Repolode
Enviar
ShisatoYano

ShisatoYano/AutonomousVehicleControlBeginnersGuide

Exemplos de código Python e guias sobre algoritmos de controle de veículos autônomos, como material de estudo acessível para iniciantes.

Ver no GitHubSite
Estrelas
1,936
Forks
319
Issues abertas
66
Último commit
há 17 horas

O que é?

Este repositório reúne programas de exemplo em Python para algoritmos de veículos autônomos, além de documentos de design que descrevem cada programa. Abrange localização, mapeamento, planejamento de trajetórias, acompanhamento de trajetórias e percepção, com cada algoritmo disponível como uma simulação executável que exibe uma demonstração animada.

O projeto foi pensado como um guia técnico para estudar tanto os algoritmos quanto a arquitetura de software por trás de uma pilha de direção autônoma. Entre os exemplos estão a localização com Extended Kalman Filter e a construção de mapas NDT. As simulações são executadas a partir do diretório src/simulations, após instalar o Python 3.13 e as dependências listadas, como NumPy, SciPy e Matplotlib; para o acompanhamento de trajetórias com MPC, também são necessários CasADi e do-mpc. O projeto também oferece uma configuração de dev container com Docker.

O autor planeja criar um simulador futuro no qual os usuários possam trocar os algoritmos em cada etapa da navegação do veículo e comparar os resultados.

Recursos principais

  • 01Código de exemplo em Python para algoritmos de localização, mapeamento, planejamento de trajetórias, acompanhamento de trajetórias e percepção.
  • 02Cada algoritmo conta com uma simulação executável e uma demonstração animada.
  • 03Documentos de design descrevem a estrutura de cada programa.
  • 04Testes de unidade executados com pytest verificam o ambiente.
  • 05A configuração do dev container com Docker instala as dependências automaticamente.

Casos de uso

  • Aprender algoritmos de veículos autônomos com exemplos executáveis em Python.
  • Usar o código como material para cursos ou para ensinar conceitos de direção autônoma.
  • Criar protótipos ou comparar métodos de localização e acompanhamento de trajetórias em simulação.

Início rápido

  1. 1

    Clone o repositório

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

    Configure o ambiente (use o contêiner de desenvolvimento do Docker no WSL ou instale os requisitos de Python listados)

  3. 3

    Execute os testes unitários para confirmar que o ambiente está funcionando

    . run_test_suites.sh
  4. 4

    Execute uma simulação de exemplo, como localização com filtro de Kalman estendido

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

Antes de usar

  • Requer Python 3.13.x e várias bibliotecas, como NumPy, SciPy, CasADi e do-mpc.
  • O README recomenda usar Linux nativamente ou em uma VM. No Windows via WSL, é necessário configurar o Docker.
  • Os documentos de projeto ainda estão incompletos e continuam sendo atualizados.

Em coleções

Ferramentas de aprendizado e educação de código abertoProjetos de robótica e IA corporificada

Tópicos

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

Perguntas frequentes

O que é AutonomousVehicleControlBeginnersGuide?
Exemplos de código Python e guias sobre algoritmos de controle de veículos autônomos, como material de estudo acessível para iniciantes. Este repositório reúne programas de exemplo em Python para algoritmos de veículos autônomos, além de documentos de design que descrevem cada programa. Abrange localização, mapeamento, planejamento de trajetórias, acompanhamento de trajetórias e percepção, com cada algoritmo disponível como uma simulação executável que exibe uma demonstração animada.
AutonomousVehicleControlBeginnersGuide é gratuito? Qual é a licença?
AutonomousVehicleControlBeginnersGuide é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
AutonomousVehicleControlBeginnersGuide ainda é mantido?
Manutenção ativa. O último commit de AutonomousVehicleControlBeginnersGuide foi em 6 de nov. de 2026.
Para que posso usar AutonomousVehicleControlBeginnersGuide?
Aprender algoritmos de veículos autônomos com exemplos executáveis em Python. Usar o código como material para cursos ou para ensinar conceitos de direção autônoma. Criar protótipos ou comparar métodos de localização e acompanhamento de trajetórias em simulação.
Como instalar AutonomousVehicleControlBeginnersGuide?
Clone o repositório: git clone https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide Configure o ambiente (use o contêiner de desenvolvimento do Docker no WSL ou instale os requisitos de Python listados) Execute os testes unitários para confirmar que o ambiente está funcionando: . run_test_suites.sh Execute uma simulação de exemplo, como localização com filtro de Kalman estendido: python src/simulations/localization/extended_kalman_filter_localization/extended_kalman_filter_localization.py
Onde consigo AutonomousVehicleControlBeginnersGuide?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados