设计模式, Autoware
2022-03-17设计模式
面向对象的设计模式有七大基本原则：
开闭原则（Open Closed Principle，OCP）：由勃兰特·梅耶（Bertrand Meyer）提出，他在1988年的著作《面向对象软件构造》（Object Oriented Software Construction）中提出：软件实体应当对扩展开放，对修改关闭（Software entities should be open for extension，but closed for modification）。
单一职责原则（Single Responsibility Principle，SRP）：由罗伯特·C.马丁（Robert C. Martin）于《敏捷软件开发：原则、模式和实践》一书中提出的。这里的职责是指类变化的原因，单一职责原则规定一个类应该有且仅有一个引起它变化的原因，否则类应该被拆分（There should never be more than one reason for a class to change）。
里氏代换原则（Liskov Substitution Principle，LSP）：麻省理工学院计算机科学实验室的里斯科夫（Liskov）女士在 1987 年的“面向对象技术的高峰会议”（OOPSLA）上发表的一篇文章《数据抽象和层次》（Data Abstraction and Hierarchy）里提出来的，她提出：继承必须确保超类所拥有的性质在子类中仍然成立（Inheritance should ensure that any property proved about supertype objects also holds for subtype objects）。
依赖倒转原则（Dependency Inversion Principle，DIP）：Object Mentor公司总裁罗伯特·马丁（Robert C.Martin）于1996年在C++ Report上发表的文章。高层模块不应该依赖低层模块，两者都应该依赖其抽象；抽象不应该依赖细节，细节应该依赖抽象（High level modules shouldnot depend upon low level modules.Both should depend upon abstractions.Abstractions should not depend upon details. Details should depend upon abstractions）。其核心思想是：要面向接口编程，不要面向实现编程。
接口隔离原则（Interface Segregation Principle，ISP）：2002年罗伯特·C.马丁给“接口隔离原则”的定义是：客户端不应该被迫依赖于它不使用的方法（Clients should not be forced to depend on methods they do not use）。该原则还有另外一个定义：一个类对另一个类的依赖应该建立在最小的接口上（The dependency of one class to another one should depend on the smallest possible interface）。
合成/聚合复用原则（Composite/Aggregate Reuse Principle，CARP）：它要求在软件复用时，要尽量先使用组合或者聚合等关联关系来实现，其次才考虑使用继承关系来实现。
最少知识原则（Least Knowledge Principle，LKP）或者迪米特法则（Law of Demeter，LOD）：1987年美国东北大学（Northeastern University）的一个名为迪米特（Demeter）的研究项目，由伊恩·荷兰（Ian Holland）提出，被UML创始者之一的布奇（Booch）普及，后来又因为在经典著作《程序员修炼之道》（The Pragmatic Programmer）提及而广为人知。
它的定义是：只与你的直接朋友交谈，不跟“陌生人”说话（Talk only to your immediate friends and not to strangers）。其含义是：如果两个软件实体无须直接通信，那么就不应当发生直接的相互调用，可以通过第三方转发该调用。其目的是降低类之间的耦合度，提高模块的相对独立性。
在架构领域，有两种常见架构方法RUP和TOGAF。
GoF
《Design Patterns: Elements of Reusable Object-Oriented Software》，由 Erich Gamma、Richard Helm、Ralph Johnson 和 John Vlissides 合著（Addison-Wesley，1995）。这几位作者常被称为“四人组（Gang of Four）”。
AOP
IoC（Inversion of control）：控制反转/反转控制。
DI（Dependency Injection）：依赖注入。
AOP（Aspect oriented programming）：面向切面编程
参考：
https://zhuanlan.zhihu.com/p/144241957
面试被问了几百遍的IoC和AOP ，还在傻傻搞不清楚？
https://mp.weixin.qq.com/s/IOV4FLJyxKM1q7Avh2j93g
漫画:AOP面试造火箭事件始末
https://segmentfault.com/a/1190000007469968
彻底征服Spring AOP之理论篇
https://segmentfault.com/a/1190000007469982
彻底征服Spring AOP之实战篇
https://mp.weixin.qq.com/s/5UwgQQHA-D0il0_8fDIW0A
Python面向切面编程AOP和装饰器
参考
https://mp.weixin.qq.com/s/9gDGQhzRAL3pj35VAinZbQ
设计模式在外卖营销业务中的实践
https://mp.weixin.qq.com/s/KYq_nEXQ-5WYdYzZvGLGGg
我向面试官讲解了单例模式，他对我竖起了大拇指
http://c.biancheng.net/design_pattern/
23种设计模式全面解析
https://mp.weixin.qq.com/s/H2toewJKEwq1mXme_iMWkA
设计模式二三事
Autoware
Autoware是另一个开源的无人驾驶平台。不像Apollo，没有百度这样的强势公司的介入，社区氛围更浓一些，相对的，功能也要弱一些。
官网：
https://www.autoware.org/
主要由一下组件构成：
- autoware.ai
https://www.autoware.ai/
这个组件基于ROS 1.0，是目前的方案。
- autoware.auto
https://www.autoware.auto/
这个组件基于ROS 2.0，是面向未来的方案。
- autoware.io
https://www.autoware.io/
autoware提供的模拟器。
代码仓库：
https://gitlab.com/autowarefoundation/autoware.ai
机器人/无人驾驶参考资源+
https://mp.weixin.qq.com/s/ao5hC_3A7fn8_L_PFw399A
轨迹规划技术分享
https://mp.weixin.qq.com/s/mPiAPT5hBlhR5gINIEMnkw
轨迹规划——算法综述
https://mp.weixin.qq.com/s/pEA7mN7AhxrDqLb3ku1CxQ
ADAS以及自动驾驶车辆运动特性
https://mp.weixin.qq.com/s/HSvy_mWcpoS4_-2izgXlzg
第一次有人把V2X讲的这么通俗易懂！
https://mp.weixin.qq.com/s/AekhB7D1W5UhkTmLikvpxA
ADAS系统横纵向控制策略之碰撞时间计算方法
https://mp.weixin.qq.com/s/ZEvNniUUzcsCbU-UpzxtEA
ADAS高级辅助驾驶视觉系统（Advanced Driver Assistant System）
https://zhuanlan.zhihu.com/p/73073753
基于深度学习的多传感器标定
https://mp.weixin.qq.com/s/m4KtRGoBgqcgF8ZBMjG6Hg
深层卷积神经网络在路面分类中的应用
https://mp.weixin.qq.com/s/nQq2tzK_2y2lEt9H14zdwA
自动驾驶中的决策规划算法概述
https://mp.weixin.qq.com/s/yIFgwxU-DI6NBogfmxqqKQ
基于深度学习的计算机视觉技术在无人驾驶中的应用
https://mp.weixin.qq.com/s/rA9AAVx7AlNuS1l4IUuG0w
深度学习技术在自动驾驶中的应用
https://mp.weixin.qq.com/s/4_jtb9gv20F6h1Ljw4JwEw
车载以太网通信的“套娃游戏”
https://zhuanlan.zhihu.com/p/86184886
行人的行为意图建模和预测(上)
https://zhuanlan.zhihu.com/p/86185203
行人的行为意图建模和预测(下)
https://zhuanlan.zhihu.com/p/90773462
多传感器数据深度图的融合：最近基于深度学习的方法
https://mp.weixin.qq.com/s/4tOYmCRiFN0xsG6vbedrrg
ADAS系统中的动态目标感知策略（一）
https://mp.weixin.qq.com/s/JT4p03m77ohOufL3JFecvA
从硬件角度剖析自动驾驶，为什么说它是复杂的系统工程？
https://mp.weixin.qq.com/s/UGdZCC80gQRTgHz9GV6USA
MEMS IMU/陀螺仪对准基础
https://mp.weixin.qq.com/s/v3gsmCWSI9pEwRolN8qWNA
基于深度卷积网络的自动驾驶多模态轨迹预测
https://mp.weixin.qq.com/s/R-17JgcGHG67KZ6yRYNFlA
基于Frenet优化轨迹的无人车动作规划方法
https://mp.weixin.qq.com/s/qZwqp5x6yEXbMBHGzevm0g
ACC自适应巡航控制系统介绍
https://zhuanlan.zhihu.com/p/57077589
自动驾驶中路上行人的行为和意图理解及预测
https://zhuanlan.zhihu.com/p/109900137
传感器融合-任务篇
https://zhuanlan.zhihu.com/p/109895639
传感器融合-数据篇
https://mp.weixin.qq.com/s/1sbL2vmugiIlSn_ehIOuig
车载多传感器融合定位方案：GPS +IMU+MM
https://mp.weixin.qq.com/s/5kJfhp3vi9uuSFaeONKfrA
打破传统方法，MIT新芯片帮自动驾驶汽车穿越浓雾
https://zhuanlan.zhihu.com/p/57781001
自动驾驶系统的硬件平台讨论
https://mp.weixin.qq.com/s/ZUxkZXLC0tPkzptFKtudhw
让机器人也能“问路”的视觉语言导航新方法
https://mp.weixin.qq.com/s/6OkLjK1bMbw6a3bvYn_DCQ
深度学习在自动驾驶感知领域的应用
https://zhuanlan.zhihu.com/p/57029694
自动驾驶中单目摄像头检测输出3-D边界框的方法一览
https://mp.weixin.qq.com/s/SZlwjnZrxCyaqRBg_sjQaA
浅谈自动驾驶中的行为风险识别（一）
https://mp.weixin.qq.com/s/QBnvLrD93b8cDEeNeZ5kAw
车联网正步入歧途，命悬一线的开始
https://zhuanlan.zhihu.com/p/553588646
最新的“视觉为中心的BEV感知”综述论文
