带板检测的车辆速度估算 该项目的主要目标是使用深度学习和机器学习算法来识别超速车辆。 从视频中获取一系列图像后，使用Haar Cascade分类器检测卡车。 使用大量正负图像训练分类器模型，以制作XML文件。 接下来是跟踪车辆并借助其各自的位置，ppm（每米像素）和fps（每秒帧）来估计车辆的速度。 现在，已识别卡车的裁剪图像将被发送以进行车牌检测。 CCA（连接组件分析）有助于进行车牌检测和字符分割。 使用字符图像（20X20）对SVC模型进行训练，并且为了提高准确性，还完成了4次交叉折叠验证（机器学习）。 该模型有助于识别分段字符。 识别后，将卡车的计算出的速度及其车牌号一起输入到excel表中。 还为这些卡车分配了一些ID，以生成系统化的数据库。 要运行Speed_Detection _＆_ License_Plate_Detection.py，请按照以下步骤操作： 从此站点下载

UDS_14229_1

网络安全连接自动化车辆关键原则，264/5000 1.组织安全 2.安全风险估 3.机构产品事后检查/cav 系统设计原则 4.组织合作 5.系统防御6.软件安全 7.数据存储和传输 8.弹性设计系统

详细介绍电动汽车无线充电方法

2019版，矢量，高清，可复制，可检索，PDF，Road vehicles — Safety of the intended functionality，正式发布版本

ISO 26262-2018 Road vehicles-Functional safety 英文 全集 合并版

包含ISO 26262-1~12全部12份文件， 具体参见单个文件描述。

Global-Guide-to-Autonomous-Vehicles-2021（自动驾驶汽车2021年全球指南）.pdf

This edited volume includes thoroughly collected on sensing and control for autonomous vehicles. Guidance, navigation and motion control systems for autonomous vehicles are increasingly important in land-based, marine and aerial operations. Autonomous underwater vehicles may be used for pipeline inspection, light intervention work, underwater survey and collection of oceanographic/biological data. Autonomous unmanned aerial systems can be used in a large number of applications such as inspection, monitoring, data collection, surveillance, etc. At present, vehicles operate with limited autonomy and a minimum of intelligence. There is a growing interest for cooperative and coordinated multi-vehicle systems, real-time re-planning, robust autonomous navigation systems and robust autonomous control of vehicles. Unmanned vehicles with high levels of autonomy may be used for safe and efficient collection of environmental data, for assimilation of climate and environmental models and to complement global satellite systems. The target audience primarily comprises research experts in the field of control theory, but the book may also be beneficial for graduate students.

控制领域很大牛人写的书，搞控制的必看！Khac Duc Do • Jie Pan这两个人一定得知道的。