RL-PowerTracking

基于强化学习的电力目标跟踪系统

项目结构

• src/ - 核心代码
• docs/ - 文档
• tests/ - 测试用例
• examples/ - 使用示例
• data/ - 数据集
• models/ - 模型保存目录
• tensorboard_logs/ - TensorBoard日志

目录自动创建

为确保项目运行时所需目录存在，新增了create_directories.py脚本。在运行训练前，请先执行：

python create_directories.py

安装依赖

pip install -r requirements.txt

最新优化

1. 环境注册问题已修复，自定义环境正确注册为CartesianSpace-v0
2. 训练速度优化：使用MlpPolicy、较大的batch_size=1024、use_sde=True提升CPU利用率
3. 解决了向量化环境观测值解包问题
4. 环境包装器嵌套顺序优化（Monitor包裹RecordEpisodeStatistics）

系统功能增强

1. 机械臂控制
   • 新增笛卡尔空间运动规划功能，支持路径移动和抓取放置操作
   • 支持手眼标定功能，实现相机坐标系与机械臂坐标系的转换
2. 视觉识别
   • 增强电力设备检测算法，使用HSV颜色空间提升检测准确性
   • 添加多目标跟踪功能，支持持续跟踪电力设备

使用示例

机械臂控制示例

from src.robot_control.arm_controller import RoboticArmController

# 创建控制器实例
arm = RoboticArmController()

# 连接机械臂
arm.connect()

# 移动到指定位置
arm.move_to_position([0.3, 0.2, 0.1])

# 执行抓取和放置操作
arm.perform_pick_and_place([0.3, 0.2, 0.0], [0.1, 0.4, 0.0])

# 断开连接
arm.disconnect()

目标跟踪示例

from src.vision.target_tracker import TargetTracker

# 创建目标追踪器
tracker = TargetTracker()

# 获取当前帧
frame = tracker.get_frame()

# 检测电力设备
boxes = tracker.detect_power_equipment(frame)

# 释放资源
tracker.release()