zifa2003293 发表于 2022-5-8 19:47

关于嵌入式开发的经验之谈

一、为何写本文

嵌入式是一个即形象又抽象的词,形象在于看到这个词会在脑海中有一个大概的画面,抽象在于这画面的马赛克有点多,看不清楚。所以说很多朋友会对嵌入式有很多疑问:

[*]嵌入式行业真的没前途吗?
[*]嵌入式与单片机之间的关系是什么?
[*]是做嵌入式有前途还是做互联网软件比如前端有前途?
[*]嵌入式算吃青春饭么?
[*]同是嵌入式工程师,为什么有人月薪8千,有人年薪快40万?
看到这些疑问,我差点一口老血喷出来。技术的进步如此之快,现在的嵌入式技术早已今非昔比。我希望通过本文,能让广大有志于投身于此的朋友,揭示一个更“高清无码”的嵌入式。希望大家看过本文后, 能知道真正的高手是什么样的,而上面问题中提到的年薪40万,仅仅是一个起步。需要说明的是,受作者的经历和认知所限,本文的表述是基于机器人视觉系统和相机系统展开的。这类系统对性能和实时性均有很高的要求,需要理解全技术链的方方面面,具有一定的代表性。


二、如何学以致用

凭空讲嵌入式工程师要干哪些事,比较枯燥。我想到一个比较好的切入点:分析各大企业嵌入式相关岗位JD(Job Description)中任职要求,看一下当今企业对嵌入式人员的技能需求。这就是大家努力的方向。为此,我选择了机器人视觉领域(含自动驾驶)和相机领域的几个典型的企业进行分析。选择的机器人视觉领域企业有:

[*]DJI:无人机领域的老大哥,第一次将视觉技术如此大规格地应用于消费电子产品中。
[*]美团&NINEBOT:低速自动驾驶车代表企业。
[*]小马智行:L4级别自动驾驶代表企业。
[*]石头科技:家用扫地机器人代表企业。
[*]地平线:人工智能芯片代表企业。
选择的相机领域企业有:

[*]OPPO:冲电5分钟,通话2小时(和相机没啥关系,不过这个广告词实在是太上头了)
[*]VIVO:逆光也清晰,照亮你的美。
[*]小米:生死看淡,不服就干。
这些企业嵌入式相关的岗位也有很多(我已经很克制地归一化了相似的岗位名称):

[*]嵌入式系统工程师
[*]嵌入式系统架构师
[*]linux嵌入式软件工程师
[*]BSP工程师
[*]机器人系统软件开发工程师
[*]系统开发工程师
[*]系统软件工程专家
[*]算法优化工程师
[*]系统性能工程师
[*]应用算法工程师
[*]嵌入式AI平台工程师
[*]系统软件中间件工程师
看到这么多岗位,大家是不是有一些吃惊?随着移动计算能力的飞速发展,嵌入式技术早已今非昔比。记得十五年前刚接触嵌入式技术时,那时处理器的性能比现在低好几个数量级,当时的挑战是:

[*]资源真的太少:曾用过128字节RAM的MCU,要仔细扣每一字节的使用,函数调用不能太深,一不小心栈就爆了。
[*]实时性:大部分的应用是控制,需要在规定时间内完成规定任务。
总得来说,还是相对简单的,毕竟东西少,复杂度就有限。现在不一样啦,要面对全新的挑战:

[*]计算性能永远不够:不得不说,现在最新的计算机视觉/AI算法在嵌入式平台上还跑不起来;所以选择算法时,一般会选当前平台能运行的最好算法,这就导致有多少CPU就用多少CPU,CPU占用率常年维持在90%以上。
[*]内存永远不够:图像既吃空间又吃带宽,经常出现的问题是功能还没做完,内存用完了,oom满天飞。更隐晦的是内存带宽也会悄悄被耗尽,悄悄拖慢运行速度。
[*]实时性要求也不低:虽然不似实时控制一样需要做到抖动在1ms以内,但做到30ms还是要要的,要不就丢帧了。如何在高CPU和内存占用率下保证实时性,是一项前所未有的挑战。
[*]复杂度高:由于功能复杂度提升,引入了很多新的高级总线接口和协议栈,代码的规模也越来越大,要搞清全局,变得越来越困难。
这些新的挑战,映射到技术细节上,又可以归纳为以下方面:

[*]编程技能:随着系统复杂度的提升,需要编程技能的要求也水涨船高。
[*]处理器架构:当遭遇CPU和内存性能问题时,不懂点CPU架构,就像在猜哑迷一样。
[*]操作系统:哇,oom了;哇,丢帧了;哇,写FLASH性能抖动了;只能边哇哇哇地哭边恶补内存管理,进程调度,文件系统知识了。
[*]接口与驱动:接口越来越多,速度越来越快,现在这个年头,不懂十几个接口都听不懂小米的发布会了。
[*]Framework(中间件):ROS,Camera Pipeline,各类协议栈,学好任何一个都不容易。
[*]算法优化:处理器性能就像海绵里的水,拧一拧总能优化一点出来。
[*]应用编程与调试:多线程,多进程,多核,线程间通信,进程间通信,多核间通信。对,就是这么纠结。
[*]硬件知识:嵌入式工程师不懂点硬件知识哪能和硬件工程师愉快地玩耍呢?
[*]其他:作为一个承上启下的岗位,对软技能有更高的要求。



三、编程技能

各代表企业非常一致地都对编程基础技能提出了要求,嵌入式工程师在大类上属于软件工程师的范畴,编程技能不能差,要不嘿嘿:编码一时爽,调试火葬场。。。
DJI:精通C/C++。美团:熟练掌握CMake/MAKEFILE的编写规则,熟悉交叉编译的基本流程。小马智行:熟悉C/C++,熟悉至少一种脚本语言(Python/Shell), 有良好的开发习惯、文档规范及编码习惯;熟练掌握常用的数据结构和算法,精通STL。NINEBOT:具备成熟的大型嵌入式软件项目经验,对常见嵌入式软件设计的理念、流程、框架、工具有清晰的认知,熟练使用版本控制工具;熟悉常用算法和数据结构,C++开发有充足经验,熟悉面向对象设计,熟悉C++11标准。石头科技:精通C语言,具备良好的编程习惯、代码质量意识、代码阅读能力,熟悉汇编语言者优先考虑;熟悉Linux下的C语言、Python以及Shell,具备良好的编程习惯、代码质量意识、代码阅读能力。OPPO:良好的编程习惯,精通C/C++,了解Linux系统,了解一些脚本语言(Linux Shell\Dos Shell\Perl\Matlab)。VIVO:精通嵌入式系统的C和汇编语言混合编程,有良好的编码习惯和文档规范,对代码质量和执行效率精益求精;,有程序架构设计经验,对软件的模块化、可移植性和项目重构有深入理解。小米:熟悉linux下各种工具链的制作,熟悉MAKEFILE、Linux,有Builtroot、Docker实际使用经验者优先。地平线:精通C/C++语言,掌握现代C++标准库和常用扩展库的用法;精通现代主流的C++设计模式;主导过大型复杂AI系统的架构设计,对软件分层、模块划分、接口定义等有独到心得。总结下来,需要掌握以下技能:
C/C++:C和C++仍旧是嵌入式开发绝对主流的语言。底层软件这么多年来,一直是C的天下,在可预见的将来,不会改变。随着系统复杂度越来越高,越来越多的应用层软件采用C++来编写。需要注意的是:一些平台的工具链(如大多数DSP,一些RTOS)对C++的支持不好,经常出现你以为编译器帮你做了实际却没做,或是编译器偷偷做了一些你不知道的事情。所以在用C++的时候需要留个心眼,要不出了问题真的是一脸蒙B。另外,一些新语言(如rust)一直在快速发展,未来有可能在嵌入式应用开发中开花结果。汇编语言:用于玩弄一些底层的奇淫巧技(有兴趣可以去查看Kernel的一些很底层的代码,例如锁的实现代码),有时也用于向算法工程师秀肌肉(汇编级优化)。其他语言:主要是脚本语言,用于平时做些小工具(Shell),和机器学习工程师愉快对话(Python)。版本管理:git是个好东西~ 构建:工程越来越大,构建越来越复杂,如何把代码编译出来,也成了一个学问。MAKEFILE太麻烦,那就来搞CMake吧。软件包太多?Buildroot搞起。构建再往深引申,又可以引出CI(持续集成),这又是一个很大的话题了。软件工程:工程复杂度提升带来的是需要利用软件工程的思想进行管理,软件设计的理念,流程,框架开始提到台面来进行研究,越高级的岗位对这方面的要求越高。



3年嵌入式物联网学习资源整理分享:嵌入式基础C语言、Linux开发,软件开发,STM32单片机、ARM硬件开发、物联网通信开发,综合项目开发等资料、教程都有,点击下方插件免费领取。

四、处理器架构

根据产品种类的不同,大部分企业都提出了对处理器架构的要求:
美团:熟练掌握至少一种单片机编程(Atmel/STM32),并至少有3年以上相关开发经验。小马智行:精通ARM、DSP或者其他CPU。NINEBOT:精通STM32单片机、ARM处理器的架构及应用开发,具有RK & 高通硬件设备开发经验优先;石头科技:有长期嵌入式ARM、DSP、Cortex-M等架构的开发经验;熟练掌握至少一种MCU的体系结构,熟练使用ARM Cortex-A或M系列内核的SOC。OPPO:至少精通其中一种嵌入式体系架构者(包括ARM,DSP,X86,MIPS,GPU等)。VIVO:深入理解ARM架构,熟悉MCU开发工具;

[*]ARM:需要了解Cortex-M和Cortex-A系列处理器架构。好了,问题来了,什么叫了解处理器架构?哈佛架构,冯氏架构,多级流水线都是最基础的常识;SIMD/MIMD/指令预取/乱序执行这些概念也要懂一些;cache多少line多少way多少级代表什么对性能有什么影响也要心知肚明。如果还能搞清楚为什么大核(Cortex-A72)比小核(Cortex-A53)性能要高,就更好了。能回答这些问题,应该就能说了解ARM架构了。
[*]DSP/GPU:DSP和GPU在大规模并行运算上有得天独到的优势。不过现在ARM的NEON性能越来越强,也可以算半个DSP了。相对于很久以前TI DSP独步天下,现在的DSP会作为SOC芯片其中一类处理核心而存在,常见的IP有CEVA和Tensilica。我曾参与的项目中大量使用了DSP,只有了解其体系结构,才能炸干其性能,并且在遇到问题时不至于毫无头绪。我遇到过因DSP处理器微结构设计特性引起的小概率bug,教训惨痛,记忆尤新啊。随着深度学习应用的崛起,GPU用得也越来越多,框架一般会做的比较好,用起来相对简单,但要做深层次的优化,亦非易事。
[*]SOC架构:这部分在各公司的JD中都没有体现,但我觉得是一个关键技能点。需要了解处理器的总线设计,例如AXI上开了多少个port,每个port的带宽是多少?这对DDR内存带宽有瓶颈的应用非常关键。需要了解cache设计和多核通信IP,有助于了解异构多核间通信的原理与可能潜在的cache一致性风险。


五、操作系统

各大公司都对操作系统知识有所要求,目前的电子产品功能越来越多,也越来越复杂,OS可以极大地简化系统的开发难度。当然,目前仍旧有很多对可靠性要求极高的行业,会选用“裸奔”的方式进行开发。
DJI:熟悉Linux内核(内存管理、进程管理、中断、锁、文件系统等)的开发及调试;精通至少一种嵌入式RTOS(如FreeRTOS、Threadx、Nucleus),有RTOS移植经验;精通实时性、调度抢占、中断优先级、中断嵌套、优先级翻转等问题。美团:精通Linux内核,熟悉文件系统、进程调度、内存管理等内核基本概念;了解RTOS,对嵌入式实时操作系统任务调度等有一定了解。小马智行:精通Linux、RTOS等操作系统,对操作系统运行机制有深刻理解。NINEBOT:有实际项目的RTOS应用经验,熟悉嵌入式操作系统线程模型、进程调度、内存管理机制;熟悉Linux Kernel和Android系统底层,熟悉RTOS的任务调度、消息队列、内存管理等机制。石头科技:熟悉嵌入式操作系统理论,掌握实时操作系统(RTOS)或嵌入式Linux的任务调度、消息队列、内存管理等机制。小米:熟悉Linux操作系统,对网络编程、进程通信、多线程编程有一定理解;有内存、功耗、性能优化、稳定性问题处理等经验。地平线:熟悉多线程、多进程通信和调度,多任务内存管理,有中间件开发经历;了解QNX或AGL、AUTOSAR等相关知识

[*]RTOS:熟悉一个RTOS,可以说是嵌入式开发者的基本功。RTOS种类有很多(FreeRTOS/ThreadX/RTEMS/Nucleus/uCos),每种都有其设计哲学。上手一款RTOS其实并不难,毕竟大多数RTOS的复杂度要远小于Linux,并且很多RTOS已经提供了较为完善的porting指南。用好RTOS的挑战在于要造很多新的轮子。大多数RTOS没有log系统、崩溃时的core dump,性能profile工具(类似于Linux中的perf&trace)。所以在遇到问题时,调度难度较大。另外大部分RTOS中也缺少高速接口的驱动和协议栈(例如USB3.0)。现在在学习嵌入式的朋友中有一个误区,认为做RTOS的不如做Linux的,我并不完全认同。因为如果能把RTOS用好用溜,在RTOS上能搞定原本在Linux才能搞定的复杂功能,可以学到很多操作系统原理。从产品的竞争力角度来讲,RTOS开机时间快,占用的FLASH和DDR空间少,性能和成本均有一定的优势。
[*]Linux:有完善的生态,和异常活跃的开发者,生命力十足。用Linux容易,但用好很难,需要了解:内存管理、进程管理、多核、中断、锁、消息队列,性能分析等等内容。机器人视觉系统的要求通常会很极端:在全负荷运行时,对各类资源的占用率很高,CPU会跑到90%以上,内存空间的占用也会接近oom的阈值,内存带宽也几乎达到上限。此时系统会变得非常脆弱,极限的条件放大了每一个问题。当出现间歇性的帧率下降时,此时你会怀疑系统调度出现问题,内存出现泄漏,DDR带宽受限等等问题。如果不了解OS的底层原理,系统崩溃,人也跟着崩溃。另外,由于Linux的设计哲学是提供最大吞吐量,所以其关注的是一段时间的平均性能,允许出现秒级的性能抖动。所以Linux系统会默认打开一些功能,例如kmemleak/oom前的内存碎片整理,这些特性在极端情况下会导致系统秒级的卡死。而机器人视觉系统的要求则为毫秒级,此时应用会有秒级的时间没有响应,机器人会有秒级的时间失去观测,p 是非常危险的;而相机则会丢帧,影响用户体验。另外,Linux中的一些配置,也会极大影响系统性能,这里就不再多说,后续可以写专题文章介绍。
[*]C库:C库是经常被遗漏的知识点,C库承担了应用程序与OS内核的连接功能。系统调用API,符合posix标准的线程创建,都是由C库完成的。如果配置不好,会出现一些意想不到的问题。当然,这一般在RTOS中出现,Linux已经相对完善了。


六、接口与驱动

大部分同学应该是从调接口驱动开始的,这是一项基本功。刚开始学习嵌入式时,我曾狭隘地以为搞嵌入式就是写驱动。
美团无人配送:熟悉常用的总线通信与接口技术:CAN、SPI、I2C、UART、以太网等。小马智行:熟悉SPI、I2C、UART、CAN、以太网等外设驱动。NINEBOT:掌握CAN,I2C,SPI,UART,TCP/IP等通信协议,并能熟练使用;3年以上的Android驱动经验,有LCD,Touch,Camera,USB,BT/WIFI/GPS Sensor,Power等驱动3种以上的开发经验,3年以上手机或其他嵌入式设备的产品化经验。石头科技:熟练掌握UART、I2C、SPI、CAN、RS485等嵌入式系统常用总线接口和协议;至少熟悉LCD、Touch、Camera、USB、BT/WIFI/GPS、IMU及其他Sensor等外设中三种以上的驱动开发。

[*]低速接口:UART,CAN,I2C,SPI是几种常见的低速接口。在机器人系统中,CAN因其高可靠的协议标准,一般会被用作总线,各处理器都挂在CAN上交互信息;I2C会用于各类sensor的config;SPI可以用于相对高速(数MHz到数十MHz)的数据通信。例如IMU在高速采样工作状态时,一般通过I2C进行配置,SPI进行数据传输。低速接口的驱动在厂家提供的BSP中一般都有,只需要仔细看手册,搞清各接口所需的工作模式并做适当配置,该用中断的时候用中断,该用DMA的时候用DMA,不算太麻烦。
[*]高速接口:USB,MIPI-CSI,MIPI-DSI,SDIO,ETH是几种常见的高速接口。相对低速接口,高速接口调起来相对复杂一些。一方面出问题调试时需要更高级的测试测量设备,另一方面高速接口的驱动通常要配合着后面的协议栈一起调试,协议栈相对会复杂一些。值得一提的是,得益于近年来移动处理器的高速发展,MIPI得到了越来越广泛的应用,Camera接口一般会采用MIPI-CSI。
在接触一个新的接口时,需要研究清楚该接口的接口协议。我之前面试过许多候选人,在使用I2C/SPI这些接口时,常常记不清楚这些接口有几根信号,这是不应该的。BTW:NINEBOT和石头两位同学,你们的JD长得有点像呀?


七、Framework(中间件)

我把中间件和协议栈都放在本章介绍了。各机器人类企业一般会要求候选人熟悉ROS,相机类企业则要求熟悉camera/codec/storage相关的pipeline。
美团:熟悉boost等工具库的使用,熟悉TCP、UDP等协议,了解类ROS系统架构;熟悉视频编解码原理,熟悉GStreamer框架并在此框架下有实际开发经验。小马智行:有机器人控制软件开发经验或者ROS使用经验者。NINEBOT:熟悉ROS源码,和对ROS的二次开发。石头科技:熟悉ROS编程开发经验优先;OPPO:精通TCP/IP,UDP协议栈、熟悉http、coap、mqttt等常用通讯协议,熟悉SSL、TLS、DTLS等常用安全协议和原理,熟练掌握相关的网络编程经验;熟悉wifi 802.11协议原理;小米:熟悉音视频编编码,有H264/H265、aac/g711/pcm/mp3等编解码经验优先;熟悉ffmpeg、vlc、gstreamer等开源项目经验者优先;有camera驱动、HAL层及Framework层经验者;对android或linux架构及进程通信机制有研究,熟练掌握debug技巧者;熟悉Anroid Binder/Ashmem的使用及工作原理;熟悉内存管理、进程管理、文件系统、存储等子系统结构,具备综合系统分析能力

[*]ROS:自十年前诞生以来,先是在学术界广为应用,用于帮助研究者快速搭建机器人原型。随着ROS2的进步,开始慢慢走进工业界,很多公司的产品原型会选择使用ROS作为中间件进行搭建。ROS虽然叫做“机器人操作系统”,但它真的不是操作系统,而是一个中间件。它的核心是解决了多任务的通信问题。这与工业界一直在使用的DDS(Data Distribution Service)有一定的相似性。随着ROS的发展,开发者们为ROS添加了很多子功能系统,算法轮子,可以极大地提升原型开发效率。ROS2可以指定业界成熟的DDS作为其数据通信框架。ROS正一天一天变得强大,但是在终端产品中,我不推荐使用ROS。ROS发源于学术界,设计哲学是“快速实现一个能用的原型”,所以在多/快/好/省四个维度上,ROS强调的是多和快。你可以用他来很快地实现原型,但在产品化的过程中,你必须选择替代方案。当然,ROS也会一天天发展,但在现在这个时间点上,我还没有勇气坐上一台跑着ROS的自动驾驶汽车。
[*]Pipeline Framework:机器人视觉系统和相机系统都有一条核心的pipieline,最典型的就是ISP Pipeline。
[*]协议栈:包含了网络,USB,文件系统等协议栈。协议栈用起来比较简单,但是用好很难。开源的协议栈性能一般都有较大的优化空间,各终端厂商为了满足其功能需求,会开展很多优化工作,例如华为对文件系统开展了很多优化工作。优化协议栈的工作相对比较专,需要耐得住寂寞一点一点啃,投身于此,值得敬佩!


八、算法优化

对运算性能要求较高的企业,都对算法优化技能提出了要求。其中DJI的JD写得最深入,基本上描述清了算法优化所需的各项技能点。
DJI:精通DSP或NEON代码优化;熟悉vector C或intrinsic C编程;熟悉Cache、DMA等memory优化技能;具备GPU/CUDA软件开发经验。能充分发挥CPU、GPU、DDR、VPU等硬件的极限性能,提升系统流畅度和稳定性。小马智行:精通计算机原理,能对代码进行面积优化或者性能优化。NINEBOT:嵌入式平台的算法开发/优化经验。石头科技:有CUDA、OpenCL、OpenCV等开发经验者优先。OPPO:熟悉并行计算软件开发,熟悉SIMD原理,Cache原理和机制,熟悉DMA、中断等机制;较扎实的模式识别与机器学习理论基础者优先。地平线:具有算法在嵌入式设备上的高效实现的相关经验;对机器学习、图像相关的技术有一定的了解,具有图像相关应用的从业经验;熟悉各种跟踪算法及其优化者优先;了解单目/多目视觉原理及其标定方法者优先。算法优化分为三个层次,这三个层次需要按先后顺序逐步开展。

[*]算法层:需要根据处理器的特性,选择最适合在该处理上运行的算法。例如两个实现相同功能的算法,一个适合并行,一个不适合并行,则优先选取适合并行的算法。再比如有些算法的实现,存在一些过设计(如太多的迭代次数),需要能及时识别出来。算法层的优化必须先做,在这一层可能能带来事半功倍的效果。所以嵌入式工程师需要懂相关算法的原理,否则容易被算法工程师唬住(大家别笑,这种事情其实经常发生)。
[*]并行层:识别出代码中可以并行加速的部分,根据所用处理器的并行处理单元(NEON,DSP,GPU),使用vector C/intrinsic C/CUDA/openCL编写并行加速代码,最大限度提高并行运算单元利用率。
[*]处理器层:如果编译器做得比较好,经过第二层,会得到优化效率很高的代码。但目前大部分编译器仍旧与人工书写的汇编有一定差距。所以针对热点代码,可以采用手写汇编的方式进行优化。但这一步,是优化到最后仍旧差一点点万不得已的办法,写汇编会耗费大量的时间精力,日后换处理器时还需要重写。处理器层除了汇编优化,还包括cache,DMA等memory相关的优化。memory的优化是经常被忽视的地方,通过提升内存的cache友好性是一件事半功倍的工作。
一般来讲,通过上面的三板斧,一般都会有几十倍的性能提升。所以当算法同事说每秒只能跑一帧的时候不要慌,三板斧下来,会有惊喜。


九、应用编程与调试

前面的几部分都是铺垫,所有的工作其实都是为了做出牛逼的应用。各企业对这部分的要求比较相似。
美团无人配送:具有Linux应用程序或设备驱动开发经验;小马智行:熟悉嵌入式软件设计方法,有程序架构设计经验,对软件的模块化、可移植性有深入的理解 NINEBOT:熟悉Linux或Unix系统编程,熟悉多进程/线程编程,了解基本的编译原理;握多线程及高性能的设计与编码及性能调优 小米:熟悉Linux下的代码调试工具,如gdb、valgrind、strace等;精通Crash&Dump分析,熟练掌握Trace32的使用,并会Debug脚本调试及Debug工具开发

[*]应用编程:需要熟练地在各类OS下开展多线程,多进程的开发工作,了解进程间通信,线程间通信的方法。进程间通信是一件挺复杂的事情,涉及一对一,一对多,多对一,多对多等场景。同时又必须考虑通信的效率,逐步优化拷贝次数(两次-->一次-->零次)。DDS中间件就是专门用来通信的。应用编程需要特别注意这方面的坑。随之应用越来越复杂,又需要开展模块化/分层等工作。
[*]调试:需要掌握gdb/valgrind/strace/perf/coredump等调试手段,用好log系统。不过我觉得使用工具属于招式,掌握前几章所中所讲的原理才是内功,要做到知其然知其所以然。


十、硬件知识

嵌入式工程师需要了解一定的硬件知识。了解硬件原理和相关的测试测量方法,相当于开了一个外挂,可以让你站在更高的维度思考整个系统。我之前有过一段硬件工程师的经历,对此深有体会。
美团无人配送:了解硬件原理及基础,具备电路原理图阅读能力;小马智行:有传感器开发经验优先 NINEBOT:熟悉常见的传感器基本原理,如红外、超声波、lidar、相机、陀螺仪等;熟悉常见的模电、数电知识和自动控制理论,如PID的基本原理,卡尔曼滤波的基本方法等;石头科技:熟悉模拟电子技术和数字电子技术等硬件知识,具备示波器、ICE、逻辑分析仪及其他相关设备的实际操作经验 OPPO:具备一定的硬件分析能力,datasheet阅读能力;

[*]硬件基础知识:可以看懂原理图,对常见的元器件有一定了解,熟悉模电和数电知识。这可以让你在遇到疑难问题时,多维度思考,避免在一颗树上吊死。之前我遇到的很多问题,都是软件和硬件共同导致的综合问题,如果没有一些硬件基础,是很难找到root cause的。
[*]测试测量设备:掌握示波器,逻辑分析仪的使用,并了解其工作原理,会用各种触发模式。嵌入式工程师在编写驱动时,需要测量各信号是否满足规格,符合预期。另外,在一些高速总线的调试中,需要了解一些SI(信号完整性)的知识。
[*]传感器:机器人系统需要用到各种各样的传感器,如Camera,IMU,TOF,指南针,气压计,超声波等等。每一个传感器都是一个小系统。就拿Camera来说,包含Camera Sensor,镜头,滤光片,Holder,调焦马达,FPC等部分,每一部分出问题都会导致图像的不理想。当然,会有专业的传感器工程师负责该部分的工作,但了解其中原理,有助于更好地优化整体系统。
本文献给:


[*]还没有入行尚在迟疑嵌入式有没有前途的同学——你将了解嵌入式这个方向未来的路有多宽,有多么广阔的前景;
[*]入行不久在某个方向陷入瓶颈的同学——你将了解你在未来还需要向哪些方向努力;
[*]希望进入机器人视觉领域的嵌入式老鸟——希望本文能让你了解这个领域的关键挑战,并期待你带来新的思路。
原文作者:togo.huang
原出处:嵌入式思维导图
原文链接:https://mp.weixin.qq.com/s/HFsuS9_teHIzbdc6dQ9-IA
页: [1]
查看完整版本: 关于嵌入式开发的经验之谈