各个类别以及数量：自行车，小汽车，人，卡车，公交车，摩托车 'bicycle': 291, 'car': 1797, 'person': 1281, 'truck': 494, 'bus': 425, 'motorcycle': 328 数据集图片爬取于网络，自己手动进行标注 包含VOC、COCO、YOLO三个格式的数据标注样式 如有侵权，请联系我删除

汽车与自行车碰撞模拟过程 1：设置汽车速度 2：设置汽车制动策略： 3.进行初步模拟，并观察三维视图 4.捕捉碰撞点，记录数值 5.测定撞点抛距、自行车抛距、人体抛距。 6.用图表功能得到头部碰撞力情况，头部距地面距离情况 7.用图表功能获得碰撞点汽车速度

matlab中svm图片分类代码pointCloudsClassification 该Matlab代码实现了Andrew E. Johnson和Martial Hebert撰写的论文中的解决方案。 目标是识别代表道路上的物体​​（行人，汽车等）的3D点云。 属性的选择基于本文的建议。 我们使用了有关点的强度，边界框以及属性散布度，线性度和表面度的统计数据。 由于与其他班级相比，一个班级的代表人数过多，因此我们也重新平衡了班级人数。 “ dish_area”文件夹包含用于二进制分类的代码，该代码适用于菜式区域数据集。 此代码比较了高斯SVM，线性SVM和k-means算法。 “ lomita”文件夹包含用于多类别分类的代码。 我们使用了线性支持向量机，并比较了一种策略与所有策略以及一种策略与一种策略。 对于一个SVM与一个SVM，使用了2个超参数调整策略：在第一个中，为每个SVM一对一地选择超参数。 在第二个（“简化”）中，对所有SVM使用相同的超参数值 该代码是为学校项目创建的。