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。
2024-04-28 14:08:31
629KB
1
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
2023-04-24 14:55:10
39.11MB
1
无人驾驶汽车的动手视觉和行为
这是Packt发布的《无人驾驶的代码库。
使用Python 3和OpenCV 4探索视觉感知，车道检测和对象分类
这本书是关于什么的？
这本书将使您对推动自动驾驶汽车革命的技术有深刻的了解。 首先，您所需要的只是计算机视觉和Python的基础知识。
本书涵盖以下激动人心的功能：
了解如何执行相机校准
熟悉使用OpenCV在自动驾驶汽车中进行车道检测的工作原理
通过在视频游戏模拟器中自动驾驶来探索行为克隆
掌握使用激光雷达的技巧
探索如何配置自动驾驶仪的控件
使用对象检测和语义分割来定位车道，汽车和行人
编写PID控制器以控制在模拟器中运行的自动驾驶汽车
如果您觉得这本书适合您，请立即获取！
说明和导航
所有代码都组织在文件夹中。 例如，Chapter02。
该代码将如下所示：
img_threshold = np.zeros_like(chan
2023-03-27 16:36:32
825.36MB
1
自驾车sp20
2020年Spring，在伯克利加州大学伯克利分校由机器学习教授的自动驾驶汽车贴花。
快速链接：
匿名反馈： :
每周结帐： : //forms.gle/9DfNj87bd9cFiSKh9
群组： :
广场： :
Anaconda命令： :
第八周控制理论：
演讲幻灯片： : usp
缩放记录： ：
熟悉带有航点的控制回路。 通过3维状态和2维动作实现PID。 探索迭代LQR并为我们的系统选择一个合适的二次成本。
确保您已经安装了diffopt pip install git+http://github.com/brandontrabucco/diffopt.git
看着：
滑梯
演示/周8 / PID_demo.ipynb
硬件/控制/control_loop.py
写进：
hw / control / pid.py（
2023-03-27 16:22:54
24.48MB
1
环境感知以及导航定位是无人驾驶汽车(以下简称无人车)技术的关键组成部分。针对驾驶环境进行定义和分类,提出与环境相互匹配的传感器组合方法。在此基础上,着重介绍传感器技术以及环境感知技术,比较各技术优缺点,并结合导航与定位对无人车组成架构进行概括介绍,并对未来无人车环境感知技术进行展望。
2023-01-06 18:58:42
355KB
1
采用java技术构建的一个管理系统。整个开发过程首先对系统进行需求分析，得出系统的主要功能。接着对系统进行总体设计和详细设计。总体设计主要包括系统功能设计、系统总体结构设计、系统数据结构设计和系统安全设计等；详细设计主要包括系统数据库访问的实现，主要功能模块的具体实现，模块实现关键代码等。最后对系统进行功能测试，并对测试结果进行分析总结。 包括程序毕设程序源代码一份，数据库一份，完美运行。配置环境里面有说明。
2023-01-02 17:28:05
28.36MB
1
基于无穷小分析的思想，建立了速度与流量关系的基本模型。 由于放置一定数量的自动驾驶汽车会影响混合交通流的平均速度，因此我们选择自动驾驶汽车的比例作为变量，用k表示。 基于最小二乘法，我们发现k的两个临界值分别为38.63％和68.26％。 当k <38> 68.26％时，它们对道路的通行能力有显着改善。
2022-12-27 19:48:55
583KB
1
Udacity的无人驾驶汽车项目：此存储库包含我关于Udacity的第1学期的无人驾驶汽车纳米学位项目的总结报告，该项目专注于决策的计算机视觉和深度学习
2022-12-10 19:19:04
6.19MB
1
首先阐述了汽车界对无人驾驶的定义,然后详细分析了国内外无人驾驶汽车的发展历史以及各车企和互联网公司的研究现状。通过详细分析无人驾驶汽车工作原理、体系架构设计以及具体实现方法,简单说明了目前无人驾驶汽车遇到的关键问题和难题,同时重点描述了目前深度学习在图像处理方面的突破性进展以及在无人驾驶汽车领域的应用实践,最后对无人驾驶的未来发展做了展望。
知网论文，学习使用
2022-10-07 17:59:09
6.3MB
1