技术规范 7.2 标准和认证 ET 200SP 分布式 I/O 系统 22 产品信息, 07/2013, A5E32291875-AA 7.2 标准和认证 CE 标志 ET 200SP F 分布式 I/O 系统满足下列 EC 指令的要求和安全目标并且符合欧共体官方公报所刊载的用于可编程逻辑控制器的欧洲协 调标准 (EN) ： ● 2006/42/EC“机器指令”（机器指令） ● 2006/95/EC“在一定的电压限制内使用的电气设备”（低电压指令） ● 2004/108/EC“电磁兼容性”（EMC 指令） ● 94/9/EC“专门用于在潜在爆炸环境中使用的设备和防护系统”（防爆指令） 可从以下相关机构获得 EC 符合性声明： Siemens Aktiengesellschaft Industry Sector I IA AS FA DH AMB PO Box 1963 D-92209 Amberg, Germany 也可以使用关键字“Declaration of Conformity”，在“客户支持”网页上下载这些声明。

dsp课程设计-无人驾驶车用激光标定螳螂防撞算法的仿真.doc

无人驾驶第一本无人驾驶技术书资源——PDF和WORD版本资源！

内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf内部机密！！卷积神经网络在无人驾驶感知技术上的应用_刘新磊.pdf

龚建伟教授-无人驾驶车辆模型预测控制

无人驾驶车辆模型预测控制第2版书籍的代码 ，有些章节未验证

机器人-无人驾驶（浙江版）高级.可以用无比赛

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）