本代码利用python实现批量将ppm图片格式转换为jpg格式（同时实现根据提供的ROI坐标，提取特征区域），最后将图片大小统一为32*32

该文档是无人驾驶项目中，交通标志识别任务代码，以LeNet构建深度神经网络，具体技术包括：探索和可视化数据集；数据预处理；LeNet构建、训练和测试模型架构；采用该模型对新图片进行预测；分析新图片的softmax概率等。实现交通标志识别，测试集准确率94.5%，新图像识别准确率100%

越来越多的车辆不仅造成了交通拥堵，也使得交通变得更加复杂化。越来越多的交通信息需要通过交通标志传达出来。在复杂交通情况下或者驾驶员没有专注驾驶的情况下，交通标志往往被忽视了。因此，研究一套交通标示自动识别与提示系统就十分有必要。特别是随着智能交通理念的提出和无人驾驶技术的发展，人们要求汽车能够自己主动获取道路交通信息。本文针对交通警示标志进行了检测和识别。通过再HSV颜色空间下进行颜色分割，将交通标志候选区域提取出来，对候选区域进行进一步图像处理，甄别出交通警示标志的区域。本文采用了BP神经网络的方法来识别交通警示标志。首先将标准的交通警示标志作为模板，提取特征对神经网络进行训练，让神经网络记忆选用的交通标志的形状。本文还开发了一个交通警示信息语音提示的功能，事先建立交通警示标志牌、交通警示信息与交通警示提示语音的对应关系，在识别到交通警示标志的时候显示对应的警示信息并播放对应的语音提示。

车道线和交通标志检测源代码，基于QT开发，C++

交通标志数据集，包括62中不同类别的交通标志图片数据，已经分好了训练集和测试集，我常常用来跑分类和GAN的demo。

yolo标注格式，交通标志目标检测数据集Traffic Signs Dataset in YOLO format：prohibitory、danger、mandatory、other

机器人感知 该存储库展示了马里兰大学ENPM673课程中完成的项目。 本课程专门设计用于提供对机器人感知的见解，包括从最基本的主题（例如各种图像转换）到最新的算法（例如单眼视觉测距法）。 在本节中，将简要介绍本课程中完成的每个项目。 下面列出了本课程中完成的项目，请单击链接进入特定部分： 请注意，所有代码均已在MATLAB 2016b和MATLAB 2017a上进行了测试和运行。 还要注意，对于视觉里程表项目，您将需要Mathworks Inc.提供的MATLAB的Computer Vision工具箱。可以在找到。 增强现实 这是使用非常基本的概念（例如图像变换和单应性）来生成非常强大的结果（

交通标志

基于多尺度特征融合网络的交通标志检测_刘胜.pdf

167张透明PNG图标，包括指示标志、警告标志、禁令标志 参考标准：GB 5768[1].2-2009 道路交通标志和标线 第2部分：道路交通标志