首先 首先
关注数: 27 粉丝数: 688 发帖数: 18,261 关注贴吧数: 15
软件开发中需要注意的细节 1.系统流程梳理 以一个很简单的例子来说明流程梳理对软件开发的意义,比如你要进行一次演讲,但是这次演讲是即兴的,你不是专业的即兴演讲家,那么在没有准备情况下,你要对着台下的人进行演讲,这个时候你走上台去,脑子里的东西还没有形成有条理的演讲内容,讲完后台下的人都不知道你在讲什么,可能你自己都不知道你刚刚讲了些什么,这就是失败的演讲,没有做好充足的准备。对于软件开发来说也是同样的情况,每一个开发者不应该仅仅拿到的是一些文档,而是应该大家坐在一起,由熟悉该软件业务的管理者或者其他人来进行一次严谨的描述,并进行讨论,加以完善和改进,让参与编码的开发者在这个过程中不仅能够熟悉自己要做的那些功能的细节,还能对这个系统有一个大致的了解和熟悉,只有这样,在开发中才会避免一些不必要的问题发生,而且还能发现一些隐藏的问题,要知道修改问题是需要花费很多时间和精力的,比如编码和业务是有冲突的,本人有遇到过,代码不能完全跟着业务走,业务也在适当的时候在满足正常场景下根据编码风格做适当的调整。最终达到一种整体和谐的一种美感。在编码的前期要让每一个参与项目的人能够清晰的知道我要做的是什么,最终的目标是什么样的,我要关注的重点有些,还有哪些疑虑我需要讨论或者解决的。准备工作做好后,对每一个团队成员项目的进度是非常清晰的。
机器人实用Python代码合集,帮你搞定自主导航 |GitHub高热 迷之栗 发自 凹非寺 “有代码么?” 每每写到某实验室的机器人,解锁了厉害的操作,评论区很容易生出这样的问题。 然而,答案常常略带伤感,不好意思,暂时没有。 最近,有一份机器人Python代码合集登陆GitHub,并受到了用户的热烈标星。 自主导航看这里 来自日本的坂井敦,是一个玩机器人的工程师。 他和小伙伴们,为了能让更多的机器人,在地球上自如地游走,便为广大同行做了一次这样的Python代码汇总,大类如下—— · Localization (定位) · Mapping (地图构建) · SLAM · Path Planning (路径规划) · Path Tracking (路径追踪) 不难看出,这份合集非常在意,机器人的自主导航能力。 第一个登场的,是“定位”分类下的扩展卡尔曼滤波器 (EKF) 。 这是一个传感器融合的定位方法。 蓝线是真实轨迹,黑线是用航位推测法(Dead Reckoning) 推定的轨迹。 绿点是位置数据 (比如GPS) ,红线是EKF估计出的轨迹。 红色椭圆是EKF估计的协方差。 就像这样,每个词条下面都配了一张动图,还有动图的详解。 坂井说,这样观众就可以更加直观地理解,各种方法背后的思路。 果然是温柔的程序猿。 赏心悦目的集合 各种方法的代码都可以免费自取,又有美味的动图,指引前路,还是很幸福吧。 所以,一起来品尝几幅动图—— 这是A星算法。 这是势场(Potential Field) 算法。 这是均匀极性采样(Uniform Polar Sampling) 。 这是Voronoi路线图法。 以上作品来自路径规划章节,也是最丰盛的一章,有这么长——里面分15个子类,包括了动态窗口法(Dynamic Window Approach) ,如基于网格的搜索(Grid Based Search) 算法等等。 子类还有自己的子类。 帮助机器人定制路线,躲避障碍,当事无巨细。 想必,大家会用餐愉快的。 喝前摇一摇 想要更好地用这份合集,来投喂机器人,你需要以下工具: · Python 3.6.x · Numpy · Scipy · Matplotlib · Pandas · Cvxpy 0.4.x 祝各位的机器人茁壮成长。
首页 1 2 3 下一页