目标跟踪系列-融合-2. 多源传感器的空间配准

依据车辆编号将US101中的数据进行整合，筛选车道保持的车辆信息，每个sheet都是一个车道保持车辆的全部时刻的信息，适合于做轨迹规划，预测和分析决策的同学，信息全面，价格低廉

依据车辆编号将US101中的数据进行整合，筛选发生换道行为的车辆及其周围（主要是目标/旁边车道的前后方车辆）信息，每一个车辆整理为一个excel，每一个excel包括多个sheet，每一个sheet都是一个时刻的本车和周围车辆的全部信息，信息全面，价格低廉，适合与做无人驾驶相关的决策规划，轨迹分析预测等同学！

对文章《A COMPREHENSIVE REVIEW OF YOLO: FROM YOLOV1 AND BEYOND》进行了翻译和注释，方便做论文、或者研究YOLO技术参考用。实时物体检测已经成为众多邻域应用的关键组成部分，这些领域包括：自动驾驶车辆、机器人、视频监控和增强现实等。在众多物体检测算法中，近年来，YOLO（You Only Look Once）框架以其卓越的速度和准确性脱颖而出，实际证明能够快速可靠地识别图像中的物体。自诞生以来，YOLO经过了多次迭代，每个版本都在前一版本的基础上进行改进，不断在提高性能，截至本文发稿，YOLO框架从V1已经更新到了v8。作为机器视觉技术应用的我们，有必要对YOLO的技术演进进行系统了解，熟悉YOLO每个版本之间的关键创新、差异和改进（如网络设计、损失函数修改、锚框适应和输入分辨率缩放等）。从而更好地把握YOLO的技术发展主脉搏，更好地选择应用相关的视觉识别技术。

(1)针对自动驾驶拟人化决策需要识别驾驶风格的需求， 基于客观驾驶数据和主观问卷分析了驾驶风格，提出了 种驾驶风格分类模型。 (2)针对驾驶员对驾驶安全性、舒适性和行车效率的需求， 分别基千深度Q网络(Deep Q Network, DQN)和优势演员评论家(Advantage Actor Criti c, A2C)两种深度强化学习算法建立了决策模型。 (3)针对当前自动驾驶决策不够拟人化的问题，基千表现更好的DQN决策模型提出了一种结合驾驶风格的拟人化决策模型。

开发环境： Pycharm + Python3.6 + 卷积神经网络算法 基于人脸表面特征的疲劳检测，主要分为三个部分，打哈欠、眨眼、点头。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。 视觉疲劳检测原理：因为人在疲倦时大概会产生两种状态： 眨眼：正常人的眼睛每分钟大约要眨动10-15次，每次眨眼大概0.2-0.4秒，如果疲倦时眨眼次数会增多，速度也会变慢。打哈欠：此时嘴会长大而且会保持一定的状态。因此检测人是否疲劳可以从眼睛的开合度，眨眼频率，以及嘴巴张合程度来判断一个人是否疲劳。 检测工具 dlib ：一个很经典的用于图像处理的开源库，shape_predictor_68_face_landmarks.dat是一个用于人脸68个关键点检测的dat模型库，使用这个模型库可以很方便地进行人脸检测，并进行简单的应用。 眨眼计算原理： （1） 计算眼睛的宽高比 基本原理：计算 眼睛长宽比 Eye Aspect Ratio，EAR.当人眼睁开时，EAR

电动汽车模型的各模块的Simulink模型，包括驾驶员模块，整车控制器模块，电机模块，变速器模块，主减速器模块，车轮模块，车速模块以及BMS模块。 附有说明文档，文档详细的描述了模型的建模过程及功能 电动汽车模型的Simulink模型包含多个模块，其中包括驾驶员模块，整车控制器模块，电机模块，变速器模块，主减速器模块，车轮模块，车速模块以及BMS模块。这些模块通过Simulink软件进行建模，并用于仿真和控制电动汽车的行为。 在电动汽车模型中，驾驶员模块负责接收驾驶员的指令和输入，并将其转化为相应的控制信号。整车控制器模块则负责协调各个模块之间的通信和控制策略。 电机模块是电动汽车的关键组成部分，它控制电动机的运行，包括速度和扭矩控制等。变速器模块用于改变电力传输的效率和转速比，以适应不同的驾驶情况。 主减速器模块负责将电机的高速旋转转换为合适的车轮转速，并提供适当的力矩输出。车轮模块用于模拟车辆与地面的接触，以确定牵引力和滚动阻力等参数。 车速模块监测车辆的实时速度，并与其他模块进行通信以实现精确的速度控制。最后，BMS模块（电池管理系统）负责监测和管理电动汽车的电池状态，

T_ITS 0085-2018智能驾驶电子地图数据模型与交换格式第2部分 普通道路.pdf

700M咨询报告，超值！！！

驾驶模拟系统是一个宿迁智鼎信息技术有限公司开发的驾驶模拟软件，它能够提供理论教学、视频教程、驾驶训练、自由驾驶、交通安全五大教学模块，让新手学院开始掌握基础驾驶技巧。