Stability and Trajectory Control for Post-Impact Vehicle Based on Fuzzy PID Algorithm

ISO26262道路车辆 功能安全从2011版升级到2018版，由之前的10部分变为现在的12部分

yolov3-vehicle-detection-paddle 我的博客地址： vehicle-detection based on yolov3（基于paddle的YOLOv3车辆检测和车辆类型识别） 今天我们使用 Paddle 开源的两个工具：PaddleDetection 和 X2Paddle 来进行一个车辆检测和类型识别的小demo~ 源码地址： 最终的检测效果如图： 一. PaddleDetection 简介： 源码地址： 官方文档： PaddleDetection 创立的目的是为工业界和学术界提供丰富、易用的目标检测模型。不仅性能优越、易于部署，而且能够灵活的满足算法研究的需求。 简而言之就是，该工具使用百度开源的 Paddle 框架，集成了多种图像识别和目标检测框架，并且提供了相应的训练、推理和部署工具，使得用户可以自己 DIY 数据集和模型细节，实现深度学习落地应用的快速部

unity插件 汽车动力学 开发赛车游戏必用的一款插件

Vehicle noise and vibration refinement,Edited by Xu Wang

描述 该项目提供了解决车辆路径问题的多种变体的方法，称为富VRP。 它提供了默认的元启发式实现，可以粗略地描述为Multi-objective Parthenogenesis based Evolutionary Algorithm with Ruin and Recreate Mutation Operator 。 设计目标 尽管性能一直是关注的重点，但设计背后的主要思想是可扩展性：该项目旨在支持各种称为Rich VRP的VRP变体。 这可以通过各种扩展点来实现：自定义约束，目标功能，接受标准等。 入门 有关常规安装步骤和基本用法选项，请检查下一节。 有关功能的更详细概述，请参见 。 安装 您可以使用三种不同的方式安装vrp求解器： 从Docker安装 试试你的环境VRP解算器，最快的方式是使用docker图像（不是性能优化）： 从Github Container Registry运行

SDC-车道和车辆检测-跟踪 Python中的OpenCV，用于自动驾驶汽车的车道线和车辆检测/跟踪 阅读我关于这个项目的 Medium。

车辆识别代码matlab 深车重新编号 该存储库包含我们的论文“使用多层特征提取进行有效的深度车辆重新识别”的代码。 先决条件 Python 3.6 火炬0.3 凯拉斯2.2.4 脾气暴躁的1.7.1 西皮0.13.2 scikit图像0.9.3 matplotlib 1.3.1 熊猫0.12.0 枕头2.3.0 Matlab的 我们在VeRi数据集链接上评估模型的性能 联络我 电子邮件： 如有任何疑问，请随时与我联系

演示 开始： PyQt5，3.3以上的cv2，hyperlpr 暂时不提供车型识别与颜色分类的模型 下载 ，并保存到yolo目录下 介绍 模型采用opencv DNN模块读取，所以确认你安装了包含DNN模块版本（3.3以上）的cv2 车辆定位采用darknet yolov3在coco数据集上的预训练模型 车牌识别采用开源的hyperlpr： : 视频播放界面基础： : 去做 连接KNN做颜色识别

颜色分类leetcode 车辆检测项目 概述 车辆检测项目使用机器学习和计算机视觉技术，并结合技术。 我应用了两种不同的检测方法。 本项目的步骤如下： 1) SVM算法 对标记的训练图像集执行定向梯度直方图 (HOG) 特征提取，并训练分类器线性 SVM 分类器。 实施有效的滑动窗口技术并使用训练有素的 SVM 分类器搜索图像中的车辆。 在视频流上运行管道并逐帧创建重复检测的热图，以拒绝异常值并跟踪检测到的车辆。 2）YOLO算法 构建基于 Keras 的神经网络并实现预训练模型来预测图像。 在视频流上运行管道并创建一个控制台来监控车道状态和检测。 用法 Project-SVM.py和helper.py包含 SVM 分类器结构和管道的代码。 dist.p包含一个基于 YUV 颜色特征和 HOG 特征的训练 SVM 分类器，具有 17,000 多张汽车和非汽车图片。 Project-yolo.py和helper_yolo.py包含helper_yolo.py网络和管道的代码。 依赖关系 麻木 简历2 学习 scipy skimage 凯拉斯 1) SVM算法 SVM（支持向量机）是一种强