自动驾驶能否顺利落地，取决于两点：一是，实现方案的自动驾驶等级；二是，应用场景的地理围栏等级。很显然，需要实现的自动驾驶等级越低，应用场景的地理围栏等级越低，自动驾驶越容易顺利落地。

没加控制无人艇模型3自由度模型，带画图带参数，可改成6自由度

rrt算法在2维和3维环境的规划，均为matlab代码，可用于无人驾驶汽车和移动机器人路径规划

myo_ardrone：使用 Myo 臂章控制 AR 无人机 依赖关系 妙SDK 肌蟒 python-ardrone 用法 校准系统 将 Myo 与指向肘部的 +X 轴同步 通过摆出拳头姿势来对齐系统。 这将设置用作偏航、俯仰、滚动旋转参考的基本位置。 理想的基本姿势是妙臂保持笔直并与地面平行 为上述完成的拳头姿势也使无人机起飞。 执行手指张开姿势以降落无人机。 偏航臂左/右移动无人机左/右。 偏航臂从左/右回到设定的基本位置，使无人机悬停在最后一个位置 俯仰臂向上/向下移动无人机。 俯仰臂从上/下回到设定的基本位置，使无人机悬停在最后一个位置 向左/向右滚动手臂以向左/向右转动无人机。 将手臂从左/右滚回设定的基本位置，使无人机悬停在最后一个位置 执行 Wave-out 姿势以向前移动无人机。 再次执行 Wave-out 使无人机悬停在最后一个位置。 执行 Wave-in 姿势以

影像POS数据读取工具 本软件来自互联网，仅供学习使用，请在下载后24小时内删除！

关于无人车追踪轨迹，目前的主流方法分为两类：基于几何追踪的方法和基于模型预测的方法，其中几何追踪方法主要包含纯跟踪和Stanley两种方法，纯跟踪方法已经广泛应用于移动机器人的路径跟踪中，网上也有很多详细的介绍，本文主要介绍斯坦福大学无人车使用的Stanley方法。Stanley方法是一种基于横向跟踪误差（cross-trackerror：eee为前轴中心到最近路径点(px,py)的距离）的非线性反馈函数，并且能实现横向跟踪误差指数收敛于0。根据车辆位姿与给定路径的相对几何关系可以直观的获得控制车辆方向盘转角的控制变量，其中包含横向偏差e和航向偏差θe。在不考虑横向跟踪误差的情况下，前轮偏角和

自己录的关于cartographer视频以及一些文献资料 包括源码分析，预期准备以及论文解读

传感器融合标定算法，另外还包含了自动驾驶学习资料 涵盖感知，规划和控制，ADAS，传感器； 1. apollo相关的技术教程和文档； 2.adas（高级辅助驾驶）算法设计（例如AEB,ACC,LKA等） 3.自动驾驶鼻祖mobileye的论文和专利介绍 4.自动驾驶专项课程（可能是目前最好的自动教师教程），是coursera上多伦多大学发布的自动驾驶专项课程，应该是目前为止非常火非常好的教程了，包含视频，ppt，论文以及代码 5.国家权威机构发布的adas标准，这是adas相关算法系统的标准，也是开发手册。 6.规划控制相关的算法论文介绍 7.等等总共3G多的资料

RANSAC (Random Sample Consensus) 随机采样一致性算法，其实就是想办 法找出代表地面的平面。如下图所示，绿色的点为打在地面上的点，红色的点为 打在障碍物上的点。打在地面上的点基本上是处在一个平面上的，所以我们的目 标就是找到这个平面，然后将距离此平面一定距离内的点分割成地面。 由于算法逻辑本质上是一致的，为了简便起见，这里将三维空间寻找平面问题， 转化为二维空间寻找直线的问题。算法逻辑如下：

卷积神经网络行为克隆方法在无人车上的研究.pdf