注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 3D Fully Convolutional Network for Vehicle Detection in Point Cloud

  2. 在点云上，基于卷积神经网络的车辆检测技术。在点云上，基于卷积神经网络的车辆检测技术。在点云上，基于卷积神经网络的车辆检测技术。

  3. 所属分类：其它

    • 发布日期：2017-12-06
    • 文件大小：1048576
    • 提供者：chenlinjia1

  1. 【计算机科学】【2016.09】三维点云中的目标检测

  2. 本文为德国弗里恩大学（作者：ChristianDamm）的硕士论文，共54页。 随着自动驾驶车辆的不断普及，避障等挑战变得越来越重要。为了实现避障，可靠的障碍物检测是前提条件之一。虽然普通的自动驾驶车辆主要使用相机和雷达传感器来实现这一目的，但是目前激光测距传感器正在逐渐作为可实施的替代方案。由于激光传感器的精度很高，在不同的工业领域中得到了广泛的应用。通常，传感器数据被用作点云的形式。在本篇硕士论文中，提出了一种基于点云的障碍物检测方法。因此，进行可靠障碍检测的几个子任务，如下采样和平面分割

  3. 所属分类：专业指导

    • 发布日期：2019-01-15
    • 文件大小：5242880
    • 提供者：weixin_42825609

  1. 智能视频监控管理平台操作手册.pdf

  2. 目录 欢迎使用...........................................................................................................................................2 1. 产品简介 .............................................................................................

  3. 所属分类：其它

    • 发布日期：2019-09-13
    • 文件大小：7340032
    • 提供者：weixin_38743737

  1. 基于角点检测和区域生长方法的车辆检测算法

  2. 基于角点检测和区域生长方法的车辆检测算法，周彬，章云，智能交通（IT）技术需要对道路上的车辆情况有准确的检测，基于局部特征的车辆检测是研究的热点。因此设计一种快速的的鲁棒性强的�

  3. 所属分类：其它

    • 发布日期：2020-01-30
    • 文件大小：528384
    • 提供者：weixin_38688855

  1. 欧姆龙 工业自动化产品在交通行业的应用.pdf

  2. 欧姆龙 工业自动化产品在交通行业的应用pdf,欧姆龙的产品已广泛地应用于中国各地的机场、港口码头、高速公路、铁路等监控系统中。欧姆龙工业自动化在交通行业 OmROn 交通是一个国家的血脉,世界各国都非常注重 交通的建设,像中国这样一个发展中国家,更加重 视交通建设。一个国家的经济发达与否很大程度要 看该国的交通发展状况。在发展国民经济的同时, rEtEE ( 要大力发展交通建设。而交通建设的过程中,交通 工程则越来越体现出其重要性。 欧姆龙是在自动化领域享誉盛名的先导者之 对中国的交通建设也起了

  3. 所属分类：其它

    • 发布日期：2019-10-15
    • 文件大小：15728640
    • 提供者：weixin_38743506

  1. 车联网时代的汽车安全技术.pdf

  2. 本文通过介绍分析以上各类安全系统的概念，结合一些整车厂的规划实例，阐明车联网时代的汽车安全技术应当考虑的研究课题及方向。2013第十六届中国汽车安仝技术国际研讨会 或设计引起,但是此类故障大多可以通过用车前检查保养,行车中监控诊断等措施发现而避免。 易见的通过经验即可以发现的隐患要养成勤于检査的习惯,比如长途外出前进行保养,査看各种 液面高度,检测胎压。而内在的一些因素可以通过车辆诊断去获知各种传感器量值,进而判断 或许普通车主一般不会购买专业的诊断设备,或者就算有诊断设备,但是要操作它发现一些

  3. 所属分类：其它

    • 发布日期：2019-10-12
    • 文件大小：709632
    • 提供者：yehanyu

  1. nd013-c2-fusion-starter:Udacity无人驾驶汽车工程师纳米学位计划的课程2项目的入门代码-源码

  2. SDCND：传感器融合和跟踪 这是第二课程的：传感器融合和跟踪。 在此项目中，您将融合来自LiDAR和摄像机的测量结果，并随时间跟踪车辆。 您将使用来自Waymo开放数据集的真实数据，检测3D点云中的对象，并应用扩展的卡尔曼滤波器进行传感器融合和跟踪。 该项目包括两个主要部分： 对象检测：在这一部分中，基于3D点云的鸟瞰图，深度学习方法用于检测LiDAR数据中的车辆。 此外，一系列性能指标可用于评估检测方法的性能。 目标跟踪：在这一部分中，基于激光雷达检测与摄像头检测相融合的扩展卡尔曼滤

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：1028096
    • 提供者：weixin_42169674

  1. Vehicle-Road-Cooperative-Perception-Demo-源码

  2. 车路合作感知演示 关于这个演示 感谢您的观看，在这个项目中，我将演示基于激光雷达点云的原始数据级融合车路合作感知的演示。 受某些原因的影响，我无法打开源代码，但是，我会尽力在将来打开整个源代码。 车路合作感知 受盲点，遮挡，稀疏的影响...仅凭单车的传感器（雷达，摄像头，雷达...）的感知无法很好地应对城市场景中自动驾驶车辆的复杂场景。 但是，将路边传感器的数据融合在一起可以极大地改善单个车辆的感知能力。 会费 在现有的C-V2X系统中提出一种实时数据传输方法。 提出了一种初步的激光雷达点

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：82837504
    • 提供者：weixin_42165018

  1. SFND_Lidar_Obstacle_Detection-源码

  2. 激光雷达障碍物检测 细节 在该项目中，我从激光雷达传感器获得了一组点云数据，我实现了分段和聚类以检测车辆周围的物体。 没有预处理方法的原始点云为： 使用RANSAC进行细分 RANSAC代表随机样本共识，是一种检测数据中异常值的方法。 RANSAC运行最大迭代次数，并返回最合适的模型。 每次迭代都会随机选择数据的子样本，并通过它拟合模型，例如直线或平面。 然后，将具有最多数量的内部值或最低噪声的迭代用作最佳模型。 结果如下所示： 使用KD-Tree的欧氏聚类 KD-树是二叉树，它在交替的轴之间分

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：203423744
    • 提供者：weixin_42138408

  1. 3D_CNN_tensorflow：用于车辆检测的KITTI数据处理和3D CNN-源码

  2. KiTTI数据处理和3D CNN用于车辆检测 用于车辆检测的3D CNN 使用PointCloud数据进行车辆检测的3D全卷积网络参考：点云中用于车辆检测的3D全卷积网络 主文件是“ model_01_deconv.py” 数据加载功能为“ input_velodyne.py” 示例（3D边界框：8个顶点）不执行NMS 需求 Python 张量流 ROS Python-PCL（如果不使用pcl，请在input_velodyne.py中注释掉相关代码 KiTTI数据处理 数据集是KITTI 3

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42151036

  1. Aslan:适用于低速环境的开源自动驾驶软件-源码

  2. 阿斯兰计划 一个基于的开源全栈软件，用于自动驾驶应用程序。旨在促进城市环境中低速应用的自动驾驶项目的研究。该软件带有一个内置的基于Gazebo的仿真，一个端到端的自动驾驶软件以及一个用户友好的GUI，可以方便地启动该软件。用于在现实世界中的自动驾驶汽车上进行试验。 功能和部署支持： 带有集成ROS工具的图形用户界面（GUI） Docker和源代码安装 多传感器驱动程序 高级主管节点，监视系统健康并发布诊断 使用LiDAR和雷达进行目标检测 紧急停止React 车辆接口充当ROS与嵌入式车辆控制

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：19922944
    • 提供者：weixin_42131633