无人驾驶车辆模型预测控制+自动驾驶智能汽车：理论，算法和实现+无人驾驶高精地图 自动驾驶的必由之路

为了提高无人驾驶车辆的轨迹跟随性精度和实时性，针对无人驾驶车辆规避障碍物的路径规划问题，本文提出了一种基于轨迹重规划的无人车避障模型预测控制算法。利用车载传感器获得障碍物和参考路径信息，通过轨迹重规划控制器规划出规避障碍物的期望路径， 并将重规划的期望路径信息输入到模型预测控制器，控制输出前轮转角，通过方向盘主动转向实现避障的同时，实现对参考路径的跟踪；最后，利用 CarSim 和 Simulink 建立轨迹重规划和轨迹跟踪的闭环控制系统仿真平台，并以双移线工况为例，进行了仿真验证。结果表明该方法能够在不同车速下实现对障碍物可靠规避的同时，实现对参考路径的稳定跟踪。

代码介绍了无人驾驶方法的主要控制方法，具体是结合车辆动力学软件CarSim和Matlab联合仿真，分别包括整车模型和魔术轮胎的建立、基于动力学无人驾驶车辆路径跟踪、基于运动学无人驾驶路径跟踪、基于轨迹重规划的无人驾驶车辆避障控制等！！

基于模型预测控制设计的无人驾驶车辆轨迹跟踪问题，内附有MATLAB程序与详细的建模过程，研究车辆转向的同学可以作为参考

《无人驾驶车辆 模型预测控制》随书Carsim和MATLAB代码。本书主要介绍模型预测控制理论与方法在无人驾驶车辆路径规划与跟踪控制方面的基础应用技术。由于模型预测控制理论数学抽象特点明显，初涉者往往需要较长时间的探索才能真正理解和掌握，进一步应用到具体研究，则需要更长的过程。本书详细介绍了应用模型.

无人驾驶汽车的路径识别算法研究, 帮助理解视觉与深度学习

基于多特征融合的动态障碍物检测跟踪方法、基于时空特征向量的动态障碍物识别方法和基于驾驶行为意图检测的动态车辆轨迹预测方法，从而实现更加安全、合理和准确的动态障碍物避撞

神经网络入门代码，keras实现，MNIST数据集识别，详情见博客：http://blog.csdn.net/adamshan/article/details/79004784

基于深度前馈网络的交通信号识别完整代码，keras框架实现，详情见博客：http://blog.csdn.net/adamshan/article/details/79127573

详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法，结合运动规划与跟踪实例详细说明了预测模型建立、方法优化、约束处理和反馈校正的方法，给出了Matlab仿真代码和详细图解仿真步骤。