Подлинная функция автономного вождения Matlab Cui Shengmin Учебное пособие по программированию сценарий сценария вождения.
Цена: 617руб. (¥34.3)
Артикул: 628117650136
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:化学工业出版社旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥ 69.8 23.8428руб.
¥ 488 2284 100руб.
¥ 59 42.6766руб.
¥ 45 20.25365руб.
«Функция и приложение Matlab автономное вождение» подробно описывает использование MATLAB для автономных функций и приложений для автомобиля, охватывающих сцены вождения, взгляды птичьего глаза, восприятие окружающей среды, планирование пути и отслеживание целей.Примечания, связанные с книгой, обеспечивают оригинальную программу и комментируют программу, чтобы помочь читателям быстро понять и освоить.Эта книга богата содержанием, хорошо известна в графике, простой для понимания и сильной практичности ее можно использовать в качестве инженерного и технического персонала, разработанного автономным вождением и интеллектуальными автомобилями, а также студенты и аспиранты из соответствующих специалистов и специальностей и связанных с ними и Связанные специальности.
Глава 1 Сцена вождения/ 1
1.1 Drivingscenario: создать сцену вождения 2
1.2 Сюжет: Нарисуйте сцену вождения 3 3
1.3 Дорога: Добавьте дорогу 4
1.4 Roadnetwork: добавить дорожную сеть 5
1,5 дороги: дорожная граница 6
1.6 LaneMarking: маркер полосы 8
1,7 LaneMarkingvertices: вершина линии маркера полосы движения 10
1,8 Lanetype: Lane Type 12
1.9 Lanepc: Specification 13 Lane 13
1.10 Автомобиль: добавьте автомобиль 14
1.11 Актер: добавить участников дорожного движения 17
1.12 Траектория: треки участников дорожного движения 19
1.13 АКТОРПОСЫ: Жест участников дорожного движения 20
1.14 ActorProfiles: Участники трафика показывают 22
1.15 Currentlane: Current Lane 23
1.16 Запись: запись статуса участника трафика 25
1.17 chaseplot: нарисуйте погоню Рисунок 26
1,18 лейнбоньеры: низкая граница 28
1.19 ColdoidlaneBoundry: Пограничная линейка задних линий модель 31
1.20 ComputeBoundaryModel: Рассчитайте граничную точку полосы 33
1.21 Целевые покрытия: Целевая осанка 34
1.22 TargetOutlines: Target Contour 35
1.23 Обновления: обновить сцену сцены.
1.24 Radadardetectingeringer: Радар детектор 38
1.25 VisionDeteteEnerator: визуальный детектор 41
Глава 2 Апелляции птицы/ 45
2.1 Birdseyeplot: Создайте вид с птичьего глаза. Рисунок 46
2.2 CoverageareAplotter: ящик для покрытия 47
2.3 ПЛИНЯ КОВЕРЕГА: Нарисуйте область покрытия 48
2.4 DescectionPlotter: обнаружение ящика 49
2,5 Переветривание: Нарисуйте обнаружение цели 50
2.6 LaneboundryPlotter: Пограничный ящик для полосы движения 52
2.7.
2.8 LanemarkingPlotter: Ladies Label Line Line 54
2.9 Установочная линия: Нарисуйте линию маркера 56.
2.10 Pathplotter: Path Brawing Instrument 58
2.11 Участок: Prill Path 59
2.12 TrackPlotter: ящик трека 61
2.13 ПЛАТТРАК: ДРАВИТЬ ТРАКТОРИЯ 62
2.14.
2.15 Plotoutline: Draw Dupline 65
2.16 FindPlotter: Найдите ящик 66
2.17 ClearPlotterData: очистки данных о чертере 68
2.18 ClearData: очистить конкретные данные ящика 69
Глава 3 Экологическое восприятие/ 71
3.1 Monocamera: настроить одно -эй -камеру 72
3.2 ImageToveHicle: координаты изображения преобразованы в координаты транспортных средств 73
3.3.
3.4 ОЦЕНКА ДОКАМЕМОКАМЕРАПАРАМЕРЫ: Внешние параметры одной камеры 75
3.5 Birdseyeview: используйте обратно преобразование, чтобы создать птицу -eye View Object 77
3.6 Transformimage: преобразуйте изображение в вид с птичьего глаза 78
3.7 Imagetovehicle: конвертированные координаты изображений с обращенными птицами в координатах транспортных средств 79
3.8.
3.9 SegmentLaneMarkeridge: обнаружить переулок на сером изображении 82
3.10 ParabolaneBoundry: пангал боковой переулок Модель 83
3.11 Findparaboliclaneboundaries: используйте параболическую модель, чтобы найти границу полосы движения 84
3.12 INSERTLANEBOUNDARY: вставьте границу полосы движения на изображение 86
3.13 CubiclaneBoundaryModel: Три квадратная полоса границы. Модель 87
3.14 FindCubiclaneBoundaries: в поисках границы полосы движения 88 с трехквадратичной моделью
3.15 ComputeBoundaryModel: поиск координат границ полосы движения 90
3.16 EvaluateLaneBoundaries: Оценка модели границы полосы движения 91
3.17 efficeedetectoracf: ACF Detector 92
3.18 Обнаружение: обнаружение цели ACF 93
3.19 CheedeTectorFasterRcnn: RCNN Detector 95
3.20 Peopledectoracf: ACF пешеходный детектор 96
3.21 Vision.Peopledector: Hear -Herage Detection Pedestrian 98
3.22 ConfiguredEctormonocamera: монопольная камера детектор целевой камеры 99
3.23 Trainacfobobjector: обучение целевого детектора ACF 101
3.24 TrainfastrcnnobjectDetector: Train Rcnn Target Detector 103
3.25 TrainfasterCnobjectDetector: поезда быстрее RCNN Detector 105
3.26 Tranyolo v2objectDetector: обучение целевого детектора Yolo V2 106
3.27 objecdetecttraingdata: данные обучения целевого детектора 108
3.28 INSERTMARKER: вставьте теги 109
3.29 PointCloud: Создайте три измерения точечных облаков 110
3.30 PCDENOISE: Удалите трехмерный облачный шум 112
3.31 PCMerge: Merge 3D Cloud 113
3.32 PCNormals: подсчитано, что трехмерная линия метода поверхности облака 114
3.33 PCTransform: Трехмерное преобразование облака 115
3.34 PCREGISTERCPD: CPD -основанная трехмерное распределение облаков 117
3.35 PCRegistericp: ICP на основе трехмерного распределения облаков 118
3.36 PCRegisterNDT: 3D -точечная облако распределение на основе NDT 120
3.37 PCSEGDIST: Dianyun Division на основе евклидова
3.38 SegmentLidardata: лазерная радарная сегментация 123
3.39 Sementgroundfromlidardata: подразделение данных лидара наводнения 125
3.40 PCFitPlane: 3D Dianyun Lianhe Fit 126
Глава 4 Планирование пути/ 129
4.1.
4.2.
4.3 CheckFree: тестирование 133
4.4 Проверка: обнаружение площади занятости 134
4.5 GetCosts: получить единицу стоимости 136
4.6 SETCOSTS: установленная стоимость единицы 138
4.7 Инфляция CollisionChecker: обнаружение столкновений 139
4.8 Pathplannerrrrt: RRT* Placon Planner 141
4.9 План: Планирование пути 142
4.10 CheckPathvality: проверьте обоснованность плана пути 144
4.11 Interpolate: вставьте отношение транспортного средства по пути 145
4.12 SmoothPathspline: плавный путь 146
4.13 LateralControllerStanley: горизонтальный контроллер 147
Глава 5 Отслеживание целей/ 149
5.1 MultObjectTracker: Multi -Target Tracker 150
5.2 ObjectDeTech: отчет о одиночном целевом тесте 151
5.3 GetTrackPositions: Получите позицию отслеживания 152
5.4 getTrackvilic: Получите скорость отслеживания 153
5.5 Trackingkf: линейный карман фильтр 155
5.6 Предсказание: прогноз фильтра Calman 156
5.7 Правильно: коррекция фильтра Кальмана 157
5.8 initcvkf: однородный линейный линейный фильтр Kalman 158
5.9 initCakf: ускорение линейного фильтра кармана 159
5.10 Trackingekffffffff: линейное расширение Kalman Filter 160
5.11 initcvekf: oriform -speed lineare endension kalman filter 161
5.12 initcaekf: ускорение линейного расширения карман фильтр 162
5.13 initCtekf: рулевое линейное расширение Карман Фильтр 163
5.14 Trackinguckf: без тропического фильтра 164
5.15 initcvukf: Calman Filter 166
5.16 initcaukf: ускорить фильтр Кальмана 167
5.17 initctukf: поворот к No Trace Carman Filter 168
5.18 Constvel: модель упражнений с равномерной скоростью 169
5.19 Constveljac: ya сопоставимая матрица 170 с однородной скоростью упражнения
5.20 CVMEAS: функция измерения универсальной скорости упражнения 171
5.21 CVMeasJAC: Agel сопоставимая матрица 172 измерения функции однородного движения скорости
5.22 Constacc: ускоряющая модель движения 173
5.23 Constaccjac: ускоренная математическая матрица Everbright 174
5.24 Камеаса: Ускоряющая функция измерения движения 175
5.25 Cameasjac: ускоренная матрица функции измерения двигателя 176
5.26 Constturn: Движение рулевого управления 177
5.27 Constturnjac: Ya Сравнительная матрица рулевого движения 178
5.28 CTMEAS: функция измерения движения рулевого управления 179
5.29 Ctmeasjac: Jacobe Matrix 180 Функции измерения движения рулевого управления
Глава 6 Пример комплексного применения/ 182
6.1 Моделирование маршрута автомобильного вождения 183
6.2 Симуляция сцены вождения 184
6.3 Симуляция столкновения автомобиля 187
6.4 Автоматическое автоматическое моделирование отключено 188
6.5 Обнаружение и отслеживание View -Weeplocking Visual 190
6.6 Обнаружение земли и препятствия на основе лазерного радара 193
Ссылки/ 196
Cui Shengmin, Технологический университет Харбин (WEIHAI), профессор, в основном направление исследований - это динамика и контроль автомобильной системы, технологии новых энергетических транспортных средств и специальные транспортные средства и т. Д., Председательствуют более 20 различных научных исследовательских проектов, опубликовали более 60 статей и культивируются. Различные типы более 120 аспирантов, скомпилированный «анализ новой технологии энергетических транспортных средств», «Анализ современных автомобильных технологий», «Новая технология интеллектуальных автомобилей», «Ключевая технология интеллектуальных моторов передового вождения системы», «Одна книга Чтение нового энергетического транспортного средства »,« Книга гласит интеллектуальные соединенные автомобили »« Примеры моделирования на основе MATLAB »,« Примеры моделирования новых энергетических автомобилей на основе MATLAB »,« Приложения Matlab программирование и моделирование автомобилей »и другие книги.
Рекомендуемая рекомендация
★ Книга содержит базовую работу автономного моделирования вождения: сцена вождения, взгляд на птичьи глаза, восприятие окружающей среды и планирование пути; Каждый экземпляр существует оригинальные процедуры, каждая оригинальная программа имеет аннотации;