Automatic Addison系列教程

适用于 ADAS 和自动驾驶汽车的 TDA4VM Jacinto处理器 器件版本 1.0 和 1.1

基于PPLiteSeg的车道线语义分割算法，自制成可实时调用的API，设置逻辑使其能实时输出相应的转向角度，帮助无人车在沿车道行驶的路况下实现无人驾驶。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126223158?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126223158%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=KeE3k

基于PP-LiteSeg的框架下训练的仿真环境下的语义分割模型，本人对predict函数进行了爆改，来实现了低延时的实时语义分割。 博客地址：https://blog.csdn.net/weixin_51331359/article/details/126137279?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22126137279%22%2C%22source%22%3A%22weixin_51331359%22%7D&ctrtid=I6dOl

杰森 Jetson 是一个自动驾驶玩具车项目。 它包含在 PyTorch 中构建的端到端 CNN 视觉系统。 检查相应的文章： 能力 路径跟随 停止中 十字路口左转 十字路口右转 硬件 任何具有可控油门（经度）和转向（横向）的遥控汽车底盘都应该兼容。 有很多选项可以开始。 我建议查看、或本项目中使用的。 传感器 具有 200° FOV 的前置广角摄像头 脑 NVIDIA Jetson Nano 软件 先决条件 喷气卡 喷气机 喷气式飞机 火炬2trt *使用 waveshare 的工具包时，您可能需要使用上述存储库的 waveshare 分支，请参阅链接 1. 数据收集 笔记本此阶段的主要目标是收集反映正确驾驶的数据，即具有正确注释的转向和油门值的图像。 在使用游戏手柄驾驶时，您可以记录相机帧以及相应的转向和油门值。 示例数据可能如下所示： [0.1, 0.5]

I-VISTA 评测标准(全册)

ISO 21717 智能交通系统-部分自动车道内驾驶系统（PADS）-性能要求和测试程序(中英文版)

ISO 21202-2020 智能运输系统-部分自动车道变换系统（PALS）功能/操作要求和测试步骤（中英文版）

（多媒体）数据中心网络不服来测系列——自动驾驶网络之重保业务监控

（多媒体）数据中心网络不服来测系列——自动驾驶网络之多级回滚