diff --git a/docs/traffic_violation_detection/index.md b/docs/traffic_violation_detection/index.md
new file mode 100644
index 0000000000..c4469db168
--- /dev/null
+++ b/docs/traffic_violation_detection/index.md
@@ -0,0 +1,146 @@
+# 基于CARLA的自动驾驶交通违章检测仿真平台
+本项目基于 CARLA 自动驾驶仿真平台，实现了一套**多场景、多维度的交通违章检测系统**，支持车辆自动驾驶、多天气场景切换、交通标志自动标注，同时集成了基于纯视觉的超速与闯红灯违章检测功能，可直接生成带VOC格式标注的数据集，为后续违章识别模型训练提供高质量数据。
+
+---
+
+## 一、项目背景与目标
+在自动驾驶场景中，交通违章检测是保障行车安全的核心环节。本项目以CARLA仿真平台为载体，旨在通过车载相机图像实现**无模拟器后门的纯视觉违章检测**，同时完成多天气场景下的交通标志数据采集，为违章识别模型的训练提供真实、多样的仿真数据支撑。
+
+---
+
+## 二、核心功能实现
+以下为项目迭代过程中已成功实现的核心功能（对应提交记录）：
+
+| 序号 | 功能模块 | 实现说明 |
+| :--- | :--- | :--- |
+| 1 | 基础框架搭建 | 完成选题，搭建CARLA仿真环境，编写项目README文档，构建系统基础运行框架 |
+| 2 | 多天气场景数据采集 | 实现雨天、晴天、夜间、雾天4种天气自动切换，自动采集交通标志数据并生成带VOC标注的数据集 |
+| 3 | 自动驾驶与基础违章检测 | 实现车辆自动驾驶，新增实时车速显示、超速检测、闯红灯检测功能 |
+| 4 | 图像识别红绿灯 | 移除模拟器API依赖，通过图像识别算法实现纯视觉红绿灯状态检测 |
+| 5 | 夜间/弱光红绿灯优化 | 新增图像亮度自适应增强算法，解决夜间、雾天等弱光场景下红绿灯识别准确率低的问题 |
+| 6 | 违章次数统计 | 实现超速、闯红灯违章次数的实时统计与画面显示，避免同一违章重复计数 |
+
+---
+
+## 三、核心模块技术说明
+### 3.1 纯视觉红绿灯检测模块
+本模块摒弃了CARLA原生的信号灯状态读取API，采用基于HSV颜色空间的图像处理算法实现红绿灯识别，核心流程如下：
+1.  **亮度自适应判断**：通过计算图像灰度均值，区分白天与弱光/夜间场景。
+2.  **图像增强**：弱光场景下自动通过线性变换提亮图像，提升信号灯可见度。
+3.  **颜色分割**：利用HSV颜色空间的双区间阈值分割红色信号灯区域。
+4.  **形态学去噪**：通过开运算去除噪声干扰，保留信号灯主体区域。
+5.  **自适应阈值判定**：白天采用较高像素阈值，夜间降低阈值防止漏检，最终输出红灯状态。
+
+### 3.2 超速检测与违章统计模块
+1.  **实时车速计算**：通过车辆速度向量计算实际行驶速度（km/h），并实时显示在画面中。
+2.  **固定限速判定**：默认限速50km/h，当车速超过限速时判定为超速违章。
+3.  **违章次数统计**：通过记录上一帧违章状态，仅在违章状态从无到有时计数一次，避免重复统计。
+
+### 3.3 多天气场景切换与数据采集模块
+1.  **天气自动切换**：每10秒自动切换一次天气场景（雨天/晴天/夜间/雾天），覆盖多种行车环境。
+2.  **交通标志检测**：通过3D世界坐标投影，将交通标志的边界框映射到图像平面，自动生成标注。
+3.  **VOC格式标注生成**：自动保存采集到的图像，并生成包含交通标志位置、天气信息、违章状态的XML标注文件。
+
+---
+
+## 四、关键技术难点与解决方案
+| 难点 | 解决方案 |
+| :--- | :--- |
+| 弱光场景红绿灯识别准确率低 | 采用亮度自适应增强+双区间HSV分割+自适应像素阈值，提升夜间、雾天识别稳定性 |
+| 同一违章行为重复计数 | 记录上一帧违章状态，仅在状态由无到有时执行计数 |
+| 不同天气场景下的图像差异 | 支持多天气自动切换，同时在标注文件中记录天气类别，便于后续模型训练 |
+| 纯视觉方案无模拟器依赖 | 全程仅通过车载相机图像进行违章检测，不调用CARLA原生交通信号灯API |
+
+---
+
+## 五、系统运行流程
+1.  **环境初始化**：连接CARLA服务器，加载Town05地图，配置同步模式与自动驾驶车辆。
+2.  **传感器设置**：生成车载RGB相机，配置图像分辨率与FOV参数，建立图像队列。
+3.  **主循环执行**：
+    - 世界步进更新，处理车辆控制输入。
+    - 获取相机图像，执行违章检测逻辑。
+    - 切换天气场景，检测并标注交通标志。
+    - 绘制违章信息与统计次数，显示并保存图像与标注文件。
+4.  **退出与资源释放**：关闭窗口，销毁车辆、相机等仿真资源，结束程序。
+
+---
+
+## 六、项目总结与展望
+本项目成功实现了基于CARLA的自动驾驶交通违章检测仿真平台，完成了多天气场景下的交通标志数据采集，以及纯视觉的超速与闯红灯违章检测，系统稳定性与准确率满足仿真场景需求。
+
+后续可优化方向：
+- 引入深度学习模型，实现更复杂的交通标志与信号灯识别。
+- 扩展更多违章类型，如车道偏离、不礼让行人等。
+- 优化违章计数逻辑，支持自定义限速路段与动态限速识别。# 基于CARLA的自动驾驶交通违章检测仿真平台
+本项目基于 CARLA 自动驾驶仿真平台，实现了一套**多场景、多维度的交通违章检测系统**，支持车辆自动驾驶、多天气场景切换、交通标志自动标注，同时集成了基于纯视觉的超速与闯红灯违章检测功能，可直接生成带VOC格式标注的数据集，为后续违章识别模型训练提供高质量数据。
+
+---
+
+## 一、项目背景与目标
+在自动驾驶场景中，交通违章检测是保障行车安全的核心环节。本项目以CARLA仿真平台为载体，旨在通过车载相机图像实现**无模拟器后门的纯视觉违章检测**，同时完成多天气场景下的交通标志数据采集，为违章识别模型的训练提供真实、多样的仿真数据支撑。
+
+---
+
+## 二、核心功能实现
+以下为项目迭代过程中已成功实现的核心功能（对应提交记录）：
+
+| 序号 | 功能模块 | 实现说明 |
+| :--- | :--- | :--- |
+| 1 | 基础框架搭建 | 完成选题，搭建CARLA仿真环境，编写项目README文档，构建系统基础运行框架 |
+| 2 | 多天气场景数据采集 | 实现雨天、晴天、夜间、雾天4种天气自动切换，自动采集交通标志数据并生成带VOC标注的数据集 |
+| 3 | 自动驾驶与基础违章检测 | 实现车辆自动驾驶，新增实时车速显示、超速检测、闯红灯检测功能 |
+| 4 | 图像识别红绿灯 | 移除模拟器API依赖，通过图像识别算法实现纯视觉红绿灯状态检测 |
+| 5 | 夜间/弱光红绿灯优化 | 新增图像亮度自适应增强算法，解决夜间、雾天等弱光场景下红绿灯识别准确率低的问题 |
+| 6 | 违章次数统计 | 实现超速、闯红灯违章次数的实时统计与画面显示，避免同一违章重复计数 |
+
+---
+
+## 三、核心模块技术说明
+### 3.1 纯视觉红绿灯检测模块
+本模块摒弃了CARLA原生的信号灯状态读取API，采用基于HSV颜色空间的图像处理算法实现红绿灯识别，核心流程如下：
+1.  **亮度自适应判断**：通过计算图像灰度均值，区分白天与弱光/夜间场景。
+2.  **图像增强**：弱光场景下自动通过线性变换提亮图像，提升信号灯可见度。
+3.  **颜色分割**：利用HSV颜色空间的双区间阈值分割红色信号灯区域。
+4.  **形态学去噪**：通过开运算去除噪声干扰，保留信号灯主体区域。
+5.  **自适应阈值判定**：白天采用较高像素阈值，夜间降低阈值防止漏检，最终输出红灯状态。
+
+### 3.2 超速检测与违章统计模块
+1.  **实时车速计算**：通过车辆速度向量计算实际行驶速度（km/h），并实时显示在画面中。
+2.  **固定限速判定**：默认限速50km/h，当车速超过限速时判定为超速违章。
+3.  **违章次数统计**：通过记录上一帧违章状态，仅在违章状态从无到有时计数一次，避免重复统计。
+
+### 3.3 多天气场景切换与数据采集模块
+1.  **天气自动切换**：每10秒自动切换一次天气场景（雨天/晴天/夜间/雾天），覆盖多种行车环境。
+2.  **交通标志检测**：通过3D世界坐标投影，将交通标志的边界框映射到图像平面，自动生成标注。
+3.  **VOC格式标注生成**：自动保存采集到的图像，并生成包含交通标志位置、天气信息、违章状态的XML标注文件。
+
+---
+
+## 四、关键技术难点与解决方案
+| 难点 | 解决方案 |
+| :--- | :--- |
+| 弱光场景红绿灯识别准确率低 | 采用亮度自适应增强+双区间HSV分割+自适应像素阈值，提升夜间、雾天识别稳定性 |
+| 同一违章行为重复计数 | 记录上一帧违章状态，仅在状态由无到有时执行计数 |
+| 不同天气场景下的图像差异 | 支持多天气自动切换，同时在标注文件中记录天气类别，便于后续模型训练 |
+| 纯视觉方案无模拟器依赖 | 全程仅通过车载相机图像进行违章检测，不调用CARLA原生交通信号灯API |
+
+---
+## 五、系统运行流程
+1.  **环境初始化**：连接CARLA服务器，加载Town05地图，配置同步模式与自动驾驶车辆。
+2.  **传感器设置**：生成车载RGB相机，配置图像分辨率与FOV参数，建立图像队列。
+3.  **主循环执行**：
+    - 世界步进更新，处理车辆控制输入。
+    - 获取相机图像，执行违章检测逻辑。
+    - 切换天气场景，检测并标注交通标志。
+    - 绘制违章信息与统计次数，显示并保存图像与标注文件。
+4.  **退出与资源释放**：关闭窗口，销毁车辆、相机等仿真资源，结束程序。
+
+---
+
+## 六、项目总结与展望
+本项目成功实现了基于CARLA的自动驾驶交通违章检测仿真平台，完成了多天气场景下的交通标志数据采集，以及纯视觉的超速与闯红灯违章检测，系统稳定性与准确率满足仿真场景需求。
+
+后续可优化方向：
+- 引入深度学习模型，实现更复杂的交通标志与信号灯识别。
+- 扩展更多违章类型，如车道偏离、不礼让行人等。
+- 优化违章计数逻辑，支持自定义限速路段与动态限速识别。
\ No newline at end of file
diff --git a/src/traffic_violation_detection/README.md b/src/traffic_violation_detection/README.md
index ae6cd9dbec..e1e77628a8 100644
--- a/src/traffic_violation_detection/README.md
+++ b/src/traffic_violation_detection/README.md
@@ -1,148 +1,74 @@
-  # CARLA 交通标志自动采集与标注系统
-基于 CARLA 模拟器的**交通标志数据集自动化采集工具**，支持多天气场景切换、自动驾驶巡航、交通标志实时检测与 VOC 格式标注自动生成，专为交通违章检测/交通标志识别模型训练提供高质量数据集。
-
-## 📋 项目简介
-本项目基于 **CARLA 0.9.11** 自动驾驶仿真平台，实现交通标志数据的全自动采集与标注：
-- 自动巡航采集道路场景，无需手动驾驶
-- 晴/雨/雾/夜间 4 种天气自动切换
-- 实时检测交通标志并生成标准 VOC 格式 XML 标注文件
-- 内置非极大值抑制（NMS）去除重复框
-- 相机画面实时可视化，数据一键保存
-
-适配**驾驶违章检测、交通标志识别、自动驾驶视觉感知**等模型训练数据集制作。
+# 基于CARLA的自动驾驶交通违章检测仿真平台
+本项目基于 CARLA 自动驾驶仿真平台，实现了一套**多场景、多维度的交通违章检测系统**，支持车辆自动驾驶、多天气场景切换、交通标志自动标注，同时集成了基于纯视觉的超速与闯红灯违章检测功能，可直接生成带VOC格式标注的数据集，为后续违章识别模型训练提供高质量数据。
 
 ---
 
-## ✨ 核心功能
-1. **自动化数据采集**：车辆自动驾驶巡航，自动捕获交通标志图像
-2. **多场景天气**：支持晴天、雨天、雾天、夜间自动循环切换
-3. **精准标注**：自动计算交通标志 2D 边界框，生成 VOC 标准 XML 标注
-4. **后处理优化**：NMS 去重、距离过滤、视野内有效框筛选
-5. **手动接管**：支持键盘临时控制车辆行驶
-6. **同步仿真**：CARLA 同步模式运行，数据采集稳定无丢帧
+## 一、项目背景与目标
+在自动驾驶场景中，交通违章检测是保障行车安全的核心环节。本项目以CARLA仿真平台为载体，旨在通过车载相机图像实现**无模拟器后门的纯视觉违章检测**，同时完成多天气场景下的交通标志数据采集，为违章识别模型的训练提供真实、多样的仿真数据支撑。
 
 ---
 
-## 🧰 环境依赖
-### 基础环境
-- Python 3.7
-- CARLA 0.9.11（WindowsNoEditor 版本）
-- Windows 系统
+## 二、核心功能实现
+以下为项目迭代过程中已成功实现的核心功能（对应提交记录）：
 
-### Python 库安装
-```bash
-pip install pygame opencv-python numpy
-```
+| 序号 | 功能模块 | 实现说明 |
+| :--- | :--- | :--- |
+| 1 | 基础框架搭建 | 完成选题，搭建CARLA仿真环境，编写项目README文档，构建系统基础运行框架 |
+| 2 | 多天气场景数据采集 | 实现雨天、晴天、夜间、雾天4种天气自动切换，自动采集交通标志数据并生成带VOC标注的数据集 |
+| 3 | 自动驾驶与基础违章检测 | 实现车辆自动驾驶，新增实时车速显示、超速检测、闯红灯检测功能 |
+| 4 | 图像识别红绿灯 | 移除模拟器API依赖，通过图像识别算法实现纯视觉红绿灯状态检测 |
+| 5 | 夜间/弱光红绿灯优化 | 新增图像亮度自适应增强算法，解决夜间、雾天等弱光场景下红绿灯识别准确率低的问题 |
+| 6 | 违章次数统计 | 实现超速、闯红灯违章次数的实时统计与画面显示，避免同一违章重复计数 |
 
 ---
 
-## 📁 项目结构
-```
-项目根目录/
-├── OutPut/
-│   └── data01/           # 自动生成：图片 + XML 标注文件
-├── xxx.py                # 主采集代码文件
-└── README.md             # 项目说明文档
-```
+## 三、核心模块技术说明
+### 3.1 纯视觉红绿灯检测模块
+本模块摒弃了CARLA原生的信号灯状态读取API，采用基于HSV颜色空间的图像处理算法实现红绿灯识别，核心流程如下：
+1.  **亮度自适应判断**：通过计算图像灰度均值，区分白天与弱光/夜间场景。
+2.  **图像增强**：弱光场景下自动通过线性变换提亮图像，提升信号灯可见度。
+3.  **颜色分割**：利用HSV颜色空间的双区间阈值分割红色信号灯区域。
+4.  **形态学去噪**：通过开运算去除噪声干扰，保留信号灯主体区域。
+5.  **自适应阈值判定**：白天采用较高像素阈值，夜间降低阈值防止漏检，最终输出红灯状态。
+
+### 3.2 超速检测与违章统计模块
+1.  **实时车速计算**：通过车辆速度向量计算实际行驶速度（km/h），并实时显示在画面中。
+2.  **固定限速判定**：默认限速50km/h，当车速超过限速时判定为超速违章。
+3.  **违章次数统计**：通过记录上一帧违章状态，仅在违章状态从无到有时计数一次，避免重复统计。
+
+### 3.3 多天气场景切换与数据采集模块
+1.  **天气自动切换**：每10秒自动切换一次天气场景（雨天/晴天/夜间/雾天），覆盖多种行车环境。
+2.  **交通标志检测**：通过3D世界坐标投影，将交通标志的边界框映射到图像平面，自动生成标注。
+3.  **VOC格式标注生成**：自动保存采集到的图像，并生成包含交通标志位置、天气信息、违章状态的XML标注文件。
 
 ---
 
-## 🚀 快速开始
-### 1. 启动 CARLA 模拟器
-运行 CARLA 根目录下：
-```
-CarlaUE4.exe
-```
-
-### 2. 配置代码路径（必须修改）
-打开主代码文件，修改 **CARLA Egg 文件路径** 为你本地的实际路径：
-```python
-# 示例（替换为你的 CARLA 路径）
-carla_egg_path = "你的CARLA路径/Carla/WindowsNoEditor/PythonAPI/carla/dist/carla-0.9.11-py3.7-win-amd64.egg"
-```
-
-### 3. 运行采集程序
-```bash
-python 你的代码文件名.py
-```
-
-### 4. 程序说明
-- 自动加载 `Town05` 地图（交通标志密集）
-- 自动生成 10 辆背景车辆 + 主驾驶车辆
-- 自动开启自动驾驶 + 交通规则约束
-- 每 10 秒自动切换天气
-- 检测到交通标志自动保存图像 + 标注文件
+## 四、关键技术难点与解决方案
+| 难点 | 解决方案 |
+| :--- | :--- |
+| 弱光场景红绿灯识别准确率低 | 采用亮度自适应增强+双区间HSV分割+自适应像素阈值，提升夜间、雾天识别稳定性 |
+| 同一违章行为重复计数 | 记录上一帧违章状态，仅在状态由无到有时执行计数 |
+| 不同天气场景下的图像差异 | 支持多天气自动切换，同时在标注文件中记录天气类别，便于后续模型训练 |
+| 纯视觉方案无模拟器依赖 | 全程仅通过车载相机图像进行违章检测，不调用CARLA原生交通信号灯API |
 
 ---
 
-## 🎮 控制快捷键
-| 按键 | 功能 |
-|------|------|
-| `W`  | 前进/加速 |
-| `S`  | 刹车 |
-| `A`  | 左转 |
-| `D`  | 右转 |
-| `R`  | 倒车 |
-| `X`  | 退出程序并清理资源 |
-
-> 默认开启**自动驾驶**，键盘仅用于临时接管车辆
+## 五、系统运行流程
+1.  **环境初始化**：连接CARLA服务器，加载Town05地图，配置同步模式与自动驾驶车辆。
+2.  **传感器设置**：生成车载RGB相机，配置图像分辨率与FOV参数，建立图像队列。
+3.  **主循环执行**：
+    - 世界步进更新，处理车辆控制输入。
+    - 获取相机图像，执行违章检测逻辑。
+    - 切换天气场景，检测并标注交通标志。
+    - 绘制违章信息与统计次数，显示并保存图像与标注文件。
+4.  **退出与资源释放**：关闭窗口，销毁车辆、相机等仿真资源，结束程序。
 
 ---
 
-## 📊 数据集格式
-采集的数据集为 **VOC 标准格式**，可直接用于 YOLO/Faster R-CNN 等模型训练：
-
-### 1. 图像文件
-- 分辨率：`1024×1024`
-- 格式：`PNG`
-- 命名：`image_时间戳.png`
-
-### 2. 标注文件（XML）
-包含信息：
-- 图像尺寸
-- 天气类别标签（0=雨天/1=晴天/2=雾天/3=夜间）
-- 交通标志边界框坐标（xmin, ymin, xmax, ymax）
-- 标签名称：`TrafficSign`
-
----
-
-## 🔧 自定义配置
-可直接修改代码调整采集参数：
-```python
-# 1. 交通标志检测距离（默认50米）
-DISTANCE_THRESHOLD = 50.0
-
-# 2. 天气切换间隔（默认10秒）
-weather_transition_interval = 10
-
-# 3. 相机分辨率
-camera_bp.set_attribute('image_size_x', '1024')
-camera_bp.set_attribute('image_size_y', '1024')
-
-# 4. 自动驾驶速度（-50=提速50%）
-traffic_manager.vehicle_percentage_speed_difference(vehicle, -50)
-
-# 5. 背景车辆数量
-num_vehicles = 10
-```
-
-
----
-
-## ⚠️ 注意事项
-1. **CARLA 版本必须为 0.9.11**，版本不匹配会导致导入失败
-2. 运行代码前必须先启动 CARLA 模拟器
-3. 若无法生成车辆/相机，重启 CARLA 与代码即可
-4. 数据集保存路径：`项目根目录/OutPut/data01`
-5. 低配置电脑建议减少背景车辆数量
-
----
-
-## 📌 项目用途
-- 交通标志识别模型训练
-- 驾驶违章检测系统数据集制作
-- 自动驾驶视觉感知算法验证
-- 计算机视觉交通场景研究
-
-
+## 六、项目总结与展望
+本项目成功实现了基于CARLA的自动驾驶交通违章检测仿真平台，完成了多天气场景下的交通标志数据采集，以及纯视觉的超速与闯红灯违章检测，系统稳定性与准确率满足仿真场景需求。
 
+后续可优化方向：
+- 引入深度学习模型，实现更复杂的交通标志与信号灯识别。
+- 扩展更多违章类型，如车道偏离、不礼让行人等。
+- 优化违章计数逻辑，支持自定义限速路段与动态限速识别。
\ No newline at end of file