文章目录1.自动驾驶实战：基于Paddle3D的点云障碍物检测1.1环境信息1.2准备点云数据1.3安装Paddle3D1.4模型训练1.5模型评估1.6模型导出1.7模型部署效果附录show_lidar_pred_on_image.py1.自动驾驶实战：基于Paddle3D的点云障碍物检测项目地址——自动驾驶实战：基于Paddle3D的点云障碍物检测课程地址——自动驾驶感知系统揭秘1.1环境信息硬件信息CPU:2核AI加速卡:v100总显存:16GB总内存:16GB总硬盘:100GB环境配置Python:3.7.4框架信息框架版本:PaddlePaddle2.4.0（项目默认框架版本为2.3
项目仓库欢迎访问我的Github主页项目名称说明chhCpp学习C++仓库chhRobotics学习自动驾驶、控制理论相关仓库(python实现)chhRobotics_CPP学习自动驾驶、控制理论相关仓库(c++实现)chhML、chh-MachineLearning学习机器学习仓库chhRL学习强化学习仓库chhTricks存放一些有意思的tricks书籍资料学习过程中收集到的书籍资料，强烈建议收藏关注！总的学习路线思维导图由于博客中无法直接放PDF，所以思维导图的格式都是图片，点击不了里面的链接，因此我将思维导图pdf版放在了GitHub仓库，有需要的自取。1.编程编程部分我主要聚焦于C
文章目录前言1.自主避障在自动驾驶系统架构中的位置2.自主避障算法分类2.1人工势场法（APF）2.1.1引力势场的构建2.1.2斥力势场的构建2.1.3人工势场法的改进2.2TEB（Timed-Eastic-Band,定时弹性带）2.3栅格法2.4向量场直方图(VFH)2.5智能避障算法2.5.1模糊逻辑算法2.5.2基于神经网络的避障算法2.5.3基于遗传算法的避障算法2.6强化学习算法2.7DWA算法2.8EMPlanner参考文献前言在GitHub上找到了路径规划与运动规划方面不错的学习资料：PathPlanning——https://github.com/zhm-real/PathP
文章目录1.激光雷达基本概念1.1激光雷达特点1.2激光雷达测距原理1.2.1系统组成1.2.2激光雷达测距原理1.3常见的激光雷达1.3.1机械旋转式激光雷达1.3.2VelodyneHDL-64E1.3.3固态激光雷达1.3.4Flash型固态激光雷达1.3.5相控阵固态激光雷达1.3.6MEMS型固态激光雷达1.3.7总览1.4激光雷达性能指标2.激光雷达点云（PointCloud）2.1激光雷达点云定义2.2激光雷达点云表示方法3.为什么要选择激光雷达？3.1传感器之间的互补性3.2不同级别自动驾驶系统的需求4.激光雷达的标定4.1激光雷达参数4.2单线激光雷达4.2.1γ\gamma
使用Unity制作3D驾驶游戏Unity2021专业游戏设计课程英文名：MakeaDrivingGameinUnity08.2021此视频教程共22.0小时，中英双语字幕，画质清晰无水印，源码附件全下载地址百度网盘地址：https://pan.baidu.com/s/1301-Ypy2oEP71O2eG1Eakg?pwd=hsgs课程介绍：https://www.aihorizon.cn/208课程内容你将会学到的在UnityHDRP中创建完整的驾驶游戏定制不同类型的汽车将人工智能汽车和人工智能航路点系统添加到您的赛道添加汽车陈列室菜单以解锁和购买新车在 [Blender] 中设计自己的赛道易
非常简单的数字信号处理课程设计，先开个坑，考完试再填，大概十月底会上传完整的版本，预览图在下面，如果实在需要可以联系Toss_3@163.com正在编辑...2023.10.14数字信号处理课程设计——基于dlib，OpenCV，YOLOv5的疲劳驾驶与分心驾驶检测系统（附带效果展示）1.疲劳驾驶检测部分这里采用的是dlib库的68点人脸检测模型，标记人脸关键点使用的shape_predictor_68_face_landmarks.dat68点人脸检测模型的下载链接：http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
本文经自动驾驶之心公众号授权转载，转载请联系出处。写在前面&笔者的个人理解世界车型在自动驾驶方面表现出了优势，尤其是在多视图驾驶视频的生成方面。然而，在生成自定义驾驶视频方面仍然存在重大挑战。在本文中，我们提出了DriveDreamer-2，它建立在DriveDreamer的框架上，并结合了一个大语言模型（LLM）来生成用户定义的驾驶视频。具体来说，LLM接口最初被合并以将用户的查询转换为代理轨迹。随后，根据轨迹生成符合交通规则的HDMap。最终，我们提出了统一多视图模型，以增强生成的驾驶视频的时间和空间连贯性。DriveDreamer-2是世界上第一款生成自定义驾驶视频的世界模型，它可以以用
本文经自动驾驶之心公众号授权转载，转载请联系出处。原标题：OntheRoadtoPortability:CompressingEnd-to-EndMotionPlannerforAutonomousDriving论文链接：https://arxiv.org/pdf/2403.01238.pdf代码链接：https://github.com/tulerfeng/PlanKD作者单位：北京理工大学ALLRIDE.AI河北省大数据科学与智能技术重点实验室论文思路端到端的运动规划模型配备了深度神经网络，在实现全自动驾驶方面展现出了巨大潜力。然而，过大的神经网络使得它们不适合部署在资源受限的系统上，这无
文章目录1前言1课题背景2相关技术2.1Dlib人脸识别库2.2疲劳检测算法2.3YOLOV5算法3效果展示3.1眨眼3.2打哈欠3.3使用手机检测3.4抽烟检测3.5喝水检测4最后1前言🔥优质竞赛项目系列，今天要分享的是🚩基于深度学习的驾驶行为状态检测系统该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分🧿更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1课题背景为了有效监测驾驶员是否疲劳驾驶、避免交通事故的发⽣,本项目利⽤⼈脸特征点进⾏实时疲劳
资料说明和获取方式本资料包是作者吐血整理的干货！目前为止应该是非常全的自动驾驶资料包！是作者五年自动驾驶算法工程师的积累！以上干货资料并不全是作者自己原创，是作者作为五年自动驾驶算法工程的积累，一部分是参考其他的资料，一部分是作者自己的一些见解，这一份资料涵盖太多，希望能够帮到想进入自动驾驶行业的同学！！！加V获取标定和相机模型│├──01理论部分：单目成像过程.pdf│├──藏在标定板身后的秘密.pdf│├──从零开始学习「张氏相机标定法」.pdf│├──机器视觉：摄像机标定技术.pdf│├──【立体视觉】世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的关系_世界坐标系转像素坐标系.pd
