Hybridnets:多任务端到端感知网络 目标检测+可行驶区域+车道线检测
2022-08-22 20:06:07
203.7MB
1
基于pytorch的深度学习车道线检测模型
包含py文件和一些处理方法，可自行更改作学习研究使用
自己跑过效果还不错，检测精度非常高
具体的使用方法已经在readme写清楚了
下载即可使用
2022-08-17 10:55:54
219.92MB
1
该课题为基于Matlab的车道线识别系统。可以框定车道线的直线位置。可以进行二次开发，做成车道线离汽车的截距夹角，从而实时抵触预警，提醒司机不要压线。适合具备有一定编程基础的人员学习。
该课题为基于Matlab的车道线识别系统。可以框定车道线的直线位置。可以进行二次开发，做成车道线离汽车的截距夹角，从而实时抵触预警，提醒司机不要压线。适合具备有一定编程基础的人员学习。
该课题为基于Matlab的车道线识别系统。可以框定车道线的直线位置。可以进行二次开发，做成车道线离汽车的截距夹角，从而实时抵触预警，提醒司机不要压线。适合具备有一定编程基础的人员学习。
该课题为基于Matlab的车道线识别系统。可以框定车道线的直线位置。可以进行二次开发，做成车道线离汽车的截距夹角，从而实时抵触预警，提醒司机不要压线。适合具备有一定编程基础的人员学习。
2022-07-26 14:06:09
13.11MB
1
兰化
基于 OSM 方式（道路）创建偏移 GeoJSON LineString 特征（车道）
安装
npm install laneify
示例用法
鉴于一些开放街道地图 GeoJSON 方式功能：
var laneify = require ( 'laneify' )
var offset = 1 // The geographical distance to offset by (in WGS84 coordinate space)
var road = require ( './validGeoJSONWay.json' )
var lanes = laneify . split ( road , { laneOffset : offset } )
限制公路类型
您可以指定只想拆分的特定 OSM 高速公路类型：
var lanes = laneify . split ( r
2022-07-25 18:12:47
8KB
1
ISO 21717 智能交通系统-部分自动车道内驾驶系统（PADS）-性能要求和测试程序(中英文版)
2022-07-16 11:01:27
18.29MB
1
ISO 21202-2020 智能运输系统-部分自动车道变换系统（PALS）功能/操作要求和测试步骤（中英文版）
2022-07-13 18:00:38
18.76MB
1
人工智人-家居设计-基于GIS地图的智能车辆分车道导航及跟踪控制研究.pdf
2022-07-13 11:03:37
728KB