Coursera self-driving car 编程作业: Course 4 Final Project 介绍
Coursera self-driving car 编程作业: Course 4 Final Project 介绍
将Coursera官网的self driving car课程的part4的最终编程大作业题目翻译过来，仅供学习参考。
官网作业链接：https://www.coursera.org/learn/motion-planning-self-driving-cars/programming/wiGwg/course-4-final-project
课程4最终项目
在这个项目中，我们将实现课程4中讨论的行为规划和局部路径规划。该项目的目标是拥有一个功能性的运动规划栈，在跟踪车道的中心线时可以避免静态和动态障碍，同时还处理停车标志。为此，您将必须实施行为规划逻辑以及静态碰撞检查，路径选择和速度曲线生成。
要进行此作业，需要安装CARLA仿真器以及作业的代码(在其中填充你的算法)。请按照以下说明进行操作：
安装CARLA模拟器
请遵循先前阅读的《 CARLA安装指南》来安装CARLA模拟器。
下载最终项目文件
下载以下“ Course4FinalProject.zip”文件，并将其解压缩到“ CarlaSimulator”（根）文件夹内的子文件夹“ PythonClient”中。这将在“ PythonClient”下创建一个子文件夹“ Course4FinalProject”，其中包含作业文件。
将“ Course4FinalProject.zip”的内容放置在“ PythonClient \ Course4FinalProject ”文件夹（对于Windows）或“ PythonClient / Course4FinalProject ”文件夹（对于Ubuntu）下，这一点非常重要。将其安装到另一个目录可能会导致运行时问题。
成功下载CARLA和评估脚本后，您现在可以开始作业。
实施运动规划器
在这个项目中，您将编辑“ behavioural_planner.py ”，“ collision_checker.py ”，“ local_planner.py ”，“ path_optimizer.py ”和“ velocity_planner.py ”类文件（下称“中找到PythonClient \ Course4FinalProject ” （对于Windows）或“ PythonClient / Course4FinalProject ”（对于Ubuntu）文件夹）。这是您实施运动计划器的地方。您将需要实现计划程序的5个主要方面，行为规划逻辑，路径生成，静态碰撞检查，路径选择和速度曲线生成。让我们逐一介绍一下这些内容。
行为规划逻辑
在项目的这一部分，您将实现处理停车标志所需的行为逻辑。就像在讲座视频中一样，您将实现一个状态机，当遇到停车标志时，该状态机将在车道跟随，减速到停车标志，保持停止以及在车道跟随之间转换。行为计划者的所有代码都包含在behavioural_planner.py中。
为此，您将首先实现辅助函数get_closest_index（）和get_goal_index（）。这些将使行为规划器知道它相对于全局路径的位置，并从全局路径计算当前目标点。完成这些操作后，您将实现transition_state（）函数，其中包含行为状态机逻辑。有关每个功能的必需详细信息，请参见代码注释。请完成此任务的所有待办事项。
路径生成
对于项目的路径生成部分，将提供大多数用于生成螺旋路径的数学代码。但是，您将需要使用get_goal_state_set（）函数以及一些路径生成辅助函数来计算目标状态集（在规划路径选择之前规划路径的目标点集）。特别是，您将实现thetaf（），该函数在给定螺旋形的一组弧长点上计算汽车的偏航，optimize_spiral（），这将设置给定路径的优化问题。最后，一旦优化完成，将对得到的螺旋线进行采样以生成路径。此功能需要在sample_spiral（）中实现。关于每个功能的必需详细信息在文件local_planner.py和path_optimizer.py中的代码注释中给出。
静态碰撞检查
对于运动g规划器的这一部分，我们将编辑collision_checker.py。特别是，我们将使用 collision_check() 函数在计算路径集上实现基于圆的碰撞检查。您将为路径上的每个点实现圆的位置计算。有关更多详细信息，请参阅给定的代码注释。请完成此任务的所有待办事项。
路径选择
项目的路径选择部分涉及您在生成的路径集上评估目标函数，以选择最佳路径。本部分的目的是消除与静态障碍物碰撞的路径，并选择跟踪全局路径中心线的路径。为了鼓励避开障碍物的鲁棒性，我们还需要添加一个惩罚项，以惩罚规划路径与其他存在静态障碍物碰撞的路径的接近程度。您将在collision_checker.py中的select_best_path_index（）函数中实现路径选择。有关更多详细信息，请参阅给定的代码注释。请完成此任务的所有待办事项。
速度曲线生成
该项目的最后一步是速度曲线生成。该速度规划器不会处理所有边缘情况，但会处理停车标志，前方动态障碍物以及车道保持。所有这些都捕获在velocity_planner.py的compute_velocity_profile（）函数中。您将在文件末尾实现物理功能，该物理功能将用于速度规划。有关更多详细信息，请参阅给定的代码注释。请完成此任务的所有待办事项。
完成给定功能的待办事项后，可以在“ module7.py ”中取消注释。完成所有TODO之后，您现在应该准备运行模拟器。
运行CARLA模拟器
在一个终端(terminal)中，以30hz的固定时间步长启动CARLA模拟器：
Ubuntu:
./CarlaUE4.sh /Game/Maps/Course4 -windowed -carla-server -benchmark -fps=30Windows:
CarlaUE4.exe /Game/Maps/Course4 -windowed -carla-server -benchmark -fps=30请注意，如果您发现模拟运行太慢，则可以使用ResX =
运行Python客户端（和控制器）
在另一个终端中，更改目录以进入“ PythonClient”文件夹下的“ Course4FinalProject”文件夹。
运行控制器，在打开CARLA时执行以下命令：
Ubuntu （如CARLA安装指南中所述，如果以下命令不起作用，请使用其他python命令）：
python3 module_7.pyWindows（如CARLA安装指南中所述，如果以下命令不起作用，请使用其他python命令）：
python module_7.py如果module_7.py客户端正确连接到服务器，则模拟器将开始运行。它将打开两个新的反馈窗口（除非禁用live_plotting，有关更多详细信息，请参见下面的“更改实时绘图仪刷新率”部分），其中一个显示自上而下的轨迹，另一个显示控件的反馈。
更改实时绘图仪的刷新率
如果模拟运行缓慢，则可以尝试增加实时绘图仪刷新绘图的时间，或者完全禁用实时绘图。禁用实时绘图或更改其刷新率不会影响模拟结束时的绘图输出。
为此，请编辑“ Course1FinalProject”文件夹中的options.cfg文件以获取相关参数。下表说明了每个选项：
评估仿真结果
然后，这将开始仿真并运行您开发的Python客户端。一旦结束本场景，Python客户端将输出controller_output / trajectory.txt和controller_output / collision_count.txt。您应该将这两个文件都提交给Coursera进行评分。您将获得生成到目标的无碰撞路径的评分，而在速度和速度方面都不会偏离航路点太大。您还需要在指定的停车区域完全停车，也要在停车标志之前停车。