Autonomous Vehicle Object Detection and Trajectory Planning

基于 YOLOv3 与 CARLA 模拟器的自动驾驶感知与决策系统 (v1.0.0 Release)

项目简介

本项目是一个基于自动驾驶场景的毕业设计/课程作业。核心目标是利用深度学习算法 (YOLOv3) 对 CARLA 模拟器中的交通环境进行实时感知，并基于视觉反馈实现基础的自动紧急制动 (AEB) 决策。

系统通过 Python API 与 CARLA 服务器通信，经由 OpenCV DNN 模块进行推理，最终在可视化界面中展示检测结果与车辆控制状态。

核心功能

• 实时目标检测: 识别行人、车辆、交通标志等 80 类目标。
• 自动避障决策 (AEB): 当检测到前方有碰撞风险时，自动触发紧急刹车。
• 安全走廊可视化: 实时绘制驾驶辅助线，直观展示算法判定范围。
• 双模态控制: 支持在"自动驾驶模式"与"紧急接管模式"间自动切换。
• 性能监控: 集成 TensorBoard，实时记录 FPS 与置信度曲线。
• 灵活部署: 支持命令行参数配置 IP、端口及无头模式（Headless）。

项目结构

yolov3_vehicle_detection/
├── config/
│   ├── __init__.py      # 模块导出
│   └── config.py         # 全局配置
├── models/
│   └── yolo_detector.py  # YOLOv3 目标检测
├── utils/
│   ├── carla_client.py   # CARLA 客户端封装
│   ├── planner.py        # AEB 决策规划
│   ├── logger.py          # TensorBoard 日志
│   └── visualization.py   # 可视化绘图
├── main.py               # 程序主入口
├── download_weights.py   # 模型下载脚本
├── requirements.txt      # 依赖清单
└── README.md             # 项目文档

快速开始

1. 环境准备

# 安装依赖
pip install -r requirements.txt

2. 模型权重获取

由于模型权重文件较大，未包含在 Git 仓库中，您可以通过以下方式获取： 自动下载：运行上述 download_weights.py 脚本，会自动从官方源下载所需文件。

下载 YOLO 模型权重：

python download_weights.py

下载完成后，请确保将权重文件放置在 models/ 目录下，文件结构如下：

models/
├── yolov3-tiny.weights    # YOLO 模型权重文件
├── yolov3-tiny.cfg         # YOLO 模型配置文件
└── coco.names              # 类别名称文件

3. 基础运行

确保 CARLA 模拟器已启动，然后运行：

python main.py

4. 高级用法 (CLI)

本项目支持命令行参数，适用于不同测试场景：

• 连接远程服务器: bash python main.py --host 192.168.1.X --port 2000

• 后台无界面模式 (Headless): 用于在服务器上长时间挂机测试，不显示 OpenCV 窗口： bash python main.py --no-render

5. 性能监控

tensorboard --logdir=logs

配置说明

主要配置项位于 config/config.py:

配置项	默认值	说明
carla_host	127.0.0.1	CARLA 服务器地址
carla_port	2000	CARLA 服务器端口
conf_thres	0.5	YOLO 置信度阈值
nms_thres	0.4	NMS 阈值
camera_width	800	摄像头分辨率
camera_height	600	摄像头分辨率
SAFE_ZONE_RATIO	0.4	安全区域比例
COLLISION_AREA_THRES	0.05	碰撞区域阈值

开发日志

• v1.0.0 (2026-03): 正式发布。集成 CLI 参数支持、安全走廊可视化与 AEB 完整逻辑。
• v0.9.0: 完成 TensorBoard 监控与全局配置重构。
• v0.5.0: 完成 YOLOv3 与 CARLA 的核心联调。