本人搭建的一些Carsim与Simulink的联合仿真模型，包括车道保持（LKA），自适应巡航（ACC），轨迹跟随，横向控制，预瞄跟随，单点预瞄，多点预瞄，滑模变结构控制，模糊控制等算法的介绍和实现，该下载资料不为CSDN积分，只为有相关学习需求或是有相关学习兴趣的学生交流学习！不喜勿喷，谢谢！

基于逆透视变换和卡尔曼滤波的车道线识别算法，李扬威，黄影平，提出了一种基于逆透视变换和卡尔曼滤波的车道线识别跟踪算法。给出一种简单的逆透视变换方法，该方法不需要获取摄像机的内外参数

换道过程中 相邻车道可能存在车辆对换道造成干扰，这里在carsim设置了相邻车的位置及行驶状态，包括capr文件及word讲解

基于SIMULINK的车道偏离预警系统算法研究与仿真。为本人课设作业。参考了SIMULINK内EXAMPLE和各种论文。 模型功能包括： 1.视频前处理 2.车道线检测 3.车道线追踪 4.偏离预警 5.预警信息后处理（安全裕度曲线+视频内嵌文字报警+警报声） 资料内容包括： 1.simulink模型 2.说明书（简要介绍原理和运行结果解释，去除目录与附录共10页） 3.视频素材 注意事项： 运行环境matlab2017b及以上

将matlab帮助文档进行整合，编辑，注释，改错。现在能直接运行，并展示视频。内含视频，两种程序，注释。

包含车道线检测的全部源码，运行前请将图片和视频的路径名改为相对路径。同时包含有对整个项目的Pipeline总结，以及自己运行代码过程中处理一些问题的Markdown文件。 解释可参考如下博文 https://yongqi.blog.csdn.net/article/details/109213387?utm_medium=distribute.pc_relevant_download.none-task-blog-baidujs-8.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-baidujs-8.nonecase

一种车道线检测方法，效果在高速上还可以，对于破损道路，光照变化太大等道路效果不佳，后续继续改进（直方图均衡以及多特征融合等等），这里有个基础版本的接口.大致步骤如下 （1）图像灰度化 （2）图像高斯滤波 （3）边缘检测 （4）获取掩膜，获取感兴趣区域 （5）霍夫变换检测直线 （6）将检测到的车道线分类，设置阈值，以图像中线分为左右两边的车道线，存入一个vector （7）回归两条直线，即左右分别两个点，且求出斜率方程 （8）确定车道线的转弯与否

基于改进Hough变换的车道线检测技术 详细描述 了 基于改进的Hough车道检测技术

本代码是自己写的一个能较好的实现道路识别与检测

停车和车道违规检测 使用目标检测器和跟踪器检测停车和车道违规 逐步设置 Yolo和Tracker 第1步-克隆 将存储库克隆到所需的文件夹中。 第2步-下载变量文件 下载变量文件 第3步-将变量文件放入所需位置 将下载的变量文件放入： cloned folder location > project_root/yolo/checkpoints/yolov4-416/variables/ 第4步-下载yolov4 从下载yolov4 步骤5-将yolov4放入所需位置 将yolov4.weights文件放入： cloned folder location > project_root/yolo/data/ 安装依赖项 确保正确安装以下依赖 步骤6-依存关系 openCV Python （Contrib版本） pip install opencv-python-contrib tens