实现 AEB 避障决策逻辑并完成系统全线代码重构与性能优化

[wangadsa]

修改概述：
本次 PR 是项目迈向 V1.0 版本的核心里程碑。不仅在功能上实现了基于视觉感知的自动避障（AEB）决策逻辑，还在工程实践上完成了全线代码的重构、标准化注释以及实时性能监控功能的集成。

修改的详细描述

1. 决策层功能实现 (src/decision_maker.py)：
   • 实现了基于 YOLOv3 检测框几何属性的碰撞风险评估算法。
   • 建立了紧急制动（AEB）干预机制，当正前方出现危险障碍物时，系统将强制覆盖控制信号执行全力刹车。
2. 代码架构深度重构：
   • 配置标准化 (config.py)：将系统参数按服务器、传感器、模型、控制、决策五个维度进行了逻辑分组，提升了参数调优的便捷性。
   • 注释规范化 (src/carla_client.py)：全线引入 Google Style Docstrings，使代码符合工业级开源项目文档标准。
3. 性能监控与 UI 增强：
   • 在主循环中集成了实时 FPS（每秒帧数）计数器，用于量化深度学习模型推理对系统实时性的影响。
   • 优化了 HUD 界面，实时显示车速、转向角、FPS 以及 AEB 预警状态。
4. 系统架构文档化 (README.md)：
   • 详细定义了本项目的 PDA (Perception-Decision-Action) 三层架构模型。
   • 更新了项目目录树与开发路线图。

经过了什么样的测试？

1. 测试环境：Windows 11, CARLA 0.9.11, Python 3.8
2. 场景 1：自动巡航 - 验证双 PID 控制器在重构后是否依然稳定，测试结果显示车速与路径偏差保持在理想范围内。
3. 场景 2：静态障碍物避障 - 在道路中心放置车辆模型，验证 AEB 逻辑。测试结果显示系统在预设距离内准确弹出 "AEB ACTIVE" 并成功刹停。
4. 性能测试：通过新增的 FPS 计数器观察，YOLOv3 推理保持在每秒 15-20 帧，满足仿真交互需求。

运行效果