ShisatoYano/AutonomousVehicleControlBeginnersGuide

解決的問題

本專案提供一套全面的 Python 範例程式碼與文件，協助初學者理解自動駕駛車輛控制中所使用的複雜演算法與軟體架構。

運作方式

在五個關鍵領域中實現了多種自動駕駛模擬：

• 定位：使用擴展卡爾曼濾波器（EKF）、無跡卡爾曼濾波器（UKF）與粒子濾波器等濾波器來確定車輛位置。
• 地圖建構：建構多種地圖類型，包括二元佔用網格、代價地圖、勢場地圖與 NDT 地圖。
• 路徑規劃：實作多種搜尋與最佳化演算法，例如 A*、混合 A*、D*、RRT* 與 Q-Learning。
• 路徑追蹤：提供純追蹤、史丹利轉向、LQR 與 MPPI 等控制策略，以確保車輛維持在規劃路徑上。
• 感知：包含矩形擬合檢測與感測器外參數估計工具。

適用對象

希望獲得實務性、以程式碼為導向的指南，來學習自動駕駛演算法與軟體開發的初學者、學生與研究人員。

特色亮點

• 廣泛的演算法涵蓋：涵蓋從經典路徑搜尋（Dijkstra）到現代強化學習（Q-Learning）的全部內容。
• 視覺化模擬：幾乎為每個實作的演算法提供 GIF 示範，以直觀展示結果。
• 開發就緒：支援 Docker 與 Dev Container，可在 Linux/WSL 上輕鬆設定開發環境。