无人驾驶的感知部分作为计算机视觉的领域范围，也不可避免地成为CNN发挥作用的舞台。本文是无人驾驶技术系列的第八篇，深入介绍CNN（卷积神经网络）在无人驾驶3D感知与物体检测中的应用。卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种适合使用在连续值输入信号上的深度神经网络，比如声音、图像和视频。它的历史可以回溯到1968年，Hubel和Wiesel在动物视觉皮层细胞中发现的对输入图案的方向选择性和平移不变性，这个工作为他们赢得了诺贝尔奖。时间推进到上世纪80年代，随着神经网络研究的深入，研究人员发现对图片输入做卷积操作和生物视觉中的神经元接受局部receptiv

修正了错误；增加了注释；还增加了一条更复杂的参考轨迹

内容：基于双轮差速运动学模型，建立预测模型并离散化，线性化，通过模型预测控制（mpc)实现双轮差速小车对给定轨迹的跟踪。 实现方式：matlab脚本函数（注意：非simulink方式）

FSSIM是一款专为Formula Student无人驾驶比赛而设的车辆模拟器

光流法实现无人驾驶前方目标识别与目标追踪，用MATLAB编写

CV：无人驾驶汽车中涉及的计算机视觉技术简介 计算机视觉.pdf

【深度学习计算机视觉实战】无人驾驶中的车道线检测 计算机视觉.pdf

基于模型预测控制设计的无人驾驶车辆轨迹跟踪问题，资料包含matlab程序与详细的建模过程，研究车辆转向的同学可以作为参考。 车辆在地面运动的动力学过程是非常复杂的，为了尽量描述车辆运动，需要建立复杂的微分方程组，并用多个状态变量来描述其运动。用于模型预测控制的模型只要能够表现出车辆运动学与动力学约束，就可以使模型预测控制器实现预定控制目的。本文通过建立能够尽量准确反映车辆运动特性，并且有利于模型预测控制器设计的简化车辆运动学模型。在此基础上，对建立的模型进行验证。

适合路径规划相关科研工作者、无人驾驶工程师等学习。

AUV,UUV,ROV-PPT-OceanScan_LAUV.pdf