道路交通matlab代码自动驾驶车辆的交互感知概率框架，用于预测交通参与者的行为和驾驶策略 这项工作为自动驾驶汽车的交互感知行为预测框架提供了概念证明，该框架不仅可以预测交通参与者的行为，而且可以对可以与之相关的驾驶策略进行分类。 这项工作是随后的博士学位论文的一部分。 标题：实现长期预测的交通参与者行为表征的概率框架 摘要：这项研究旨在开发预测人类交通参与者行为的新方法，从而在复杂的交通环境中实现自动驾驶汽车的安全运行。 至少在接下来的几十年中，自动驾驶汽车有望在交通中由人类驾驶的传统汽车中运行。 为了安全导航，他们将需要使用外部可观察的信息来推断交通参与者的意图和行为。 这样做有助于在一段足够长的时间范围内预测其轨迹，以分析即将发生的风险并优雅地避免任何风险情况。 这项工作通过认识到人类驾驶员执行的任何操纵都可以分为四个阶段来完成上述挑战，这些阶段取决于周围的环境：意图确定，操纵准备，差距接受和操纵执行。 它基于以下假设：对于给定的驾驶员，行为不仅跨越这四个操纵阶段，而且跨越多个操纵。 结果，在任何这些阶段中识别驾驶员的行为可以帮助表征驾驶员可能执行的所有后续操作的性质，从而在更长

MATLAB汽车违章检测系统，驾驶汽车抽烟，打电话 ，闯红灯，压线等等均可开发。非中介，实力技术介入。

龚建伟教授-无人驾驶车辆模型预测控制

这是一个基于STM32的智能小车下位机（底盘控制器），兼容ROS操作系统，和cartographer项目的上位机进行适配，上位机通过STM32虚拟串口与下位机透传，波特率自适应不丢包。支持一路SBUS接收机、一路GPS、一路IMU、一路编码器，支持速度闭环控制、方向控制、路径规划自动驾驶(基于GPS、测试中)、颠簸路况补偿。支持上传GPS/IMU等信息并加入时间戳供上位机使用和参考。

自驾车自动驾驶系统的体系结构一般分为感知系统和决策系统。感知系统一般分为许多子系统，负责自动驾驶汽车定位、静态障碍物测绘、移动障碍物检测与跟踪、道路测绘、交通信号检测与识别等任务。决策系统通常被划分为许多子系统，负责诸如路径规划、路径规划、行为选择、运动规划和控制等任务。 这一部分概述了自动驾驶汽车自动化系统的典型体系结构，并对感知系统、决策系统及其子系统的职责进行了评述。 下图显示了自动驾驶汽车系统的典型架构框图，其中感知和决策系统显示为不同颜色的模块集合。感知系统负责使用车载

无人驾驶车辆模型预测控制第2版书籍的代码 ，有些章节未验证

三、车载智能计算平台关键技术发展现状 作为智能网联汽车电子电气架构的核心，车载智能计算平台涉及 算力、算法等方面的众多关键技术。与此同时，覆盖其全生命周期的 安全防护体系以及从零部件到整车的测试评价体系为其提供辅助支 撑。车载智能计算平台的技术框架如图 3-1 所示。 图 3-1 车载智能计算平台的技术框架图 算力方面，涉及芯片、操作系统、驱动、安全管理、存储管理和 错误管理。算法方面，主要包括环境感知、智能规划决策和控制等功 能模块。其中重点关注 AI 芯片，目前主要用于加速计算，为车载智 能计算平台提供算力支持。操作系统方面，车载智能计算平台涉及自 动驾驶操作系统和车控操作系统。为了提升自动驾驶环境感知性能， 车载智能计算平台还应该具备实时动态的高精度定位和高带宽低时 延的网络通信能力。随着车载智能计算平台集成方案的改变以及功能 的增加，其安全防护体系和测试评价体系所涵盖的内容也在不断拓展。

TI自动驾驶安装包，mmwave_automotive_toolbox_2_4_2，包含短距，中距，长距，需使用TI的IDE

20210820-中信证券-科技先锋系列报告226：特斯拉AI日，自动驾驶，Dojo高性能计算，人形机器人.pdf

自动驾驶课程资料和技术文档