mooc大学中,无人驾驶车辆课程第7章作业题(给定材料中包含的MATLAB代码,可以生成50*50的地图,x表示障碍物,起点和终点均已给定,用A*算法实现路径规划)。 包括了实现所需所有的函数代码。
2021-11-06 21:31:36 7KB 自动驾驶 路径规划 A*算法
1
整理的自动驾驶资料包,报告各大公司自动驾驶报告等,适合自动驾驶和汽车前沿技术的学习
2021-11-06 16:35:25 17.89MB 自动驾驶
1
随着人工智能(Artificial Intelligence AI 高速 发展与应用,计算机技术已 经进入以人工智能为代表的新信息技术时代 ——智能技术时代 。 近两年来 人 工智能在中国已经被提升到了国家发展战略的高度。本文探讨了人工智能的起 源与发展,分析了中国 人工 智能 的发展历程 。 用数据说话,从专家、论文和专利 三方面分析了中国人工智能的科研现状,列举了中国 AI在语音识别、人脸识别、 自动驾驶和无人机等方面的实践应用 。 AI和汽车研究领域的交叉发展给我们的交通带来了革命性的变化。了解和 掌握汽车领域人工智能的研究和进展,发现未来的研究趋势,了解全球顶尖的 研究学者和机构,洞察先机,掌握未来。
2021-11-05 17:06:18 4.29MB 自动驾驶 无人驾驶 人工智能 综述
1
本文的多传感器融合是建立在读懂《Quaternionkinematicsfortheerror-stateKalman?lter》基础上的,是一种相机和IMU融合的理论,里面讲解了IMU的误差状态运动方程构建。误差状态四元数,是有开源的程序的,但是它是集成在rtslam里面的,不方便提取出来使用。但还有另外一个开源的程序,ETH的MSF,可以比较方便地用在自己的工程里面,并且它的理论与误差状态四元数很接近,稍微有点不同,所以MSF开源程序就成了一个不错的选择。所以本人研究了ETH的两篇文章:《VisionBasedNavigationforMicroHelicopters》和《ARobusta
1
驾驶员行为分析的SCI论文 国际高水平期刊文章 做车联网的可以研究下
2021-11-05 12:44:12 796KB 驾驶员 行文 论文 SCI
1
构建了用于评估道路车辆危险行驶状态的三维虚拟势能场,冰确定了各关键参数的计算方法。
2021-11-04 23:07:28 1.69MB 无人驾驶 避障驾驶 行为决策
1
SLAM学习,另外还包含了自动驾驶学习资料 涵盖感知,规划和控制,ADAS,传感器; 1. apollo相关的技术教程和文档; 2.adas(高级辅助驾驶)算法设计(例如AEB,ACC,LKA等) 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶专项课程(可能是目前最好的自动教师教程),是coursera上多伦多大学发布的自动驾驶专项课程,应该是目前为止非常火非常好的教程了,包含视频,ppt,论文以及代码 5.国家权威机构发布的adas标准,这是adas相关算法系统的标准,也是开发手册。 6.规划控制相关的算法论文介绍 7.等等总共3G多的资料
2021-11-03 23:42:14 1.11MB 自动驾驶 无人驾驶 视觉SLAM 室内定位
1
文档一共50页,是同济大学朱西产教授在CICV 2018上做的自动驾驶汽车测试评价方法的报告。
2021-11-03 14:06:52 4.08MB 自动驾驶 测试评价方法
1
DrowsyDriverDetection 使用Keras和卷积神经网络进行困倦驾驶员检测。 数据集: 眼睛数据集(不再可用): : 打哈欠数据集: : 学分:, 注意:泡菜文件包含用于闭眼,睁眼和打哈欠的预处理数据集,泡菜文件为closed_eyes.pickle , open_eyes.pickle , yawn_mouths.pickle 。 包含的文件: eyePreprocess.py和yawnPreprocess.py :通过将图像转换为灰度并将它们分为训练集和测试集来对数据进行预处理 eyesCNN.py和yawnCNN.py :根据训练数据训练CNN。 Code_archive/eyeDetect.py和Code_archive/faceDetect.py :简单的眼睛和面部检测代码使用16层级联,而不是传统的,因为原始的无法正确检测面部。
2021-11-02 20:38:53 3.93MB Python
1
hermite插值的matlab代码CarND路径规划项目 无人驾驶汽车工程师纳米学位课程 概述 在这个项目中,我实现了Moritz Werling,Julius Ziegler,Soren Kammel和Sebastian Thrun在(2010)发表的论文《 Frenet框架中动态街道场景的最佳轨迹生成》中概述的方法。 该方法将在下面讨论。 首先,我在Matlab中创建了一个模拟器来开发代码。 该模拟器允许可重现的场景构造,从而大大简化了测试。 使用matlab,我创建了轨迹生成和行为计划模块,以及React层模块。 然后将matlab代码移植到c ++。 下面将介绍更详细的方法,并在底部提供代码说明。 结果 汽车成功驾驶,没有发生任何事故。 最佳轨迹生成 该方法的所有细节均在上述论文中给出。 简而言之,将在横向上的一组加速度率最小化轨迹(JMT)与在纵向上的一组JMT相结合,并将成本最低的组合用作最终的2d轨迹。 (这在TrajectoryGenerator/generate_() 。) 使用几种不同的可能模式(跟随,合并,停止和保持速度)创建纵向轨迹。 前三种模式可求解完整的5
2021-11-02 20:14:26 12.84MB 系统开源
1