发布 v1.0.0 正式版 (Project Final Release)

src/Yolov3_Autonomous_Vehicle_Object_Detection/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 Autonomous Vehicle Project Team
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

src/Yolov3_Autonomous_Vehicle_Object_Detection/README.md

@@ -1,87 +1,73 @@
 # 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项目。主要目的是利用 **YOLOv3** 目标检测算法与 **CARLA** 自动驾驶模拟器相结合，实现车辆对周围环境的感知（目标检测）以及基于环境反馈的轨迹规划。
+![Python](https://img.shields.io/badge/Python-3.7%2B-blue)
+![CARLA](https://img.shields.io/badge/CARLA-0.9.11-green)
+![License](https://img.shields.io/badge/License-MIT-yellow)
 
-通过模拟器获取实时传感器数据，利用深度学习模型识别路面障碍物（行人、车辆、交通标志等），并根据检测结果调整车辆的行驶轨迹，从而实现基础的自动驾驶避障功能。
+## 📖 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。
 
-## 🚀 快速运行 (Quick Start)
-确保 CARLA 模拟器已在后台运行，然后执行：
-```bash
-python main.py
-```
+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。
 
-## 核心目标
-* [x] 搭建项目基础框架与环境依赖
-* [ ] 实现 CARLA 模拟器环境的自动连接与车辆生成
-* [ ] 集成 YOLOv3 算法进行实时目标检测
-* [ ] 实现基于检测结果的简单轨迹规划（如紧急制动、自动避障）
-* [ ] 使用 TensorBoard 监控系统推理性能与控制参数
+## 🌟 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）。
 
-## 技术栈
-* **开发语言**: Python 3.7+
-* **模拟器**: CARLA Simulator (0.9.11)
-* **深度学习框架**: PyTorch / OpenCV
-* **目标检测**: YOLOv3 (Darknet weights)
-* **可视化**: TensorBoard, Pygame
+## 📂 项目结构
+```text
+Project_Root/
+├── assets/              # 演示素材
+├── config/              # 全局配置
+├── models/              # 模型仓库 (YOLOv3)
+├── utils/               # 工具模块
+│   ├── carla_client.py  # CARLA 客户端
+│   ├── planner.py       # AEB 决策规划
+│   ├── logger.py        # 日志记录
+│   └── visualization.py # 可视化绘图
+├── main.py              # 程序主入口
+├── requirements.txt     # 依赖清单
+└── LICENSE              # 开源许可证
+```
 
-## 项目目录结构
-为了确保代码的可维护性与模块化，本项目采用了以下结构：
+## 🚀 快速开始 (Quick Start)
 
-```text
-Yolov3_Autonomous_Vehicle_Object_Detection/
-├── assets/              # 存放项目演示图片、视频及文档
-├── config/              # 存放系统配置参数 (如端口、模型阈值等)
-│   ├── __init__.py
-│   └── config.py        # 全局配置文件  
-├── models/              # 存放 YOLOv3 权重文件与配置文件
-│   ├── __init__.py
-│   ├── coco.names       # COCO数据集类别标签
-│   └── yolo_detector.py # [新增] YOLO目标检测器封装类  
-├── utils/               # 存放通用的图像处理、坐标转换等工具函数
-│   └── __init__.py
-├── download_weights.py  # 模型权重自动下载脚本
-├── main.py              # 项目主程序入口 (待开发)
-├── requirements.txt     # 项目依赖列表
-└── README.md            # 项目说明文档
+### 1. 环境准备
+```bash
+pip install -r requirements.txt
+python download_weights.py
 ```
 
-## 环境安装与配置说明
-1. **安装依赖库**:
-   建议在虚拟环境中运行以下命令安装必要的 Python 包：
-   ```bash
-   pip install -r requirements.txt
-   ```
+### 2. 基础运行
+确保 CARLA 模拟器已启动，然后运行：
+```bash
+python main.py
+```
 
-2. **下载模型权重 (重要)**:
-   本项目使用预训练的 YOLOv3 模型。由于权重文件体积较大（>200MB），不直接包含在仓库中。
-   请运行以下脚本自动下载 `yolov3.weights` 和 `yolov3.cfg` 到 `models/` 目录：
-   ```bash
-   python download_weights.py
-   ```
+### 3. 高级用法 (CLI)
+本项目支持命令行参数，适用于不同测试场景：
 
-3. **配置 CARLA**:
-   请确保本地已下载并安装 [CARLA 0.9.11](https://github.com/carla-simulator/carla/releases/tag/0.9.11)。运行项目前需先启动 CARLA 服务端。
-   如果你的 CARLA 运行在非默认端口，请修改 `config/config.py` 中的 `CARLA_PORT` 参数。
+*   **连接远程服务器**:
+    ```bash
+    python main.py --host 192.168.1.X --port 2000
+    ```
 
-## 进度追踪 (Development Plan)
-1. [x] **2026-03-01**: 初始化项目结构，建立核心目录。
-2. [x] **2026-03-02**: 编写全局配置模块 `config.py`。
-3. [x] **2026-03-02**: 添加 COCO 类别标签，编写模型权重自动下载脚本。
-4. [x] **2026-03-03**: 定义 YOLO 检测器类并实现模型加载逻辑 (OpenCV DNN)。
-5. [x] **2026-03-03**: 实现图像预处理与前向推理 (Forward Inference)。
-6. [x] **2026-03-03**: 实现检测结果后处理 (NMS) 与坐标还原。
-7. [x] **2026-03-03**: 编写 CARLA 客户端连接与车辆生成逻辑。
-8. [x] **2026-03-03**: 实现传感器数据采集 (RGB Camera) 与图像格式转换。
-9. [x] **2026-03-04**: 整合 YOLOv3 与 CARLA，实现主程序循环与实时画面展示。
-10. [x] **2026-03-04**: 优化可视化效果 (独立模块)。
-11. [x] **2026-03-04**: 编写自动紧急制动 (AEB) 的决策逻辑。
-12. [x] **2026-03-05**: 整合感知与控制模块，实现基于视觉的自动避障功能。
-13. [x] **2026-03-05**: 集成 TensorBoard 性能监控模块。
-14. [x] **2026-03-06**: 代码重构：提取全局配置参数与添加类型注解。
-15. [ ] 增加异常捕获与日志增强。
-...
+*   **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
+    ```
+
+### 4. 性能监控
+```bash
+tensorboard --logdir=runs
+```
 
----
-*注：本项目仍处于积极开发阶段，后续将持续更新功能模块。*
-```
+## 📅 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。

src/Yolov3_Autonomous_Vehicle_Object_Detection/main.py

@@ -3,19 +3,36 @@
 import queue
 import numpy as np
 import carla
+import argparse  # [新增] 引入命令行参数解析库
 
 from config import config
 from utils.carla_client import CarlaClient
 from models.yolo_detector import YOLODetector
-# [新增] 引入新的绘图函数
 from utils.visualization import draw_results, draw_safe_zone
 from utils.planner import SimplePlanner
 from utils.logger import PerformanceLogger
 
 
+# [新增] 参数解析函数
+def parse_arguments():
+    parser = argparse.ArgumentParser(description="Autonomous Vehicle Object Detection System")
+
+    parser.add_argument("--host", default=config.CARLA_HOST, help="CARLA Host IP")
+    parser.add_argument("--port", type=int, default=config.CARLA_PORT, help="CARLA Port")
+    parser.add_argument("--no-render", action="store_true", help="Disable OpenCV rendering window (Headless mode)")
+
+    return parser.parse_args()
+
+
 def main():
-    # 1. 初始化模块
+    # 1. 解析命令行参数
+    args = parse_arguments()
+
     print("[Main] 初始化模块...")
+    # 打印运行模式
+    if args.no_render:
+        print("[INFO] 运行模式: Headless (无窗口渲染)")
+
     detector = YOLODetector(
         cfg_path=config.YOLO_CONFIG_PATH,
         weights_path=config.YOLO_WEIGHTS_PATH,
@@ -27,7 +44,9 @@ def main():
 
     planner = SimplePlanner()
     logger = PerformanceLogger(log_dir=config.LOG_DIR)
-    client = CarlaClient()
+
+    # [Mod] 使用命令行参数初始化客户端
+    client = CarlaClient(host=args.host, port=args.port)
 
     if not client.connect():
         return
@@ -63,23 +82,20 @@ def main():
                 fps = 1 / (time.time() - start_time)
                 logger.log_step(fps, len(results))
 
-                # --- 可视化 ---
-                # 1. 先画安全走廊 (蓝色辅助线)
-                frame = draw_safe_zone(frame)
-
-                # 2. 再画检测框
-                frame = draw_results(frame, results, detector.classes)
+                # --- 可视化 (根据 --no-render 参数决定是否显示) ---
+                if not args.no_render:
+                    frame = draw_safe_zone(frame)
+                    frame = draw_results(frame, results, detector.classes)
 
-                # 3. 画 FPS 和警告
-                cv2.putText(frame, f"FPS: {fps:.2f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
-                if is_brake:
-                    cv2.putText(frame, "EMERGENCY BRAKING!", (150, 300), cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255), 4)
-                    cv2.putText(frame, warning_msg, (180, 350), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
-
-                cv2.imshow("CARLA Object Detection", frame)
+                    cv2.putText(frame, f"FPS: {fps:.2f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
+                    if is_brake:
+                        cv2.putText(frame, "EMERGENCY BRAKING!", (150, 300), cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255),
+                                    4)
+                        cv2.putText(frame, warning_msg, (180, 350), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2)
 
-                if cv2.waitKey(1) & 0xFF == ord('q'):
-                    break
+                    cv2.imshow("CARLA Object Detection", frame)
+                    if cv2.waitKey(1) & 0xFF == ord('q'):
+                        break
 
             except queue.Empty:
                 continue
@@ -91,7 +107,9 @@ def main():
         print("[Main] 正在清理资源...")
         client.destroy_actors()
         logger.close()
-        cv2.destroyAllWindows()
+        # 只有创建了窗口才需要销毁
+        if not args.no_render:
+            cv2.destroyAllWindows()
         print("[Main] 程序已退出")
 
 

src/Yolov3_Autonomous_Vehicle_Object_Detection/utils/carla_client.py

@@ -20,9 +20,11 @@ class CarlaClient:
     CARLA 模拟器客户端封装类
     """
 
-    def __init__(self):
-        self.host = config.CARLA_HOST
-        self.port = config.CARLA_PORT
+    # [Mod] 修改 __init__ 方法，允许覆盖 host 和 port
+    def __init__(self, host=None, port=None):
+        # 如果传入了参数就用传入的，否则用 config 里的默认值
+        self.host = host if host else config.CARLA_HOST
+        self.port = port if port else config.CARLA_PORT
         self.timeout = config.CARLA_TIMEOUT
 
         self.client = None
@@ -50,7 +52,6 @@ def spawn_vehicle(self):
             print("[ERROR] 世界未加载，请先连接！")
             return None
 
-        # [Refactor] 使用配置文件中的车型
         model_name = config.VEHICLE_MODEL
         bp = self.blueprint_library.find(model_name)
 
@@ -74,7 +75,6 @@ def setup_camera(self):
         camera_bp.set_attribute('image_size_y', str(config.CAMERA_HEIGHT))
         camera_bp.set_attribute('fov', str(config.CAMERA_FOV))
 
-        # [Refactor] 使用配置文件中的安装位置
         spawn_point = carla.Transform(carla.Location(x=config.CAMERA_POS_X, z=config.CAMERA_POS_Z))
 
         self.camera = self.world.spawn_actor(camera_bp, spawn_point, attach_to=self.vehicle)