通过指针结构体赋值踩坑记录

 SensorCalData_t SensorParaDefaut_TGS = DEFAULT_CAL_VALUE(); /*使用默认参数
    SensorCalData_t SensorParaDefaut_NAP = DEFAULT_CAL_VALUE();
    SensorAlramLevValue_t SensorParaDefaut_Alarm = DEFAULT_ALARM_VALUE();
    K_SensorPara_t SensorParaDefaut_Class = NEW_SENSOR_PARA();
    K_SensorEn_t SensorEnParaLoad = NEW_SENSOR_EN();

    /*基类变量的地址申请*/

    p->SensorPara_ptr = (K_SensorPara_t *)malloc(sizeof(K_SensorPara_t));
    if(p->SensorPara_ptr == NULL)
        return 1;
    p->SensorEn_ptr = (K_SensorEn_t *)malloc(sizeof(K_SensorEn_t));
    if(p->SensorEn_ptr == NULL)
        return 1;

    /*数据参数部分*/
    p->SensorPara_ptr->s_SensorAlamrData_ptr = (SensorAlramLevValue_t *)malloc(sizeof(SensorAlramLevValue_t));
    if(p->SensorPara_ptr->s_SensorAlamrData_ptr == NULL)
        return 1;

    p->SensorPara_ptr->s_TGS_CalData_ptr = (SensorCalData_t *)malloc(sizeof(SensorCalData_t));
    if(p->SensorPara_ptr->s_TGS_CalData_ptr == NULL)
        return 1;

    p->SensorPara_ptr->s_NAP_CalData_ptr = (SensorCalData_t *)malloc(sizeof(SensorCalData_t));
    if(p->SensorPara_ptr->s_NAP_CalData_ptr == NULL)
        return 1;
    *(p->SensorPara_ptr) = SensorParaDefaut_Class; //注意, 这里由于重新赋值。导致前面申请的内存地址,都需要重新链接进来
    *(p->SensorPara_ptr->s_SensorAlamrData_ptr) = SensorParaDefaut_Alarm;
    *(p->SensorPara_ptr->s_TGS_CalData_ptr) = SensorParaDefaut_TGS;
    *(p->SensorPara_ptr->s_NAP_CalData_ptr) = SensorParaDefaut_NAP;
		*(p->SensorEn_ptr) = SensorEnParaLoad;

由于后面SensorPara_ptr通过一个中间变量进行了赋值, 导致原先该结构体指针内的成员指针都变了。 即使这个中间变量同之前的一样, 也不行。 (只要进行了赋值操作, 一切重头来)

 

对SensorPara_ptr通过一个中间变量进行了赋值后:

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值