python的process函數(shù)是什么類型？進程Process是對各種資源管理的集合，包含對各種資源的調(diào)用、內(nèi)存的管理、網(wǎng)絡接口的調(diào)用；一個進程Process可以包含多個子進程，啟動一個進程的時候會自

python的process函數(shù)是什么類型？

進程Process是對各種資源管理的集合，包含對各種資源的調(diào)用、內(nèi)存的管理、網(wǎng)絡接口的調(diào)用；一個進程Process可以包含多個子進程，啟動一個進程的時候會自動創(chuàng)建一個線程，進程里的第一個線程就是主線程(即python __name__ ‘__main__#39)；

進程Process模塊

對于線程操作可以用threading模塊，那么對于進程的創(chuàng)建python同樣也提供了Process模塊，創(chuàng)建進程時需要導入該模塊，語法如下：

# 導入進程模塊

from multiprocessing import Process

# 創(chuàng)建進程

p Process(groupNone, targetNone, nameNone, args(), kwargs{})

參數(shù)介紹：

group — 參數(shù)未使用，默認值為None；

target — 表示調(diào)用對象，即子進程要執(zhí)行的任務(函數(shù)名字)；

args — 子進程對應函數(shù)的參數(shù)，并且類型是元組tuple；

kwargs — 子進程對應函數(shù)的參數(shù)，并且類型是字典dict，如kwargs {‘nam:Jack, ‘a(chǎn)g:18}；

name — 子進程名稱；

返回值：返回進程實例對象

三.進程Process函數(shù)介紹

其實進程Process的函數(shù)和線程threading類似，具體如下：

() — 啟動進程；

2.terminate() — 強制終止進程，不會進行任何清理操作。如果該進程終止前，創(chuàng)建了子進程，那么該子進程在其強制結(jié)束后變?yōu)榻┦M程；如果該進程還保存了一個鎖那么也將不會被釋放，進而導致死鎖，使用時，要注意；

_alive() — 判斷某進程是否存活，存活返回True，否則False；

([timeout]) — 主線程等待子線程終止。timeout為可選擇超時時間；需要強調(diào)的是，只能join住start開啟的進程，而不能join住run開啟的進程 ；

5.daemon — 默認值為False，如果設置為True，代表該進程為后臺守護進程；當該進程的父進程終止時，該進程也隨之終止；并且設置為True后，該進程不能創(chuàng)建子進程，設置該屬性必須在start()之前；

— 進程名稱；

— 進程ID標識，pid，值得注意的是：如果在start函數(shù)之前獲取pid默認為None，因為進程還未創(chuàng)建，獲取不到pid；

8.exitcod

什么是運動控制算法？

機器人的算法分為感知算法和控制算法，更進一步細分為環(huán)境感知算法 ，路徑規(guī)劃和行為決策算法（ai)，運動控制算法，后兩個也可以統(tǒng)稱為控制算法。

環(huán)境感知算法獲取環(huán)境各種數(shù)據(jù)(機器人視覺和圖像識別），定位機器人的方位（slam)，對于固定工位的機器人來說，環(huán)境感知算法往往不是必須的,但是，對于另一類機器人來說，比如掃地機器人，基本就是一個slam算法，行為決策和運動控制算法及其簡單可以忽略。

機器人自身的運動控制算法是機器人制造廠家的研發(fā)重點，主要就是提高機器人行動的精度，穩(wěn)定性和速度，這個一半靠pid伺服電機，一半靠控制算法，同樣性能的pid伺服電機，好的控制算法能提高精度10倍以上，硬件反而不是難度所在，因為全世界的機器人廠家都是買同樣的芯片和硬件電路；

總體來說，環(huán)境感知算法和運動控制算法是比較成熟的，也是整個機器人研究領域投入人力最多的，不斷對現(xiàn)有的算法進行改進優(yōu)化，一是因為研究已經(jīng)獲得突破，跟進的團隊就多，二是因為90%的機器人應用領域，只需要用到這兩種算法甚至只用到其中一種，行為決策算法非常簡單，就是重復一個或幾個簡單動作；

行為決策算法或行為控制策略則是機器人應用領域的未突破的研發(fā)重點（不用的應用領域算法也不同，當然，也可以完全由人來手動控制,我們常說的人工智能，狹義點就是指這個模塊)，這里不是指那些簡單的行為算法，比如重復動作，機器人按固定動作跳舞，無障礙或固定障礙路線行走等，這些主要是硬編碼實現(xiàn)，不涉及到ai,復雜的行為決策算法主要有fsm,層次分析法，決策樹，模糊邏輯，遺傳算法ga,人工神經(jīng)網(wǎng)絡ann，以及針對具體問題的特定算法，比如路徑規(guī)劃等（ros里面提供了一個move-base模塊，實現(xiàn)了很多路徑規(guī)劃算法），一般都用c/c 混合python來編程行為決策算法里，有解決的不錯的，比如導航路徑規(guī)劃算法，也有難度極大的，比如避障算法，幾乎所有的無人駕駛和自動駕駛研發(fā)團隊都在苦苦思索避障算法，其實，避障算法的應用途廣泛，在很多領域也有應用，比如無人機。避障算法是整個無人駕駛和自動駕駛行業(yè)的絆腳石，因為它決定了最后1%的安全性，而現(xiàn)有的vfh和dwa避障算法只能算是非常原始的起步，根本無法滿足實際需求。