自主驾驶车辆的深度模仿学习 自动驾驶汽车已经引起了学术界（例如牛津，麻省理工学院）和工业界（例如Google，特斯拉）的极大兴趣。 但是，由于普遍的知识，我们发现直接实现全自动驾驶（SAE 5级）非常困难。 为了解决这个问题，深度模仿学习是一种有前途的解决方案，可以从人类的演示中学习知识。 在这个项目中，我们研究了如何使用深度模仿学习来实现车辆动态控制（例如转向角，速度）。 我们使用了Udacity（ ）提供的数据集和模拟器以及现实世界中的comma.ai数据集。

进阶课程 ⑫ _ Apollo高精地图.pdf

随着汽车智能化、电子化的推进，无人驾驶已经是未来汽车发展的必然趋势。在没有人为干预的情况下，自动驾驶汽车可以通过传感器感知周围环境、规划行车路线并控制汽车安全抵达目的地，优点包括：1）降低人为操作失误所造成的交通事故及其导致的伤亡、成本；2）为社会弱势人群（老人、残疾人）提供安全、经济的出行方式；3）降低劳动成本，把节约时间用于工作或休息。4）减少交通阻塞，增加城市道路汽车运行量，提高出行效率。 2016 年被认为是无人驾驶的投资元年，2017 年以来政府相关政策法规出台速度明显加快。根据我们的统计，2017 年发布的相关文件主要从相对宏观（汽车、人工智能）和相对微观（信息安全、V2X）的层

模型是使用MATLAB开发，基于全工况模型建立的预警系统，具有三级报警和紧急制动功能，进一步丰富之后可以作为定速巡航系统的一部分。

本文调查了自DARPA挑战后开发的关于自动驾驶汽车的研究，这类汽车配备了可归类为SAE 3级的或更高级别的自动驾驶汽车的自主系统。自动驾驶汽车自主系统的体系结构一般分为感知系统和决策系统。感知系统一般分为多个子系统，负责自驾汽车定位、静态障碍物绘制、移动障碍物检测与跟踪、道路绘制、交通信号检测与识别等任务。决策系统通常被划分为许多负责任务的子系统，如路线规划、路径规划、行为选择、运动规划和控制。在本次调查中，我们介绍了自动驾驶汽车自主系统的典型结构。我们还回顾了有关感知和决策方法的研究。此外，我们还详细描述了UFES汽车的自主系统IARA的体系结构。最后，我们列出了由科技公司开发并在媒体上报道的著名自主研发汽车。

127页自动驾驶发展路径和产业链全景图，ppt，可修改复用

使用simulnk建立的辅助驾驶模拟模型，使用相机识别车道，并进行车道跟随，并控制与前方的车辆的距离。

道路锥桶、彩色路锥深度学习样本625个，部分采集于城市道路，部分采集于隧道

无人驾驶车辆轨迹跟踪控制综述型参考英文文献！大家可以通过这篇文献对控制领域有一个大体的认知。 更多炸裂内容，详见公粽号 ：杰哥的无人驾驶便利店

无人驾驶车辆轨迹跟踪控制综述型参考英文文献！大家可以通过这篇文献对控制领域有一个大体的认知。 更多炸裂内容，详见公粽号 ：杰哥的无人驾驶便利店