颜色分类leetcode 使用 YOLOv3 对象检测器的汽车颜色分类示例 介绍 使用 . 它由用于查找汽车的目标检测器和用于识别检测到的汽车颜色的分类器组成。 对象检测器是 YOLOv3（OpenCV DNN 后端）的实现。 它不使用 GPU，在 Intel Core i5-7600 CPU 上处理一帧需要 1 秒。 YOLOv3 权重是从 . 分类器基于 Mobilenet v2（TensorFlow 后端）。 在 Intel Core i5-7600 CPU 上进行单一分类需要 35 毫秒。 它可以通过在 GPU 上运行和使用批处理来进一步加速。 这个分类器还不够准确，用作概念验证演示。 图像中的物体检测和分类 此示例将图像作为输入，使用 YOLOv3 对象检测器检测汽车，裁剪汽车图像，在保持纵横比的情况下使它们成为正方形，将它们调整为分类器的输入大小，并识别每辆车的颜色。 结果显示在显示屏上并保存为 output.jpg 图像文件。 用法 使用 --help 查看 car_color_classifier_yolo3.py 的用法： $ python car_color_cla

车辆car目标检测 yolov5 车辆检测数据集， 类别名：car； VOCtrainva2012数据集 提取得到，标签类别：txt和 xml两种

92全系可用 U盘 需要清空别的文件 直接升级 车机软件会保留

1、YOLOv5行人车辆目标检测结果 2、行人车辆目标检测结果，包含700多张检测好的图片，并保存了检测结果坐标值在txt文件中 3、classes: person、car

大数据作业资源car.txt，是从Linux系统中导出来的，方便在本机上直接进行操作，仅作参考使用，文件中的数据来源于网络

Car Hacker's Handbook汽车黑客手册（英文版）

SIMPack资料，含车体、转向架、轮对等各类模型。

ADAMS/CAR软件介绍 ADAMS/CAR是MSC公司与Audi、BMW、Renault和Volvo等公司合作开发的整车设计软件包，集成了它们在汽车设计、开发等方面的经验。 ADAMS/Car是一种基于模板的建模和仿真工具，大大加速和简化了建模的步骤。用户只需在模板中输入必要的数据，就可以快速建造包括车身、悬架、传动系统、发动机、转向机构、制动系统等在内的高精度的整车虚拟样机，并进行仿真。 通过高速动画直观地显示在各种试验工况下整车动力学响应，并输出标志操纵稳定性、制动性、乘坐舒适性和安全性的特征参数，从而减少对物理样机的依赖。

无人驾驶汽车项目 我使用开源模拟器完成了多个自动驾驶汽车（AV）项目。 这些项目涵盖了从控制，状态估计，定位，感知到运动计划的视音频领域。 控制器使用CARLA模拟环境在跑道上导航自动驾驶汽车。 误差状态扩展卡尔曼滤波器，可使用CARLA模拟器中的数据对车辆进行定位。 名称待定 识别场景中对象的边界框并定义可驱动曲面的边界的算法。 名称待定 分层运动计划程序，用于在CARLA模拟器中的一系列场景中导航，包括避免将车停在车道上，跟着领先车辆行驶并安全地导航十字路口。 安装CARLA 的Ubuntu 下载并按照。 视窗 下载版并按照。

覆盆子车 基于树莓派4B从零开始制作树莓派小车 这个库包含了完整的小车控制程序（car.py），以及基于树莓派4B从零开始制作树莓派小车的详细步骤方法。 制作小车文章地址： ://huoyijie.cn/article/3b8281b1e8aa6a1d8bc6718a4256b141/ 写在最后 对于想上手树莓派的同学来说，小车项目非常合适。笔者其实还想再尝试一些有趣的功能，可以结合语音识别做语音控制小车，语音合成让小车播报“导航”，自动避障，摄像头物体识别等，但是这些都需要一些算法方面的储备，有些也许可以通过调用大厂的API来实现，还需要一点儿时间再研究一下。现在手机和树莓派是通过经典蓝牙RFCOMM协议，一个是相对耗电量大，另一个在手机端也没有蓝牙BLE支持的好，所以是可以考虑用小程序写一个支持蓝牙BLE的遥控程序。 回看制作小车的过程，当初遇到的一些问题实际上都算不上困难解决。网上