🤖 自 瞄 🎯

🚀 面向 RoboMaster 赛场的高性能自瞄，模块化架构、实时并发、全 Rust 编写、性能炸裂！

---

🧠 特性 Highlights

• 🏆 面向比赛优化：针对 RoboMaster 赛场需求深度定制，兼顾实时性与可靠性
• 🦀 全 Rust 实现：零成本抽象，安全而强大。基于 ort-rs 实现跨平台端侧推理部署（支持几乎全部onnxruntime-EP，包括TensorRT, OpenVino, RKNN, CANN ... ）
• 🚦 多线程任务调度：基于 tokio 打造全异步推理流，实时并发
• 🎯 手搓 PnP 求解器（No OpenCV）：高度特化 IPPE-PnP 模块，硬编码装甲板参数，省去平面化和各向同性归一化操作，解算速度超快
• ⚙️ 状态估计算法：基于 ESKF 的状态估计器，内置装甲板选择与跟踪模块(Todo)，，使用双装甲板反向投影，机器人解算更加精确
• 📡 异步消息通信队列：基于异步机制构建的高性能无锁IPC缓冲区
• 🏗️ 基础设施完善：结构化日志（tracing）与错误处理（thiserror）高度成熟，保障系统健壮高效
• 🛠️ 超炫酷debug：基于 Rerun 打造一流的 debug 体验

---

📡 核心模块简介

模块名	说明
app	APPs（同步、异步、测试（待完善））
lib/rbt_base	几何、数学、pnp 等底层模块
lib/rbt_infra	配置、日志、工具库、异步通信支持
lib/rbt_mod	包含视觉识别、装甲板选择、控制策略等业务逻辑

---

💻 开发与运行

🛠️ 环境要求

• Rust Stable (未进行 MSRV 测试)
• Python (3.8+)
• uv (推荐使用 uv 进行 python 项目管理)

🚀 如何运行

1. 克隆并进入仓库:

   git clone https://github.com/XiaoPengYouCode/auto_aim_rust.git
   cd auto_aim_rust

2. 使用 uv 创建虚拟环境，安装依赖:

   uv sync

3. 设置环境变量 (每次打开终端都需要执行，建议自行持久化):

   # This sets the library path to find ONNX Runtime and OpenVINO native libraries.
   # Note: If your Python version is not 3.11, adjust the path accordingly.
   export LD_LIBRARY_PATH="$PWD/.venv/lib64/python3.11/site-packages/onnxruntime/capi:$PWD/.venv/lib64/python3.11/site-packages/openvino/libs:$LD_LIBRARY_PATH"

4. 分布构建并运行:

   cargo build --release
   cargo run -p auto_aim_async --release

   

❤️爱来自东南大学3SE战队❤️