#ifndef __3DCNN__LOCATER__HH_
#define __3DCNN__LOCATER__HH_
#include "opencv/highgui.h"
#include "opencv2/opencv.hpp"
#include <pcl/point_types.h>
#include <pcl/common/common.h>
#include <string>
#include "../error_code/error_code.h"
#include "locate_manager_task.h"



//Cnn3d 解析 车轮的数量, 默认为4个轮胎
#define CNN3D_WHEEL_NUMBER 4

//3dcnn网络解析轮胎点
class  Cnn3d_segmentation
{
public:
	Cnn3d_segmentation(int l,int w,int h,int freq,int nClass);
	//设置3dcnn网络参数
    Error_manager set_parameter(int l, int w, int h,int freq,int classes);
	virtual ~Cnn3d_segmentation();
	//初始化网络参数
	//weights:参数文件
	virtual Error_manager init(std::string weights);

	//解析4个轮胎
	virtual Error_manager analytic_wheel(std::map<int,pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& wheel_cloud_map, bool cloud_aggregation_flag,
										 Locate_information* p_locate_information,
										 bool save_flag, std::string save_dir);


protected:
	//过滤离群点,
	Error_manager filter_cloud_with_outlier_for_map(std::map<int,pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& wheel_cloud_map);
	//过滤离群点,
	Error_manager filter_cloud_with_outlier(pcl::PointCloud<pcl::PointXYZRGB>::Ptr p_cloud);

	//拆分车轮, 将map分为4个轮胎
	//wheel_cloud_map, 输入点云
	//cloud_out_vector, 输出4轮点云vector, (vector是空的, 函数内部会添加4个点云)
	Error_manager split_wheel_cloud(std::map<int,pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& wheel_cloud_map, bool cloud_aggregation_flag,
										  std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr> & wheel_cloud_vector,
										  bool save_flag, std::string save_dir);
	//聚类, 将一个车轮点云拆分为4个轮胎点云,
	//p_cloud_in, 输入点云
	//cloud_out_vector, 输出4轮点云vector, (vector是空的, 函数内部会添加4个点云)
	Error_manager split_cloud_with_kmeans(pcl::PointCloud<pcl::PointXYZRGB>::Ptr p_cloud_in,
										  std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr> & cloud_out_vector,
										  bool save_flag, std::string save_dir);

	//pca, 使用pca算法对每个车轮的点云进行过滤,
	Error_manager filter_cloud_with_pca(std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr> & cloud_in_vector,
										  std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr> & cloud_out_vector,
									   bool save_flag, std::string save_dir);
	//对点云作pca分析,然后在最小轴方向过滤, 防止轮胎左右两边出现噪声
	Error_manager pca_minist_axis_filter(pcl::PointCloud<pcl::PointXYZRGB>::Ptr p_cloud_in,
										 pcl::PointCloud<pcl::PointXYZRGB>::Ptr p_cloud_out);

	//提取关键矩形,
	//cloud_in_vector, 输入点云
	//rect_of_wheel_center, 输出4轮中心点构成的矩形
	//rect_of_wheel_cloud, 输出所有车轮点构成的矩形
	Error_manager extract_key_rect(std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr> & cloud_in_vector,
								   cv::RotatedRect & rect_of_wheel_center, cv::RotatedRect & rect_of_wheel_cloud,
								   bool save_flag, std::string save_dir);
	//检查并修复关键点, 此时可以通过3个轮胎模拟出第四个轮胎的中心点位置,
	Error_manager check_and_repair_center(std::vector<cv::Point2f> & cloud_centers);
	//判断矩形框是否找到
	//points:输入轮子中心点, 只能是3或者4个
	Error_manager centers_is_rect(std::vector<cv::Point2f>& points);
	//检查矩形的大小
	Error_manager check_rect_size(cv::RotatedRect& rect);
	//通过关键矩形, 计算出车辆的定位信息, (输出中心点的x和y, 前后轮距, 左右轮距, 旋转角)
	Error_manager calculate_key_rect(cv::RotatedRect & rect_of_wheel_center, cv::RotatedRect & rect_of_wheel_cloud,
								 Locate_information* p_locate_information);


	//计算两点距离
    static double distance(cv::Point2f p1, cv::Point2f p2);
protected:
	int m_lenth;
	int m_width;
	int m_height;
	int m_freq;
	int m_nClass;
};
#endif