内含两千多张，224x224彩色图像，用于训练一个紧急车辆的识别网络，我会利用该数据集，做一个Pytorch的预训练模型多重CNN实现模型的对比实验。

车辆调度文件分享，大家一起分享，最优化各类车辆调度问题。

使用1754个负样本和1163个车辆正样本制作的用于车辆识别的XML文件。这个XML文件进一步可以采用OPENCV用于图像中车辆的识别。 由于负样本太大，不便于上传，在此只传正样本和最终的XML文件。希望对您的开发或研究过程有所帮助。

数据包含两个个SQL文件，分别为品牌数据、车系数据和一个压缩包。 压缩包包括brands：品牌 models:车系（其中包括logo，small_image：车辆小图，big_image：车辆大图） 品牌信息包括ID、名称、LOGO等242个各类品牌； 车系信息包括ID、名称、图片、指导价、LGO等； 部分车系停产，车辆图片不显示

该课题为基于Matlab的运动目标跟踪系统。可以实时框定运动目标。对运动目标的行为做识别。带有人机交互界面，需要在人机交互界面的基础上进行拓展

车辆自动变速器换档规律的研究及控制仿真.nh

如果运行不通，可尝试不直接点击“运行”，而是点击“运行并前进”按钮。 这个MATLAB函数将灰度图像I中的强度值映射到J中的新值，使得1%的数据在I的低强度和高强度下饱和。对图像f中任意像素的灰度值x进行变换，得到图像f 中对应像素的灰度值XF。 具体的算法步骤如下： i. Set adjustment linearity value; ii. Read in the image to be processed and assign it to I; iii. Assign image data to R. Change the original image into a monochrome image and keep the red color. Use the function imadjust to adjust the gray level of R, and the result returns R1; iv. Assign image data to G. Change the original image into a monochrome image and keep the green color. Use the function imadjust to adjust the gray level of R, and the result returns G1; v. Assign image data to B. Change the original image into a monochrome image and keep the blue color. Use the function imadjust to adjust the gray level of R, and the result returns B1; vi. Get RGB image after transformation; vii. Draw R, R1, G, G1, B, B1 images and observe the results of linear gray-scale transformation. 结果一般。 版权声明：本文为CSDN博主「灵泉matlab」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_31434537/article/details/104562388

针对实际交通场景下的车辆目标，应用深度学习目标分类算法中具有代表性的Faster R-CNN框架，结合ImageNet中的车辆数据集，把场景中的目标检测问题转换为目标的二分类问题，进行车辆目标的检测识别。相比传统机器学习目标检测算法，基于深度学习的目标检测算法在检测准确度和执行效率上优势明显。通过本实验结果分析表明，该方法在识别精度以及速度上均取得了显著的提高。

基于车辆运动学模型得LQR总结与分析推导，先分析运动学模型的离散误差状态空间方程，根据此做横向LQR控制分析及其推导，其次总结CSDN中LQR算法的理解及其推导，介绍了全状态反馈控制系统，对LQR进行了具体分析及其公式推导。 其中部分为：黎卡提方程的求解 针对黎卡提方程，可以采用循环迭代的思想求解P： 1）令等式右边的P_old=Q； 2）计算等式右边的值为P_new 3）比较P_old和P_new，若两者的差值小于预设值，则认为等式两边相等；否则再令P_old=P_new，继续循环。

28马力轮式拖拉机变速箱设计.zip机械设计毕业设计