智能驾驶场景开发软件，一般和CarSim联合，在智能驾驶、高级辅助驾驶方面很有优势。其感知模型是非常不错的，欢迎学习

4.2 语义场景标注的点集分割 为了验证我们的方法适用于大规模点云分析，我们还评估了语义场景标记 任务。 目标是预测室内扫描中点的语义对象标签。 [5]在体素扫描上使用 完全卷积神经网络提供基线。 它们纯粹依赖于扫描几何体而不是 RGB 信 息，并以每个体素为基础报告精度。 为了进行公平的比较，我们在所有 实验中删除了 RGB 信息，并在[5]之后将点云标签预测转换为体素标签。 我们还与[20]进行了比较。 在图 5（蓝色条）中以每个体素为基础报告准 确度。 我们的方法大大优于所有基线方法。 与在体素扫描中学习的[5]相比，我 们直接学习点云以避免额外的量化误差，并进行数据相关采样以允许更有 效的学习。 与[20]相比，我们的方法引入了分层特征学习并捕获不同尺度 的几何特征。 这对于理解多个级别的场景和标记各种大小的对象非常重 要。 我们将示例场景标记结果可视化为图 6。

常规网上的联合仿真教程仅仅使用prescan自带的demo，但是这样无法使读者完全学会联合仿真，因此作者本人手动建立了一个carsim，prescan，simulink 联合仿真的列子，并总结了联合仿真过程中出现的问题，以及解决办法

适合初学者； prescan教学视频，及ACC模型搭建视频，以及配套模型

适合AEB初学者，本资源是采用Prescan和Matlab联合仿真，有视频及配套的模型。 视频链接失效可通过压缩文件里面的联系方式找到我

prescan帮助文档官方 prescan帮助文档官方 prescan帮助文档官方

基于prescan的aeb系统纵向避撞算法及仿真验证.pdf

官方教程，适用于Prescan初学者与进阶者。

在PreScan中基于预瞄算法+PD控制，(附带PreScan完整工程以及帮助文档一份，包学会)实现车辆的自动车道保持。后续通过修改预瞄误差，可以实现PreScan中的路径跟踪

Carsim，Prescan联合simulink仿真设置