ShisatoYano/AutonomousVehicleControlBeginnersGuide

何を解決するか

このプロジェクトは、自律走行車制御で使われる複雑なアルゴリズムとソフトウェアアーキテクチャを理解するための、包括的なPythonサンプルコードとドキュメントのコレクションを提供します。

仕組み

5つの主要な分野にわたる幅広い自律走行シミュレーションを実装しています。

• ローカライゼーション: Extended Kalman Filter (EKF)、Unscented Kalman Filter (UKF)、Particle Filtersなどのフィルタを使用して車両の位置を特定します。
• マッピング: Binary Occupancy Grid、Cost Maps、Potential Field Maps、NDT Mapsなど、さまざまなマップタイプを構築します。
• パスプランニング: A*、Hybrid A*、D*、RRT*、Q-Learningなど、多数の探索および最適化アルゴリズムを実装しています。
• パス追跡: Pure Pursuit、Stanleyステアリング、LQR、MPPIなどの制御戦略を提供し、車両が計画されたパス上を維持できるようにします。
• センシング: 矩形フィッティング検出とセンサの外挿パラメータ推定のためのツールを含みます。

対象読者

自律走行車のアルゴリズムやソフトウェア開発を実践的に学びたい初心者、学生、研究者向けです。

特徴

• 広範なアルゴリズムカバレッジ: ディクストラ法のような古典的なパス探索から、Q-Learningのような現代的な強化学習まで網羅しています。
• 視覚的シミュレーション: 実装されたほぼすべてのアルゴリズムに対してGIFによるデモを提供し、結果を視覚的に確認できます。
• 開発準備完了: Linux/WSL環境での環境構築を容易にするためにDockerおよびDev Containerのサポートを含んでいます。