待补充 - iMakething

项目简介

Python sample codes and documents about Autonomous vehicle control algorithm. This project can be used as a technical gu

这是一个面向自动驾驶算法初学者的开源学习项目，核心目标是通过大量可运行的Python示例代码，帮助开发者系统性地掌握车辆控制与感知算法。项目覆盖了自动驾驶技术栈中的五个关键模块：定位、建图、路径规划、路径跟踪和感知。在定位方面，提供了扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波的实现；建图部分包含二值占据网格、代价地图、势场地图和NDT地图的构建方法；路径规划则集成了A*、Dijkstra、RRT系列以及PSO、PRM等十余种经典与前沿算法；路径跟踪模块实现了纯追踪、Stanley控制、LQR和MPPI等多种控制策略；感知部分还包含了矩形拟合检测和传感器外参估计等实用功能。所有代码均使用Python编写，依赖Matplotlib、NumPy和SciPy等主流科学计算库，并提供了基于Docker和VS Code Dev Containers的一键环境配置方案，大幅降低了入门门槛。项目通过持续集成（CI）确保在Linux、Windows和macOS上均可稳定运行，并配有详细的文档说明。它特别适合自动驾驶领域的初学者、在校学生以及希望快速验证算法效果的工程师，无论是用于自学、课堂教学还是工作参考，都能从中获得直观的算法理解和可复用的代码基础。

项目特点

提供完整的Python示例代码，可直接运行和修改

涵盖多种经典控制算法：Pure Pursuit、Stanley、MPC等

包含车辆运动学与动力学模型仿真

配套详细的文档说明，降低学习门槛

代码结构清晰，模块化设计便于扩展

支持可视化仿真，实时观察控制效果

技术规格

编程语言
核心依赖
仿真环境
车辆模型
控制算法
路径类型
运行平台
文档格式

项目资源

ShisatoYano/AutonomousVehicleControlBeginnersGuide ShisatoYano/AutonomousVehicleControlBeginnersGuide ShisatoYano/AutonomousVehicleControlBeginnersGuide ShisatoYano/AutonomousVehicleControlBeginnersGuide

物料清单 (BOM)

物料名称	数量	参考价格	备注
Pure Pursuit 示例	1	—	纯追踪控制算法
Stanley 控制器示例	1	—	斯坦利控制算法
MPC 示例	1	—	模型预测控制算法
LQR 示例	1	—	线性二次型调节器
车辆运动学模型	1	—	自行车模型仿真
算法说明文档	1	—	Markdown格式
Jupyter Notebook教程	1	—	交互式学习

所需工具

工具	用途	是否必需
Python 3.x	运行示例代码	✅ 是
NumPy	数值计算	✅ 是
Matplotlib	可视化仿真	✅ 是
SciPy	优化与求解	✅ 是
Jupyter Notebook	交互式学习	▢ 推荐
Git	版本管理与克隆	▢ 推荐