Advertisement

Udacity 自动驾驶汽车纳米学位计划地图 1.7z

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本资源为Udacity自动驾驶汽车纳米学位课程中的地图文件（版本1.7），用于辅助学习者进行相关编程和算法实践。 我的实现代码是关于Udacity 自动驾驶汽车纳米学位项目的部分成果。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Udacity 自动驾驶汽车纳米学位计划地图 1.7z
    优质
    本资源为Udacity自动驾驶汽车纳米学位课程中的地图文件（版本1.7），用于辅助学习者进行相关编程和算法实践。 我的实现代码是关于Udacity 自动驾驶汽车纳米学位项目的部分成果。
     
  • 自动驾驶汽车：Udacity开放源代码自动驾驶汽车项目
    优质
    简介：Udacity推出开源自动驾驶汽车项目，旨在通过开放资源促进技术进步与教育普及，使更多人参与智能驾驶领域研究。 我们正在开发一款开源无人驾驶汽车，并期待您的参与和支持！秉持教育民主化的理念，我们的目标是为全球每个人提供学习机会。当我们决定教授如何制造自动驾驶汽车时，也意识到需要自己动手实践。为此，与汽车创始人兼总裁塞巴斯蒂安·特伦共同组建了核心团队。 我们做出的第一个重要决策之一就是开源代码，并邀请来自世界各地的数百名学生参与编写和贡献。以下是我们的几个主要项目： - 训练多种神经网络来预测车辆转向角度。 - 设计用于固定镜头和相机机身的底座，以便于使用标准GoPro硬件安装。 - 提供大量带有标记的数据集，涵盖多个小时的实际驾驶情况。 - 超过10个小时的真实道路数据（包括激光雷达、摄像头等）。 为了促进深度学习模型与ROS系统的交互，并使更多人能够贡献代码库，我们需要大家的共同努力和智慧。
     
  • UDacity 自动驾驶 13. Particle Filters.rar
    优质
    本资源为UDacity自动驾驶课程中关于粒子滤波器（Particle Filters）的内容，包含教学材料和练习项目，适用于学习高级定位技术。 udacity自动驾驶 13.Paricle filters.rar
     
  • Udacity的自动驾驶模拟器
    优质
    Udacity的自动驾驶模拟器是一款专为自动驾驶技术开发的学习工具，它通过高度仿真的虚拟环境帮助用户深入理解并实践自动驾驶算法与系统。 Udacity自动驾驶模拟器可以直接运行exe文件。该模拟器支持模型训练和测试功能。在CarND-Behavioral-Cloning-P3-master目录下运行drive.py脚本，启动模拟器后选择AUTONOMOUS MODE即可查看效果。
     
  • 压缩文件内容包括：自动驾驶-汽车决策与控制、自动驾驶-定位技术、自动驾驶-技术概论、自动驾驶-汽车平台技术基础及自动驾驶-系统设计等。
    优质
    本课程涵盖自动驾驶核心技术，包括汽车决策与控制、定位技术、技术概论、平台技术基础及系统设计等方面内容。 压缩文件内包含以下内容：自动驾驶-汽车决策与控制、自动驾驶-定位技术、自动驾驶-技术概论、自动驾驶-汽车平台技术基础、自动驾驶-系统设计及应用、自动驾驶仿真蓝皮书以及传感器原理和应用。
     
  • 自动驾驶汽车概述.pdf
    优质
    本PDF文件《自动驾驶汽车概述》全面介绍了自动驾驶技术的发展历程、关键技术、应用场景及面临的挑战与未来趋势，为读者提供系统性的知识框架。 本段落探讨了自DARPA挑战赛以来开发的自动驾驶汽车研究，并重点介绍了配备有SAE 3级或更高级别自主系统的车辆。这类车的自主系统架构通常分为感知部分与决策部分两大类。 在感知方面，该系统包含多个子模块来执行各种任务：定位、静态障碍物绘制、移动物体检测及追踪、道路信息采集以及交通信号识别等。而在决策环节，则包括路线规划、路径选择、行为决定、运动计划和控制等功能组件的协同工作。 文中详细介绍了自动驾驶汽车自主系统的常规结构，并总结了当前有关感知与决策方法的研究成果。特别地，本段落还深入剖析了UFES大学车辆IARA的自主系统架构设计。 此外，文章也列举了一些由科技企业开发并广受媒体关注的重要自主研发型无人车实例。
     
  • 自动驾驶汽车概述.docx
    优质
    本文档为读者提供了一个关于自动驾驶汽车的基本概念和工作原理的全面介绍，涵盖了技术进展、市场趋势以及未来前景。 自动驾驶汽车的自主系统架构通常包括感知系统和决策系统两大部分。感知系统又细分为多个子系统，分别承担车辆定位、静态障碍物绘制、移动障碍物检测与跟踪、道路描绘以及交通信号识别等任务。而决策系统的组成部分则涉及路线规划、路径选择、行为决策制定、运动计划及控制等多个方面的工作模块。
     
  • 自动驾驶丛书之自动驾驶汽车决策与控制PPT.rar
    优质
    本资源为《自动驾驶丛书之自动驾驶汽车决策与控制》配套PPT，涵盖车辆决策算法、控制系统等内容，适合技术学习和研究参考。 自动驾驶系列丛书包含关于自动驾驶汽车决策与控制的PPT内容。
     
  • 自动驾驶汽车垂直停车位的自动泊车控制算法探讨
    优质
    本研究聚焦于开发适用于垂直停车位的自动驾驶汽车自动泊车控制系统算法，旨在提升城市停车效率和安全性。 本论文以自动驾驶车辆为研究对象，并将自动倒库充电作为应用场景。首先基于阿克曼转向原理建立车辆运动学模型，通过车速与方向盘转角以及后两轮的轮速两种方法对车辆位姿进行估计，然后在实车上验证这两种算法的有效性并比较其精度。 论文还分析了使用四次多项式曲线规划垂直泊车轨迹的合理性，并根据垂直泊车过程中的约束条件确定单步垂直泊车所需的最小车位尺寸以及起始位置限制。基于这些条件，利用四次多项式的数学方法进行路径规划，并解算出各系数以满足等式和不等式的约束。 为了确保车辆能够按照预期路线行驶，论文设计了两种轨迹跟踪控制器：一种是基于模型预测控制的策略；另一种则是纯粹的追踪控制方案。此外还设计了一个基于PI（比例-积分）控制的方法来调节泊车速度，并通过仿真验证其性能。 接下来，建立了Simulink和Carsim联合仿真的系统框架，对上述提出的两种轨迹跟踪控制器进行了综合测试与评估。使用模拟数据及曲线分析了这两种方法的可行性、稳定性以及误差情况。 最后，在硬件在环试验台上搭建了一个实验平台并创建相应的仿真环境，进一步验证基于纯粹追踪控制策略的有效性，并对其性能进行更深入的研究和优化。