鲁棒性很好，但是对高处物体和小物体检测效果有限。
超声波雷达：测量的距离更近了，因为频率更低，低频波束在传播中容易耗散
好，有这几个东西，基本上感知系统就有一些保障了
当然，单个传感器的原始数据很多很复杂，每一个的置信度都不是百分之百，所以要有组织形式，这个也属于感知模块要做的事情
例如，视觉传感器要和雷达传感器相互配合，锁定值得关注的目标，辨识目标的类别，追踪并预测其未来运动的趋势。此外还有V2X这样的方法来弥补不足。

YOLO_V数据集制作方法及如何更换其backbone

写在最前面：
出于兴趣，我针对轻量化神经网络的训练和部署做了一些相关的研究，在此做一个学习过程记录
首先是数据集的制作，在以下网址可以找到我分享的关于AVM的一个数据集，label：
‘’‘’‘’‘（待上传）
第一步是从一堆相似性太高的数据集里面筛选出一些合适的样本，并移动至目标目录，更改好名字
参考以下的脚本

第一章：数学概念

1、图像矩的概念：
本质上来讲图像的矩是统计学上的概念，它是通过描述统计学特征来对图像内容进行描述的一类描述子。

第二章：代码实现

1、如果你使用OpenCV这个库的话，那么可以直接使用现成的API来使用它：CV::moments
这个方法将返回一系列的矩。如果是使用python，注意返回的数据是字典，要用get（“mxx”）来读取某一个元素。
并且，注意输入给函数的源图要是二值图像。
python参考以下的代码：
more >>

驱动是什么东西？为什么需要驱动？

从计算机的眼睛里看，设备就是一组寄存器，比如说IO设备， 串口，键盘，磁盘，打印机，总线，中断控制器，DMA，GPU 这些设备就是挂在计算机下面的。那么，操作系统，如何使应用程序能访问这些设备？

本质上需要驱动的原因：操作系统需要能够访问和操作这些设备。

我们知道，IO设备在计算机看来，或者说在处理器看来就是一组#寄存器和协议#。

本节内容主要解决两个问题：

1、什么是设备的驱动程序

2、Linux设备抽象

设备驱动程序原理

IO设备的主要功能：输入和输出能够读写字节序列，流或者数组常见的设备都满足这个模型

终端/串口–字节流char_device 打印机–字节流，例如postscript文件 硬盘–字节数组，按照块访问 GPU–字节流（控制）+字节数组（显示存储器）

1
2
3
4
5

所以：
操作系统：设备 == 支持各类操作的对象（文件）
read --从设备某个指定的位置读出数据
write --向设备某个指定位置写入数据
ioctl -- 读取/设置设备的状态

把设备的寄存器直接暴露给用户是很糟糕和危险的，这显而易见。 这样，也给应用层的软件带来了很大的负担，出错的代价也会很大的 所以，我们要对设备做抽象，要在操作系统和实体设备（寄存器和协议）之间做一个抽象的层
这个尽可能统一的方式，如同一层API，就是设备驱动程序 我们不用知道寄存器的编号是多少，不用知道写进去后怎么样才能操作完成 这一层，就叫做驱动。

所有的这些设备：I/O设备，最重要的功能就是：数据往应用里送往外出。 char——device

补充一下字节流byte_stream，比如说，键盘的按键，它输入的就是一系列的事件，按下的这一大串按键 就可以看作一个字节流

block——device一块一块的，字节块。 有意思的事情：我们的显卡，是什么设备？ 显存不是按块访问的，显卡暨是字节流，又是一个字节数组
驱动

这一大坨设备的抽象，最重要的就是读写和控制，设备驱动程序就是为设备建立起这个模型的代码
需要一段代码，需要把例如read这一段系统调用，翻译成设备寄存器能听得懂的这一段话。
这一段代码，把系统调用翻译，注意是翻译，我们能看到的一大坨通用API,变成一堆五花八门的设备之间的翻译

其实shell也是类似的原理，
shell是把命令，翻译成一组系统调用，这些系统调用的序列，再通过驱动层，翻译成为了实际的寄存器操作，被执行了起来，就是一层层往下的这个过程

自动驾驶技术栈

自动驾驶技术是复杂科学，在学习阶段能够精通其中一小部分内容就已经非常厉害了。
总结了相关的技术，根据这个思维图，能帮助自己更好理解自动实现自动驾驶需要什么。
点击以下的图片进行下载。
自动驾驶技术栈

如何使用文献管理软件

开始了新的研究生涯，但是每次知网下载文献看了，都存放得乱七八糟，很难做管理。
于是乎寻找文献管理软件，做研究和做工程有很多的差距，还是要多看新的思维，多看新的论文。
这里贴出一个很好用的文献管理软件ENDNOTE
这个软件是收费的，学校是购买了这个软件的，但是手续很麻烦，要拿着校园卡去图书馆申请，鉴于疫情期间学校很多事情办的流程长，还是有其他办法的！
！！！好在国内有很多方法可以使用到免费的正版endnote20
https://www.nais.net.cn/publish/default//fwgg/content/2020110217273217370.html
感谢国家农业图书馆，感谢！！
点击这个链接，获取正版。记住安装的时候专门建一个文件夹，许可证和安装包放在一起。
此外关于endnote如何使用，参考这个博文。
https://study.zwjjiaozhu.top/posts/EndNote.html
作者一直在更新。

装饰器

这个概念就顾名思义：是用来装饰一个东西的作用

例如一个函数fun想在它函数外面实现一些额外的功能，就可以用装饰器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

def fun1():
    print("now_is func1")
例如我想在fun1前后都print某段话，就需要在它的前后都print，这个很麻烦，每次都要这么干，怎么弄呢？用个装饰器

def DP_print(fun1):
    def inner():
        print("fun1_start_now")
        fun1()
        print("fun1_end_now")
    return inner

# 看一下现象
fun1 = DP_print(fun1)

fun1()
# 可以很明显看到这样的效果

# 在python里有个语法糖--提供了一个装饰器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

def DP_print(fun1):
    def inner(*args,**kwargs):
        print("fun1_start_now")
        fun1(*args,**kwargs)
        print("fun1_end_now")

    return inner


@DP_print
def fun1(x, y):
    print("TEST", x, y)

fun1(1,2)
# 可以测试得到同样的结果，前后都输出了相应的语句

装饰器说简单一点就是在不改变原来的函数的结构的情况下，去给函数的前面和后面增添一些功能，例如说我想知道某个函数的使用时间，那么就可以写一个装饰器，对于其他的函数我也同样可以使用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

import time
# 定义装饰器
def time_calc(func):
    def wrapper(*args, **kwargs):
        start_now_T = time.time()
        f = func(*args, **kwargs)
        exec_T = time.time() - start_now_T
        print(exec_T)
        return f

    return wrapper


# 使用装饰器
@time_calc
def add(n):
    pic_sum = 0
    for i in range(100 * n):
        pic_sum = pic_sum + 1
    print(pic_sum)
    return pic_sum


sss = add(100)

GDB

编译程序时需要加上-g，之后才能用gdb进行调试：gcc -g main.c -o main

gdb中命令：

回车键：重复上一命令

（gdb）help：查看命令帮助，具体命令查询在gdb中输入help + 命令,简写h

（gdb）run：重新开始运行文件（run-text：加载文本文件，run-bin：加载二进制文件）,简写r

（gdb）start：单步执行，运行程序，停在第一执行语句

（gdb）list：查看原代码（list-n,从第n行开始查看代码。list+ 函数名：查看具体函数）,简写l

（gdb）set：设置变量的值

（gdb）next：单步调试（逐过程，函数直接执行）,简写n

（gdb）step：单步调试（逐语句：跳入自定义函数内部执行）,简写s

（gdb）backtrace：查看函数的调用的栈帧和层级关系,简写bt

（gdb）frame：切换函数的栈帧,简写f

（gdb）info：查看函数内部局部变量的数值,简写i

（gdb）finish：结束当前函数，返回到函数调用点

（gdb）continue：继续运行,简写c

（gdb）print：打印值及地址,简写p

（gdb）quit：退出gdb,简写q

（gdb）break+num：在第num行设置断点,简写b

（gdb）info breakpoints：查看当前设置的所有断点

（gdb）delete breakpoints num：删除第num个断点,简写d

（gdb）display：追踪查看具体变量值

（gdb）undisplay：取消追踪观察变量

（gdb）watch：被设置观察点的变量发生修改时，打印显示

（gdb）i watch：显示观察点

（gdb）enable breakpoints：启用断点

（gdb）disable breakpoints：禁用断点

（gdb）x：查看内存x/20xw 显示20个单元，16进制，4字节每单元

（gdb）run argv[1] argv[2]：调试时命令行传参

（gdb）set follow-fork-mode child#Makefile项目管理：选择跟踪父子进程（fork()）

core文件：先用$ ulimit -c 1024 开启core，当程序出错会自动生成core文件。调试时 gdb a.out core