基于ResUnet模型的Keras道路检测图像分割 该项目旨在借助ResUnet图像分割模型来检测和提取卫星图像中的道路。 ResUnet模型的所有代码都是用Jupyter笔记本编写的，C ++代码用于准备训练过程的数据集，一个python文件用于去除二值化蒙版中的噪声。 图书馆 凯拉斯 皮尔 脾气暴躁的 OpenCV H5py Matplotlib 模型 RESUNET是指深度残留UNET。 这是Zhengxin Zhang等人开发的编码器-解码器体系结构。 用于语义分割。 研究人员采用了它的多种应用，例如息肉分割，脑肿瘤分割，人像分割等等。 RESUNET是一个全卷积神经网络，旨在通过较少的参数获得高性能。 它是对现有UNET体系结构的改进。 RESUNET充分利用了UNET架构和Deep Residual Learning的优势。 数据集 可以通过以下链接下载数据集： :

语义分割 介绍 该项目旨在使用完全卷积网络（FCN）标记图像的像素（也称为语义分割）。 它使用VGG-16实现转移学习并提取layer7的输出，然后使用1x1卷积，随后是几个转置的卷积层，并与跳过连接相结合以进行升采样。 网络架构如下： 设置 显卡 请确保您已启用Tensorflow GPU。 如果您的系统上没有GPU，则可以使用AWS或其他云计算平台。 该项目使用 。 框架和包装 确保已安装以下设备： 数据集 从下载。 将数据集提取到data文件夹中。 这将创建文件夹data_semantics其中包含所有培训的测试图像。 标签格式 名称ID类别'未标记'，0，'无效' '自我车辆'，1，'无效' '校正边界'，2，'无效' '超出投资回报率'，3，'无效' '静态'，4，'无效' '动态'，5，'无效' 'ground'，6，'void' '道路'，7，'地面' 人行道，8，地面'停车

ISO 11452(1-11) Road vehicles — Component test methods for electrical disturbances from narrowband radiated electromagnetic energy - 完整英文版（1-11共10份文件）.7z

ISO 26262 series(1-12) Road vehicles — Functional safety -完整英文版（1-12共全部12份文件）.7z

ISO 15118 Series Road vehicles - Vehicle to grid communication interface（1-8共6份文件）.7z

workshops STRENGTHENING ROAD SAFETY LEGISLATION.pdf

该数据集包含4个不同类别的877张图像，用于道路标志检测。 Road Sign Detection_datasets.txt Road Sign Detection.zip

ROAD_MODEL_FUSION 用于AD / ADAS功能的道路模型融合 0.简介：- 我们在自驾车前安装了一系列摄像头传感器，用于ADAS / AD应用。该项目的目标是估算包括Ego Lane几何图形和Road Grid在内的道路模型 图1 ：（输入）测量值：自我通道边界相机的检测以类波峰参数的形式出现 1.估算输出： 1.1道路模型（自我车道边界线融合+道路几何+道路网格）：- 2.高级设计： 2.1到线迹关联的线测量以进行自我车道边界估计：- 2.2自我通道中线估计：- 2.3道路模型计算： 3.高级融合架构： 4.道路网格参数化：

基于谐波叠加组分相位角相干性的考虑轮辙相干性的路面不平度生成程序

ODX(Open Diagnostic Data Exchange)是一种开放式的诊断数据格式标准，用于描述与诊断相关的ECU数据。 PDX（Packaged ODX）格式允许将多个ODX文件压缩到一个存档中（例如ZIP文件）。 压缩包包含3个文件： ISO 22901-1-Part 1：Data model specification-2008.11 ISO 22901-2-Part 2：Emissions-related diagnostic data-2011.07 ISO 22901-3-Part 3：Fault symptom exchange description-2018.02