基于车路协同的营运车辆交叉口危险报警系统性能要求和测试规程

尽管最近人工智能等领域取得了很多的进展，但自动驾驶里的主要问题（不管是基础研究还是工程应用上的挑战）离完全被解决还有很大的距离。Erran Li将会探索自动驾驶所用的机器学习的基础，并讨论目前相关工作的进展。

1. IMT-2020（5G）推进组 - C-V2X白皮书 2. 下一代车联网创新研究报告（2019） 3. C-V2X 产业化路径和时间表研究 白皮书

2019年03月 尼尔森中国 汽车研究团队 发布的移动出行行业研究 中国移动出行的市场规模快速增长 移动出行业态的发展迅速且呈现新的变化趋势 汽车行业面临转型进阶，进入共享化移动出行阶段 汽车厂商积极介入移动出行市场，特别是分时租赁和网约车业务 移动出行市场潜力巨大，机遇与变数共存 移动出行相关的政策与标准环境正趋于规范 十三五交通基础设施和信息化建设将推动移动出行 城市间人口流动数量和出行频率可望进一步提升 综述：中国移动出行市场的长期机遇大于短期风险

谷歌自动驾驶无人车安全报告，通往完全自动驾驶之路。谷歌全方位自曝Waymo无人车技术方案。waymo无人车安全报告.pdf

Streamlit演示：Udacity自动驾驶汽车图像浏览器 该项目将和演示到交互式应用程序中。 完整的演示并说明了Streamlit的所有主要构建块。 如何运行这个演示 pip install --upgrade streamlit opencv-python streamlit run https://raw.githubusercontent.com/streamlit/demo-self-driving/master/streamlit_app.py 问题？ 注释？ 请在提问。

线性跟驰模型的matlab代码无味卡尔曼过滤器项目 无人驾驶汽车工程师纳米学位课程 阿图尔·阿查里亚（Atul Acharya） 结果 无味卡尔曼滤波器（UKF）是常规扩展卡尔曼滤波器（EKF）的扩展。 UKF允许使用非线性模型（与EKF不同，后者假定为恒定速度模型）。 UKF允许： 恒定转速和速度（CTRV） 恒定转速和加速度（CTRA） 恒定的转向角和速度（CSAV） 恒定曲率和加速度（CCA） 该项目在给定的数据集上假设CTRV运动模型。 为了处理非线性模型，UKF通过无味转换进行工作。 在Predict阶段，它首先生成Sigma点，对其进行扩充，然后预测平均状态向量和过程协方差矩阵。 在更新阶段，将sigma点转换为测量空间，然后基于传感器（雷达/激光雷达）的测量值应用更新，以获取状态向量和过程协方差矩阵的新值。 UKF项目的结果如下所示。 还显示了UKF参数，以及每个数据集的结果RMSE值。 选择UKF参数以在所需范围内优化RMSE。 在数据集1上，[px，py，vx，vy]值的RMSE值在所需的[0.09、0.09、0.65、0.65]范围内 在数据集2上，[px，py，v

基于模糊神经元网络的智能车辆个性自动驾驶系统的设计与实现rar,模糊神经元网络 智能车辆 智能交通系统 自动车辆驾驶

自动驾驶关键技术思维导图。包含（环境感知、精准定位....）

目标追踪-雷达-激光雷达数据，已转换成.mat格式