数据集模板—自动驾驶

更新时间：2024-12-17

访问地址: GitHub

描述：

腾讯自动驾驶仿真系统 TAD Sim (Tencent Autonomous Driving Simulation) 单机版 是腾讯自动驾驶以建立更加安全和高效的自动驾驶测试工具为目标, 为自动驾驶系统研发和验证而量身定做的跨平台分布式系统。

它基于腾讯强大的游戏引擎、虚拟现实、云游戏技术, 集成工业级的车辆动力学模型和专业的渲染引擎, 辅以三维重建技术和虚实一体交通流, 可以完成感知、决策、控制算法等实车上全部模块的闭环仿真验证, 极大地降低了研发成本并缩短了研发实际周期。

更新时间：2024-05-19

访问地址: GitHub

描述：

自动驾驶笔记，以解析各模块知识点、整合行业优秀解决方案进行阐述，以帮助自己及有需要的读者；包含深度学习、deeplearning、无人驾驶、BEV、Transformer、ADAS、CVPR、特斯拉AI DAY、大模型、chatgpt等内容。

数据集网址：

https://github.com/gotonote/Autopilot-Notes

更新时间：2024-05-25

访问地址: GitHub

描述：

自动驾驶规划控制常用算法c++代码实现。

数据集网址：

https://github.com/CHH3213/chhRobotics_CPP

更新时间：2024-07-14

访问地址: GitHub

描述：

基于ROS的自动驾驶仿真项目，使用DWA路径规划算法和双PID控制器。规划部分使用Dijkstra算法进行全局路径规划，DWA算法进行局部路径规划。控制部分使用了双PID控制器，它的优点首先是比较容易实现，另外它能够更好地处理非线性和时变性系统，提高控制系统的稳定性和性能。根据给定车辆动力学模型进行状态更新。

数据集网址：

https://github.com/Matthew-Lyu/Autonomous-Driving-Simulation-ROS-Noetic

更新时间：2024-12-18

访问地址: GitHub

描述：

随着新能源汽车在中国的快速普及，预计到 2025 年，新能源汽车的渗透率将趋于 40%。自动驾驶技术的发展对于推动这一转变至关重要。Eco-sight 项目通过采用深度学习和人工智能技术，提高了自动驾驶汽车的安全性和效率。

本项目积极响应“碳达峰碳中和”的国家战略，通过优化算法和提升能效，减少能源消耗，降低碳排放，为实现绿色低碳的智能交通系统做出贡献。

Eco-Sight项目是一个致力于自动驾驶的智能视觉感知系统，在当前中国新能源汽车产业快速发展的背景下，Eco-sight项目团队深入学习和实践了数据集的选择与制作、YOLO模型的训练以及智能帧率调节，以确保在各种驾驶环境下都能实现快速而准确的目标检测。

数据集网址：

https://github.com/RichardJiang-collab/Eco-Sight

更新时间：2024-08-19

访问地址: GitHub

描述：

《自动驾驶中的SLAM技术》对应开源代码，向读者系统介绍了惯性导航、组合导航、激光建图、激光定位、激光惯导里程计等知识。

数据集网址：

https://github.com/gaoxiang12/slam_in_autonomous_driving

更新时间：2024-01-17

访问地址: GitHub

描述：

主要记录计算机视觉、VSLAM、点云、结构光、机械臂抓取、三维重建、深度学习、自动驾驶等前沿paper与文章。

Resources

数据集网址：

https://github.com/qxiaofan/awesome-3dcv-papers-daily

更新时间：2024-09-10

访问地址: GitHub

描述：

记录自己对自动驾驶的学习过程和相关学习链接。

数据集网址：

https://github.com/ProgramTraveler/Road-To-Autonomous-Driving

更新时间：2024-07-01

访问地址: GitHub

描述：

PyTorch自动驾驶视觉感知算法实战示例代码。

数据集网址：

https://github.com/vision-adas/code

更新时间：2024-03-26

访问地址: GitHub

描述：

本项目对于高动态飞行器过载控制系统，提出了基于角加速度反馈的自动驾驶仪设计方案，并设计了自抗扰控制系统。具体包括以下几点：设计了基于角速度和角加速度反馈的PI两回路控制系统方案；基于角加速度反馈设计了自抗扰过载控制方法，并对系统稳定性进行了频域分析。

经过仿真校验及稳定性理论分析，得到结论如下：传统的带PI校正的过载控制回路中，角加速度反馈的控制方案相比角速度反馈，具有更好的跟踪性能和稳定性；在高动态飞行器过载控制系统中加入自抗扰控制器，可对模型的不确定性及干扰进行补偿，明显提高了系统的稳定性能；在控制系统参数变化时，自抗扰控制系统的稳定性几乎不受影响，表明其对模型的不确定性有较强的容错率，相比传统PI控制回路拥有更好的鲁棒性。

数据集网址：

https://github.com/SJY411/ADRC-control-system-of-highly-dynamic-aircraft