JTT 809-2011 道路运输车辆卫星定位系统平台数据交换 两客一危。

1.综述 UDS。 UDS本质上是一系列的服务，共包含6大类26种。每种服务都有自己独立的ID，即SID。其中最重要的7服务：第一个：$10(诊断会话控制服务）第二个：$27(安全访问服务 Security Access)第三个：$3E （待机握手 Tester Present）第四个：$22（读数据 Read Data By Identifier）第五个：$2E （写数据 Write Data By Identifier）第六个：$14 Clear Diagnostic Information（清除诊断信息）第七个：$19 （读取诊断故障代码信息服务 Read DTC Information）

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中，为解决单一直线模型无法预估道路曲率，而曲线拟合方法计算量大等问题，应用车道线直线模型，提出了一种基于远端直线拟合的弯道曲率估计方法，其特征在于车道线仍使用全局直线描述，估计曲率时对远端候选点进行直线拟合．由于保证了较多的候选点数量且使用Hough变换检测直线，以及利用跟踪、滤波等方法，算法在保证车道线检测鲁棒性的同时，基于远端直线拟合方法实现了对弯道曲率的相对定量估计．采用装有全球定位系统(GPS)的实车试验进行验证，结果表明：所提方法在增

主要用于遥感图像道路信息提取，能得到很好的效果。

ce

matlab精度检验代码道路故障识别（DeepSegmentor） 2020年论文的DeepCrack和RoadNet项目的Pytorch实施。 1，数据集 2.安装 我们通过系统提供了一种用户友好的配置方法，您可以使用以下命令创建一个新的Conda环境： conda env create -f environment.yml 3.平衡权重 我们使用以下命令来遵循该方法： python3 ./tools/calculate_weights.py --data_path 4.培训 培训之前，请下载数据集并将其复制到文件夹datasets 。 探伤 sh ./scripts/train_deepcrack.sh 道路检测 sh ./scripts/train_roadnet.sh 我们在这里提供我们的预训练模型： 模型 Google云端硬碟 深裂 道路网 5，测试 探伤 sh ./scripts/test_deepcrack.sh 图像 地面真相 GF 融合的 侧边1 第2边 侧面3 侧面4

深度学习通过训练样本进行特征识别,已经被广泛应用于道路提取领域。该方法不局限于特定类型的影像,但是受训练样本数量和计算机硬件的限制,所提取的道路会有断裂和噪声。针对上述问题,使用VGG卷积神经网络对道路进行初步提取后引入张量投票方法进行优化处理。首先通过影像变换、随机裁剪、过采样等方法对样本进行多模式扩充,进而训练VGG卷积神经网络模型;其次利用该网络从原始影像中初步分割道路面,接着对道路面的二值影像进行张量投票获取道路的显著性信息;最后在特征提取时针对显著性信息加入阈值获取道路面。实验结果表明,所提方法提取道路的召回率与正确率均达90%以上,与其他传统方法相比具有更高的精度,验证了所提方法的有效性。

语义分割【道路裂缝数据集】，适用于语义分割道路裂缝分割，纯手工标注。原图共120张图片，标注后的json文件共120个。博主也用此数据集训练过，精度能够在80以上，精度算是挺不错的，资源免费开放下载，希望能帮到大家。

该数据时间序列为2014年-2022年，该数据从2014年至2022年数据的丰富程度再不断优化。折线数量从4万条左右到20多万条，文件大小也从100兆左右到2G多。这里的道路要素总共分为两个图层文件，一个是各级道路另外是铁路，另外道路数据进行了严格的分级，从高速公路国道到省道市道及乡道县道，并且包含人行道自行车到，非常详细，欢迎下载研究。2014年至2022年各级道路矢量数据

道路分割 客观的 在自动驾驶的情况下，给定前摄像头视图，汽车需要知道道路在哪里。 在这个项目中，我们训练了神经网络，通过使用一种称为完全卷积网络（FCN）的方法来标记图像中道路的像素。 在此项目中，使用KITTI数据集实施FCN-VGG16并对其进行了培训，以进行道路分割。 演示版 （单击以查看完整的视频） 1代码和文件 1.1我的项目包括以下文件和文件夹 是演示的主要代码 包含单元测试 包含一些帮助程序功能 是带有GPU和Python3.5的环境文件 文件夹包含KITTI道路数据，VGG模型和源图像。 文件夹用于保存训练后的模型 文件夹包含测试数据的细分示例 1.2依赖关系和我的环境 Miniconda用于管理我的。 Python3.5，tensorflow-gpu，CUDA8，Numpy，SciPy 操作系统：Ubuntu 16.04 CPU：Intel:registered:Core:trade_mark:i7-68