使用simulnk建立的辅助驾驶模拟模型，使用相机识别车道，并进行车道跟随，并控制与前方的车辆的距离。

实时驾驶辅助系统 作者：庞然和徐佳琪 使用Python（OpenCV和TensorFlow）显示检测到的车道，车道保持状态，转向角建议，检测到的物体（具有估计的距离）以及真实驾驶画面上的刹车警告。 样本输出 红色数字是相对距离。 环境要求 该项目是在Python 3.7中使用Tensorflow 1.x和OpenCV 3.4进行的。 文件要求 在object_detection文件夹/实用程序中需要一个预先训练的模型。

什么是ADAS系统: 高级驾驶辅助系统（Advanced Driver AssistantSystem），简称ADAS，是利用安装于车上的各式各样的传感器， 在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。 ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量， 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。 30W ADAS系统设计描述: PMP10652 是一种适用于环视 ADAS 系统的系统优化型（CISPR 25 3 类）30W 设计。 此设计具有各种保护措施，如通过 TVS 的负载突降（ISO 脉冲测试）、反向电压（具有极低 Iq 的创新智能二极管）、具有 OVP 保护的电池断路开关 (PFET)，并经过 EMI 优化可满足 CISPR25 3 类（总体）传导 EMI 限制和高达 30MHz 范围的 5 类要求。 输入电压范围介于 4.5V 至 30V（OVP 为 20V），因此可在冷启动情况下工作。 LM74610 用于电池反向保护，利用电荷泵驱动一个 N 通道 FET 以提供电阻路径，从而使旁路电流流动。LM53603Q1 用作前端直流/直流降压转换器，这是一种 2.2MHz 开关同步整流宽输入电压降压转换器，可承受高达 42V 的瞬变。TPS57114Q1 用于向内核供电，这是一种高电流 2.2MHz 开关降压转换器。LM26420 是一种双通道 2.2MHz 开关降压转换器，用于生成其他所需电源。 LM3880 序列发生器用于满足所有加电和断电排序要求。 ADAS系统电路特性: 专为冷启动和启停情况而设计 符合 ISO 脉冲测试标准/CISPR 25 3 类传导发射标准，同时通过 AM 和 FM 无线电波段测试 所有器件开关频率为 2.1MHz（AM 波段回避） 通过智能二极管实现反向保护 具有 OVP 的串联故障保护 FET 通过集成序列发生器实现加电和断电排序 ADAS系统电路框图: 特性:

(更多详情、使用方法，请下载后细读README.md文件) 先进的驾驶辅助系统\n车道检测\n实时车道检测\n运行检测器\n python advancedLaneDetection.py

由于甚至已经进入中低档汽车市场，先进 驾驶辅助系统 (ADAS) 是目前车辆行业中 成长速度最快的应用领域之一。目前，众多 特性能够警告驾驶员，使驾驶员更好地观 察车外情况，并支持诸如泊车辅助和自适 应巡航控制等功能—这些功能是通过基于 雷达、摄像头、光探测与探距 (LIDAR) 和 超声波的系统来实现的。先进的 ADAS 功 能和自主驾驶确实需要将多种系统结合起 来使用。TI 可提供模拟和数字解决方案， 并制定了对此令人兴奋的应用领域的发展 和成长提供支持的坚定路线图。

【干货】麦格纳先进驾驶辅助系统（英文）

开发者说丨汽车高级驾驶辅助系统ADAS盘点.pdf

交通信号红绿黄灯 全程驾驶收集 来源于欧洲街道 可快速用于测试模型，包含txt标注 适用于无人驾驶 图像分类 机器学习

Carmaker 8.1最新版本，在官网下载的，放在百度盘里速度快。是window般的，可与simulink构成自动驾驶联合仿真平台。

Mobileye激光雷达技术-机动车辆驾驶辅助系统装置方法汇总，共333份。 1视觉增强导航 1自适应道路模型经理 2使用近红外（NIR）照明和卷帘门构建夜视和其他驾驶员辅助系统（DAS） 2视觉增强导航 3使用近红外（近红外）照明和滚动快门 3使用由单目相机记录的一系列图像估计到物体的距离 4基于检测到的目标车辆的运动来控制主车辆 4使用近红外（近红外）照明和滚动快门 5使用近红外（近红外）照明和滚动快门 5用于车辆检测和警告潜在碰撞的安全系统 6使用单个摄像头检测屏障和护栏 6使用近红外（NIR）照明和滚动快门构建夜视和其他驾驶员辅助系统（DAS） 7使用近红外线（近红外）照明和滚动快门 7使用稳定坐标系的道路垂直轮廓检测 8设备对准工具和方法 8用于上载推荐轨迹的系统和方法 9从运动结构进行立体声自动校准 9用于导航车道间隔和车道分裂的 10道路垂直轮廓检测 10行人碰撞警告系统 11使用本地重叠地图导航 11使用单个摄像机 12带滚动快门的相机的图像失真校正 12行人碰撞警告系统 12用于改善地标位置的系统和方法 13使用单个摄像头检测屏障和护栏 13为了检测交通标志系统和方法 14基于检测到的静止车辆之间的间距来控制主车辆 14用于车辆 15使用候选对象对齐的对象检测 15用于导航车辆的前向多成像系统 16用于估计 16用于确定交通灯的状态和细节的系统和方法 17用于检测相机视野中的障碍物的系统和方法 17运动中的密集结构 18具有强加约束的机器学习导航引擎 18预测和响应切入车辆和利他响应 19预测和响应切入车辆和利他响应 19运动密集的结构 20稀疏地图自动驾驶汽车导航 20在汽车应用中增强的障碍物检测中的远红外和可见图像的融合 21具有滚动快门 21用于改进地标位置的系统和方法 22具有滚动快门 22行人碰撞预警系统 23碰撞预警系统 23为了检测交通标志系统和方法 24为了检测交通标志系统和方法 24用于车辆环境中的感官增强的人机接口设备和方法 24用于路缘检测和行人危险评估的系统和方法 25具有滚动快门 25沿预测路径的道路轮廓 26从移动阴影的场景中的相机进行危险检测 26具有硬件 27检测与动物相关的视觉信息 27用于确定转弯车道交通灯状态的系统和方法 28立体声辅助卷帘门 29道路垂直轮廓检测 30用于陷阱检测和行人危险评估的系统和方法 30自主车速校准 31基于用户干预的自适应导航基于用户干预 31使用近红外（NIR）照明和滚动快门捆绑夜视和其他驾驶员辅助系统（DAS） 32基于雷达视觉成像 32具有硬件累加器复位的计算机体系结构 33基于检测到的门打开事件来控制主机车辆 33人群采购自主车辆导航数据 34从运动结构进行立体声自动校准 34基于目标车辆的检测运动来控制主机车辆 35基于停车车辆的预测状态来控制主机车辆 35基于预期的地标位置进行导航 36超级地标作为导航辅助工具 36基于单向道路的检测来控制主机车辆 37基于固定车辆之间的检测间隔控制主机车辆 37自动车尾排列导航 38用于检测和警告潜在碰撞的车辆的安全 38用于模仿领先车辆的系统和方法 39用于模仿领先车辆的系统和方法 39在具有移动阴影的场景中从摄像机进行危险检测 40碰撞预警系统 40确定道路表面特征 40用于自主车辆导航的稀疏地图 41使用车道测量本地化车辆导航 41用于识别地标的系统和系统 42基于后置摄像头的前向导航 42使用CROWDSOURCED SPARSE MAP 42用于隐藏障碍物检测的光线跟踪 43基于公认的地标的自主车辆导航 43用于确定道路中的车道识别的方法和设备 43自主车辆导航 44用于对齐CROWDSOURCED SPARSE MAP数据的 44用于检测交通标志的系统和方法 45拓扑在自适应加权单元的降低分辨率网格上保持强度分级 45CROWDSOURCING一种 46立体声辅助卷帘门 46提高 47从运动结构 47从运动结构进行立体声自动校准 48从结构到运动 48融合远红外和可见光图像，增强汽车应用中的障碍物检测 49用于基于检测来检测物体并使车辆制动的系统和方法。 49用于自主车辆导航的多阈值反应区 50检测引起车辆响应的系统和方法提供了一种用于车辆的交通灯检测系统 50融合远红外和可见光图像，增强汽车应用中的障碍物检测 51融合远红外和可见光图像，增强汽车应用中的障碍物检测 51使用相机进行碰撞 52带有滚动快门的摄像机的图像失真校正 52立体声辅助卷帘门 53道路垂直轮廓检测 53基于检测到的障碍 54碰撞预警系统 54物体制动车辆的系统和方法提供了用于基于检测来检测物体 56道路平面输出技术领域 57道路轮廓沿预测路径 ………… 等等333份，内容较多就不一一列举了。