ChosunTruck
ChosunTruck 是一款基于《欧洲卡车模拟 2》游戏环境开发的自动驾驶解决方案。它利用游戏中高度拟真的道路场景,让车辆在不需人工操作的情况下实现自动行驶,旨在为研究者和开发者提供一个低成本、高安全性的自动驾驶算法测试平台。
该项目主要解决了真实路测成本高、风险大以及数据获取难的问题。通过在仿真环境中运行,用户可以直观地理解自动驾驶的核心原理,如车道线检测与车辆识别。其技术亮点在于集成了 OpenCV 和 CUDA 加速技术,支持在 Windows 和 Linux 系统下运行;特别是在 Linux 实验版本中,还具备了实时检测周围其他车辆的能力。
ChosunTruck 非常适合对自动驾驶技术感兴趣的研究人员、计算机视觉开发者以及高校学生使用。它要求用户具备一定的编程基础(如需编译 Visual Studio 项目或配置 Linux 环境),并能按照指引调整游戏分辨率与控制设置。对于希望深入探索感知算法、验证驾驶策略的技术爱好者而言,这是一个极具价值的开源学习工具,让大家能在虚拟世界中轻松迈出自动驾驶研究的第一步。
使用场景
某高校自动驾驶研究团队利用《欧洲卡车模拟 2》的高拟真道路环境,进行低成本算法验证与教学演示。
没有 ChosunTruck 时
- 研究人员需手动操控卡车在高速公路上反复行驶,以采集不同光照和路况下的车道线数据,耗时且难以保证驾驶轨迹的一致性。
- 学生理解自动驾驶原理仅能依靠理论公式或静态图片,缺乏车辆实时感知、决策与控制闭环的直观动态演示。
- 在 Linux 环境下开发时,缺乏现成的集成方案来同时处理车道线识别与其他车辆检测,需从零搭建视觉感知模块,开发门槛极高。
- 无法在模拟环境中安全地测试极端工况(如近距离跟车或紧急变道),实车测试风险大且成本昂贵。
使用 ChosunTruck 后
- 配置好 OpenCV 与 CUDA 环境后,ChosunTruck 可接管车辆控制权,自动在设定速度下沿车道稳定巡航,高效生成标准化测试数据。
- 通过运行程序,学生能实时看到系统如何通过摄像头捕捉画面并叠加识别出的车道线与周围车辆框,将抽象算法具象化。
- 借助其内置的实验性功能,开发者可直接在 Ubuntu 系统中启用车辆检测模式,快速验证多目标跟踪算法在模拟交通流中的表现。
- 研究者可在虚拟高速路上安全地调整参数,观察卡车在复杂车流中的自动避让与保持车距行为,大幅降低试错成本。
ChosunTruck 将高拟真游戏转化为灵活的自动驾驶沙盒,让算法验证从“纸上谈兵”变为“即时可见”的低成本实战。
运行环境要求
- Windows
- Linux
- Windows 平台必需:需安装 CUDA Toolkit 7.5(仅限工具包和 VS 集成,不安装驱动)
- Linux 平台未明确说明,但可选依赖 Tensorflow 通常暗示需要 GPU 支持
未说明

快速开始
朝鲜卡车
简介
朝鲜卡车是为《欧洲卡车模拟2》开发的自动驾驶解决方案。 近年来,自动驾驶技术已成为热门话题,因此我们也在研究相关技术。 该项目在《欧洲卡车模拟2》这一模拟环境中进行开发,以便我们能够通过车辆来学习和测试该技术。 选择《欧洲卡车模拟2》是因为它提供了一个接近真实道路的良好测试环境。
功能
- 无需手动操控即可驾驶车辆。
- 可以理解自动驾驶的基本原理。
- (实验性功能/仅限Linux)可以检测其他车辆的位置。
运行方法
Windows
依赖项
- 操作系统:Windows 7、10(64位)
- 集成开发环境:Visual Studio 2013、2015
- OpenCV版本:>= 3.1
- CUDA Toolkit 7.5(注意:请进行高级安装。仅安装工具包和与Visual Studio的集成部分,不要安装驱动程序及其他默认附带的内容。安装完成后,您的项目属性应如下所示:https://i.imgur.com/e7IRtjy.png)
- 如果在安装过程中遇到问题,请参阅我们的Windows安装维基页面
为使输入功能在Windows上正常工作所需操作:
- 前往 C:\Users\YOURUSERNAME\Documents\Euro Truck Simulator 2\profiles,编辑 controls.sii 文件,将
config_lines[0]: "device keyboard `di8.keyboard`"
config_lines[1]: "device mouse `fusion.mouse`"
修改为:
config_lines[0]: "device keyboard `sys.keyboard`"
config_lines[1]: "device mouse `sys.mouse`"
(感谢Komat!)
- 在controls.sii文件中,请确保灵敏度设置为:
config_lines[33]: "constant c_rsteersens 0.775000"
config_lines[34]: "constant c_asteersens 4.650000"
接着:
- 将controls.sii文件设置为只读。
- 打开Visual Studio项目并编译。
- 以窗口模式运行ETS2,并将分辨率设置为1024 * 768。(在1920 * 1080屏幕分辨率下,配合1024 * 768窗口模式的ETS2,程序可正常运行)
Linux
依赖项
- 操作系统:Ubuntu 16.04 LTS
- OpenCV版本:>= 3.1
- (可选)TensorFlow版本:>= 0.12.1
使用以下命令编译源代码(在linux目录内)。
make
如果需要车辆检测功能,则执行:
make Drive
接着:
- 以窗口模式运行ETS2,并将其分辨率设置为1024 * 768。(在1920 * 1080屏幕分辨率下,配合1024 * 768窗口模式的ETS2,程序可正常运行)
- 程序无法自动找到ETS2窗口。请将ETS2窗口移动到屏幕右下角以解决此问题。
- 在ETS2选项中,将控制方式设置为“键盘+鼠标转向”,左键用于加速,右键用于刹车。
- 前往高速公路,将卡车速度设定为40~60公里/小时。(建议开启定速巡航功能以更轻松地设定速度)
- 运行本程序!
若要启用车辆检测模式,需添加 -D 或 --Car_Detection 参数。
./ChosunTruck [-D|--Car_Detection]
故障排除
请参阅我们的维基页面。
如果您在运行该项目时遇到任何问题,请参考下方的演示视频。或者,您也可以提交一个问题与我们团队联系。
演示视频
车道检测(YouTube链接)
车道检测 + 车辆检测(YouTube链接)
待办事项
- 为了提升检测性能,将Tensorbox替换为YOLO2。
- 游戏内屏幕信息存在限制。可通过读取ETS2进程内存来收集更多驾驶环境数据。
创始人
- 宋致完,chi3236@gmail.com
- 沈在哲,simjaecheol@naver.com
- 崔成俊,hs4393@gmail.com
贡献者
如何贡献
欢迎对本项目感兴趣的任何人参与!只需fork该项目并提交pull request即可。
许可证
朝鲜卡车,《欧洲卡车模拟2》自动驾驶解决方案 版权所有 © 2017 chi3236、bethesirius、uoyssim
本程序是自由软件:您可以重新分发和修改它, 遵循由自由软件基金会发布的GNU通用公共许可证条款, 无论是该许可证的第3版,还是(根据您的选择)任何后续版本。
本程序以“希望它有用”的态度发布, 但不提供任何形式的担保;甚至不包括对适销性或特定用途适用性的默示担保。 有关详细信息,请参阅GNU通用公共许可证。
您应当随本程序收到一份GNU通用公共许可证副本。 如未收到,请访问 http://www.gnu.org/licenses/ 查看。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器


