线程类模型

线程类是对线程的OO封装,常见的有MFC的CWinThread和垮平台的PThread库。我不打算讨论他们的优劣,仅仅探讨不同的设计模式对使用者的影响。 第一类大家都很熟悉,用虚函数接口,CWinThread就是例子,它有一个虚函数叫做Run(),要做不同的实现,就从CWinThread派生,并重载Run()。我给出的例子也是类似(http://blog.youkuaiyun.com/DoItFreely/archive/2006/08/11/1050103.aspx)。 使用如下: class CWorkerThread : public CWinThread { virtual int Run(){...} .... }; 第二类使用接口类。在线程封装类里面保留一个接口类的指针,Java里面线程类就是这样。以下是示意 struct Runnable { virtual void Run()=0; }; class CThread { Runnable *m_runnable; static DWORD OnRun(CThread *This) { This->m_runnable->Run(); return 0; } public: CThread() : m_runnable(0){} ~CThread(){} BOOL Run(Runnable *runnable) { m_runnable = runnable; ....//启动线程,并运行OnRun return TRUE; } }; 使用如下: class CClient : public Runnable { CThread m_worker; virtual void Run(){...} void Foo(){m_worker.Run(this);} ... }; 第三类使用静态成员函数指针Function Pointer (Functor),象这样: class CThread; typedef void (CALLBACK *ThreadProc)(CThread *,void *); class CThread { void *m_client; ThreadProc m_pfn; static DWORD OnRun(CThread *This) { (*This->m_pfn)(this,m_client); return 0; } public: CThread() : m_client(0),m_pfn(0){} ~CThread(){} BOOL Run(ThreadProc pfn,void *client) { m_pfn = pfn; m_client = client; ....//启动线程,并运行OnRun return TRUE; } }; 使用如下: class CClient { CThread m_workerA; CThread m_workerB; void OnRunWorkerA(CThread *thread){...} static void CALLBACK stubOnRunWorkerA(CThread *thread,CClient *This) { This->OnRunWorkerA(thread); } void OnRunWorkerB(CThread *thread){...} static void CALLBACK stubOnRunWorkerB(CThread *thread,CClient *This) { This->OnRunWorkerB(thread); } void Foo() { m_workerA.Run((ThreadProc)&CClient::stubOnRunWorkerA,this); m_workerB.Run((ThreadProc)&CClient::stubOnRunWorkerB,this); } }; 第四类是上面的变种,使用非静态的成员函数指针,以减少函数名字。由于成员函数有类型,需要一点“肮脏”的转换(dirty cast) #pragma warning(disable:4035)//函数没有返回值的编译警告:返回值已经在eax中了,暂时它 template T CastTo(X x){__asm mov eax,x} #pragma warning(default:4035)//回复没有返回值的编译警告 class CThread; typedef void (CThread::*ThreadProc)(CThread *); class CThread { void *m_client; ThreadProc m_pfn; static DWORD OnRun(CThread *This) { CThread *p = (CThread *)This->m_client; (*p->m_pfn)(this); return 0; } public: CThread() : m_client(0),m_pfn(0){} ~CThread(){} BOOL Run(ThreadProc pfn,void *client) { m_pfn = pfn; m_client = client; ....//启动线程,并运行OnRun return TRUE; } }; 使用如下: class CClient { CThread m_workerA; CThread m_workerB; void OnRunWorkerA(CThread *thread){...} void OnRunWorkerB(CThread *thread){...} void Foo() { m_workerA.Run(CastTo(&CClient::stubOnRunWorkerA),this); m_workerB.Run(CastTo(&CClient::stubOnRunWorkerB),this); } }; 第五类是第四类的变种,使用Functor对象封装(非静态)成员函数。 #pragma warning(disable:4035)//函数没有返回值的编译警告:返回值已经在eax中了,暂时它 template class Functor { long fn; void *This; public: Functor() : fn(0),This(0){} Functor(const Functor& f) : fn(f.fn),This(f.This){} Functor& operator=(const Functor& f) { fn = f.fn; This = f.This; return *this; } template Functor(void *t,F fp) : This(t) { long f = 0; __asm { mov eax,DWORD PTR fp mov f,eax } fn = f; } void* GetThis() const{return This;} void* SetThis(void *That) const{return (This=That);} long Get() const{return fn;} template void Set(void *t,F fp) { This = t; long f = 0; __asm { mov eax,DWORD PTR fp mov f,eax } fn = f; } T Call(void) const { long fp = fn; void *t = This; __asm { mov ebx,DWORD PTR fp mov ecx,t call ebx } } template T Call(A a) const { long fp = fn; void *t = This; __asm { mov eax,a push eax mov ebx,DWORD PTR fp mov ecx,t call ebx } } template T Call(A a,B b) const { long fp = fn; void *t = This; __asm { mov eax,b push eax mov eax,a push eax mov ebx,DWORD PTR fp mov ecx,t call ebx } } ... }; #pragma warning(default:4035)//回复没有返回值的编译警告 class CThread : public Functor { static DWORD OnRun(CThread *This) { This->Call(This);//VC 6编译运行通过,写成This->Call<>(This)反而不行,VC2005好像编不了 return 0; } public: CThread(){} ~CThread(){} BOOL Run(const Functor& fn) { *this = fn; ....//启动线程,并运行OnRun return TRUE; } }; 使用如下: class CClient { CThread m_workerA; CThread m_workerB; void OnRunWorkerA(CThread *thread){...} void OnRunWorkerB(CThread *thread){...} void Foo() { m_workerA.Run(Functor(this,&CClient::stubOnRunWorkerA)); m_workerB.Run(Functor(this,&CClient::stubOnRunWorkerB)); } }; 总结: 第一类,虚函数接口,接口最简单,同一个对象不支持多个线程实例(除非增加Run()的参数区别每个线程实例),不同的工作线程需要不同的派生类,造成类名称污染。 第二类,封装类接口,接口比较简单,不支持多个线程实例(同上),只需要一个工作线程时很合适。 第三类,感觉跟面对WINAPI一样,使用全局函数(或静态成员函数)把执行流程导回类的成员还是不太爽,有函数名称污染。 第四类,那些转换看着有点不爽,修改OnRun...()接口时要特别小心,不一致了也不会有编译警告或错误。 第五类,更OO一些,缺点也是实现/修改接口困难(我的口号是:一步到位,别改来改去),外加汇编代码对机器的依赖性。 我个人还是比较喜欢第五类,简洁,高效。类库写好之后,所需要做的就是业务逻辑。机器有变化时只要能移植线程库,应用层的代码不需要任何变化。
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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