diff --git a/src/simple_wheeled_vehicle/README.md b/src/simple_wheeled_vehicle/README.md new file mode 100644 index 0000000000..d38afd39ea --- /dev/null +++ b/src/simple_wheeled_vehicle/README.md @@ -0,0 +1,129 @@ +# 简易轮式小车智能代理 + +## 项目简介 +一个基于PyTorch神经网络与ROS的**简易轮式小车智能代理**,主要面向Carla自动驾驶模拟器。项目实现了从感知到控制的基本自动驾驶流程,模块化设计清晰,便于学习、扩展与二次开发。 + +## 功能特性 +- **环境感知**:处理相机图像,识别车道线、可行驶区域及动态障碍物。 +- **决策规划**:基于感知结果进行局部路径规划与动态避障决策。 +- **运动控制**:输出转向、油门及刹车指令,控制小车沿规划路径行驶。 +- **训练接口**:提供数据采集与模型训练接口,支持强化学习与模仿学习。 +- **ROS集成**:通过ROS节点进行模块间通信,支持传感器数据发布与控制指令订阅。 + +## 环境要求 +- **操作系统**:Ubuntu 20.04/22.04(推荐)或 Windows 10/11(WSL2) +- **Python**:3.7 - 3.12 +- **核心框架**:PyTorch >= 1.9.0(CPU/GPU版本均可) +- **模拟器**:Carla 0.9.14+ +- **可选依赖**:ROS Noetic 或 ROS2 Foxy(用于ROS通信) +- **基础包**:numpy, opencv-python, matplotlib + +## 项目结构 +``` +src/simple_wheeled_agent/ +├── main.py # 模块主入口 (非ROS启动) +├── main.launch # ROS启动配置文件 +├── requirements.txt +├── config/ +│ └── default.yaml # 配置文件 +├── docs/ # 模块文档 +├── models/ # 预训练模型存放处 +├── scripts/ # 工具脚本 +├── src/ # 核心源代码 +│ ├── perception/ +│ │ ├── __init__.py +│ │ ├── image_processor.py # 图像处理与神经网络推理 +│ │ └── data_collector.py # 训练数据采集 +│ ├── planning/ +│ │ ├── __init__.py +│ │ └── local_planner.py # 局部路径规划器 +│ ├── control/ +│ │ ├── __init__.py +│ │ └── pid_controller.py # 运动控制器 +│ └── utils/ # 通用工具函数 +└── tests/ # 单元测试 +``` + +## 快速开始 +1. **安装依赖**: + ```bash + cd src/simple_wheeled_agent + pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/ + ``` + +2. **启动Carla服务端** (在另一个终端): + ```bash + ./CarlaUE4.sh -quality-level=Low # 可根据硬件调整画质 + ``` + +3. **运行代理**: + ```bash + python main.py --config config/default.yaml + ``` + 程序将连接Carla,生成车辆,并开始自主驾驶。 + +4. **(可选) ROS模式**: + ```bash + roslaunch simple_wheeled_agent main.launch + ``` + +## 主要类和方法 +- **`PerceptionAgent` (感知模块)**: + - `process_image(raw_image)`: 处理原始图像,输出车道与障碍物信息。 + - `collect_training_data()`: 采集带标签的训练数据。 + +- **`LocalPlanner` (规划模块)**: + - `compute_path(perception_result, goal)`: 根据感知结果和全局目标计算局部路径。 + - `dynamic_obstacle_avoidance()`: 动态避障算法。 + +- **`VehicleController` (控制模块)**: + - `update_control(target_path, current_state)`: 根据目标路径和车辆状态计算控制量。 + - `get_control()`: 返回当前的控制指令(转向、油门、刹车)。 + +## 配置参数 +关键参数可在 `config/default.yaml` 中调整: +```yaml +carla: + host: localhost + port: 2000 + timeout: 10.0 +vehicle: + target_speed: 30.0 # 目标速度 (km/h) + max_steer_angle: 70.0 # 最大转向角 (度) +perception: + model_path: models/perception_model.pth + image_width: 640 + image_height: 480 +``` + +## 数据输出 +运行过程中会生成以下数据: +1. **控制台输出**:车辆状态、控制指令、故障信息。 +2. **日志文件** (位于 `logs/`): 运行日志与性能统计。 +3. **数据记录** (训练模式下): 图像与对应控制指令,保存于 `data/train/`。 +4. **可视化窗口**:实时显示处理后的图像与规划路径。 + +## 扩展建议 +- **更换模拟器**:参考现有Carla接口,为AirSim或MuJoCo实现对应的环境包装器。 +- **改进感知模型**:替换 `perception` 模块中的网络结构(如使用ResNet、Transformer)。 +- **尝试新算法**:在 `planning` 模块中实现强化学习(PPO、SAC)或更先进的规划算法。 +- **增加传感器**:集成激光雷达(Lidar)或雷达(Radar)数据进行多传感器融合。 + +## 常见问题 +1. **Q: 无法连接到Carla服务器** + A: 请确认CarlaUE4正在运行,且端口未被占用。检查配置中的 `host` 和 `port`。 + +2. **Q: 运行时报错 “No module named ‘torch’”** + A: 请单独安装与你的Python及CUDA版本匹配的PyTorch。 + +3. **Q: 车辆控制不平稳,抖动严重** + A: 尝试调整 `config/default.yaml` 中的PID控制参数,或降低 `target_speed`。 + +4. **Q: 如何用自己的数据训练模型?** + A: 运行 `python main.py --mode collect` 采集数据,然后使用 `scripts/train_model.py` 进行训练。 + +5. **Q: ROS节点无法启动** + A: 确保ROS环境已正确配置 (`source /opt/ros//setup.bash`),且所有ROS依赖已安装。 + +--- +*更详细的API文档请使用 `mkdocs serve` 在本地构建和查看。* \ No newline at end of file