mooc大学中无人驾驶车辆课程的的第7章练习代码

Python中的实用自主项目 车道检测 交通标志识别 I.加载带有标签的完整数据集 二。 将图像大小转换为32x32 三， 建立卷积神经网络 IV。 训练模型 五，使用网站上的图片进行测试 样本图片 图片尺寸为32x32（RGB） 图片尺寸为32x32（HSV） 样品输出 标签 ＃ 标签名 softmax概率 14 停 0.998944 33 向右转 0.000532 29 自行车穿越 0.000311 34 向左转 0.000118 36 直走或右走 0.000095

7 智能驾驶最全、最强的无人驾驶技术学习路线.docx

面向本科生的人工智能知识前沿讲座，介绍人工之智能的前沿相关技术。

为了解决电动汽车的车载电池体积大和里程焦虑等问题，加速电动汽车的推广应用，动态无线充电系统（DWCS）应运而生。介绍了电动汽车智能DWCS的基本框架，从电路结构及系统建模、电动汽车定位、DWCS的控制策略以及与智能电网的相互影响等方面详细阐述了国内外学者在 DWCS 方面的研究工作，然后从系统结构及优化、与无人驾驶技术的融合以及电网和交通网的协同优化策略等方面对电动汽车智能 DWCS 未来的研究方向和发展趋势进行了展望。

使用激光雷达点云构建无人驾驶高精地图 高清 720P

自主车辆建模--第四部分：在Simulink中实现一个简单的车辆横向运动 这是我们关于在Simulink中从头开始开发车辆仿真环境的介绍性视频的第四部。我们使用简单的模型，逐步实现更复杂的算法和控制器。在这段视频中，我们向您展示如何在Simulink中为我们的车辆模型实现一个简单的横向运动。以后，我们会不断地用新的驾驶模式和变道行为来更新这个模型。我们希望你能从中学到一些东西，并享受这个视频系列。 自主车辆建模 - 第一部分。从零开始在Simulink中开发一个车辆模型 这是我们关于在Simulink中从零开始开发车辆仿真环境的介绍性视频的第一段。我们使用简单的模型，逐步实现更复杂的算法和控制器。我们希望你能学习并喜欢这个系列视频。 自主车辆建模 - 第二部分：在Simulink中使用自适应巡航控制块 这是我们关于在Simulink中从头开始开发车辆仿真环境的介绍性视频的第二段。我们使用简单的模型，逐步实现更复杂的算法和控制器。在这个视频中，我们向你展示如何使用MPC控制器来设计一个自适应巡航控制系统，就像MathWorks的参考例子一样。稍后，我们将在接下来的视频中添加不同的

路沿检测是矿区无人驾驶的关键技术之一，所得路沿信息可用于辅助无人矿车的感知、规划和定位。 准确的路沿检测与路沿图构建同时也是高精地图构建中的首要步骤，通过机器学的方法可以在现有路沿点的基础上初步构建道路结构拓扑。 与传统的卡尔曼框架下的路沿跟踪所不同的是，本文提出了基于占用栅格思想的路沿跟踪方案。 

【干货】宽光谱带及动态多功能成像传感器让汽车运输更安全（英文）

交通信号红绿黄灯 全程驾驶收集 来源于欧洲街道 可快速用于测试模型，包含txt标注 适用于无人驾驶 图像分类 机器学习