diff --git a/docs/index.md b/docs/index.md index c931a3c51..c4e91d2c4 100644 --- a/docs/index.md +++ b/docs/index.md @@ -9,6 +9,7 @@ title: 主页 * __载具__ * [无人车](vehicle.md) * [无人机](https://openhutb.github.io/air_doc/dev/Carla_Air/) + * [空地一体 Ubuntu 教程](tutorial/air_ground_ubuntu_tutorial.md) * [潜水器](https://openhutb.github.io/mujoco_plugin/underwater/) * __模拟__ * [概念](concept.md) diff --git a/docs/tutorial/air_ground_ubuntu_tutorial.md b/docs/tutorial/air_ground_ubuntu_tutorial.md new file mode 100644 index 000000000..4b5ea63dc --- /dev/null +++ b/docs/tutorial/air_ground_ubuntu_tutorial.md @@ -0,0 +1,458 @@ +# 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。 + +## 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) | +| 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) | +| 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。 +- 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。 +- 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。 +- 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。 +- 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。 +- **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 +``` + +### 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 +``` + +- `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。 + +> **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/` | +| 8 个分步教程(01_hello_world 等) | `hutb/PythonAPI/examples/air/` | +| hutb 自带示例(generate_traffic、manual_control 等) | `hutb/PythonAPI/examples/` | +| 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 +``` + +### 2. 启动模拟器 + +```bash +chmod +x CarlaUE4.sh +./CarlaUE4.sh +``` + +第一次启动会加载地图,比较慢,属正常现象。 + +### 3. 安装 Python 接口 + +```bash +python3 -m pip install PythonAPI/carla/dist/hutb-*.whl +python3 -m pip install pygame numpy +``` + +如果提示找不到文件,先确认 `PythonAPI/carla/dist/` 下确实有 `hutb-*.whl`。 + +### 4. 运行车机展示(另开一个终端) + +```bash +cd <你的 hutb 目录> +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 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。 + +> 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 +``` + +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。 + +### 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。 + +## 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 + ``` + + 再用 `config.py` 加载地图(在 hutb 包根目录执行): + + ```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。 + +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。 + +> 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”。 + +```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 + +# 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 + +# 5. 三维边界框(同样需要 hero) +python3 examples/sensor_bounding_box.py --host localhost --port 2000 --rolename hero --view above --distance 100 --res 800x600 --fov 90 + +# 6. 激光雷达点云(需要 hero 与 Open3D) +python3 examples/3d_lidar.py --host localhost --port 2000 --rolename hero --keep_ego_vehicle + +# 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 +python3 object_detection.py +cd ../.. + +# 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 + +# 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 +python3 course/locate_moving.py + +# 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 +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 +``` + +> 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。 + +**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。 + +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`)。 + +2. 基础飞行与分步教程: + + ```bash + cd <你的 hutb 目录> + python3 PythonAPI/examples/air/01_hello_world.py + python3 PythonAPI/examples/air/05_drone_takeoff.py + ``` + +3. 继续完成天气、交通流、无人机起飞等示例: + + ```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。 + +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。 + +**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。 + +## 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 +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。 + +## 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/`。 + +```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) +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) +python3 course/traffic_indicators.py + +# 手动信号控制:先启动 Flask 服务,再发请求 +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) +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) +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。 + +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。 + +## 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`): + + ```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 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 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。 + +## 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。 +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。 +- 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`。 +- 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。 + +**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` 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。 + +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:运行 `./CarlaUE4.sh` 提示 Permission denied?** +先赋予执行权限:`chmod +x CarlaUE4.sh`,再运行。 + +**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:`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:端口被占用?** +Carla 用 `2000`,AirSim 用 `41451`;先关掉旧进程,再重启。 + +**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: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。 + +## 参考 + +- 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