ShisatoYano/AutonomousVehicleControlBeginnersGuide

解决的问题

该项目提供了一套全面的 Python 示例代码和文档，帮助初学者理解自动驾驶车辆控制中使用的复杂算法和软件架构。

工作原理

它在五个关键领域实现了多种自动驾驶仿真：

• 定位：使用扩展卡尔曼滤波器（EKF）、无迹卡尔曼滤波器（UKF）和粒子滤波器等滤波器来确定车辆位置。
• 建图：构建多种地图类型，包括二值占用网格、代价地图、势场地图和NDT地图。
• 路径规划：实现多种搜索与优化算法，如A*、混合A*、D*、RRT*和Q-Learning。
• 路径跟踪：提供纯追踪、斯坦利转向、LQR和MPPI等控制策略，以保持车辆在规划路径上。
• 感知：包含矩形拟合检测工具和传感器外参估计工具。

适用人群

希望获得实践性、基于代码的指导来学习自动驾驶算法和软件开发的初学者、学生和研究人员。

特色亮点

• 广泛的算法覆盖：涵盖从经典路径搜索（Dijkstra）到现代强化学习（Q-Learning）的全部内容。
• 可视化仿真：几乎为每个实现的算法提供 GIF 演示，以直观展示结果。
• 开箱即用的开发环境：支持 Docker 和 Dev Container，可在 Linux/WSL 上轻松设置开发环境。