// 全局配置：变量声明 + 配置加载接口
// 运行时配置为"根级 map"结构：
//   {
//     "server": {...}, "log": {...},                      // 全局(进程级)
//     "radar1": { "radar":{..}, "scan":{..}, "detect":{..}, "count":{..}, "filter":{..} },
//     "radar2": { ... }                                   // 每个雷达一份完整参数
//   }
// 除 server/log 外的每个一级键都是一个"雷达标识"（通信时用它指定操作哪台雷达）。
// 业务代码通过 radar_cfg().radar.ip / cfg.log.enable / radar_cfg().count.base_tolerance 访问；
// radar_cfg() 返回"当前线程绑定的雷达配置"（由 RadarScope 绑定，未绑定时为默认雷达）。
#ifndef CONFIG_H
#define CONFIG_H

#include <map>
#include <memory>
#include <string>
#include <vector>
#include <utility>
#include <cstdint>

// ==================== 常量（编译期固定） ====================
const uint32_t OPEN_TIMEOUT_MS  = 3000;   // 连接超时(ms)
const uint16_t FRAME_TIMEOUT_MS = 2000;   // 获取帧数据超时(ms)
const bool     FILTER_ENABLE    = true;   // 多边形过滤开关
const bool     SHIFT_Y_POSITIVE = true;   // Y值上移使最小Y≥0
const int      SLICE_IMG_SIZE   = 800;    // 截面图片最大像素尺寸
const double   ORIGIN_TOL_MM    = 0.5;    // 原点无效点判定容差(mm)
const int      RECONNECT_INTERVAL_MS = 3000;  // 雷达断线重连间隔(ms)，未连接时后台一直重试

// ==================== 单台雷达的参数（根级 map 的一个条目） ====================
struct RadarConfig
{
    std::string id;                       // 雷达标识（配置里的一级键名）

    // ---------- radar: 雷达连接 + 雷达内置滤波 ----------
    struct Radar
    {
        std::string ip            = "192.168.0.170"; // 雷达IP
        uint16_t    port          = 2368;            // 雷达数据端口
        double      hz            = 50.0;            // 雷达帧率(Hz)
        int         tail_filter   = 2;               // 拖尾滤波 0关1弱2中3强
        int         front_filter  = 2;               // 前冲滤波 0关1弱2中3强
        int         far_hr_filter = 1;               // 远端高反 0关1弱2强
        bool        near_hr_filter = true;           // 近端高反识别
    } radar;

    // ---------- scan: 扫描采集与走行 ----------
    struct Scan
    {
        int         collect_duration_s = 6;          // exe模式/默认扫描时长(秒)
        double      z_speed            = 20.0;       // Z轴速度(cm/s)，0=时间(ms)，>0=移动距离(mm)
        std::string z_speed_type       = "uniformSpeed"; // uniformSpeed=匀速用z_speed / configuration=用config/speed.txt变速
    } scan;

    // ---------- detect: 截面分析 ----------
    struct Detect
    {
        double z_range_mm       = 50.0;  // Z截面区间长度(mm)
        double y_range_mm       = 80.0;  // Y截面区间长度(mm)
        int    rect_width_px    = 8;     // 截面矩形宽度(px)
        double rect_length_ratio = 1.5;  // 矩形长倍率
    } detect;

    // ---------- count: 分层计数 ----------
    struct Count
    {
        double      floor_height          = 1600.0; // 地板高度(mm): 物品高度=floor_height-Y
        double      base_tolerance        = 50.0;   // 分层初始冗余(mm)
        double      per_level_tolerance   = 20.0;   // 每层递增冗余(mm)
        int         point_dilate          = 8;      // 画layer图每个点膨胀像素
        double      interp_bucket_deg     = 0.08;   // 角度插值桶宽(度), 应等于雷达角度分辨率
                                                    //   (50Hz 常用 0.08; 一圈点数 = 360/桶宽 = 4500)
        std::string z_interpolate_mode    = "none"; // none/CopyTranslation/AngleBucketInterpolation/AngleBucketInterpolationByDilate
        //   CopyTranslation                    : 空隙 > 2×正常圈间隔时, 复制前一圈的点并平移 z
        //   AngleBucketInterpolation           : 同上判定, 按角度分桶对前后圈做线性插值(平滑)
        //   AngleBucketInterpolationByDilate   : 空隙 > point_dilate 时插值; 步长 = point_dilate/2
        //                                        (每 point_dilate/2 补一条, 最多 10 条, 平滑过渡)
        // 分层容差(三个算法统一): tol(level) = base_tolerance + level×per_level_tolerance
        // 层数算法:
        //   LevelTolerance = 现有: level=round(高度/层高), 判定 |高度-level×层高| <= tol
        //   HalfMax        = 两步判定
        //      ① 粗筛: 本层中间~下一层中间 = [(level-0.5)×层高, (level+0.5)×层高]
        //      ② 精筛: 取①内最高点 top(按 floor_height-Y 算), 有效区间 = [top-tol, top]
        //   KdePeak        = 两步判定
        //      ① 粗筛: 同 HalfMax
        //      ② 精筛: 对①内高度做 KDE(高斯核密度估计)得密度曲线, 取峰值 peak,
        //               有效区间 = [peak-tol, peak+tol]
        std::string layer_algorithm       = "LevelTolerance";
        double      kde_bandwidth        = 0.0;    // KDE高斯核带宽(mm): <=0 按 Silverman 经验法则自动
        double      kde_step             = 1.0;    // KDE密度曲线扫描步长(mm)
    } count;

    // ---------- filter: 软件滤波（多边形 + 拖影） ----------
    struct Filter
    {
        // 连续段尾部减除(图片级, 旧方案, 默认关闭)：剪除 count_points 图像左右两侧的胡须状拖影
        struct TailCut
        {
            bool   enable         = false; // 是否启用尾部减除
            int    max_tail_length = 15;   // 每端最多保留尾部长度(px≈mm)
            double y_delta        = 30.0;  // 尾部Y比核心Y高出多少(mm)更易被剪
            int    min_run_length = 5;     // 连续段长度低于此直接删除
            int    core_min_len   = 5;     // 主体核心最小长度，保护小物体
            int    support_rows   = 1;     // 上下几行同列有支撑则不剪
        } tail_cut;

        // 点云级稀疏拖影过滤(计数模式, 默认开启)：扫描结束后删除"胡须状拖影"点。
        // 稀疏点定义: 同一扫描圈(z相同)内 X±XRadius(mm) 无其它点(不同圈同X不算邻居)。
        // 满足任一判据即删该稀疏点:
        //   1) 同圈连续: 同一圈内稀疏点数 >= circle_min(如某圈边缘外伸了N个点)
        //   2) 跨圈连续: 相近X位置(±x_radius)的稀疏点在z上连续出现圈数 >= run_min
        struct SparseCut
        {
            bool   enable     = true; // 总开关
            double x_radius   = 10.0; // 同圈X邻域半径(mm): X±此值内无点=稀疏
            int    circle_min = 2;    // 同圈稀疏点数≥此 即删
            int    run_min    = 2;    // 同一X位置跨圈连续出现≥此圈 即删
        } sparse_cut;

        std::vector<std::pair<double, double>> polygon = { {-650, 0}, {-650, 670}, {650, 670}, {650, 0} }; // 过滤多边形(mm)
        int  poly_n = (int)polygon.size();   // 多边形顶点数
    } filter;
};

// ==================== 全局配置（进程级 + 各雷达参数） ====================
struct AppConfig
{
    std::vector<std::string>                          ids;     // 雷达标识列表（配置出现顺序，第一个=默认雷达）
    // 用 shared_ptr 持有：load_config 重载时会整体替换，而采集/保存线程可能仍持有旧配置，
    // 引用计数保证其生命周期延续到线程作用域结束，避免悬空指针。
    std::map<std::string, std::shared_ptr<RadarConfig>> radars;  // 雷达标识 -> 该雷达完整参数

    // ---------- server: 运行模式（全局） ----------
    struct Server
    {
        std::string mode = "exe";  // exe=直接检测一次 / tcp=TCP服务端 / http=HTTP服务端
        uint16_t    port = 9601;   // TCP/HTTP监听端口
    } server;

    // ---------- log: 日志（全局） ----------
    struct Log
    {
        bool enable       = true; // 是否写日志文件
        int  retain_days  = 15;   // 日志(任务目录)保留天数, 超出自动删除
        int  clean_hour   = 1;    // 每日日志定时清理时刻 时(0-23)，来源: 配置 log.clean_time "HH:MM:SS"
        int  clean_minute = 0;    // 每日日志定时清理时刻 分(0-59)
        int  clean_sec    = 0;    // 每日日志定时清理时刻 秒(0-59)
    } log;

    // 按标识取雷达配置；不存在返回 nullptr。id 为空时返回默认雷达(第一个)
    std::shared_ptr<const RadarConfig> find(const std::string& id) const;
    // 默认雷达(第一个)；无雷达时返回 nullptr
    std::shared_ptr<const RadarConfig> first() const;
};

// 全局配置实例（config.cpp 中定义）
extern AppConfig cfg;

// 当前线程生效的雷达配置：
//   - 已用 RadarScope 绑定 → 返回该雷达配置；
//   - 未绑定 → 返回默认雷达配置(第一个)；
//   - 无任何雷达 → 返回一份空配置(字段为默认值)。
const RadarConfig& radar_cfg();

// RAII：把当前线程绑定到某个雷达的配置，出作用域自动恢复上一次绑定。
// 采集线程/请求处理线程/异步保存线程都应在入口处绑定。
class RadarScope
{
public:
    explicit RadarScope(const std::string& radar_id);
    ~RadarScope();
private:
    std::shared_ptr<const RadarConfig> prev_;
};

// 加载 JSON 格式配置文件（行首(忽略空白)以 // 开头的注释行会被剔除）
// 返回是否成功；失败时保留原有 cfg 不变（绝不退出进程：运行期 config 重载会调用它）。
bool load_config(const std::string& path = "./config/config");

#endif // CONFIG_H