RMVL 主仓库为硬件设备的二次开发、网络通信、串口通信以及运动、控制、视觉算法提供了相应的支持库，为工业、日常环境下某些特征的识别、追踪等提供了完整的流程。

同时，RMVL 也配备了比较完善的基础开发工具，例如文档、插件、交流群等，下文列举了部分内容。

简介

提示

点击此处可查看源码。

RMVL 的所有功能在设计之初秉持着依赖最小化的原则，非必要不引入除 STL、硬件 SDK、OpenCV 以及 Eigen 3 以外的第三方库，若一旦引入将会以 3rdparty 的形式存储在 RMVL 中，并由 CMake 编译选项自动管理构建，这将利于降低初次构建 RMVL 的学习成本。为了提高 RMVL 的隔离性，所有的类、参数变量、全局函数等实体均定义在了 rm 命名空间下，例如，若要使用 2 阶 Runge-Kutta 中点公式求解一阶常微分方程，可使用以下代码完成。

rk2.cpp

#include <rmvl/rmvl.hpp>

int main() {
    rm::Ode dot_x1 = [](double t, const std::valarray<double> &x) {
        return 2 - x[0] + t;
    };
    // 构建中点公式
    rm::RungeKutta2 rk({dot_x1});
    // 设置初值
    rk.init(0, {1});
    // 迭代求解
    auto res = rk.solve(0.01, 100);
    // 输出结果
    printf("t = 1, f(t) = %.6f\n", res.back()[0]);
}

rk2.py

import rm

def dot_x1(t, x):
    return 2 - x[0] + t

rk = rm.RungeKutta2([dot_x1]) # 构建中点公式
rk.init(0, [1])               # 设置初值
rk.solve(0.01, 100)           # 迭代求解

此外，RMVL 提供了便捷的参数管理功能，使用一组 CMake 宏和相应的 *.para 文件即可完成参数模块的变量定义、注释、默认值、运行期加载的功能，该功能依赖 OpenCV 的 cv::FileStorage。

---

重要

RMVL 包含了主仓库和扩展插件两部分，其中主仓库包含主要模块、扩展模块和参数模块，有关库资源的详细内容可参考此文档。