关于 活动对象调动器的 介绍

by   mayflowers

首先我们有几个基本共识,或者说前提条件:
- (1)调度器对活动对象的调度(等待等)操作必须是同步完成的。如果调度能够
异步完成,调度器就需要被某种机制调度执行,而这正是调度器需要解决的问题。
这是一个矛盾。
- (2)调度器在真正开始调度的时候,必须有至少一个活动对象已经发起异步请求。
否则调度器将永远陷于等待状态。
- (3)调度器对象必须在使用之前构造完成。这个比较直观,我们不讨论这个问题。

**启动部分需要解决的问题(需求)**

这里以现有的代码进行描述。

1. 调度器启动的时候有一个活动对象在等待
myAO->IssueAsyncRequest();
CActiveSsheduler::Start();

这是最基本的要求,没有这个...难以想象啊,嘿嘿。我们构造任何解决方案首先满
足这个要求。

2. 调度器启动的时候有两个活动对象在等待
myAO1->IssueAsyncRequest();
myAO2->IssueAsyncRequest();

CActiveSsheduler::Start();

这个要求并不过分,事实上很多应用在启动调度器之前,都有好几个活动对象用来
处理不同的异步事件(主要是 observer 之类的东西在等待通知)。

3. 线程的并行问题
无论怎么设计,整体操作都分为两个部分:
1. 活动对象发起异步操作
2. 调度器启动

由于异步操作的处理通常都在别的线程/进程执行;在步骤 2 之前,活动对象请求
的的异步操作很可能已经完成。框架必须能够正确的处理这一点。

这一点可以由条件(3)保证。

4. 活动对象和调度器之间的依赖应该尽可能的少

**可能的做法**

如果不按照现有的框架,可能有两种做法:
- 在活动对象加入活动对象调度器,判断是否需要启动调度器
- 在活动对象发起第一个异步请求的时候,判断是否需要启动调度器


**第一个方法:加入活动对象的时候启动**

受条件(2)的限制,要求用户调用 CActiveScheduler::Add() 之前必须发起异步
调用:

// 构造调度器对象
myAO->IssueAsyncRequest(); // 发起异步请求
CActiveScheduler::Add(myAO); // 自动启动调度器,等待异步操作完成

显然,这不能解决"需求-2"。不能在初始化的时候启动多个活动对象。只能在第一
个活动对象的 RunL 里面启动其它活动对象。

另外,调度器启动之后,调用栈中包括了调用 Add 的这个函数(当前函数)。如果
在 Main 函数之类的地方调用 Add,自然没有问题。但是如果在活动对象的构造函
数(或者其它成员函数)调用 Add,就会造成活动对象和调度器的强烈耦合 ――
活动对象必须保证自己在调度器运行的期间一直存在。

这个方法不符合要求。

**第二个方法:发起第一个异步请求的时候启动**

CActiveScheduler::Add(myAO1);
CActiveScheduler::Add(myAO2);

myAO1->IssueAsyncRequest(); // 自动启动

首先这也不能解决"需求-2"。其次也存在耦合问题:怎么在发起异步请求的时候启
动调度器。我能想到的方法是在调用 SetActive 的时候启动,但是这个实现似乎会
带来无尽的恶果。

**总结**

调度器的启动不能依赖于某个活动对象的状态,应该由程序独立控制。如果启动的
时候不能满足条件,这是应用程序的严重BUG,需要强制程序员解决,所以 Panic
也是很合理的。所有这些原因都综合起来,很自然就是现在这样的一种启动方式。

应该还有很多种不同的设计,其中有些可以满足所有的需求,但是使用和实现的复
杂程度恐怕会大于现有的框架。可以把不爽的地方都列出来,说不定哪天能攒出来
一个比现有结构更好的呢 :-P
同步定位与地图构建(SLAM)技术为移动机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:传感模型(如激光雷达与视觉传感)的建立与应用、特征匹配与数据关联方法、滤波设计(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
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