From 2ff86133915b104c051fbff757c0358521c71cc7 Mon Sep 17 00:00:00 2001 From: heshuyun9 <3308971792@qq.com> Date: Tue, 17 Nov 2026 23:12:03 +0800 Subject: [PATCH] =?UTF-8?q?docs:=20=E5=AE=8C=E5=96=84=E7=A9=BA=E5=9C=B0?= =?UTF-8?q?=E4=B8=80=E4=BD=93=20Ubuntu=20=E6=95=99=E7=A8=8B=E7=8E=AF?= =?UTF-8?q?=E5=A2=83=E4=B8=8E=E8=BF=90=E8=A1=8C=E8=AF=B4=E6=98=8E?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- docs/air_ground_ubuntu_tutorial.md | 634 +++++++++++++++++++---------- 1 file changed, 414 insertions(+), 220 deletions(-) diff --git a/docs/air_ground_ubuntu_tutorial.md b/docs/air_ground_ubuntu_tutorial.md index 4b5ea63..edaecc6 100644 --- a/docs/air_ground_ubuntu_tutorial.md +++ b/docs/air_ground_ubuntu_tutorial.md @@ -1,96 +1,78 @@ # 空地一体协同智能载具虚拟仿真实验教程(Ubuntu / OpenHUTB) - > 本教程在 **Ubuntu** 上带你在 **OpenHUTB/hutb 官方包** 中跑通“地面车辆 + 无人机”的空地一体实验:先看到车机同框,再按六个模块完成场景构建、感知决策、无人机、空地协同、交通场景和 AI 辅助开发。 > > **路径说明(务必先看)**:模拟器安装入口始终使用 OpenHUTB 主页的 `https://openhutb.github.io/dl.sh`,本文没有改成其他下载源。教程里有两套脚本根目录,不能混用: > - `hutb/PythonAPI/...`:`dl.sh` 下载的模拟器包,空地一体脚本和 8 个分步教程在 `PythonAPI/examples/air/`。 > - `doc/src/...`:`OpenHUTB/doc` 文档仓库,感知、规划、交通类示例脚本在这里,**不在** `hutb/PythonAPI/examples/`。 > -> air_doc 上 Carla-Air 0.1.7 预编译包使用 `CarlaAir.sh` 和 `examples/`,目录布局与本教程的 hutb 包不同;本教程仍按 OpenHUTB 主页的 hutb 包编写。 - +> air_doc 上的 Carla-Air 预编译包使用 `CarlaAir.sh` 和 `examples/`,目录布局与本教程的 hutb 包不同;本教程仍按 OpenHUTB 主页的 hutb 包编写。 ## 实验基本信息 - | 项目 | 内容 | | --- | --- | | 实验名称 | 空地一体协同智能载具虚拟仿真实验 | -| 操作系统 | Ubuntu 18.04 / 20.04 / 22.04(64 位) | +| 操作系统 | Ubuntu 18.04 / 20.04 / 22.04 / 24.04(64 位) | | 面向专业 | 人工智能、机器人工程、低空经济 | | 实验课时 | 课程 32 学时,实验 16 学时 | | 实验模块 | 6 个模块、29 个交互步骤 | | 知识点 | 8 个 | -| 仿真底座 | OpenHUTB/hutb(已集成 Carla + AirSim 空地一体与无人机插件) | +| 仿真底座 | OpenHUTB/hutb(已集成 CARLA + AirSim 空地一体与无人机插件) | +| 模拟器获取 | `https://openhutb.github.io/dl.sh` | +| Python 接口 | 使用包内 `PythonAPI/carla/dist` 里的 wheel | | 开源许可 | MIT | - ## 学习目标 - 完成本实验后,你将能够: - -- 理解 OpenHUTB/hutb 中 Carla 与 AirSim 单进程空地一体仿真的基本架构,说清两者如何共享同一世界、同一套物理与传感器时间戳。 +- 理解 OpenHUTB/hutb 中 CARLA 与 AirSim 单进程空地一体仿真的基本架构,说清两者如何共享同一世界、同一套物理与传感器时间戳。 - 独立启动仿真环境,完成路网生成、场景保存、车辆与无人机连接。 - 配置相机、激光雷达、毫米波雷达等传感器,完成目标检测、点云可视化与多传感器数据采集。 - 编写 Python 脚本控制车辆与无人机,完成路径跟踪、航点飞行、多机编队与空地协同任务。 - 基于路口流量、车均延误、饱和度、排队长度、覆盖率、冲突次数等指标评价方案,并完成一次复测迭代。 - 按开源协作规范提交代码与文档,使用 GitHub Copilot 辅助读文档、改脚本、排查报错。 - ## 先修知识 - - Python 基础:变量、循环、函数、常用库(numpy、matplotlib 均可)。 - Linux 基础:终端、路径、环境变量、`pip`/`venv`。 - ROS2 基础:节点、话题、服务的基本概念;没学过可先看平台前置微课。 - 控制与机器学习基础:PID、状态估计、目标检测的基本概念。 - ## 你将完成 - - 启动 OpenHUTB/hutb,看到车辆与无人机在**同一个世界**中运行。 -- 跑通 4 分屏传感器画面:RGB、深度图、语义分割、LiDAR 鸟瞰。 +- 跑通 4 宫格传感器画面:RGB、深度图、语义分割、LiDAR 鸟瞰。 - 观察无人机跟踪地面车辆、天气切换、车机时间戳对齐。 - 按六个模块完成 29 个交互步骤,并提交实验报告与指标表。 - ## 开始前 - ### 硬件 - -- Ubuntu 18.04 / 20.04 / 22.04,64 位。 +- Ubuntu 18.04 / 20.04 / 22.04 / 24.04(64 位)。 - 推荐 NVIDIA RTX 2070 及以上、显存 8 GB 及以上。 -- 内存 16 GB 及以上;磁盘至少预留 50 GB。 +- 推荐内存 32 GB 及以上、可用磁盘 100 GB 及以上;最低 16 GB 内存、50 GB 磁盘。 - 已安装 NVIDIA 驱动,终端执行 `nvidia-smi` 能看到显卡信息。 - 只有核显或 8 GB 内存的机器可以看文档、写脚本,但跑模拟器会非常卡。 - ### 软件 - -- Git、Python 3.7+、pip、VS Code。 +- Git、Python 3、pip、VS Code。 - **不需要单独下载额外发行包**:下面的 `dl.sh` 会下载 OpenHUTB/hutb 官方包,其中已集成空地一体与无人机插件。 - 浏览器(用于看文档和 GitHub)。 - 能访问 GitHub;如果无法访问,请使用可用的网络环境。 - ### 系统依赖 - ```bash sudo apt update -sudo apt install -y git wget curl tar unzip build-essential python3-pip +sudo apt install -y git wget curl tar unzip build-essential python3-pip python3-venv vulkan-tools ``` +### 环境自检 +在开始前,先确认下面几条命令都能正常输出: -### Ubuntu 环境检查 - -在开始前,先确认以下命令都能正常输出: - -```bash -nvidia-smi -python3 --version -python3 -m pip --version -git --version -``` +| 检查项 | 命令 | 正常表现 | +| --- | --- | --- | +| 显卡/驱动 | `nvidia-smi` | 显示 NVIDIA 显卡和驱动 | +| Vulkan | `vulkaninfo --summary \| grep -E 'apiVersion\|deviceName'` | `deviceName` 是 NVIDIA 显卡;出现 `llvmpipe` 表示在走软件渲染 | +| Python | `python3 --version` | 主次版本与 wheel 文件名里的 `cpXX` 一致 | +| pip | `python3 -m pip --version` | 能打印 pip 版本 | +| Git | `git --version` | 能打印 Git 版本 | +| Wheel | `ls ~/hutb/PythonAPI/carla/dist/hutb-*.whl` | 下载后至少有一个 `hutb-*.whl` | +| 端口 | `ss -ltnp \| grep -E ':2000\|:41451'` | 模拟器启动后 `2000` 在监听;模块三/四还要看到 `41451` | - `nvidia-smi` 没有输出:先装 NVIDIA 驱动并重启。 - `pip3` 找不到:先装 `python3-pip`,或改用 `python3 -m pip`。 -- `python3` 版本低于 3.7:先升级 Python。 - +- `python3` 与 wheel 的 `cpXX` 不一致:换用匹配的 Python 版本。 > **第一次学习不要从数字孪生开始。** 数字孪生需要编译 HUTB,最重、最容易卡;先跑模块二—五,最后再做模块一和数字孪生。 - ### 脚本目录约定 - 下面命令里的脚本分布在不同的目录,**每条命令先 `cd` 到对应目录**,不要假设当前目录: - | 脚本 | 正确位置 | | --- | --- | | 空地一体展示脚本(quick_start_showcase、air_ground_sync、drone_car_chase、demo_drive_and_fly) | `hutb/PythonAPI/examples/air/` | @@ -99,360 +81,572 @@ git --version | 相机、边界框、点云、路径点脚本(rgb_camera_example、sensor_bounding_box、3d_lidar、waypoint_follow) | `doc/src/examples/`(OpenHUTB/doc 仓库) | | 检测、轨迹、选点、规划、导航、交通指标脚本(object_detection、Drive、locate_moving、main_v4_VO、automatic_control_revised、traffic_indicators、signal_control、auto_signal_control、spectator) | `doc/src/course/...`(OpenHUTB/doc 仓库) | | AirSim 多机示例(multi_agent_drone、add_drone、hello_drone) | `air` 仓库的 `PythonClient/multirotor/` | - `hutb/PythonAPI/examples/` 里**没有** `rgb_camera_example.py`、`sensor_bounding_box.py`、`3d_lidar.py`、`waypoint_follow.py`、`traffic_indicators.py`、`spectator.py` 这些文件,不要在这里找。以你本地发行包/仓库的实际路径为准;找不到时先 `ls` 看目录。 - ## 快速开始:30 分钟看到“车机同框” - 下面以 Ubuntu 上的 OpenHUTB/hutb 官方包为例。所有命令都在终端里执行;首次运行需要联网下载依赖。 - ### 1. 下载 OpenHUTB/hutb 官方包 - ```bash curl -fsSL -o dl.sh https://openhutb.github.io/dl.sh && chmod +x dl.sh && ./dl.sh ``` - > 如果这一步报 `BadZipFile`,先不要反复重试;这是下载到的包不完整/服务器没有预编译包,排查方法见文末“常见问题”。 - 脚本会下载模拟器包;解压后进入生成的目录(通常叫 `hutb`,以实际解压结果为准): +```bash +cd ~/hutb +``` +> 下面统一假设包目录是 `~/hutb`。如果你解压到其他位置,把命令里的 `~/hutb` 换成实际目录。 +### 2. 启动模拟器 + +先确认 `CarlaUE4.sh` 的位置:`dl.sh` 下载包在根目录;自己编译的包在 `Build/UE4Carla/.../LinuxNoEditor/`。 ```bash -cd hutb +find ~/hutb -name CarlaUE4.sh ``` -### 2. 启动模拟器 +进入 `CarlaUE4.sh` 所在目录后,用 Vulkan 启动: ```bash +cd ~/hutb chmod +x CarlaUE4.sh -./CarlaUE4.sh +./CarlaUE4.sh -vulkan -windowed -ResX=1280 -ResY=720 -quality-level=Low +``` + +如果使用自己编译的包,进入 `Build/UE4Carla/.../LinuxNoEditor` 后执行同样命令。 + +第一次启动会加载地图,比较慢,属正常现象。本教程统一使用 Vulkan,不使用 `-opengl`。 + +如果启动报 `bind: Address already in use`,说明 2000 端口被占用,通常是上次崩溃残留的 `CarlaUE4` 进程。先查 PID: + +```bash +ss -ltnp | grep ':2000' ``` -第一次启动会加载地图,比较慢,属正常现象。 +假设查到 PID 是 162777,先确认是自己的进程,再结束它: +```bash +ps -o pid,user,etime,cmd -p 162777 +kill -TERM 162777 +sleep 3 +ss -ltnp | grep ':2000' || echo "2000 已释放" +``` + +如果还占着,再用 `kill -9 162777`。命令里的 `162777` 要换成实际 PID,**不要带尖括号**;写成 `` 会被 bash 当成重定向,报“未预期的记号 newline”。如果占用者不是你的进程,改用 `-carla-rpc-port=2100` 启动,并在客户端加 `--port 2100`。 ### 3. 安装 Python 接口 +`dl.sh` 下载包里已经带了 Python 接口 wheel,先看一眼文件名: + ```bash -python3 -m pip install PythonAPI/carla/dist/hutb-*.whl -python3 -m pip install pygame numpy +cd ~/hutb +ls PythonAPI/carla/dist/hutb-*.whl +python3 --version ``` -如果提示找不到文件,先确认 `PythonAPI/carla/dist/` 下确实有 `hutb-*.whl`。 +文件名里的 `cpXX` 要和 `python3 --version` 的主次版本一致。不要直接用 `hutb-*.whl` 通配符,否则 pip 可能挑到另一个 Python 版本的包并报 `is not a supported wheel on this platform`。 -### 4. 运行车机展示(另开一个终端) +如果终端前缀有 `(base)`、`(ase)` 等 conda 环境,先执行 `conda deactivate`,再用独立虚拟环境安装: ```bash -cd <你的 hutb 目录> -python3 PythonAPI/examples/air/quick_start_showcase.py +python3 -m venv ~/venv-air +source ~/venv-air/bin/activate ``` -你应该看到:一辆车在城市中自动巡航,无人机从空中追踪;4 分屏同时显示 RGB、深度图、语义分割、LiDAR 鸟瞰;天气自动轮换。按 `N` 手动切天气,按 `Esc` 退出。 +按当前 Python 自动选 wheel: -> 这个脚本本身**不支持 WASD 接管驾驶**(源码里只注册了 `N` 和 `ESC`)。要键盘驾驶,另开终端运行 `python3 PythonAPI/examples/air/drive_vehicle.py`,那个脚本才是 `WASD` 驾驶、`Space` 手刹、`R` 倒车。 +```bash +PYTAG="cp$(python3 -c 'import sys; print(f"{sys.version_info.major}{sys.version_info.minor}")')" +python3 -m pip install ~/hutb/PythonAPI/carla/dist/hutb-*-${PYTAG}-*.whl +python3 -m pip install pygame-ce numpy "opencv-contrib-python<5" +``` -### 5. 运行空地同步 +如果 `ls` 里没有与当前 Python 匹配的 wheel,换一个匹配的 Python 版本,或让 `dl.sh` 重新下载完整包。 + +跑 doc 仓库示例或需要 `agents` 的脚本时,还要加: ```bash -python3 PythonAPI/examples/air/air_ground_sync.py +export CARLA_ROOT=$HOME/hutb +export PYTHONPATH=$CARLA_ROOT/PythonAPI/carla:$HOME/doc/src:$PYTHONPATH ``` -左右分屏中,地面车辆与空中无人机处于同一世界、同一场天气;按 `N` 切换天气,按 `Esc` 退出。 +如果提示找不到文件,先确认 `PythonAPI/carla/dist/` 下确实有 `hutb-*.whl`。 -### 成功标志 +装好后先做一次连接自检: + +```bash +cd ~/hutb +python3 -c "import carla; c=carla.Client('localhost',2000); c.set_timeout(10); w=c.get_world(); print(w.get_map().name, len(w.get_map().get_spawn_points()))" +``` +正常会打印当前地图名和出生点数量。连不上先检查模拟器是否还在运行、2000 端口是否监听。 +### 4. 运行车机展示(另开一个终端) +```bash +cd ~/hutb +python3 PythonAPI/examples/air/quick_start_showcase.py +``` +你应该看到:一辆车在城市中自动巡航,无人机从空中追踪;4 宫格同时显示 RGB、深度图、语义分割、LiDAR 鸟瞰;天气自动轮换。按 `N` 手动切天气,按 `Esc` 退出。如果 4 宫格全黑,先按模块四的“同步复位”命令恢复异步,再重新运行。 +> 这个脚本本身**不支持 WASD 接管驾驶**(源码里只注册了 `N` 和 `ESC`)。要键盘驾驶,另开终端运行 `python3 PythonAPI/examples/air/drive_vehicle.py`,那个脚本才是 `WASD` 驾驶、`Space` 手刹、`R` 倒车。 +### 5. 运行空地同步 +```bash +python3 PythonAPI/examples/air/air_ground_sync.py +``` +同一画面中,地面车辆与空中无人机处于同一世界、同一场天气;按 `N` 切换天气,按 `Esc` 退出。 +### 成功标志 - 车与无人机出现在同一画面。 - 4 路传感器画面同时刷新。 - 切换天气时,地面和空中同时变化。 -- 没有端口占用、API 版本不匹配的报错。 - +- 没有端口占用;如果出现 API 版本不匹配的警告,不影响本教程功能。 ## 六个实验模块 - | 模块 | 内容 | 关键脚本 / 操作 | 对应步骤 | | --- | --- | --- | --- | | 模块一 | 环境与数字孪生底座 | 启动模拟器、OSM 生成路网、保存地图 | 1—3 | | 模块二 | 自动驾驶感知—决策—控制 | 相机、边界框、点云、目标检测、路径跟踪 | 4—12 | | 模块三 | 无人机与低空资产 | 双客户端连接、起飞、多机、倾斜摄影 | 13—17 | -| 模块四 | 空地协同 | 车机分屏、联合展示、无人机跟踪车 | 18—19 | -| 模块五 | 交通场景与多载具协同 | 交通流、路口指标、信号控制、多机巡检 | 20—25 | +| 模块四 | 空地协同 | 车机同屏、联合展示、无人机跟踪车 | 18—19 | +| 模块五 | 交通场景与多载具协同 | 交通流、路口指标、信号控制、多载具协同 | 20—25 | | 模块六 | 协作与 AI 辅助开发 | Fork、分支、Copilot、Pull Request | 26—29 | - ## 模块一:环境与数字孪生底座(建议最后做) - **目标**:把真实路网变成仿真场景,并保存为可重复载入的地图。 - 1. 启动模拟器服务端并连接客户端: - ```bash - cd <你的 hutb 目录> - ./CarlaUE4.sh + cd ~/hutb + ./CarlaUE4.sh -vulkan -windowed -ResX=1280 -ResY=720 -quality-level=Low ``` - - 再用 `config.py` 加载地图(在 hutb 包根目录执行): - + 服务端启动后,用**另一个终端**执行 `config.py` 加载地图(在 hutb 包根目录执行),不要关掉模拟器窗口: ```bash python3 PythonAPI/util/config.py -m Town01 ``` - -2. 由 OpenStreetMap 生成路网:打开数字孪生工具(CarlaTools 内容中的 `UW_OnRoadMainWidget`),填入 OSM 网址或导入本地 `.osm`,框选区域后点击生成。2×2 km² 约需 10 分钟。 - +2. 由 OpenStreetMap 生成路网:打开数字孪生工具(CarlaTools 内容中的 `UW_OnRoadMainWidget`),填入 OSM 网址或导入本地 `.osm`,框选区域后点击生成。生成时间取决于机器性能和区域大小。 3. 加载生成场景并保存: - ```bash # 在 hutb 包根目录 python3 PythonAPI/util/config.py -x *.xodr ``` - 如果按文档仓库的写法运行,则要先进入 `OpenHUTB/doc` 仓库根目录,再执行 `python3 src/util/config.py -x *.xodr`;`src/` 是 doc 仓库的目录,不在 hutb 包里。 - - 保存地图可能耗时 1 小时以上;保存后在编辑器中检查车道与路口。 - + 保存时间取决于机器性能和地图大小;保存后在编辑器中检查车道与路口。 +**运行效果**:加载 `.xodr` 后,模拟器里能看到道路、路口和车辆出生点;保存地图后重新加载,路网仍然存在。 > 这一步依赖 HUTB 编译。第一次做建议在教师演示后完成,不要自行硬编。 - ## 模块二:自动驾驶感知—决策—控制 **目标**:让车辆“看得见、判得准、走得稳”。 +**说明**:下面命令按 `dl.sh` 下载的官方包编写,已在 Vulkan 启动方式下实际跑通;地图使用 `Town10HD` / `Town01_Opt`,成功标志按实测结果写。 + +**运行效果**:跑通后你会看到 6 路相机画面、车辆上的三维边界框、Open3D 点云、YOLO 检测框,以及车辆沿路点或规划路径行驶。 + +如果还没有 doc 仓库,先克隆到 `~/doc`: + +```bash +git clone https://github.com/OpenHUTB/doc.git ~/doc +``` + +再进入 doc 仓库并设置环境变量: + ```bash -# 以下脚本在 OpenHUTB/doc 仓库的 src/ 下运行;不是 hutb/PythonAPI/examples/ -cd <你的 doc 仓库>/src +conda deactivate +source ~/venv-air/bin/activate +export CARLA_ROOT=$HOME/hutb +export PYTHONPATH=$CARLA_ROOT/PythonAPI/carla:$HOME/doc/src:$PYTHONPATH +cd ~/doc/src +``` + +### 4. 多路相机 -# 4. 多路相机(先另开终端运行 examples/manual_control.py 生成 hero) -python3 examples/rgb_camera_example.py --host localhost --port 2000 --rolename hero +脚本会自动生成 `hero`,不需要先运行 `manual_control.py`: -# 5. 三维边界框(同样需要 hero) +```bash +python3 examples/rgb_camera_example.py +``` + +成功标志:弹出 `All cameras` 窗口,RGB、语义分割、实例分割、深度、DVS、光流 6 路画面同时刷新,按 `q` 退出。请用 `q` 正常退出,直接 `Ctrl+C` 可能留下传感器,需要重启模拟器清理。 + +### 5. 三维边界框 + +需要场景里已有 `hero`。第 4 步加 `--keep_ego_vehicle` 可保留;否则另开终端运行: + +```bash +cd ~/hutb +python3 PythonAPI/examples/manual_control.py +``` + +再在 doc 终端运行: + +```bash +cd ~/doc/src python3 examples/sensor_bounding_box.py --host localhost --port 2000 --rolename hero --view above --distance 100 --res 800x600 --fov 90 +``` + +成功标志:俯视窗口里车辆被红橙色三维框包住。 + +### 6. 激光雷达点云 -# 6. 激光雷达点云(需要 hero 与 Open3D) +需要 Open3D;新版 matplotlib 删除了 `cm.get_cmap`,要装兼容旧接口的版本: + +```bash +python3 -m pip install open3d "matplotlib<3.9" python3 examples/3d_lidar.py --host localhost --port 2000 --rolename hero --keep_ego_vehicle +``` + +成功标志:`Carla Lidar` 窗口出现点云,能看到道路边界和车辆轮廓。如果 matplotlib 版本过新,会报 `AttributeError: module 'matplotlib.cm' has no attribute 'get_cmap'`。 -# 7. YOLOv3 目标检测(在脚本目录运行,weights/ 与 cfg/ 是相对路径) -cd course/object_detection +### 7. YOLOv3 目标检测 + +OpenCV 必须是 4.x,并要改一行兼容代码: + +```bash +cd ~/doc/src/course/object_detection +python3 -m pip install imutils "opencv-contrib-python<5" +curl -L -o weights/yolov3.weights https://pjreddie.com/media/files/yolov3.weights +sed -i 's/layers_names\[i\[0\]-1\]/layers_names[i-1]/' object_detection.py python3 object_detection.py -cd ../.. +``` + +成功标志:车辆视角窗口中,车辆、行人、自行车上出现检测框和类别标签。OpenCV 5 已移除 Darknet 后端,会报 `Unknown layer type in function 'readNet'`;`layers_names[i[0]-1]` 在 NumPy 2 下会报 `IndexError`,两个问题都要处理。画面里没有目标时不会出现框,可先运行 `python3 examples/generate_traffic.py -n 30 -w 10 --safe`。 + +### 8. 路径点跟踪 + +需要 Town01 路点。普通 `Town01` 在部分环境里会卡住,优先改用 `Town01_Opt`: + +```bash +# 终端 A +cd ~/hutb +python3 PythonAPI/util/config.py -m Town01_Opt +# 终端 B +cd ~/doc/src +python3 examples/waypoint_follow.py --host localhost --port 2000 --json_file examples/data/town01_waypoints.json --sync --fixed_delta_seconds=0.05 --spawn --visualize --camera_follow +``` + +成功标志:车辆从第一个路点出发,窗口中出现路点编号,车辆沿路点行驶。脚本结束后把同步模式复位: + +```bash +python3 - <<'PY' +import carla +c = carla.Client("localhost", 2000); c.set_timeout(20) +w = c.get_world(); s = w.get_settings() +s.synchronous_mode = False; s.fixed_delta_seconds = None +w.apply_settings(s) +print("async restored") +PY +``` + +### 9. 轨迹跟踪 + +```bash +cd ~/doc/src/course/trajectory_tracking +python3 Drive.py +``` -# 8. 路径点跟踪(先在 hutb 终端运行 python3 PythonAPI/util/config.py -m Town01;json 路径相对 doc/src) -python3 examples/waypoint_follow.py --host localhost --port 2000 --rolename hero --map Town01 --json_file examples/data/town01_waypoints.json --sync --fixed_delta_seconds=0.05 --spawn --visualize --camera_follow +成功标志:车辆按 `Waypoints.txt` 行驶,场景中出现红色路点编号,`Results/` 下生成 CSV。**不要先运行 `generate_traffic.py`**,否则 spawn point 216/11 被占用,`try_spawn_actor` 返回 `None` 后脚本会崩。该脚本需要至少 217 个 spawn point,`Town01_Opt` 有 255 个,可用。 -# 9. 轨迹跟踪(湖工商场景;先运行 examples/generate_traffic.py) -python3 course/trajectory_tracking/Drive.py +### 10. 地图选点移动 -# 10. 地图选点移动 -python3 course/locate_moving.py +```bash +cd ~/doc/src/course +python3 locate_moving.py +``` + +成功标志:俯视地图窗口显示道路和建筑,鼠标点击处生成一辆自动驾驶车辆。脚本把相机固定在 `(0,0,50)`,在 `Town01_Opt` 原点可能是空地/水面,窗口会全黑;实测在 `Town10HD` 下正常,建议这一步用 `Town10HD`。 + +### 11. 路线规划(湖工商场景) -# 11. 路线规划(同级有 motion_primitve.py / basic_PID.py,必须在本目录运行) -cd course/Motion_Planning +```bash +cd ~/doc/src/course/Motion_Planning python3 main_v4_VO.py -cd ../.. +``` -# 12. 校园轨迹(--s/--e 可取 北门、西门、楚枫桥、楚枫轩、日新楼、体育馆、湘江楼、科技楼) -python3 course/navigation/automatic_control_revised.py --s 北门 --e 西门 --speed 5 +### 12. 校园轨迹(湖工商场景) + +```bash +cd ~/doc/src/course/navigation +python3 automatic_control_revised.py --s 北门 --e 西门 --speed 5 ``` -> 这些脚本依赖 `OpenHUTB/doc` 仓库的 `src/`,hutb 包里没有 `course/`。`rgb_camera_example.py`、`sensor_bounding_box.py`、`3d_lidar.py` 需要先在另一个终端运行 `manual_control.py` 生成 `hero` 车辆,否则会报 `Actor hero not found`。`object_detection.py` 还需要自行准备 `weights/yolov3.weights`(仓库只带 `cfg/`)。`Drive.py`、`automatic_control_revised.py`、`traffic_indicators.py`、`spectator.py` 依赖湖工商场景。 +11、12 的坐标写死在湖工商场景里,换到 Town01/Town10HD 没有意义;先按模块一加载校园地图。 -**成功标志**:相机画面同步、边界框与车辆对齐、点云能看出道路与车辆轮廓、检测框随视角变化、车辆能沿路点或规划路径行驶。 +**模块二排错** +- `ModuleNotFoundError: cv2`:确认在 `venv-air` 里,且装的是 OpenCV 4.x(不要用 5.x)。 +- `AttributeError: module 'matplotlib.cm' has no attribute 'get_cmap'`:`python3 -m pip install "matplotlib<3.9"`。 +- `Unknown layer type in function 'readNet'`:OpenCV 5 已移除 Darknet,降到 OpenCV 4.x。 +- `IndexError` 出现在 `output_layers`:把 `layers_names[i[0]-1]` 改成 `layers_names[i-1]`。 +- 脚本退出后传感器/车辆残留、或画面不动:重启模拟器,并把 `synchronous_mode` 复位为 `False`(见第 8 步代码)。 +- 成功标志汇总:6 路相机同步、边界框贴合车辆、点云有道路/车辆轮廓、检测框随视角变化、车辆能沿路点或规划路径行驶。 ## 模块三:无人机与低空资产 -**目标**:连接 Carla 与 AirSim 双客户端,完成起飞、多机添加和航拍建模。 +**目标**:连接 CARLA 与 AirSim 双客户端,完成起飞、多机添加和航拍建模。 -1. 启动 OpenHUTB/hutb 模拟器,加载校园地图(如 `Town10HD`),分别连接 Carla 客户端(端口 `2000`)和 AirSim 多旋翼客户端(端口 `41451`)。 +**前置**:`~/Documents/AirSim/settings.json` 里设置 `"EnableRpc": true`,重启模拟器,确认两个端口都在监听。如果这个文件不存在,先启动一次模拟器让 AirSim 生成,再修改。 -2. 基础飞行与分步教程: +```bash +ss -ltnp | grep -E ':2000|:41451' +``` - ```bash - cd <你的 hutb 目录> - python3 PythonAPI/examples/air/01_hello_world.py - python3 PythonAPI/examples/air/05_drone_takeoff.py - ``` +如果 `import airsim` 报 `ModuleNotFoundError: No module named 'backports'`: -3. 继续完成天气、交通流、无人机起飞等示例: +```bash +python3 -m pip install backports.ssl_match_hostname +``` - ```bash - python3 PythonAPI/examples/air/02_weather_control.py - python3 PythonAPI/examples/air/03_spawn_traffic.py - ``` +1. 双客户端连接: + +```bash +cd ~/hutb +python3 PythonAPI/examples/air/01_hello_world.py +``` + +如果你在纯 SSH、没有图形桌面的环境里运行,先设置 `DISPLAY` 或使用虚拟显示;有桌面的机器一般不用设置。 + +实测成功输出:`CARLA connection successful: Carla/Maps/...`、`Number of available spawn points: ...`、`AirSim connection successful: Drone is ready to fly.` + +2. 起飞、固定航点、正方形航线、降落: + +```bash +python3 PythonAPI/examples/air/05_drone_takeoff.py +``` + +实测成功输出:`已起飞!` → `当前位置 NED: (80.1, -0.0, -30.0)` → `降落完成!`。 + +3. 天气与车流: + +```bash +python3 PythonAPI/examples/air/02_weather_control.py +python3 PythonAPI/examples/air/03_spawn_traffic.py +``` - 多机示例见 `air` 仓库的 `PythonClient/multirotor/`:`multi_agent_drone.py`、`add_drone.py`、`hello_drone.py` 都在这里,**不在** hutb 包的 `PythonAPI/examples/air/` 里。如果还没克隆 air 仓库,或当前包内没有这些脚本,先完成单车/单机示例。 +实测输出:5 种天气依次切换并恢复晴天;生成 10 辆车、13 个行人,观察 20 秒后清理。 -4. 倾斜摄影与三维重建:用手机或相机固定焦距绕建筑拍摄约 60 张、相邻重叠度不低于 70% 的照片,按 Meshroom 教程完成 SfM、深度图、网格与纹理,导出 `.obj`;也可按 `air_3d` 文档用 ContextCapture 重建校园建筑。 +4. 多机:需要 `OpenHUTB/air` 仓库的 `PythonClient/multirotor/`,并在 `settings.json` 里增加 `Drone2`;第一次做先完成单机,再按 air 仓库示例增加第二架。 -**成功标志**:无人机能起飞/悬停/降落;多机能独立控制;重建模型能导入虚幻引擎。 +**运行效果**:终端先打印 CARLA 地图名和出生点数量,再打印 AirSim 已就绪;起飞脚本会依次打印起飞、NED 坐标和降落完成;天气脚本能看到 5 种天气切换;车流脚本会生成车辆和行人。 +**注意**:连上无人机后不要用 `config.py` 切地图。部分构建在切换地图时可能因 41451 端口重绑崩溃;要换地图,先关模拟器、改 `settings.json`、再启动。 + +**成功标志**:无人机能起飞、悬停、按航点飞行、降落;多机能独立控制;重建模型能导入虚幻引擎。 ## 模块四:空地协同 **目标**:让无人机和地面车辆在同一世界协同。 ```bash -# 左右分屏:同一场雨、同一个世界 +cd ~/hutb python3 PythonAPI/examples/air/air_ground_sync.py - -# 四路传感器 + 无人机追踪车辆 python3 PythonAPI/examples/air/quick_start_showcase.py - -# 无人机跟踪地面车辆 python3 PythonAPI/examples/air/drone_car_chase.py - -# 一个脚本同时驱动车辆与无人机 python3 PythonAPI/examples/air/demo_drive_and_fly.py ``` -**成功标志**:两侧位姿与传感器时间戳逐帧对齐(坐标对齐误差 `0.0000 m`);无人机能稳定跟踪车辆并回传机载画面;切换天气两侧同步。 +一次只跑一个,脚本会自己生成车辆和相机。 + +**运行效果**: + +- `air_ground_sync.py` 能进入 30 Hz 同步模式,显示无人机跟车画面。 +- `quick_start_showcase.py` 显示 2×2 四宫格(RGB、深度、语义、LiDAR)。如果四宫格全黑,先检查上一轮是否把 `synchronous_mode` 留成了 `True`,执行下面的复位命令再跑: + +```bash +python3 - <<'PY' +import carla +c = carla.Client("localhost", 2000); c.set_timeout(20) +w = c.get_world(); s = w.get_settings() +s.synchronous_mode = False; s.fixed_delta_seconds = None +w.apply_settings(s) +print("async restored") +PY +``` + +- `drone_car_chase.py`、`demo_drive_and_fly.py` 是交互式长循环,按 `Esc`/`q` 退出;建议先跑前两个,熟悉后再试后两个。 +- 脚本不会打印固定的“坐标对齐误差 0.0000 m”,不要把这个数字写进报告;以画面同步和 `calibrate_offset` 的输出为准。 +**成功标志**:车与无人机同屏;四路传感器画面刷新;切换天气时两侧同步变化。 ## 模块五:交通场景与多载具协同 **目标**:在交通场景中加入多架无人机,评价车—机耦合效果。 -实验按 **20 项算法测试矩阵**组织:感知 5、定位与地图 3、规划与决策 3、控制 1、交通 3、无人机与协同 3、学习 2。下面的交通脚本同样在 `OpenHUTB/doc` 仓库的 `src/` 下执行,不在 `hutb/PythonAPI/examples/`。 +实验按 **20 项算法测试矩阵**组织:感知 5、定位与地图 3、规划与决策 3、控制 1、交通 3、无人机与协同 3、学习 2。以下脚本在 `OpenHUTB/doc` 仓库的 `src/` 下执行: ```bash -cd <你的 doc 仓库>/src - -# 生成车流与行人(hutb 包里也有同名脚本,但这里用 doc 仓库的版本) +cd ~/doc/src +# 生成车流与行人 python3 examples/generate_traffic.py -n 50 -w 20 --safe - -# 统计路口指标(依赖湖工商场景;脚本内固化了两个路口坐标) +# 统计路口指标(依赖湖工商场景) python3 course/traffic_indicators.py - -# 手动信号控制:先启动 Flask 服务,再发请求 +# 手动信号控制 python3 course/signal_control.py -# 浏览器或 curl 请求: -# http://127.0.0.1:5000/set_traffic_light?traffic_id=-5&color_id=3&color_time=30 - -# 自动感应控制(做对比实验时用) +# 另开终端请求 +curl "http://127.0.0.1:5000/set_traffic_light?traffic_id=-5&color_id=3&color_time=30" +# 自动感应控制 python3 course/auto_signal_control.py -# http://127.0.0.1:5000/set_traffic_light - -# 四个预设路口视角轮换(不是多机分区巡检) +curl "http://127.0.0.1:5000/set_traffic_light" +# 四个预设路口视角轮换 python3 course/spectator/spectator.py ``` -`traffic_indicators.py` 和 `spectator.py` 都需要湖工商场景,且 `traffic_indicators.py` 的路口范围写死在脚本里(桐梓坡路—西二环、桐梓坡路—望岳);没有该场景时,脚本可能能连上模拟器但指标没有意义。 +**运行效果**: + +- `generate_traffic.py` 按 `-n`/`-w` 生成指定数量的车辆和行人;数量多时部分 spawn point 会因碰撞失败,日志中的 `Spawn failed because of collision at spawn position` 是正常现象。 +- 模块三的 `03_spawn_traffic.py` 默认会生成 10 辆车 + 13 个行人。 +- `traffic_indicators.py` 的两个路口坐标写死在湖工商场景(桐梓坡路—西二环、桐梓坡—望岳),在 Town10HD 上会输出 0,必须先加载湖工商地图。 +- `signal_control.py` / `auto_signal_control.py` 的 Flask 接口可在任意地图启动,但信号灯 ID 和 spectator 视角依赖湖工商场景。 +- `spectator.py` 只是 4 个固定视角轮换,不是多机巡检;多机覆盖率/冲突次数目前没有现成脚本,需要自己补统计。 再做两组对比: - 改变车辆数(20、50、100 辆),记录排队长度、车均延误、饱和度。 - 改变无人机数量(1、2、3 架),记录覆盖率、任务完成时间、空地冲突次数。 -**成功标志**:改配时后指标实时变化;多机增加时覆盖率上升,冲突次数随分配规则变化,能找到饱和度/协同负载的拐点。 - +**成功标志**:改配时后指标实时变化;车流增加时排队、延误、饱和度上升;能找到饱和度/协同负载的拐点。 ## 模块六:协作与 AI 辅助开发 - **目标**:按开源协作流程提交成果,并用大模型辅助开发。 - -1. Fork 并克隆仓库,新建分支(把 `你的用户名`、`仓库名` 换成实际值,例如 `hutb` 或 `doc`): - +1. Fork 并克隆仓库,新建分支(把 `你的用户名`、`你的仓库名` 换成实际值,例如 `hutb` 或 `doc`): ```bash - git clone https://github.com/你的用户名/仓库名.git - cd 仓库名 - git switch -c docs-fix-contribution-steps + git clone https://github.com/你的用户名/你的仓库名.git + cd 你的仓库名 + git checkout -b docs-fix-contribution-steps git status git diff ``` - 2. 按 GitHub Copilot 文档启用 Copilot,在 VS Code 中登录,让它解释一段 OpenHUTB 文档中的调用链。 - 3. 让模型补全或改写 `examples` 中的示例脚本(如增加传感器、改变车速),在模拟器中运行验证,逐行核对改动。 - 4. 提交: - ```bash - git add 你实际修改的文件 + git add CONTRIBUTING.md git diff --cached git commit -m "docs: 说明本次修改" git push -u origin docs-fix-contribution-steps ``` - - 把 `你实际修改的文件` 换成实际文件名(如 `CONTRIBUTING.md`),不要照抄占位符。贡献指南要求 `git add` 具体文件,而不是 `git add .`;提交前用 `git diff --cached` 再核对一次。创建目标为 OpenHUTB 的 Pull Request,按评审意见修改后合并,并提交实验报告与指标对比表。 - + 把 `CONTRIBUTING.md` 换成你实际修改的文件;贡献指南要求 `git add` 具体文件,而不是 `git add .`;提交前用 `git diff --cached` 再核对一次。创建目标为 OpenHUTB 的 Pull Request,按评审意见修改后合并,并提交实验报告与指标对比表。 ## 实验报告要求 - 实验报告建议包含以下内容: - -1. **实验环境**:操作系统、显卡、Python 版本、OpenHUTB/hutb 版本。 -2. **过程记录**:每个模块的关键命令、运行截图、遇到的问题与解决办法。 +1. **实验环境**:操作系统、显卡、Vulkan、Python 与 wheel 的匹配情况、模拟器获取方式。 +2. **过程记录**:每个模块的关键命令、运行结果(截图或终端输出)、遇到的问题与解决办法。 3. **指标表**:路口流量、车均延误、饱和度、排队长度;多机实验的覆盖率、任务完成时间、冲突次数。 4. **结果分析**:不同参数下指标如何变化,是否与预期一致;失败情形的原因与改进。 5. **成果链接**:代码分支、Pull Request、实验数据或录屏(如有)。 - 报告以“能复现、能解释、有证据”为标准,不接受只有截图、没有指标与分析的报告。 - ## 结果与评价 - 完成实验后,你应该能复现以下结果: - -- 数字孪生:路网可保存、可重复载入;2×2 km² 生成约 10 分钟,保存约 1 小时。 +- 数字孪生:路网可保存、可重复载入;生成和保存时间取决于机器性能与区域大小。 - 感知:雨雾/夜间下检测框数量和置信度下降;点云远处变稀疏。 - 控制:步长越小、采样越密,轨迹误差越小。 -- 无人机:多机分层飞行时,覆盖率、冲突次数可比较;中等联合配置约 `19.8±1.1 FPS`。 -- 空地协同:车机时间戳逐帧对齐,坐标误差 `0.0000 m`。 +- 无人机:多机分层飞行时,覆盖率、冲突次数可比较;FPS 以本机实测为准。 +- 空地协同:车机同屏、传感器画面同步;当前版本未打印固定坐标误差数值。 - 交通场景:流量上升时排队、延误、饱和度上升,可找临界流量。 - 成绩构成: - | 维度 | 权重 | 看什么 | | --- | --- | --- | | 参与度 | 40% | 前测/出勤、角色承担、Commits、Issues 讨论、PR 数量与审核评论 | | 提交规范性 | 20% | 分支命名、提交信息、PR 描述、代码风格、文档格式 | | 作业质量 | 40% | 步骤完成度、指标表与复算、实验报告、创新与复测 | - 等级:不及格、及格、中、良、优。 - ## 常见问题 - **Q:只有核显/8 GB 内存能跑吗?** -可以看文档、写脚本,跑模拟器会非常卡。建议用带 NVIDIA 独显、16 GB 内存以上的机器做模块三—五。 - +可以看文档、写脚本,跑模拟器会非常卡。建议用带 NVIDIA 独显、32 GB 内存以上的机器做模块三—五。 **Q:运行 `./dl.sh` 报 `BadZipFile`?** - `dl.sh` 只是下载器,真正的模拟器包由它从服务器拉取。报 `BadZipFile` 通常不是 Ubuntu 的问题,而是下载到的文件不是完整 zip:服务器返回了 404/HTML 页面、下载中断,或网络加速器改写了内容。 - 按下面顺序排查: - 1. 重新执行一次 `./dl.sh`,不要连续重试十几次。 2. 找到刚下载的 zip,检查它是不是真的 zip: - ```bash find ~ -name '*.zip' -mmin -30 -ls - file 下载到的.zip - unzip -t 下载到的.zip + file 上一步输出的文件 + ``` + 如果 `file` 显示 HTML、ASCII text,或者文件很小,说明下载失败,重新下载。 +3. 解压后确认 `CarlaUE4.sh` 存在: + ```bash + find ~/hutb -name CarlaUE4.sh ``` +4. 仍然失败时,换网络环境,或从 OpenHUTB 主页手动下载完整包。 - - `file` 显示 HTML/ASCII:下载到的是网页,不是包。 - - `unzip -t` 报错:包不完整,重新下载或换网络。 +**Q:启动报 `bind: Address already in use`?** +说明 2000 端口被占用,通常是上次崩溃残留的 `CarlaUE4` 进程。先查 PID,再结束自己的旧进程: +```bash +ss -ltnp | grep ':2000' +kill -TERM 162777 +``` +把 `162777` 换成 `ss` 查到的实际 PID,不要写尖括号。还占着就 `kill -9 162777`。 -3. 如果服务器上**只有源码、没有预编译包**,`dl.sh` 解决不了:向老师/学长要 **Ubuntu 预编译包**(整个 `hutb` 目录),或申请实验室机器;不要在 8 GB 核显笔记本上从源码编译 UE4.26。 -4. 如果老师给了压缩包,解压后直接运行 `CarlaUE4.sh`,不需要再跑 `dl.sh`。 +**Q:安装 wheel 报 `is not a supported wheel on this platform`?** +wheel 文件名里的 `cpXX` 和当前 `python3 --version` 不一致。用第 3 节的 `PYTAG` 命令按当前 Python 自动选,或换一个匹配的 Python。 -**Q:运行 `./CarlaUE4.sh` 提示 Permission denied?** -先赋予执行权限:`chmod +x CarlaUE4.sh`,再运行。 +**Q:启动后黑屏、窗口一闪而过或报 `VK_ERROR_DEVICE_LOST`?** +先确认 `vulkaninfo --summary` 里的 `deviceName` 是 NVIDIA 显卡,不是 `llvmpipe`;再降低画质: +```bash +./CarlaUE4.sh -vulkan -windowed -ResX=1280 -ResY=720 -quality-level=Low +``` +仍然失败时,换一台有 NVIDIA 独显的机器;不要改用 `-opengl`。 -**Q:`nvidia-smi` 找不到命令?** -说明 NVIDIA 驱动没装好;先装驱动、重启,再确认 `nvidia-smi` 能输出显卡信息。 +**Q:`import airsim` 报 `No module named 'backports'`?** +```bash +python3 -m pip install backports.ssl_match_hostname +``` -**Q:`pip install hutb-*.whl` 找不到文件?** -先确认你在 `hutb/PythonAPI/carla/dist/` 下能看到 `hutb-*.whl`;没有就重新运行 `./dl.sh` 或检查下载是否完整。 +**Q:`quick_start_showcase.py` 四宫格全黑?** +上一个脚本可能把 `synchronous_mode` 留成了 `True`。先复位为异步: +```bash +python3 - <<'PY' +import carla +c = carla.Client("localhost", 2000); c.set_timeout(20) +w = c.get_world(); s = w.get_settings() +s.synchronous_mode = False; s.fixed_delta_seconds = None +w.apply_settings(s) +print("async restored") +PY +``` +再重新运行脚本。 -**Q:端口被占用?** -Carla 用 `2000`,AirSim 用 `41451`;先关掉旧进程,再重启。 +**Q:`3d_lidar.py` 报 `cm.get_cmap`?** +```bash +python3 -m pip install "matplotlib<3.9" +``` -**Q:数字孪生为什么最后做?** -它需要编译 HUTB,依赖 UE4.26、Ubuntu 编译工具链和较大的磁盘/内存;先把轻量模块跑通,再碰它。 +**Q:YOLO 报 `Unknown layer type` 或 `IndexError`?** +OpenCV 5 已移除 Darknet,降到 OpenCV 4.x: +```bash +python3 -m pip install "opencv-contrib-python<5" +``` +再把 `layers_names[i[0]-1]` 改成 `layers_names[i-1]`。 -**Q:GitHub 打不开?** -先检查网络与代理设置;如果仍然失败,换一个网络环境再试,并把完整报错记录下来。 +**Q:普通 `Town01` 一直卡住?** +改用 `Town01_Opt`: +```bash +python3 PythonAPI/util/config.py -m Town01_Opt +``` -## 参考 +**Q:`locate_moving.py` 窗口全黑?** +脚本把俯视相机固定在原点,部分地图原点没有道路。换 `Town10HD` 再运行。 -- 模拟器下载入口(保持不变):https://openhutb.github.io/dl.sh -- OpenHUTB/hutb:https://github.com/OpenHUTB/hutb -- OpenHUTB/doc 文档仓库:https://github.com/OpenHUTB/doc -- 文档站:https://openhutb.github.io/doc/ -- 空域文档:https://openhutb.github.io/air_doc/ -- 交通教程参考:https://openhutb.github.io/doc/tutorials/ -- 空地一体(Carla-Air 0.1.7):https://openhutb.github.io/air_doc/dev/Carla_Air/ -- AirSim Ubuntu 构建(air_doc):https://openhutb.github.io/air_doc/build_linux/ -- HUTB/Carla Ubuntu 构建(doc):https://openhutb.github.io/doc/build_linux/ -- 多车辆:https://openhutb.github.io/air_doc/multi_vehicle/ -- 图像 API:https://openhutb.github.io/air_doc/image_apis/ -- 贡献指南(渲染页):https://openhutb.github.io/.github/CONTRIBUTING/ -- 贡献指南(源文件):https://github.com/OpenHUTB/.github/blob/master/CONTRIBUTING.md +**Q:`./CarlaUE4.sh: No such file or directory`?** +说明当前目录不对。`dl.sh` 包在根目录,自己编译的包在 `Build/UE4Carla/.../LinuxNoEditor`: +```bash +find ~/hutb -name CarlaUE4.sh +``` +进入该文件所在目录再运行。 + +**Q:`Permission denied`?** +```bash +chmod +x CarlaUE4.sh +``` + +**Q:`ModuleNotFoundError: No module named 'carla'`?** +确认已激活 `venv-air`,并且装的是与当前 Python 匹配的 wheel: +```bash +source ~/venv-air/bin/activate +python3 -c "import carla; print(carla.__file__)" +``` + +**Q:`ModuleNotFoundError: No module named 'agents'`?** +没有设置 `PYTHONPATH`: +```bash +export PYTHONPATH=$HOME/hutb/PythonAPI/carla:$HOME/doc/src:$PYTHONPATH +``` + +## 参考 +- OpenHUTB 项目主页:https://openhutb.github.io/ +- OpenHUTB/air_doc 教程:https://openhutb.github.io/air_doc/ +- OpenHUTB/hutb 仓库:https://github.com/OpenHUTB/hutb +- OpenHUTB/doc 示例与课程仓库:https://github.com/OpenHUTB/doc +- OpenHUTB/air 仓库:https://github.com/OpenHUTB/air +- 模拟器下载脚本:https://openhutb.github.io/dl.sh +- CARLA 官方文档:https://carla.readthedocs.io/ +- CARLA Python API:https://carla.readthedocs.io/en/latest/python_api/ +- AirSim 官方文档:https://microsoft.github.io/AirSim/ +- AirSim Python API:https://microsoft.github.io/AirSim/apis/ +- Open3D 文档:https://www.open3d.org/docs/ +- OpenStreetMap:https://www.openstreetmap.org/ +- OpenDRIVE 规范:https://www.asam.net/standards/detail/opendrive/ +- YOLO/Darknet:https://pjreddie.com/darknet/yolo/