SDC-车道和车辆检测-跟踪 Python中的OpenCV，用于自动驾驶汽车的车道线和车辆检测/跟踪 阅读我关于这个项目的 Medium。

该项目在 Simulink 中模拟自动驾驶汽车的车道保持辅助系统。 使用计算机视觉工具箱检测车道线，并使用 PID 控制器在 3D 动画工具箱中的车道线之间驱动车辆。

这是自动驾驶汽车绕固定点进行恒定半径转弯的 EKF。 车辆加速度项是非线性的并且被AWGN破坏。车辆观测模型在距离和方位角上是非线性的。 观察结果被乘法非高斯噪声项破坏。 此 EKF 是为检测和估计类期中构建的（请参阅随附的 PDF 文件）。 目的是表明如果噪声项是非高斯项并乘法进入观测模型，则 EKF 可能不是无偏估计量。 在这些条件下，合适的替代品是 UKF 和 PF 的任何变体。 执行了一组 MC 模拟以显示 EKF 对 IC 对此问题的敏感性，并表明它不是无偏估计器（不包括 MC 代码）。

基于模型预测的自动驾驶汽车轨迹追踪,基于模型预测控制的无人驾驶,matlab源码.zip

推荐，自动驾驶汽车环境感知技术资料合集，共20份。 百度深度学习在自动驾驶感知领域的应用 百度深度学习在自动驾驶感知领域的应用 基于路侧传感器的多车辆检测跟踪技术研究_耿欢 基于路侧传感器的多车辆检测跟踪技术研究_耿欢 基于生成式对抗网络GAN的自动驾驶容错感知研究 基于自动驾驶的机器视觉原理及应用_笪陈宇 卷积神经网络在无人驾驶感知技术上的应用 面向无人车运动规划问题的VFH算法 汽车常用传感器的识别与检测 汽车传感器实例 声音感知在自动驾驶汽车中的应用与展望 视觉在自动驾驶中的应用及地位 一种自动驾驶车的环境感知系统 智能车传感技术课件 智能车辆环境感知技术 自动驾驶的智慧之眼 自动驾驶环境感知系统研究 自动驾驶视觉感知技术发展 Apollo感知模块算法详解 24GHz&77GHz Automotive Radar CCL material of SYTECH

运动学MPC和动态增益调度状态反馈，用于控制自动驾驶汽车 该项目使您可以使用高级控制理论来解决自主制导问题。 该项目的创新部分是使用运动车辆模型的Takagi-Sugeno（TS）表示。 这使我们能够将非线性优化问题解决为伪线性问题，从而在每次优化时都实现了非常低的耗时。 先决条件 要运行该项目，您需要安装Matlab 2017b或更高版本以及YALMIP。 此外，有必要安装gurobi求解器以执行线性优化。 正在安装 要安装软件包，请参考以下链接： 描述 车辆型号 已经使用了两种不同的模型。 一个用于运动控制，另一个用于动态控制。 运动学模型称为车辆质量点模型。 动态模型为单轨自行车模型和轮胎模型的动力学模型。 轨迹规划 我们使用基于多项式的算法以离线方式计算参考。 该阶段在每个时刻提供对控制器的所需参考。 运动MPC 此时，将在每次控制迭代中构建并求解模型预测控制器，以找到最佳控制动

自动驾驶决策算法，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

“自动泊车、公路巡航控制和自动紧急制动等自动驾驶汽车功能在很大程度上是依靠传感器来实现的。重要的不仅仅是传感器的数量或种类，它们的使用方式也同样重要。目前，大多数路面上行驶车辆内的ADAS都是独立工作的，这意味着它们彼此之间几乎不交换信息。只有把多个传感器信息融合起来，才是实现自动驾驶的关键。”现在路面上的很多汽车，甚至是展厅内的很多新车，内部都配备有基于摄像头、雷达、超声波或LIDAR等不同传感器的先进驾驶员辅助系统（ADAS）。这些系统的数量将会随着新法案的通过而不断增加，例如在美国，就有强制要求安装后视摄像头的法案。此外，诸如车险打折优惠和美国公路交通安全管理局（NHTSA）、欧洲新车安

完整英文电子版 AV 4.0：2020 Ensuring American Leadership in Automated Vehicle Technologies(确保美国在自动驾驶汽车技术方面的领先地位)。本文件基于美国创新者是 AV 技术的全球领导者的愿景，展示了美国政府对地面运输自动车辆 (AV) 的态度，并以安全可靠的方式将该技术整合到美国和世界各地。 随着自动驾驶系统 (ADS) 在未来几年和几十年取得成果，本文件旨在为 AV 创新者提供一份单一的高级参考文件，以指导美国政府。 本文件的范围仅限于地面运输 AV，不包括海运、铁路或航空问题。

自动驾驶汽车的深度学习：Deep Learning for Self-Driving Cars（课程讲义） 通过建立自动驾驶汽车的应用主题，介绍深度学习的实践。它对初学者开放，是为那些刚接触机器学习的人设计的，但它也可以帮助现场的高级研究人员寻找深度学习方法及其应用的实用概述。