五一期間，在家里翻到之前上學時候用的電腦和工作日志，粗略瀏覽一番，感慨10年歲月蹉跎，仍然沒有找到自己技術方向的“道”。遂有感而發，寫下此文。

算起來，接觸軟件開發也有10年時間了，最開始是本科大二的時候，14年，在課堂上學習了c語言，開始對編程有了點興趣。課外參加嵌入式的比賽，在stm32和飛思卡爾的芯片上做開發，剛開始是循跡和控制的算法。

后來也在PC上寫一些配套的上位機工具，使用的是MFC和matlab，matlab是可以做界面的，估計很多人不知道。上位機主要功能是串口讀寫，SD卡讀寫（嵌入式做圖像處理，當時還沒有實時無線發送視頻流的發放，先寫到SD卡），曲線展示等功能。

第一個MFC工程

第一個matlab工程

大四期間，由于在做平衡車方面有點心得，在北京中國科學技術館和自動化所做自平衡車，也是嵌入式相關的項目。當時中國科學技術館還有我們一個展位，記得在4樓，通宵好幾天在館里面調試。現在應該換成別的展品了。

中國科學技術館展臺

本科的畢業設計是四旋翼的控制，在simulink中計算旋翼控制量，用于控制算法的仿真與開發，UI使用matlab構建。

四旋翼控制

不知道什么時候接觸的qt，大概是有年國慶假期，學了兩三天，發現比MFC好用多了，后面的開發就一直用qt了。

在碩士期間，開始系統的接觸視覺算法，學了一些課程，做了幾個視覺識別相關的項目，印象最深的是,端子識別QTCTD，線序的識別CSDPlus，板材的識別，視覺抓取VisionGrasp，satellite線纜彎折比例測量等。開發環境也各種各樣，PC端的，Ubuntu的，最離譜的安卓的，手機相機拍照來測satellite線纜折彎比，現在來看，這根本是不可能測準的。還有一些非視覺的項目，有些是不用交付的，用于輔助實驗室是設備的調試，比如調姿平臺RAA，倍福PLC控制，麥克納姆車控制，傳送帶控制，KUKA機器人控制。

線序識別

標題線序識別最終產品

從結構到電器，到軟件，全是本人設計機械圖紙，PCB：

端子插線識別，

采用模板匹配方法，找到端子線孔，yolo二分類識別好壞。在UBUNTU下的。

機械臂抓取坐標系調試

碩士論文中開發的軟件,家具廠智能制造單元控制系統，也是使用的Qt，基本上是把上學期間做項目用的軟件技術全部用上了。包括車間內設備的控制與調度，板材計數，瑕疵檢測，MES系統的通信。

板材生產線檢測系統

碩士期間選了一個課程，學的是java，現在看主要是面向就業的。那時候不懂，只覺得好玩就選了，課程作業是寫一個信息系統，我大概做了這個一個，老師布置作業，學生完成作業，老師打分，學生查看自己成績。

JAVA信息管理系統

不得不說，java開發的這種框架還是比較多，稍微學習就可以上手。但工作以后會發現，熟悉業務，了解用戶需求，才能又好用的軟件。

其它的都是業余時間開發，主要和無人機，嵌入式開發有關。比如使用qt開發了無人機編隊上位機 QT_ANO_POSITION， QFormation等。

無人機飛行控制上位機

嵌入式開發主要是實習公司做的，主要項目有壓力檢測設備，NRF干擾器，人體關節測量儀器，脈診儀。NRF干擾器開起來，整個房間的無線鼠標都不能用了，用于一些科技比賽的防遠程作弊，廣場舞擾民制裁等。脈診儀最有意思，使用三個傳感器模擬三個手指，放到人手腕上采集信號，和中醫診斷匹配，訓練深度模型，我們叫它電子號脈。不知道現在有沒有類似的產品，那時候還是1819年，思想還是比較超前的。

2020年學校畢業，進入視覺檢測行業，在工作中，第一次見識到了具有工業強度的視覺軟件。和之前在學校里面做的視覺檢測項目完全是天上地下，也因此，在工作的前兩年，我有空就研究這個工業強度的視覺軟件和底層，尤其是在我獨立負責一個新產品開發，擁有了全部代碼權限之后。這段時間我軟件算法技術成長最快的，對檢測業務需求也有了一定的了解。
工作前兩年主要在學習，如何構建一個高效的視覺檢測系統。自己的專業技能，則都點在了視覺算法的設計，開發和優化上面，包括原理優化，指令集，多線程。優化算子都對標號稱最強的視覺檢測算法halcon，TUM德國慕尼黑工大開發。有些單算子的效率，甚至高過了halcon，而算子組合優化，halcon是無法完成的，在定制算法開發時，兩步三步并一步，少了內存反復讀寫，效率是高過halcon的。雖然在CPU上優化了很多，但最后我們發現，CPU的性能已經快被我們榨干了，因此后來把整個檢測系統的算法從CPU遷移到GPU上，使用的是cuda。

我一直喜歡稱自己為算法工程師，但我又看不上只會寫算法，對軟件，業務一無所知的所謂算法工程師，因此我也經常開發一些軟件，來印證自己所學。主要也是受行業內前輩的影響，產生了自己開發視覺檢測系統底層的想法，有了底層，開發一些小的軟件時候，就可以統一到一個框架中來，慢慢的就有了積累。

在開發一個自己的視覺檢測系統底層的前期，做了很多調研，OpenCV,Dlib,VLFeat,Boofcv,Pillow,VTK,ITK,Halide,SIMD,Halcon,Separe,IPP,NPP,Duilib,Qt,wxWidgets等。Dlib是參考較多的庫。

在21年的時候，就給這個底層庫起好了名字，叫MetaFramework，包含了一些基礎的幾何庫，數學庫，圖像，區域，輪廓等算法數據接口，也包括序列化，通信等軟件組件，基礎的數據結構，就用stl里面的。雖然很多大型的開源庫，都喜歡自己寫基礎數據結構，比如UE,QT,GST等，自己用stl就夠了，這個還是不要投入太多精力。UI框架沒有自己寫，之前研究了一段時間的UI框架，對于非軟件科班出身的人來說還是有點吃力，使用的是Duilib，使用vs的解決方案管理項目。使用這個底層庫，沒有做什么實質上的應用，就寫了些簡單測試的demo，因為自己實際使用起來還是覺得不順手。

隨著對視覺檢測系統的了解，對效率，開發友好，跨平臺的需求，MetaFramework不能再滿足需求了，于是推倒重來，重新設計了新的架構，Meta（元）。

元，使用c++搭建的大規模智能體仿真后端框架，支持底層的動力學（Dynamics）計算，控制器（Autopilot）作為插件配置；上層的高級指令（Commands），智能體行為邏輯（Rules）配置；框架允許模塊間數據交換采用序列化容器的方式，因此，環境數據的加載模塊，傳感器模型，以及未來新的需求所需的模塊可以通過腳本的方式，配置到仿真循環中

后來逐步進入boost，框架改名為MetaCore，UI使用的wxwidgets。使用boost庫實現了一些底層功能，比如序列化，共享內存總線，模塊插件加載等。使用cmake進行項目管理，可以在多個平臺使用一套源碼編譯。逐步成為一個可用的底層庫，做了一些項目和小工具。
使用這個底層庫，開發了ImageViewer，Sim框架等軟件。

ImageViewer

sim框架

在用這個框架做項目的時候，發現UI這塊還是比較難用，于是又集成了Qt，但僅用于UI。
又開發了QViewer視覺跟蹤控制軟件。

視覺識別與跟蹤

寫到這里，其實已經隱約有點了悟。軟件需求千差萬別，業務場景復雜多變，雖然做了這么多軟件，但我真正積累下來的只有軟件算法設計的思想，也唯有底層技術萬變不離其宗。已經從一開始的感慨逐漸平靜，這就是未來的方向。要構建自己的核心能力，而核心能力就是底層庫源碼。

這也是現在正在做的事，想明白了這點，又開始思考，構建c++底層庫的好處。總結了如下三點：自己平時寫的一些模塊，可以放到一個倉庫里面，統一編譯，統一管理，能在自己些demo的時候，有一個快速的參考；有些三方庫源碼很不好找或者不容易下載，預編譯的也不適合自己的編譯環境，統一到在自己的代碼倉庫中Thirdparty的中則沒有這個問題；作為發布工業軟件的核心庫，在軟件逐步迭代的過程中，底層庫的能力也在不斷增長。