练习与里程碑¶

本章目标：把前面各章的"看懂"变成"能做"。每个核心章节配有分级练习（🟢 入门 / 🟡 进阶 / 🔴 挑战）和明确的验收标准——做不出来就回去重读对应章节，做出来了才算真正过关。

成长里程碑总览¶

四个里程碑对应四个能力阶段，每个里程碑由若干练习组成。完成一个里程碑，你就有资格承担对应的团队角色。

M1 跑起来（对应 ch01-ch05、end-to-end）¶

练习 1.1 🟢 环境搭建验收¶

按 ch01 完成环境搭建，然后不看文档从零编译 RM_Vision_2027 和 sp_vision_25。

验收标准：

• colcon build 一次通过（RM_Vision_2027）
• cmake .. && make 一次通过（sp_vision_25）
• 能说出两个仓库分别依赖哪些第三方库（OpenCV / Eigen / yaml-cpp / fmt / ROS2 …），以及各自是怎么被找到的（find_package 在哪个文件里）

练习 1.2 🟢 录像回放跑通全链路¶

用 ros2 bag 或 sp 的录像回放模式，让自瞄程序在没有相机和电控的情况下跑起来。

验收标准：

• 能在 rviz2 / 调试窗口中看到检测框和跟踪结果
• 能用 ros2 topic hz 报出检测节点的实际帧率
• 断开一个节点（如 tracker），能说出下游会观察到什么现象

练习 1.3 🟡 数据流手绘¶

合上电脑，在白纸上画出 end-to-end 章节的完整数据流：从相机触发到串口发包，标出每一步的数据类型（cv::Mat / Armors msg / Eigen 向量 / 字节包）和大致耗时。

验收标准：画完后对照 end-to-end 章节，遗漏或错误的环节 ≤ 2 个。

练习 1.4 🟡 OpenCV 灯条检测热身¶

完成 ch05 末尾的两个 TODO 练习（灰度→二值化→轮廓检测），并额外：

• 把 binary_thres 做成滑动条（cv::createTrackbar）实时调节
• 用 sp 的演示视频 assets/demo/demo.avi 逐帧处理

验收标准：在演示视频上，你的二值化图中灯条完整、背景干净，且能口头解释为什么阈值取这个值。

M2 拆开看（对应 ch06、ch07、ch09）¶

练习 2.1 🟡 从零复现传统灯条检测¶

不看 detector.cpp，只依据 ch07 的算法描述，自己写一个完整的检测器：预处理 → 找灯条（isLight）→ 配对（isArmor）→ 输出装甲板四角点。

验收标准：

• 在演示视频上，与仓库原版检测器逐帧对比，检出的装甲板数量一致的帧数 ≥ 90%
• 你的 isLight / isArmor 里每一个阈值都能说出物理含义（"为什么宽高比上限是 0.4 而不是 0.8"）
• 写完后 diff 你的实现与原版，列出 3 处原版考虑到而你没考虑到的细节

练习 2.2 🟡 PnP 手算与验证¶

取一帧检测结果，手动（用 Python + NumPy，不用 cv2.solvePnP）实现 DLT 或用 scipy.optimize 最小化重投影误差求解位姿，与 cv::solvePnP(SOLVEPNP_IPPE) 的输出对比。

验收标准：平移分量与 OpenCV 结果偏差 < 5%；能解释偏差来源。

练习 2.3 🔴 亲手撞一次 IPPE 二义性¶

设计实验复现 9.3.4 节描述的位姿二义性：

1. 用已知位姿合成（或实拍）一组装甲板图像，装甲板 yaw 从 -30° 扫到 +30°
2. 对每帧跑 solvePnP，画出"真实 yaw vs 解算 yaw"曲线
3. 找到 yaw 发生镜像跳变的区间

验收标准：拿到跳变曲线图，并复现 sp 的 optimize_yaw 枚举法，证明它能消除跳变。这个实验做完，你对 ch09 的理解会超过绝大多数队员。

练习 2.4 🟡 串口协议解析器¶

不连电控，写一个 Python 脚本：按 ch06 的 SendPacket 定义手工构造一个字节包（含 CRC16 计算），再写解析函数还原字段，用 struct.pack/unpack 验证与 C++ 端 __attribute__((packed)) 的内存布局一致。

验收标准：Python 打包的字节序列与 C++ toVector() 输出逐字节一致（可以在 C++ 端打印 hex 对拍）。

M3 改得动（对应 ch08、ch10、debugging）¶

练习 3.1 🟡 2D 玩具 EKF¶

在碰 11 维 EKF 之前，先用 Python 写一个 4 维 EKF（状态 [x, vx, y, vy]，观测为带噪声的极坐标 [yaw, dist]——注意观测是非线性的）：

1. 仿真一个做匀速圆周运动的目标，加观测噪声
2. 实现 predict / update，画出真值、观测、估计三条轨迹
3. 把 Q 调大 100 倍、调小 100 倍，各画一张图，解释现象

验收标准：估计轨迹明显优于原始观测；能用自己的话说清 Q 和 R 分别"信任谁"。

练习 3.2 🔴 复现 11 维整车 EKF¶

把 ch08 的 11 维模型在 Python 中完整复现（状态转移、h_armor_xyz、雅可比、角度感知加减法），用仿真的小陀螺目标验证：

1. 仿真一个 ω = 6 rad/s、四装甲板、长短轴不同的旋转目标
2. 每帧只"观测"到面向相机的那块装甲板（含噪声）
3. 验证滤波器能收敛出正确的 r、r_diff、ω

验收标准：收敛后 ω 估计误差 < 5%，r 误差 < 2cm；关掉角度感知加法（x_add 用普通加法），能复现出 yaw 跨 ±π 时的发散现象并截图。

练习 3.3 🟡 弹道仿真对拍¶

用 Python 实现 ch10 的两个模型（抛物线解析解 + 单方向空气阻力迭代），画出同一目标（距离 3m/5m/8m，弹速 15/18/30 m/s）下两个模型给出的 pitch 差值表。

验收标准：能回答"在什么距离和弹速下，忽略空气阻力的误差开始超过半块装甲板高度（约 3cm 落点偏差）"，并给出数据支撑。

练习 3.4 🔴 修复 x[8] bug 并实测¶

ch10 警告框指出了 sp_vision_25 choose_aim_point() 的疑似索引 bug（ekf_x()[8] 应为 [7]）。完成完整的修复闭环：

1. 写一个最小复现：构造一个 ω = 5 rad/s 的仿真 Target，证明修复前代码走的是"不考虑小陀螺"分支
2. 修复后重跑，确认 coming/leaving 逻辑被正确触发
3. 在录像回放上对比修复前后的瞄准点选择行为

验收标准：产出一份 200 字以内的 bug 报告（现象/根因/修复/验证），格式参照开源项目 issue。做完可以真的去给上游仓库提 issue——这就是你的第一个开源贡献。

练习 3.5 🟡 故障注入排查¶

请队友（或自己写脚本）在你的工作环境里随机注入一个故障——改错一个 yaml 参数、注释掉一行 TF 发布、把相机图像 topic 重映射到错误名字——然后限时 30 分钟排查。debugging 章节是你的工具箱。

验收标准：三轮注入，至少两轮在 30 分钟内定位到根因。这个练习最接近比赛现场的真实压力。

M4 设计者（对应 ch11、ch12 及上游）¶

M4 没有标准答案，练习以"产出可讨论的技术文档"为验收形式。

练习 4.1 🟡 完整标定实操¶

用真实相机（或手机）走完 ch11 的完整标定流程：采集 → 标定 → 验证重投影误差 → 用标定结果跑 PnP 测距，与卷尺实测对比。

验收标准：重投影误差 < 0.5 px；1-5m 范围内 PnP 测距误差 < 3%。

练习 4.2 🔴 方案横评¶

选一个模块（推荐：反陀螺预测或装甲板检测），横向调研至少三个开源方案（本手册两个仓库 + 至少一个其他强队开源，如华南虎/狼牙/TUP/rv 上游），产出一份对比文档：架构差异、关键参数、各自的适用场景与失效模式。

验收标准：文档能让一个 M2 水平的队员读懂，且包含至少一个"手册里没写、你自己发现的"差异点。

练习 4.3 🔴 提出并验证一个改进¶

基于前面所有练习的积累，对现有系统提出一个可量化验证的改进（例：自适应 R 的公式改进、优化 optimize_yaw 的搜索策略、给 EKF 加 NIS 驱动的自适应 Q），并用录像回放或仿真给出前后对比数据。

验收标准：有假设、有实验、有数据、有结论——哪怕结论是"改进无效"。能独立完成这个闭环，你就是设计者了。

使用建议¶