无人驾驶车辆模型预测控制 第二版 程序代码 北理工

目前的自动驾驶系统由摄像机，激光雷达等传感器，控制器，GPS定位系统，数字地图，算法等多个部件构成，在这里我们重点介绍算法部分，尤其是机器学习技术在其中的应用情

ISO 16787 智能运输系统-辅助泊车系统(中英文版)

CANape快速入门

介绍 Apollo Cyber​​ RT 是一个开源、高性能的运行时框架，专为自动驾驶 (AD) 场景而设计。 基于中心化的计算模型，针对自动驾驶的高并发、低延迟、高吞吐进行了大幅优化。 在过去几年 AD 技术的发展过程中，我们从之前使用 Apollo 的经验中学到了很多东西。 行业在不断发展，阿波罗也在发展。 展望未来，Apollo 已经从开发转向生产。 随着现实世界中的批量部署，我们看到了对最高水平的稳健性和性能的需求。 这就是我们花了数年时间构建和完善 Apollo Cyber​​ RT 的原因，它满足了 AD 解决方案的这些要求。 使用 Apollo Cyber​​ RT 的主要好处： 加速发展 具有数据融合功能的定义明确的任务界面 一系列开发工具 大量传感器驱动程序 简化部署 高效、自适应的消息通信 具有资源意识的可配置用户级调度程序 便携，依赖更少 为您自己的自动驾驶汽车

CANalyzer中使用IG模块发送指定报文

深度学习在无人驾驶汽车领域应用的研究进展.pdf

智能车辆自动驾驶域控制器设计与实现论文

阿斯兰计划 一个基于的开源全栈软件，用于自动驾驶应用程序。旨在促进城市环境中低速应用的自动驾驶项目的研究。该软件带有一个内置的基于Gazebo的仿真，一个端到端的自动驾驶软件以及一个用户友好的GUI，可以方便地启动该软件。用于在现实世界中的自动驾驶汽车上进行试验。 功能和部署支持： 带有集成ROS工具的图形用户界面（GUI） Docker和源代码安装 多传感器驱动程序 高级主管节点，监视系统健康并发布诊断 使用LiDAR和雷达进行目标检测 紧急停止React 车辆接口充当ROS与嵌入式车辆控制器之间的桥梁。 PID /前馈线速度反馈回路 可调偏航到转向百分比转换图 集成凉亭模拟模型 3种模拟控制方式：Aslan软件，键盘和操纵杆控制器 车辆模型可视化和参数说明 车载软件测试和评估以及参数配置 正态分布变换（NDT）*用于本地化和映射 体素网格和地面去除*点云过滤 使用航点进行路线规划*

激光雷达 使用距离图像对点云进行语义分割。 由 ， ， 和 来自数据集的分割结果示例： 描述 该代码提供了使用距离图像作为中间表示来训练和部署LiDAR扫描语义分割的代码。 培训管道可以在找到。 我们将尽快开源部署管道。 预训练模型 squeezesegV2 + crf darknet21 暗网53 暗网53-1024 暗网53-512 要启用kNN后处理，只需在模型目录内的arch_cfg.yaml文件参数中将布尔值更改为True 。 模型预测 语义技术 这些是训练，验证和测试集的预测。 可以针对训练和验证集评估性能，但对于测试集评估，则需要提交基准测试（标签不公开）。 没有后处理： 塞格塞格 squeezeseg + crf squeezesegV2 squeezesegV2 + crf darknet21 暗网53 暗网53-1024 暗网53-5