KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。 因为完整的数据集太大，为了更好的点云检测训练流程，将原数据集抽取部分。用于模型训练调试。 mini-KITTI无人驾驶数据集是由KITTI数据集派生而来，专门针对无人驾驶领域的计算机视觉算法训练和调试提供支持。KITTI数据集是由德国卡尔斯鲁厄理工学院（Karlsruhe Institute of Technology）和丰田美国技术研究院（Toyota Technological Institute at Chicago）共同发起的一项重要研究，它为自动驾驶技术的研究者们提供了一个标准化的测试基准，用于评估和比较不同的视觉算法在真实世界场景中的性能。 作为一个大规模的开放数据集，KITTI包含了多种传感器数据，如立体摄像机、激光雷达（LiDAR）、GPS和惯性测量单元（IMU）等，这些数据覆盖了各种复杂的交通环境和天气条件。数据集中的场景涉及城市街道、乡村道路、交叉路口等，其中标注了车辆、行人、骑行者等多种对象的精确位置和三维信息。 然而，原始KITTI数据集的巨大体积对于点云检测训练流程来说是一个挑战。因此，为了更高效地进行模型训练和调试，研究人员抽取了原数据集中的一部分，形成了mini-KITTI数据集。这个简化版的数据集保持了与原KITTI数据集相似的场景复杂性，同时大大减少了数据量，从而降低了对计算资源的需求。 mini-KITTI数据集在无人驾驶领域的研究中具有重要地位。它不仅有助于研究人员测试算法在三维空间中的表现，而且由于数据量的减少，可以在不牺牲太多精度的情况下更快地迭代模型。这对于算法的快速开发和优化尤为关键。 深度学习作为当下无人驾驶技术的核心，其性能很大程度上依赖于大量的训练数据。通过使用mini-KITTI数据集，研究者可以训练和验证深度学习模型，尤其是那些用于理解三维空间和进行对象检测的网络。此外，由于数据集已经过预处理和标注，研究人员可以节省大量的前期准备时间，将精力集中在算法的创新和改进上。 mini-KITTI无人驾驶数据集为无人驾驶技术的研究和开发提供了一种轻量级但功能丰富的数据资源。它的出现降低了参与无人驾驶算法开发的技术门槛，加快了自动驾驶技术的研究进程。

相关博文请查看：https://blog.csdn.net/weixin_44044411/article/details/107969423，本视频为博主上传的，此博文的配套仿真视频

基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。 基于模型预测控制（MPC）无人驾驶汽车轨迹跟踪控制算法，基于MATLAB/simulink与carsim联合仿真，包含cpar,par,slx文件，支持MATLAB2018和carsim2019版本，先导入capr文件，然后发送到simulink，可支持修改代码，运用S-Function函数编写。 四轮转向汽车轨迹跟踪模型。

依据车辆编号将US101中的数据进行整合，筛选车道保持的车辆信息，每个sheet都是一个车道保持车辆的全部时刻的信息，适合于做轨迹规划，预测和分析决策的同学，信息全面，价格低廉

依据车辆编号将US101中的数据进行整合，筛选发生换道行为的车辆及其周围（主要是目标/旁边车道的前后方车辆）信息，每一个车辆整理为一个excel，每一个excel包括多个sheet，每一个sheet都是一个时刻的本车和周围车辆的全部信息，信息全面，价格低廉，适合与做无人驾驶相关的决策规划，轨迹分析预测等同学！

线控底盘的ROS开发指导手册

智能驾驶规划控制相关C++代码实现，欢迎对无人驾驶感兴趣的朋友进行下载

无人驾驶智能车导航定位系统设计研究

随着大型露天煤矿开采深度下探,坡度大、弯道多的现象逐渐增多,矿车驾驶难度高且存在安全隐患。提出了一种露天煤矿卡车无人驾驶系统设计方案,该无人驾驶系统包含车载自动驾驶子系统、车地无线通信子系统、地面管理子系统,可实现矿用卡车"装、运、卸"作业过程的完全无人自主运行。为满足露天煤矿非结构化环境感知需求,提出了面向露天煤矿非结构化环境的多源异构传感器融合感知算法;针对矿用卡车在不同载质量与不同坡度中的行驶需求,提出了考虑质量与坡度的纵向自适应控制算法,以适应不同载质量下坡停、坡起、定点停车与车铲配合停车等工况下的纵向速度控制与距离控制要求;针对矿区大曲率转向、倒退等行驶需求,提出了基于变参数自适应的前进横向控制方法与后退横向控制方法,以达到矿区全部复杂路面横向精确控制要求。该无人驾驶系统在哈尔乌素露天煤矿进行了泥泞路面、夜间环境等不同环境的测试,结果表明,该无人驾驶系统具备矿区作业能力,能够准确循迹并自主避障与执行任务;地面控制系统能够控制无人矿用卡车的启动与关闭,在必要情况可远程控制与驾驶矿用卡车,系统各项功能平稳可靠。指出了矿山无人驾驶系统的发展趋势:（1）对于车载系统,需首先构建系统化

互补基础设施。 我们生活在自动化的新时代，垃圾箱与路灯交谈，公交车与交通信号灯通话。 传感器，微型计算机，强大的电动机和有效的电池都组合在一起，从而使不可能变为可能。 我们希望自动驾驶汽车将由驾驶员接管，并且不会以相同的方式行驶。 当所有其他交通都是智能的，道路和整个地方都是智能的时，为什么只使用视觉？ 该模型有五台计算机：一个Arduino，一个RFID阅读器，一个复杂的3轴多传感器和一部手机。 它具有四个电源。 它具有14个传感器。 一组AA电池可以运行3个小时。 它遵循一条磁条，监视行人，并响应RFID标签。 它仔细监视自己的速度和位置。 使用所有这些无数信号，它可以有效地从一个地方移到另一个地方。 这是一个奇迹，展示了集成的和互补的基础架构。 ================================================== == 现在将一些通用代码移至Ca