包含了MATLAB车道线识别的m程序，用于从视频流识别车道线，可调整相关参数。同时包含了四个车道线识别的视频，可用于车道线识别的测试。

基于深度强化学习的无人驾驶车道保持决策的研究_方川.caj

改进的人工势场法智能汽车避障及车道保持研究_王赛赛.caj

matlab建立汽车模型代码迷你自动驾驶 MAD MAD 是一项 1:24 比例的自动驾驶汽车实验室实验。 请访问视频和更多信息。 MAD 应用于德国海尔布隆大学的教学和研究。 MAD 在海尔布隆的 Bundesgartenschau BUGA 2019 上展出。 该存储库包含 C++14/ROS 或 MATLAB(R)/Simulink(R)/Stateflow(R) 中自动驾驶汽车软件功能的基于模型工程的模板文件。 MAD 在 Linux 上的 ROS 或 ROS2 上运行，有或没有 Preempt-RT 或在 MATLAB/Simulink/Stateflow 中虚拟运行。 联系 frank.traenkle(at)hs-heilbronn.de 获取课程材料/教程为了学习如何在ROS/C++14/MATLAB/Simulink/Stateflow中开发自动驾驶汽车的仿真模型和软件功能。 疯狂的特点 1:24比例自动驾驶 在 C++14 或 MATLAB/Simulink/Stateflow 中对自动驾驶汽车的软件功能进行基于模型的工程 MATLAB/Simulink/State

论文阅读笔记Vanishing Point Constrained Lane Detection With a Stereo Camera (IEEE 2017)

本文档是智能驾驶行业摄像头传感器巨头MOBILEYE关于其智能车速辅助系统，车道保持辅助系统和AEB技术介绍，欢迎下载

本篇文章是在学习C++的时候做的小项目，对目前的方法进行了稍微的改动，效果还可以。目前车道线检测方面的方法主要包括：基于Hough变换、基于透视变换、基于机器学习和深度学习。其中第一种方法是根据车道线与周围环境的物理特征差异进行图像的处理，从而检测到车道线，该方法复杂度较低，实时性较高，但易受到道路环境的干扰，而且Hough变换的直线检测特质导致了该方法在道路曲率较大时的检测误差较大。本文是利用c++和Hough变换实现对车道线的检测。

Python语言；代码包括有原始图像确定ROI；对前方道路的透视变换；边缘检测（采用sobel采用 x 方向的索贝尔算子）;在RGB色彩空间中对黄白两种颜色进行过滤从而提取出车道线的像素；HLS阈值化处理；组合梯度和色彩过滤车道线像素；滑窗多项式拟合车道线；拟合曲线使用透视变换还原到原视角。

利用opencv开发的车道检测和车辆识别代码，包含源代码、目的代码、演示视频。

自主寻迹 （RTK-GPS、3D SLAM、车道线生长算法、二 次打舵、转向参考行、调速参考行、三段式调 速）合理避障 （精细化地图、CUDA、DNN、PCL、ICP） 四大改造 转向、制动、油门、换挡 CAN协议、转矩传感、制动总泵、轮速传感、 档杆、加速踏板、AMT（注意细节：退出机制、 风机与大灯的独立供电）