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

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。

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

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。

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。

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

车道和车辆检测系统 OpenCV图像处理管道，用于自动驾驶汽车的车道和车辆检测 图像处理管道 添加自动调整（自动亮度和对比度）以消除颜色不规则 转换为灰度并隔离黄色和白色 运行Canny边缘检测器 创建感兴趣的区域以减少周围的噪音 运行概率霍夫线变换 平均左车道线和右车道线成1条凝聚力车道 自动调整 为了使图像清晰，我们可以使用对比度优化和直方图裁剪自动调整亮度。 然后，该算法将根据削波百分比自动生成α和β（可以通过增加百分比来增加目标亮度）。 蓝色（调整前）橙色（调整后） 与以前的混合方式相比，车道线现在更为普遍。 这将使以后的边缘检测更容易识别线条。 隔离黄色和白色 从RGB转换为HSV使得黄色和白色阴影更易于检测。 通过这样做，我们可以简单地将黄色和白色道路标记与图像的其余部分隔离开（任何覆盖浅色和深色阴影的颜色范围都应该起作用）。 现在，我们将原始帧转换为灰度，并将其与新的

本驾驶证管理系统采用面向对象的思想构建，利用MFC类库CObList进行存储，实现了驾驶证的注册、查询、删除、修改和延迟驾驶证时间等功能

matlab二值化处理的代码通过分析面部表情和头部动作来预防事故的智能系统 该项目的主要目的是利用技术来遏制世界上的主要问题。 据统计，仅困倦驾驶在美国每年就导致超过1,550例致命事故和40,000例非致命事故，并且类似的情况在全球仍然存在。 该项目是在MATLAB中开发的，用于在驾驶时检测睡意。 在检测到周围有随机来源的疲劳或分心迹象时，它将生成警报以通知驾驶员。 当前代码库有两个文件a）new.m b）HeadLowering.m a）new.m它包含用于检测视频中的眼睛和嘴巴的代码，处理ROI提取特征以进行最终决定。 涉及的步骤：- 首先，使用“ Voila Jones”算法检测视频帧中的人脸。 我们决定使用“面部对称”概念从图像中切出嘴巴和眼睛，而不是从检测到的这张脸中提取嘴巴和眼睛。 一旦我们有了所需的成分（眼睛，嘴巴），就对图像进行处理； 进行了“二值化”，“拨号”和“侵蚀”。 为了弄清楚眼睛是闭合还是张开，编写了一种算法来检测“眨眼”和“打哈欠”。 为了做出最终决定，考虑了连续帧区域中像素数量和浓度的变化。 b）HeadLowering.m它包含用于监视头部运动的代码。

自动驾驶技术已经成为整个汽车产业的最新发展方向。应用自动驾驶技术可以全面提升汽车驾驶的安全性、舒适性，满足更高层次的市场需求等。自动驾驶技术得益于人工 智能技术的应用及推广，在环境感知、精准定位、决策与规划、控制与执行、高精地图与车联网 V2X 等方面实现了全面提升。