# Adaptive Navigation Architecture for Dynamic Terrains
**Repository Path**: Anthony_Bridge/ANADYNT
## Basic Information
- **Project Name**: Adaptive Navigation Architecture for Dynamic Terrains
- **Description**: 一个四轮差速小车的自主避障和控制算法,基于激光雷达点云的障碍物预测,A*全局路径规划,DWA局部路径规划
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-11-24
- **Last Updated**: 2025-12-25
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 效果展示
[基于深度神经网络的障碍物预测](https://www.bilibili.com/video/BV1frhYzHE2p/?share_source=copy_web&vd_source=73489ed46c6d17bd7d4acefed30832ed)
# 项目结构
./ # 项目根目录
│
├── resources/ # 资源文件目录
│ ├── weights/ # 模型文件
│ ├── images/ # 图片资源
├── src/ # 源代码主目录
│ ├── main.py # Python主程序入口 (必须放在根目录方便启动)
│ ├── core/ # 核心业务逻辑(Python实现)
│ ├── cpp_modules/ # C++模块
├── libs/ # 预编译的第三方库/依赖项
│ ├── win/ # Windows平台库
│ ├── linux/ # Linux平台库
│ └── mac/ # macOS平台库
├── include/ # 头文件目录(供C++模块使用)
│ └── third_party/ # 第三方库头文件
├── requirements.txt # Python依赖
├── CMakeLists.txt # 根CMake配置(调用src/cpp_modules中的配置)
└── README.md
# 开始
下载模型:
由于模型文件过大,已上传至 Hugging Face Hub:
- 模型文件:[下载链接](https://huggingface.co/AnthonyBridge/Obstacle_detection/resolve/main/pix2pix_checkpoint_6000.onnx)
- 模型库:[Hugging Face 页面](https://huggingface.co/AnthonyBridge/Obstacle_detection)
下载后放到resources/weights/onnx目录
克隆项目:
```
git clone https://gitee.com/Anthony_Bridge/ANADYNT.git
cd ANADYNT
```
进入conda环境,执行
```
pip install -r ./requirements.txt
```
然后在conda环境中执行:
```
python run.py
```
启动后会出现MuJoCo窗口和场景: