CARLA 自动驾驶控制客户端

目录

• 项目简介
• 功能特性
• 快速开始
• 环境要求
• 安装步骤
• 运行方式
• 运行效果
• 核心技术
• 手动/自动模式切换
• 最高速度限制
• 自适应巡航控制（ACC）
• 自动紧急制动（AEB）
• HUD 增强显示
• 命令行接口
• 项目结构
• 数据输出
• 参考资料

---

项目简介

本项目基于 CARLA 模拟器 0.9.11，实现了一个功能丰富的自动驾驶控制客户端。在官方示例的基础上，增加了手动/自动模式切换、最高速度限制、自适应巡航控制（ACC）、自动紧急制动（AEB）、增强型 HUD、数据记录以及机器学习集成（MLP 神经网络预测 ACC 目标速度）等多项功能。

核心优势： - 🎮 灵活控制：一键切换手动/自动驾驶，适配测试与演示需求 - 🚦 安全优先：AEB 主动紧急制动，ACC 动态跟车，限速双重保护 - 📊 数据驱动：支持采集训练数据，集成 MLP 模型优化跟车平顺性 - 🖥️ 信息丰富：HUD 显示道路限速、障碍物距离、路径点距离、速度曲线等

---

功能特性

特性	描述
🎮 手动/自动模式切换	按 P 键即时切换，手动控制支持 WASD/方向键、Q 倒车、空格手刹
🚦 最高速度限制	通过 --max_speed 设置硬上限，超速时自动减小油门并线性刹车
🚗 自适应巡航控制 (ACC)	根据前车距离自动调整速度，支持规则线性插值或 MLP 神经网络预测
🛑 自动紧急制动 (AEB)	障碍物距离小于阈值时强制全力刹车，避免碰撞
📊 HUD 增强显示	道路限速、下一个路径点距离、前方障碍物距离、实时速度曲线、超速红字警示
⌨️ 交互快捷键	R 重规划路径，V 截图，P 模式切换，ESC/Ctrl+Q 退出
💾 数据记录	记录当前车速、障碍物距离、目标速度，用于训练机器学习模型
🧠 机器学习集成	训练好的 MLP 神经网络替代规则插值，实现更平滑的跟车行为

---

快速开始

环境要求

• Python: 3.7
• CARLA Simulator: 0.9.11
• 操作系统: Windows / Linux
• 依赖库: pygame, numpy, scikit-learn, joblib, csv

安装步骤

# 1. 将主程序 main.py 放入 CARLA 的 PythonAPI/examples 目录
# 2. 安装 Python 依赖
pip install pygame numpy scikit-learn joblib

安装 CARLA 模拟器： - 下载 CARLA 0.9.11 版本，解压到本地。 - 运行 CarlaUE4.exe（Windows）或 ./CarlaUE4.sh（Linux）启动服务器。

运行方式

# 1. 启动 CARLA 模拟器（单独窗口）
# CarlaUE4.exe

# 2. 运行自动驾驶客户端（默认 BehaviorAgent）
py -3.7 main.py --agent Behavior

# 3. 启用 ACC 并使用 MLP 模型，限速 50 km/h
py -3.7 main.py --agent Behavior --max_speed 50 --acc_enable --ml_acc

# 4. 手动驾驶模式（按 P 切换）
py -3.7 main.py --agent Behavior --max_speed 40

# 5. 开启循环行驶和数据记录
py -3.7 main.py --agent Behavior --loop --record_data acc_data.csv

---

运行效果

下图展示了启用 MLP 模型后，车辆在自适应巡航控制下的平稳跟车表现（HUD 中可见跟车距离和速度曲线）。

图：车辆跟随前车时，速度曲线平滑，障碍物距离稳定在合理范围内，加减速平缓。

---

核心技术

手动/自动模式切换

• 实现：KeyboardControl 类监听 P 键，设置 manual_mode 标志。
• 手动模式：读取键盘状态生成 carla.VehicleControl（油门、刹车、转向、倒车、手刹）。
• 自动模式：调用 agent.run_step() 获取控制指令。
• 切换时 HUD 显示当前模式。

最高速度限制

• 硬限速：--max_speed 参数，超速时将油门置零并线性施加刹车。
• 道路限速显示：world.player.get_speed_limit() 实时获取。
• 超速警示：HUD 速度数字自动变为红色。

自适应巡航控制（ACC）

• 规则模式：根据障碍物距离线性插值计算目标速度：
• obs_dist < acc_min_dist → 目标速度 0
• acc_min_dist ≤ obs_dist < acc_max_dist → 线性插值
• obs_dist ≥ acc_max_dist → 目标速度 = --max_speed
• MLP 模式（--ml_acc）：使用预先训练的神经网络（输入：当前车速、障碍物距离；输出：目标速度），在测试集上 R² 达 0.9993。
• P 控制器（Kp=0.05, base_throttle=0.25）实现速度闭环。

自动紧急制动（AEB）

• 依赖障碍物检测（world.hud.current_obstacle）。
• 当障碍物距离 < --aeb_distance（默认 5 米）时，强制设置 throttle=0, brake=1.0，并显示 HUD 通知。
• 优先级高于 ACC 和限速。

HUD 增强显示

• 使用 Pygame 绘制，HUD.tick 更新信息：
• 服务器/客户端 FPS、车辆型号、地图、仿真时间
• 车速、航向、位置、GNSS、高度
• 道路限速（Speed limit）
• 下一个路径点距离（Next WP）
• 前方障碍物距离（仅车辆和行人）
• 实时速度曲线（右下角黄色折线，左上角显示当前速度）
• 超速时速度数字变为红色。

---

命令行接口

py -3.7 main.py [-h] [--host H] [-p P] [--res WIDTHxHEIGHT]
    [--filter PATTERN] [--gamma GAMMA] [-l] [-b {cautious,normal,aggressive}]
    [-a {Behavior,Roaming,Basic}] [-s SEED] [--max_speed MAX_SPEED]
    [--aeb_distance AEB_DISTANCE] [--acc_enable] [--acc_max_dist ACC_MAX_DIST]
    [--acc_min_dist ACC_MIN_DIST] [--record_data RECORD_DATA] [--ml_acc]

参数	说明	默认值
--host	CARLA 服务器 IP	127.0.0.1
-p, --port	端口	2000
--res	窗口分辨率	1280x720
--filter	车辆过滤器	vehicle.*
--gamma	相机伽马校正	2.2
-l, --loop	循环行驶	False
-b, --behavior	行为风格	normal
-a, --agent	代理类型	Behavior
-s, --seed	随机种子	None
--max_speed	最高速度（km/h）	100.0
--aeb_distance	AEB 触发距离（米）	5.0
--acc_enable	启用 ACC	False
--acc_max_dist	ACC 恢复全速距离（米）	15.0
--acc_min_dist	ACC 完全停车距离（米）	5.0
--record_data	数据记录 CSV 文件	None
--ml_acc	使用 MLP 模型	False

---

项目结构

carla_autonomous_control/
├── docs/                           # 文档目录
│   └── carla_autonomous_control/
│       ├── index.md                # 本 README
│       └── image/                  # 效果截图
│           ├── mlp_acc_following_1.png
│           └── mlp_acc_following_2.png
├── src/                            # 源代码目录
│   ├── main.py                     # 主程序（实际为 automatic_control_revise_11.py）
│   └── README.md                   # 项目说明（可链接到 docs）
├── train_mlp.py                    # MLP 模型训练脚本（可选）
├── acc_mlp_model.pkl               # 训练好的 MLP 模型
├── acc_scaler.pkl                  # 特征标准化器
├── _screenshots/                   # V 键截图保存目录
├── acc_data.csv                    # 采集的 ACC 训练数据
└── README.md                       # 项目说明（本文件）

核心文件说明

文件	职责
main.py	主程序，集成所有功能（模式切换、限速、ACC、AEB、HUD、快捷键等）
train_mlp.py	独立训练脚本，使用 scikit-learn 训练 MLP 回归模型
acc_mlp_model.pkl	序列化的 MLP 模型
acc_scaler.pkl	特征标准化器（StandardScaler）
_screenshots/	存放 V 键截图
acc_data.csv	数据记录输出（当使用 --record_data 时生成）

---

数据输出

当使用 --record_data 时，会生成 CSV 文件，包含以下字段：

字段	单位	说明
current_speed	km/h	当前车速
obstacle_dist	米	前方最近障碍物距离（无前车时为 -1）
target_speed	km/h	ACC 计算的目标速度（规则或 MLP）

这些数据可用于后续模型训练或分析。

---

参考资料

• CARLA Simulator Documentation
• CARLA Python API Reference
• Behavior Agent
• Scikit-learn MLPRegressor
• Pygame Documentation

---

许可证

本项目基于 MIT 许可证，原始代码版权归 Intel Labs 所有。