【教学课件】北京理工大学 无人驾驶车辆(下).zip
(74.77 MB, 需要: RMB 15 元)
本附件包括:- 10-1 无人驾驶车辆设计方法.pdf
- 10-2 仿真测试.pdf
- 10-3 实车测试.pdf
- 10-4 机遇与挑战.pdf
- 3-1-1 激光雷达.pdf
- 3-1-2 毫米波雷达.pdf
- 3-1-3 车载相机.pdf
- 3-2 定位导航常用传感器.pdf
- 3-3 车载通信系统.pdf
- 3-4 车载计算平台.pdf
- 3-5 车载供电系统.pdf
- 4-0 标定的意义.pdf
- 4-1-1 单目相机标定(上).pdf
- 4-1-2 单目相机标定(下).pdf
- 4-1-3 双目相机标定.pdf
- 4-2 激光雷达标定.pdf
- 4-3 相机与激光雷达联合标定.pdf
- 5-1-1 图像预处理.pdf
- 5-1-2 车道线检测.pdf
- 5-1-3 车道线检测 MATLAB 示例.pdf
- 5-2-1 基于机器学习的车辆检测.pdf
- 5-2-2 基于OpenCV的车辆检测.pdf
- 6-1 GPS定位.pdf
- 6-2 GPS/DR组合定位.pdf
- 6-3-1 SLAM简介.pdf
- 6-3-2 激光雷达SLAM(一).pdf
- 6-3-3 激光雷达SLAM(二).pdf
- 6-3-4 基于视觉SLAM的定位.pdf
- 6-4 高精度地图.pdf
- 7-1-1 无人车行为决策概述.pdf
- 7-1-2 基于规则的超车行为决策.pdf
- 7-1-3 基于规则的十字交叉口行为决策.pdf
- 7-2-1 马尔科夫决策过程.pdf
- 7-2-2 Q学习算法.pdf
- 7-2-3 神经网络Q学习算法.pdf
- 7-3-1 无人驾驶路径规划概述.pdf
- 7-3-2 环境地图表示方法.pdf
- 7-3-3 Dijkstra算法.pdf
- 7-3-4 A 算法.pdf
- 7-3-5 A 算法改进.pdf
- 9-2 智能网联技术的应用场景.pdf
- 9-3-1 匝道车辆交互的无人车辆避撞系统(上).pdf
- 9-3-2 匝道车辆交互的无人车辆避撞系统(下).pdf
【教学课件】北京理工大学 无人驾驶车辆(上).zip
(50.34 MB, 需要: RMB 16 元)
本附件包括:- 1-1-国内外发展历程.pdf
- 1-2-应用场景及体系结构.pdf
- 2-0-车辆线控底盘概述.pdf
- 2-1-1 线控转向系统(一).pdf
- 2-1-2 线控转向系统(二).pdf
- 2-2 线控油门系统.pdf
- 2-3-1 线控制动系统(一).pdf
- 2-3-2 线控制动系统(二).pdf
- 2-4 案例分析.pdf
- 3-0 无人车电子电气架构.pdf
- 3-1-1 激光雷达.pdf
- 5-3-1 卡尔曼滤波与状态估计.pdf
- 5-3-2 MATLAB 示例.pdf
- 5-4-1 障碍物检测.pdf
- 5-4-2 激光雷达回拨强度的应用.pdf
- 5-5-1 深度学习简介.pdf
- 5-5-2 卷积神经网络(CNN)简介.pdf
- 5-5-3 基于深度学习的交通stop标志检测.pdf
- 5-6-1 多传感器融合简介.pdf
- 5-6-2 毫米波雷达与相机的融合.pdf
- 5-6-3 激光雷达和相机融合的目标检测与跟踪.pdf
- 6-1 GPS定位.pdf
- 7-4-2 随机采样.pdf
- 7-5 运动规划.pdf
- 8-1 车辆运动学模型.pdf
- 8-2 车辆模型.pdf
- 8-3 纯跟踪算法.pdf
- 8-4 PID控制.pdf
- 8-5-1 模型预测控制基本理论.pdf
- 8-5-2 线性时变模型预测控制.pdf
- 8-5-3 Carsim-matlab 联合仿真.pdf
- 9-1 V2X 简介.pdf
- 9-2 智能网联技术的应用场景.pdf
【教学课件】北京理工大学 无人驾驶车辆
1-1-国内外发展历程
1-2-应用场景及体系结构
2-0-车辆线控底盘概述
2-1-1线控转向系统(一)
2-1-2线控转向系统(二)
2-2线控油门系统
2-3-1线控制动系统(一)
2-3-2线控制动系统(二)
2-4案例分析
3-0无人车电子电气架构
3-1-1激光雷达
3-1-2毫米波雷达
3-1-3车载相机
3-2定位导航常用传感器
3-3车裁通信系统
3-4车裁计算平台
3-5车裁供电系统
4-0标定的意义
4-1-1单目相机标定(上)
4-1-2单目相机标定(下)
4-1-3双目相机标定
4-2激光雷达标定
4-3相机与激光雷达联合标定
5-1-1图像预处理
5-1-2车道线检测
5-1-3车道线检测MATLAB示例
5-2-1基于机器学习的车辆检测
5-2-2基于OpenCV的车辆检测
5-2-3 OpenCV实例检测
5-3-1卡尔曼滤波与状态估计
5-3-2 MATLAB示例
5-4-1障碍物检测
5-4-2激光雷达回拨强度的应用
5-5-1深度学习简介
5-5-2卷积神经网络(CNN)简介
5-5-3基于深度学习的交通stop标志检测
5-6-1多传感器融合简介
5-6-2毫米波雷达与相机的融合
5-6-3激光雷达和相机融合的目标检测与跟踪
6-1 GPS定位
6-2 GPS/DR组合定位
6-3-1 SLAM简介
6-3-2激光雷达SLAM(一)
6-3-3激光雷达SLAM(二)
6-3-4基于视觉SLAM的定位
6-4高精度地图
7-1-1无人车行为决策概述
7-1-2基于规则的超车行为决策
7-1-3基于规则的十字交叉口行为决策
7-2-1马尔科夫决第过程]7-2-2 Q学习算法
7-2-3神经网络Q学习算法
7-3-1无人驾驶路径规划概述
7-3-2环境地图表示方法
7-3-3 Dijkstra算法
7-3-4 A算法
7-3-5 A算法改进
7-4-1确定性采样
7-4-2随机采样
7-5运动规划
8-1车辆运动学模型
8-2车辆模型
8-3纯跟踪算法
8-4 PID控制
8-5-1模型预测控制基本理论
8-5-2线性时变模型预测控制
8-5-3 Carsim-matlab联合仿真
9-1 V2X简介
9-2智能网联技术的应用场景
9-3-1匝道车辆交互的无人车辆避撞系统(上)
9-3-2匝道车辆交互的无人车辆避撞系统(下)
10-1无人驾驶车辆设计方法
10-2仿真测试
10-3实车测试
10-4机遇与挑战


雷达卡




京公网安备 11010802022788号







