fa

README.md

@@ -0,0 +1,105 @@
+# VLA 视觉避障 3D 导航（MuJoCo + ROS1）
+
+基于 MuJoCo 与 ROS1 的 **全向小车视觉避障导航** 仿真项目，支持仿真深度图输入，并可直接对接 RealSense / Orbbec / ZED 等深感相机落地。
+
+---
+
+## 特性
+
+- **全向移动**：vx, vy, wz 车体系速度 → 世界系执行器
+- **仿真深度图**：mj_ray 网格模拟深感相机，便于替换为真实 depth/pointcloud
+- **DDA 避障**：Directional Distance Avoidance，基于方向距离的避障
+- **目标点导航**：按键设置目标，大角度先转后走，小角度边走边调
+- **转向策略**：大角度（>35°）优先转向，小角度时前进并微调朝向
+
+---
+
+## 安装
+
+```bash
+pip install -r requirements.txt
+```
+
+依赖：`mujoco>=3.0.0`、`numpy`
+
+---
+
+## 快速开始
+
+```bash
+python scripts/run_simulation.py
+```
+
+### 操作说明
+
+| 按键 | 功能 |
+|------|------|
+| **G** | 目标 = 车头前方 2m |
+| **C** | 目标 = 相机视线与地面交点 |
+| **ESC** | 退出 |
+
+小车会按设定目标行驶，到达后停止，可继续按键设置新目标。目标点有边界限制（距原点 ≤ 5m）。
+
+---
+
+## 目录结构
+
+```
+├── README.md
+├── OUTLINE.md              # 项目大纲与里程碑
+├── requirements.txt
+├── mujoco_scenes/          # MuJoCo 场景
+│   └── cylinder_obstacles.xml
+├── scripts/
+│   └── run_simulation.py   # 仿真主程序
+└── docs/
+    └── DDA_KNOWLEDGE.md    # DDA 知识点与 ROS1 落地说明
+```
+
+---
+
+## 控制流程
+
+```
+仿真深度图 (mj_ray) / 真实 depth
+    → depth_to_sectors()  →  dists, angles
+    → dda_avoidance_from_depth()  →  vx_a, vy_a, wz_a
+    → goal_attraction_vel()  →  vx_g, vy_g, wz_g
+    → blend_and_clamp()  →  融合 + 前方扇区限速
+    → 滤波 → 车体系→世界系 → 执行器
+```
+
+---
+
+## 主要参数（`NavCfg`）
+
+| 参数 | 默认 | 说明 |
+|------|------|------|
+| `hfov_deg` | 86 | 水平视场角（如 RealSense D435）|
+| `num_sectors` | 61 | 扇区数 |
+| `obstacle_threshold` | 0.45 | 避障停止距离 (m) |
+| `safe_distance` | 0.65 | 安全距离 (m) |
+| `yaw_turn_first_deg` | 35 | 大角度先转阈值 (°) |
+| `goal_ahead_dist` | 2.0 | G 键目标前方距离 (m) |
+| `goal_max_r` | 5.0 | 目标点最大半径 (m) |
+
+---
+
+## ROS1 + 深感相机落地
+
+`depth_to_sectors()` 的输入为 H×W 深度图（米），与真实相机接口一致。在 ROS1 中订阅深度图：
+
+```python
+# 伪代码
+rospy.Subscriber('/camera/depth/image_rect', Image, depth_cb)
+# depth_cb 中：depth_to_sectors(depth, hfov_rad, num_sectors, ...) → dists, angles
+```
+
+详见 `docs/DDA_KNOWLEDGE.md`。
+
+---
+
+## 引用
+
+- [MuJoCo](https://mujoco.readthedocs.io/)：物理仿真
+- [OUTLINE.md](OUTLINE.md)：项目规划与 VLA 目标