Repolode
Enviar
ShisatoYano

ShisatoYano/AutonomousVehicleControlBeginnersGuide

Código de ejemplo en Python y guías sobre algoritmos de control de vehículos autónomos, como recurso de estudio para principiantes.

Ver en GitHubSitio web
Estrellas
1,936
Forks
319
Issues abiertos
66
Último commit
hace 15 horas

¿Qué es?

Este repositorio reúne programas de ejemplo en Python sobre algoritmos para vehículos autónomos y documentos de diseño que describen cada programa. Abarca localización, cartografía, planificación de rutas, seguimiento de rutas y percepción. Cada algoritmo está disponible como una simulación ejecutable que muestra una demostración animada.

El proyecto está pensado como guía técnica para estudiar tanto los algoritmos como la arquitectura de software detrás de un sistema de conducción autónoma. Algunos ejemplos son la localización con Extended Kalman Filter y la construcción de mapas con NDT. Las simulaciones se ejecutan desde el directorio src/simulations después de instalar Python 3.13 y las dependencias indicadas, como NumPy, SciPy y Matplotlib; para el seguimiento de rutas con MPC también se necesitan CasADi y do-mpc. Además, se proporciona una configuración de contenedor de desarrollo de Docker.

El autor planea crear un simulador futuro que permita intercambiar algoritmos en cada etapa de la navegación del vehículo y comparar los resultados.

Funciones clave

  • 01Código de ejemplo en Python para algoritmos de localización, cartografía, planificación de rutas, seguimiento de rutas y percepción.
  • 02Cada algoritmo cuenta con una simulación ejecutable y una demostración animada.
  • 03Los documentos de diseño describen la estructura de cada programa.
  • 04Las pruebas unitarias se ejecutan con pytest para verificar el entorno.
  • 05La configuración del contenedor de desarrollo de Docker instala las dependencias automáticamente.

Casos de uso

  • Aprender algoritmos para vehículos autónomos mediante ejemplos ejecutables en Python.
  • Usar el código como material para cursos o para enseñar conceptos de conducción autónoma.
  • Crear prototipos o comparar métodos de localización y seguimiento de rutas en una simulación.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide
  2. 2

    Configura el entorno (usa el contenedor de desarrollo de Docker en WSL o instala los requisitos de Python indicados)

  3. 3

    Ejecuta las pruebas unitarias para comprobar que el entorno funciona

    . run_test_suites.sh
  4. 4

    Ejecuta una simulación de ejemplo, como la localización con un filtro de Kalman extendido

    python src/simulations/localization/extended_kalman_filter_localization/extended_kalman_filter_localization.py

Antes de usarlo

  • Requiere Python 3.13.x y varias bibliotecas, como NumPy, SciPy, CasADi y do-mpc.
  • El README recomienda usar Linux de forma nativa o en una máquina virtual. Para Windows mediante WSL, es necesario configurar Docker.
  • Los documentos de diseño aún están incompletos y se siguen actualizando.

En colecciones

Herramientas de aprendizaje y educación de código abiertoProyectos de robótica e IA encarnada

Temas

#autonomous-driving#robotics#path-planning#slam#localization#python#simulation#education#algorithm#autonomous-navigation

Preguntas frecuentes

¿Qué es AutonomousVehicleControlBeginnersGuide?
Código de ejemplo en Python y guías sobre algoritmos de control de vehículos autónomos, como recurso de estudio para principiantes. Este repositorio reúne programas de ejemplo en Python sobre algoritmos para vehículos autónomos y documentos de diseño que describen cada programa. Abarca localización, cartografía, planificación de rutas, seguimiento de rutas y percepción. Cada algoritmo está disponible como una simulación ejecutable que muestra una demostración animada.
¿AutonomousVehicleControlBeginnersGuide es gratuito? ¿Qué licencia tiene?
AutonomousVehicleControlBeginnersGuide es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿AutonomousVehicleControlBeginnersGuide sigue mantenido?
Mantenimiento activo. El último commit de AutonomousVehicleControlBeginnersGuide fue el 6 nov 2026.
¿Para qué puedo usar AutonomousVehicleControlBeginnersGuide?
Aprender algoritmos para vehículos autónomos mediante ejemplos ejecutables en Python. Usar el código como material para cursos o para enseñar conceptos de conducción autónoma. Crear prototipos o comparar métodos de localización y seguimiento de rutas en una simulación.
¿Cómo se instala AutonomousVehicleControlBeginnersGuide?
Clona el repositorio: git clone https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide Configura el entorno (usa el contenedor de desarrollo de Docker en WSL o instala los requisitos de Python indicados) Ejecuta las pruebas unitarias para comprobar que el entorno funciona: . run_test_suites.sh Ejecuta una simulación de ejemplo, como la localización con un filtro de Kalman extendido: python src/simulations/localization/extended_kalman_filter_localization/extended_kalman_filter_localization.py
¿Dónde consigo AutonomousVehicleControlBeginnersGuide?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados