RoboMaster视觉学习建议
视觉学习建议
目录
程序语言
C++
C++编写起来和C语言一样结构清晰，又在C语言的基础上增加了许多新的功能，还可以直接操作硬件，绝对是研发机器视觉最好的语言。
面向对象，封装、多态、继承这些思想绝对是编程的重点。小型项目可能感觉不出来，一旦项目代码超过千行，如何解耦和划分功能模块就成了所有人不得不面对的问题，而C++正好提供了面向对象的编程模型，又是静态编译型语言，速度快，是一定要学好的。
一个人写代码乱一点可能不要紧，但是多个人一起写代码就需要一个强有力的代码规范，比如变量的命名、类的命名、宏定义的命名和缩进格式等，这里我推荐大家看一下华为的方舟编译器代码规范，学习一下别人的代码是如何编写的。
Python
Python是我们用来编写深度学习的脚本语言，py的编写方式远比C++简单，开发小型项目的效率比C++高。但是Python是解释型语言，不进行编译，运行时底层有一个Pyhton解释器在动态解释代码，这就造成了Python在开发大型项目时运行速度会变慢，结构不清晰。
我们一般使用Python来训练机器学习模型，清洗机器学习所需要的数据集和部署大型神经网络。雷达站就是使用了YoloV4深度学习框架+DeepSort追踪器，YoloV4是C语言编写的框架，DeepSort是Python编写的，语言不同，但是使用py可以把这两个框架联合起来，共同为我们服务。这就是py的优点。
操作系统-Ubuntu
在车上跑的系统肯定不能是Windows，系统太过臃肿，有很多的功能我们并不需要，这时候Ubuntu就出场了，Ubuntu是一个基于Linux的、开源的操作系统。体统非常简洁，但是可以办到的事情却一点也不简单，视觉组的代码都是即可以运行在Windows上又可以运行在Ubuntu上的。平时使用WIndows开发，到了比赛的时候就在Ubuntu上跑代码。
一般有虚拟机安装，双系统，移动硬盘安装等方式安装ubuntu，这里不推荐虚拟机安装，因为过程占用内存过大，跑我们的代码会非常卡，这里我们推荐双系统， ubuntu与windows共存，重启电脑即可切换系统，安装也相对简单。愿意买一块移动硬盘安装ubuntu也是不错的选择，不用占用原电脑硬盘容量，安装过程更加简单粗暴，甚至可以插入别人的电脑打自己的代码，随时随地都能开心地工作，是你在实验室赶进度的最佳选择。
安装完ubuntu后需要各位熟悉linux系统的一些基本命令行操作。比如ctrl+alt+t打开一个终端，cd进入某个目录，sudo获取root权限。rm删除某个文件或文件夹等等，初接触时会觉得繁琐，但熟练运用后你会觉得特别便捷高效。参考链接
管理工具-Git
在战队待一整年，你需要和很多人合作，编写大量代码，代码改来改去容易乱套……
所以你必须学会使用强大的版本管理工具——Git。
在Git中，你可以看到队友们每次修改的内容，出现问题时，可以退回到任意一次修改之前。
Git也具有强大的分支合并功能，视觉组平时开发时一个组员开发一个特定的分支，一个分支实现一个特定的功能，在功能开发和测试完毕后，就会合并到主分支。这样主分支的代码永远是可以使用的状态，新的功能的开发都在测试分支上。
下图为方舟编译器代码的分支合并情况。可以看到优秀的代码工程都是多个模块并行开发，持续集成到主分支。
OpenCV
这是视觉组的任务重点，需要花最多的时间学习。
OpenCV是当前最具影响力的计算机视觉开源库。它的官网资料相当完整，在页面右边，有Online Documentation（在线文档）、Tutorials（教程）、User Q&A forum（问答论坛）都非常棒。
在Tutorials里就有详细的安装教程，我们建议在你的Windows和Ubuntu上都安装OpenCV，这里要求各位安装opencv3及以上版本。
OpenCV最推荐的资料还是官网文档。内容详细、更新速度快。大家也要尽快适应阅读英文资料，因为后面有些问题中文几乎查不到。
不过这里仍然为想要快速熟悉opencv的朋友推荐一本opencv3的书，《OpenCV3编程入门》
最好的学习方法其实就是多用，我们更推荐遇到问题的时候再去查找相关资料，完成视觉组面试前实战任务是最快速的opencv学习方法。
数学基础
我们来谈谈简单有趣的数学基础，如果我直接和你说“线代很重要赶紧学”，可能你就体会不到我们这篇文章简单有趣的核心思想了，所以我打算举几个例子。
好像有某位厉害的人说过：“矩阵就是映射。”
比如说从世界坐标系映射到相机坐标系，从相机坐标系映射到像素坐标系。所以其实“从相机坐标系映射到像素坐标系”这句话翻译成人话就是相机内参，“从世界坐标系映射到相机坐标系”这句话翻译过来就是相机外参。就是说相机内参和外参其实都是用矩阵表示的，而且矩阵的应用不止这么一小点，比如特征的描述子，比如矩阵卷积来提取高维的特征等等，所以知道重要还不赶紧去学一波。
顺便附上祖传线代链接
而且也不仅仅是线代，概率论也是偶尔用得上的，比如让你描述一个轮廓的特征，你可能想到轮廓矩，这里的矩其实就是概率论里面的矩，把轮廓点集的坐标值当成一组随机变量来看这是很有意思的想法，有了这些概念你拿到api帮你算出来的矩心理也比较有底，知道怎么去用对吧。
这么多底层的算法仔细想一想就头大，别担心，这当然不用你亲自去写了。OpenCV都已经帮你封装好了，RM视觉需要用到的矩阵运算方法一般OpenCV里都有，还有各种坐标点和相机参数的处理方法。
神经网络
神经网络今年主要是用来识别车上的装甲板的，用了SVM训练装甲板模型进行检测。在雷达站上也用到了darknet深度学习框架，直接训练目标检测模型，外加TensorFlow做一些辅助处理。
推荐网站
stackoverflow
中文名：栈溢出。程序员交友网站，外国版的CSDN。
可以解答你在计算机语言学习过程中的绝大多数疑惑。
当然，提问和回答都是English的，不过程序员的专业英语比较简单，词汇量较少，看懂还是比较容易的。
如何优雅地使用 Stack Overflow？ - 猴子的回答 - 知乎
Github
没有使用过Github的程序员就不是一个真正的程序员，Github是世界上最大的开源库，别人家的优秀代码的集中地。
Gitee
码云，中国的Github，没有Github访问和下载慢的烦恼，还有一系列本土化讨好中国程序员的功能，中国的开源项目一般都会发布在码云上一份。
平时没事的时候就会逛码云开源项目精选，Github上开源的都是英语，极少有中文，学习起来比较困难。在码云上热门的开源项目都会写完整的中文文档，帮助我们了解此项目。
One more thing
为什么有的人代码写的这么烂，很多写死的代码，一点儿灵活性都没有，更没有规范，完全就是堆压。
为什么有的人根本不知道怎么去抽象，并不清楚怎么样积累成公共组件，为什么他们改一个问题，通常会引出更多的问题？
为什么他们的代码里的实现方案，让人看完之后恨的牙痒痒，想改又完全不能改，毕竟，正常工作的代码才是好代码？
很大程度上是因为，很多程序员，不懂的代码的扩展性，不会面向未来编程。
怎么叫做面向未来编程？
一个好的工程师，在听到需求的时候，可以根据自己的业务能力，判断出来这些需求中，哪些是有可能变化的，哪些是不太可能变化的。
针对这些变化的内容，在编写的过程中，不会写死，而反复确认不可能会变化的需求，会写的简单一些，防止过度设计引起的复杂度。
简单说，当他拿到需求时，并不单纯是考虑这个需求怎么实现，还会考虑，自己设计的架构体系，扩展性在哪里，在他的眼里，看到的需求会被分解，折分，然后自己的技术方案，会挨个分解，分配。
而且会拿着自己的架构体系跟领导沟通，讲清楚。
在完成设计之后，他会很清楚的知道 ，自己设计的系统里，哪些变化是支持的，随便你改，我只需要改动一个很简单的内容。哪些是你绝对不能改的，你要改，我就必须花很大的代价，特别是在已经有线上数据的时候。
哪一个参数应该直接写一个固定值？哪一个参数应该作为函数的入口参数？
哪一个参数是需要在程序运行过程中动态调整的？哪一个参数是需要写进配置文件中的？
什么样的变化是支持的？短信通道是有可能变化的，而调用短信通道的地方可能会有点多，所以我必须把短信通道抽象，并封装在一个公共接口，如果需要更换短信通道，我可能只需要更改一个配置文件就好了。
那么什么样的变化是不支持的？我不需要不停机就更换短信通道的功能，除非你在后台系统中提前配置好，或者是有明确的需要，我做出这么一个东西出来。往往在前期，不会用到。
一段代码（比如求两点距离），用到了两次以上，就要考虑写成一个函数调用。一个函数，在很多功能模块都要用到，就要考虑抽取成公共模块，供所有模块调用。
