五一期间，在家里翻到之前上学时候用的电脑和工作日志，粗略浏览一番，感慨10年岁月蹉跎，仍然没有找到自己技术方向的“道”。遂有感而发，写下此文。

算起来，接触软件开发也有10年时间了，最开始是本科大二的时候，14年，在课堂上学习了c语言，开始对编程有了点兴趣。课外参加嵌入式的比赛，在stm32和飞思卡尔的芯片上做开发，刚开始是循迹和控制的算法。

后来也在PC上写一些配套的上位机工具，使用的是MFC和matlab，matlab是可以做界面的，估计很多人不知道。上位机主要功能是串口读写，SD卡读写（嵌入式做图像处理，当时还没有实时无线发送视频流的发放，先写到SD卡），曲线展示等功能。

第一个MFC工程

第一个matlab工程

大四期间，由于在做平衡车方面有点心得，在北京中国科学技术馆和自动化所做自平衡车，也是嵌入式相关的项目。当时中国科学技术馆还有我们一个展位，记得在4楼，通宵好几天在馆里面调试。现在应该换成别的展品了。

中国科学技术馆展台

本科的毕业设计是四旋翼的控制，在simulink中计算旋翼控制量，用于控制算法的仿真与开发，UI使用matlab构建。

四旋翼控制

不知道什么时候接触的qt，大概是有年国庆假期，学了两三天，发现比MFC好用多了，后面的开发就一直用qt了。

在硕士期间，开始系统的接触视觉算法，学了一些课程，做了几个视觉识别相关的项目，印象最深的是,端子识别QTCTD，线序的识别CSDPlus，板材的识别，视觉抓取VisionGrasp，satellite线缆弯折比例测量等。开发环境也各种各样，PC端的，Ubuntu的，最离谱的安卓的，手机相机拍照来测satellite线缆折弯比，现在来看，这根本是不可能测准的。还有一些非视觉的项目，有些是不用交付的，用于辅助实验室是设备的调试，比如调姿平台RAA，倍福PLC控制，麦克纳姆车控制，传送带控制，KUKA机器人控制。

线序识别

标题线序识别最终产品

从结构到电器，到软件，全是本人设计机械图纸，PCB：

端子插线识别，

采用模板匹配方法，找到端子线孔，yolo二分类识别好坏。在UBUNTU下的。

机械臂抓取坐标系调试

硕士论文中开发的软件,家具厂智能制造单元控制系统，也是使用的Qt，基本上是把上学期间做项目用的软件技术全部用上了。包括车间内设备的控制与调度，板材计数，瑕疵检测，MES系统的通信。

板材生产线检测系统

硕士期间选了一个课程，学的是java，现在看主要是面向就业的。那时候不懂，只觉得好玩就选了，课程作业是写一个信息系统，我大概做了这个一个，老师布置作业，学生完成作业，老师打分，学生查看自己成绩。

JAVA信息管理系统

不得不说，java开发的这种框架还是比较多，稍微学习就可以上手。但工作以后会发现，熟悉业务，了解用户需求，才能又好用的软件。

其它的都是业余时间开发，主要和无人机，嵌入式开发有关。比如使用qt开发了无人机编队上位机 QT_ANO_POSITION， QFormation等。

无人机飞行控制上位机

嵌入式开发主要是实习公司做的，主要项目有压力检测设备，NRF干扰器，人体关节测量仪器，脉诊仪。NRF干扰器开起来，整个房间的无线鼠标都不能用了，用于一些科技比赛的防远程作弊，广场舞扰民制裁等。脉诊仪最有意思，使用三个传感器模拟三个手指，放到人手腕上采集信号，和中医诊断匹配，训练深度模型，我们叫它电子号脉。不知道现在有没有类似的产品，那时候还是1819年，思想还是比较超前的。

2020年学校毕业，进入视觉检测行业，在工作中，第一次见识到了具有工业强度的视觉软件。和之前在学校里面做的视觉检测项目完全是天上地下，也因此，在工作的前两年，我有空就研究这个工业强度的视觉软件和底层，尤其是在我独立负责一个新产品开发，拥有了全部代码权限之后。这段时间我软件算法技术成长最快的，对检测业务需求也有了一定的了解。
工作前两年主要在学习，如何构建一个高效的视觉检测系统。自己的专业技能，则都点在了视觉算法的设计，开发和优化上面，包括原理优化，指令集，多线程。优化算子都对标号称最强的视觉检测算法halcon，TUM德国慕尼黑工大开发。有些单算子的效率，甚至高过了halcon，而算子组合优化，halcon是无法完成的，在定制算法开发时，两步三步并一步，少了内存反复读写，效率是高过halcon的。虽然在CPU上优化了很多，但最后我们发现，CPU的性能已经快被我们榨干了，因此后来把整个检测系统的算法从CPU迁移到GPU上，使用的是cuda。

我一直喜欢称自己为算法工程师，但我又看不上只会写算法，对软件，业务一无所知的所谓算法工程师，因此我也经常开发一些软件，来印证自己所学。主要也是受行业内前辈的影响，产生了自己开发视觉检测系统底层的想法，有了底层，开发一些小的软件时候，就可以统一到一个框架中来，慢慢的就有了积累。

在开发一个自己的视觉检测系统底层的前期，做了很多调研，OpenCV,Dlib,VLFeat,Boofcv,Pillow,VTK,ITK,Halide,SIMD,Halcon,Separe,IPP,NPP,Duilib,Qt,wxWidgets等。Dlib是参考较多的库。

在21年的时候，就给这个底层库起好了名字，叫MetaFramework，包含了一些基础的几何库，数学库，图像，区域，轮廓等算法数据接口，也包括序列化，通信等软件组件，基础的数据结构，就用stl里面的。虽然很多大型的开源库，都喜欢自己写基础数据结构，比如UE,QT,GST等，自己用stl就够了，这个还是不要投入太多精力。UI框架没有自己写，之前研究了一段时间的UI框架，对于非软件科班出身的人来说还是有点吃力，使用的是Duilib，使用vs的解决方案管理项目。使用这个底层库，没有做什么实质上的应用，就写了些简单测试的demo，因为自己实际使用起来还是觉得不顺手。

随着对视觉检测系统的了解，对效率，开发友好，跨平台的需求，MetaFramework不能再满足需求了，于是推倒重来，重新设计了新的架构，Meta（元）。

元，使用c++搭建的大规模智能体仿真后端框架，支持底层的动力学（Dynamics）计算，控制器（Autopilot）作为插件配置；上层的高级指令（Commands），智能体行为逻辑（Rules）配置；框架允许模块间数据交换采用序列化容器的方式，因此，环境数据的加载模块，传感器模型，以及未来新的需求所需的模块可以通过脚本的方式，配置到仿真循环中

后来逐步进入boost，框架改名为MetaCore，UI使用的wxwidgets。使用boost库实现了一些底层功能，比如序列化，共享内存总线，模块插件加载等。使用cmake进行项目管理，可以在多个平台使用一套源码编译。逐步成为一个可用的底层库，做了一些项目和小工具。
使用这个底层库，开发了ImageViewer，Sim框架等软件。

ImageViewer

sim框架

在用这个框架做项目的时候，发现UI这块还是比较难用，于是又集成了Qt，但仅用于UI。
又开发了QViewer视觉跟踪控制软件。

视觉识别与跟踪

写到这里，其实已经隐约有点了悟。软件需求千差万别，业务场景复杂多变，虽然做了这么多软件，但我真正积累下来的只有软件算法设计的思想，也唯有底层技术万变不离其宗。已经从一开始的感慨逐渐平静，这就是未来的方向。要构建自己的核心能力，而核心能力就是底层库源码。

这也是现在正在做的事，想明白了这点，又开始思考，构建c++底层库的好处。总结了如下三点：自己平时写的一些模块，可以放到一个仓库里面，统一编译，统一管理，能在自己些demo的时候，有一个快速的参考；有些三方库源码很不好找或者不容易下载，预编译的也不适合自己的编译环境，统一到在自己的代码仓库中Thirdparty的中则没有这个问题；作为发布工业软件的核心库，在软件逐步迭代的过程中，底层库的能力也在不断增长。