一、C++ 异常处理 (try-catch)

1. 基本概念

• 异常 (Exception)：程序运行时发生的非预期错误（如操作无效、资源不足等），会中断正常执行流程。
• try 块：包裹可能抛出异常的代码，告诉编译器“这段代码需要监控异常”。
• catch 块：用于捕获并处理 try 块中抛出的异常，指定要处理的异常类型。

2. 语法结构示例

#include <iostream>
using namespace std;

int divide(int a, int b) {
    if (b == 0) {
        // throw 是核心关键字，用于主动抛出异常
        throw "除数不能为零！"; 
    }
    return a / b;
}

int main() {
    int x = 10, y = 0;
    try {
        int result = divide(x, y); // 调用可能抛出异常的函数
        cout << "结果：" << result << endl; // 若无异常，执行此句
    } 
    catch (const char* errMsg) { // 捕获字符串类型的异常
        cout << "捕获到异常：" << errMsg << endl; // 处理异常
    }
    
    cout << "程序继续执行..." << endl; // 异常处理后，程序不会崩溃
    return 0;
}

---

二、命名空间 (Namespace)

1. 核心作用

解决命名冲突。在大型项目或引入第三方库时，避免相同名称的变量、函数、类发生“重定义”错误。

2. 使用示例

// 定义命名空间 A
namespace A {
    int num = 10;
    void print() { cout << "A::num=" << num << endl; }
}

// 定义命名空间 B
namespace B {
    int num = 20; // 与 A 中的 num 同名，无冲突
    void print() { cout << "B::num=" << num << endl; }
}

// 调用方式
A::print(); // 输出 A::num=10
B::print(); // 输出 B::num=20
cout << A::num << endl;

// 使用 using namespace 简化代码（注意可能引入冲突）
using namespace A;
print(); // 直接调用 A::print()

---

三、ROS 视觉核心数据类型

1. cv_bridge::CvImagePtr

• 本质：它是 boost::shared_ptr<CvImage> 的别名，即一种智能指针。
• 组成：
  • cv_bridge::CvImage：存储图像数据（内部包含 OpenCV 的 cv::Mat）和 ROS 元数据（编码格式、时间戳等）。
  • shared_ptr：自动管理内存，无需手动 delete，避免内存泄漏。
• 优势：符合 ROS 生态规范，便于在节点间安全传递图像数据。

2. cv::Mat (Matrix)

• 定义：OpenCV 中用于存储图像数据的核心数据结构，是一个多维数组容器。
• 核心特点：
  • 多维度支持：常用 2D 结构表示图像（行×列）。
  • 通道顺序：默认使用 BGR（蓝-绿-红），而非 RGB。
  • 自动内存管理：采用引用计数机制，多个 Mat 对象共享数据时，只有最后一个对象释放时才真正释放内存。
  • 灵活性：可通过 rows, cols, channels(), type() 快速获取属性。

3. 指针 (Pointer)

• 本质：存储另一个变量内存地址的特殊变量。
• 关键运算符:
  • &：取地址符。
  • *：解引用符（访问指针指向的值）。
• 常见场景：函数传址（修改外部变量）、动态内存分配 (new/delete)、数组遍历。

---

四、OpenCV 图像处理关键函数

1. createTrackbar() - 创建滑动条

用于动态调整参数（如 HSV 阈值）。

• 参数说明：
  1. 滑动条名称（如 "LowH"）。
  2. 所属窗口名称（如 "Threshold"）。
  3. 关联变量地址（如 &iLowH，拖动时修改该值）。
  4. 最大值（H: 0-179, S/V: 0-255）。

2. 形态学操作 (Morphological Operations)

A. 创建结构元素

// 创建一个 5x5 的矩形结构元素（核）
Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));

• MORPH_RECT：矩形形状（还有 MORPH_ELLIPSE, MORPH_CROSS）。
• Size(5, 5)：尺寸越大，对图像影响越强。

B. 开运算 (MORPH_OPEN)

morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);

• 原理：先腐蚀后膨胀。
• 作用：去除微小噪点（背景中的小白点），平滑目标边界。

C. 闭运算 (MORPH_CLOSE)

morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);

• 原理：先膨胀后腐蚀。
• 作用：填补目标内部的小黑洞，连接邻近的连通域。

---

五、总结与建议

1. 异常处理：在涉及文件读取、网络通信或复杂计算时使用 try-catch 增强程序健壮性。
2. 内存管理：在 ROS 开发中优先使用智能指针（如 CvImagePtr），避免手动管理 new/delete。
3. 图像预处理：
   • 颜色识别首选 HSV 空间。
   • 务必结合形态学操作（开/闭运算）优化二值化结果，提高定位精度。
4. 调试技巧：利用 createTrackbar 实时调整阈值，快速找到最佳识别参数。