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. copylot:您的副驾驶学习和工作（Pomodoro-timer，Translate and Notes应用）-源码

  2. 仿制 您的副驾驶学习和工作（Pomodoro-timer，Translate and Notes应用） Copylot是一个三个应用程序： 波莫多罗 翻译 笔记 Copilot在以下方面受支持： 视窗 Linux OSX 安卓 的iOS Python文件 如何运行这个项目？ pip install poetry # If you don't already have poetry poetry install poetry run main.py 如何进行测试？ po

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：32kb
    • 提供者：weixin_42118701

  1. DrivingSchoolWeb-源码

  2. 驾驶学校网 项目设置 npm install 编译和热重装以进行开发 npm run serve 编译并最小化生产 npm run build 自定义配置 请参阅。 本地化i18n vuejs-noty ee 测试

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：443kb
    • 提供者：weixin_42144199

  1. msde_fgm-源码

  2. MSDE第十次障碍物通过 Seoultech MSDE自动驾驶（f1th）障碍物通过ros包 测试环境 Ubuntu 18.04 ROS旋律 品质化 机器人将在大约5秒钟后开始行驶 运行命令-roslaunch（单次驾驶） $ roslaunch msde_fgm sim_msde_driving.launch 大奖赛-头对头 唯一的团队ID： /msde_race 扫描： /msde_race/scan 奥多姆： /msde_race/odom 导航： /msde_race/drive 运行

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：71kb
    • 提供者：weixin_42130889

  1. evolutionary-reinforcement-neural-network-autonomous-car:基于进化算法和强化学习的自学自动驾驶汽车-源码

  2. 基于进化神经网络和强化学习神经网络的自学自动驾驶汽车 该程序旨在通过进化算法或强化学习来演示自学自动驾驶汽车的工作原理。这意味着您可以在这两种方法之间切换。 通过运行以下命令，用进化方法启动程序：python Game.py 如果您想通过强化学习来启动程序，请使用以下命令运行它：python Game.py --rl True 您可以尝试通过编辑Config.py文件来更改游戏，例如，更改地图大小，更改汽车大小等。 进化算法测试的结果： 这是第一代 这是最适合个人的最新一代产品 研究成果 这是开

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：27mb
    • 提供者：weixin_42136837

  1. sdcn-2-advanced-lane-detector:先进的车道检测器和追踪器-源码

  2. 高级车道查找 Udacity-无人驾驶汽车NanoDegree-项目2 照片和视频来自原始。 这是车道检测器管道的输出示例。 该流水线使用了SDCN课程中涵盖的所有技术，但尚未调整以处理更难的挑战视频（尚未）。 这是作业项目...而不是生产代码。 :winking_face: 代码 calibrator.py ：视频校准管道 detector.py ：带CLI前端的车道检测器代码，用于单幅图像检测 detector_params.py ：探测器参数 video_detector.py ：用于

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：85mb
    • 提供者：weixin_42165490

  1. vehicle-recognition-ssd:使用单发检测器进行车辆识别-源码

  2. 使用用于AV的SSD的车辆识别 在自动驾驶汽车（AV's）中使用单发检测器（SSD）进行车辆识别。 链接到PowerPoint以访问视频： 固态硬盘300 使用TensorFlow实现的单发MultiBox检测器 依存关系 python3.6.1 麻木 skimage TensorFlow matplotlib OpenCV 用法 导入所需的模块 import tensorflow as tf import numpy as np from util.util import * from

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：300mb
    • 提供者：weixin_42181686

  1. ntu_viral_dataset-源码

  2. 该站点展示了从我们的研究型无人机（UAV）平台收集的数据集，这些数据集具有大量传感器： 两个3D激光雷达 两个时间同步摄像机 多个惯性测量单元（IMU） UAV上的四个超宽带（UWB）节点，范围为三个锚点。 全面的传感器套件类似于自动驾驶汽车的传感器套件，但具有空中操作独特且具有挑战性的特征。 飞行测试是在各种室内和室外条件下进行的。 引文 如果您使用此数据套件中的某些资源，请引用为 article{nguyen2021ntuviral, title={NTU VIRAL: A Vis

  3. 所属分类：其它

  1. advanced-deep-learning-with-python:使用Python进行高级深度学习-源码

  2. 使用Python进行高级深度学习 这是Packt出版的《 》一书的代码存储库。 目录： 神经网络的基本要素 了解卷积网络 高级卷积网络 目标检测和图像分割 生成模型 语言建模 了解递归网络 序列到序列模型和注意 新兴的神经网络设计 元学习 无人驾驶汽车深度学习 所有代码示例均已针对TensorFlow 2.0.0和PyTorch 1.3.1进行了测试 一些代码示例是从其他开放源代码存储库改编而成的。 在这种情况下，基本示例链接在代码文件的开头。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：22mb
    • 提供者：weixin_42163404

  1. db_mot:负责俱乐部活动，MOT等的门户-源码

  2. DroidBuilder MOT 欢迎使用UK R2 Builders MOT系统 为了使我们能够获得公共责任保险（PLI）并与Lucasfilm / Disney保持良好的关系，英国R2建设者俱乐部建立了MOT系统，以确保机器人及其驾驶员在公共场所安全操作。 （MOT是英国的测试，允许在道路上行驶的车辆进行测试） 由于原始电子表格已无法使用，因此已安装了该软件以跟踪所有详细信息。 自最初的版本仅跟踪MOT的具体细节以来，它已被扩展为供建造者使用的门户，以跟踪俱乐部活动（以及活动中筹集的善

  3. 所属分类：其它

  1. SDC-System-Integration:自驾车工程师纳米系统集成顶峰项目-源码

  2. Udacity无人驾驶汽车工程师纳米学位 最终项目：系统集成 这是Udacity无人驾驶汽车工程师Nanodegree：编程真正的无人驾驶汽车的最终项目的Team Vulture项目回购。 该项目将需要使用Ubuntu Linux（Carla的操作系统）和与Robotic Operating System或ROS集成的新模拟器。 该项目将把Carla的行驶速度限制在10 MPH以内，以进行现场测试。 注意：您可以在文件中找到我们的开发，测试日志和安全说明。 警告：为了保持SDCND最终系统

  3. 所属分类：其它

  1. Distracted-Driver-Classification:分散注意力的驾驶员多动作分类-源码

  2. 分散注意力的驾驶员多动作分类 :automobile: :sport_utility_vehicle: :bus: 1.问题 预测可能性：驾驶员在每个演讲中都在做什么？ 我们需要图像分类成以下10类 c0：安全驾驶 c1：发短信（右） c2：电话交谈（右） c3：发短信（左） c4：电话交谈（左） c5：操作收音机 c6：喝酒 c7：伸手去拿 c8：化妆 c9：与Pessenger交谈 2.资料 3.特点 数据由驾驶员图像组成，每个图像都是在汽车中拍摄的，驾驶员在汽车中做某事 发短

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：744kb
    • 提供者：weixin_42133452

  1. AI-Drone:我们试图用AI飞行无人驾驶飞机吗？-源码

  2. AI无人机 我们试图用AI飞行无人驾驶飞机吗？ 问号？ 现有的BattleBot回购 会员 安东尼·洛克（Anthony Lock） 达米安·庞（Damian Pang） 杜加德·斯普里（Dhugald Spry） 乔·霍瑞尔 主意 目标是尝试制造一种可自动控制的无人机，该无人机可以执行任务并从A点到达B点，避免过时的观察和运送物品，并返回家中而不会造成自身损失。 我们将使用现有的Farmbot Battlebot底盘作为2D平台来测试和演示该无人机将具有的主要功能，然后将其用于实际的无人

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：38kb
    • 提供者：weixin_42099755

  1. AV_testing:自动驾驶汽车测试-源码

  2. AV_test 自动驾驶汽车测试

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：12mb
    • 提供者：weixin_42102713

  1. nd013-c2-fusion-starter-源码

  2. 无人驾驶汽车Beta测试纳米度 传感器融合和物体检测 我们使用Waymo Open Dataset的真实数据，并在该项目中应用了扩展的Kalman融合滤波器来绘制和跟踪多辆车辆。 完成项目所需完成的主要任务： 实现卡尔曼滤波器以跟踪对象 跟踪管理，初始化，更新和删除跟踪以进行跟踪 数据关联 相机传感器融合，基于激光雷达融合，添加相机测量融合 要运行项目，只需运行脚本loop_over_dataset.py 步骤1：扩展卡尔曼滤波器 在filter.py文件中，使用EKF。 设计系统状态[x，

  3. 所属分类：其它

  1. Lane_Line_Detection:从道路的图像和视频中检测车道线-源码

  2. 车道线检测 该项目构建了一个计算机视觉（CV）应用程序，该应用程序可以从道路的图像和视频中检测车道线。 该存储库受到Udacity无人驾驶汽车工程师Nanodegree计划的Finding Lane Lines项目的启发。 该程序已使用了此存储库中使用的测试图像和视频。 用于检测图像中的车道线的主要步骤是： 颜色转换为灰色 坎尼边缘检测 使用高斯模糊进行图像过滤 检测感兴趣区域（ROI） 线路检测 霍夫变换

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：26mb
    • 提供者：weixin_42104906

  1. IDA-3D:IDA-3D-源码

  2. IDA-3D：用于自动驾驶的立体视觉中具有实例深度的3D对象检测（CVPR2020） 该存储库是我们CVPR2020 的代码 安装 此实现基于 ，您可以检查以获取安装说明。 我们在Ubuntu 18.04上的python 3.7，PyTorch 1.1.0，CUDA 10.0下测试了此代码。 我们还提供基于和的现成运行环境。 您可以直接从和下载并运行以下命令。 unzip env_IDA3D.zip -d ~ /anaconda3/envs/ # Activating Singularit

  3. 所属分类：其它

  1. Semantic-Segmentation-源码

  2. 使用完全卷积网络的语义分割 这是我作为CSE 251B（神经网络）小组项目（与Li Lingxi，Li Yejun Li，Zengwen Wen和Zhang Yunyi）一起完成的工作。 与合作伙伴的讨论使我受益匪浅，但是这里的所有代码都是由讲师给出或由我编写的。 具体来说，我创建了模型（basic_fcn.py），并编写了用于训练模型并在验证和测试集（starter.py和util.py）上对其进行评估的代码，而讲师则为我们提供了用于加载数据的所有代码。 这个项目有一个基本的全卷积神经网络，

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：58mb
    • 提供者：weixin_42137539

  1. techno:使用相关度量对技术音轨进行排序，然后使用滑动窗口对片段进行局部对齐-源码

  2. 技术 采取多种技术途径，我们： 用采样率和速度对它们进行归一化 使用特殊的相关度量对它们进行排序 使用滑动窗口将片段局部对齐，最后： 内插以产生“连续”混合。 Nb仍在努力提高速度标准化的准确性。 改进的速度规范化将改善转场的质量 （225行python代码..在Ubuntu上测试） 结果 五个小时的高能量音乐，可进行长时间编码，驾驶，运动或学习： ： 发现 可以使用相关性对齐具有相同速度的技术片段，以实现平稳过渡 关联不考虑小节线或计数 可能会得到错误的答案，例如被淘汰！ 可靠性需要更

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：19mb
    • 提供者：weixin_42123296

  1. Reinforcement-Learning-Approach-to-Autonomous-Race-Car2:强化学习方法助力无人方程式学生技术-源码

  2. 自主赛车的强化学习方法 增强学习方法，用于“ Formula Student Technion无人驾驶”项目，该项目在具有AirSim插件的虚幻引擎4中使用Soft Actor Critic（SAC）算法和变体自动编码器（VAE）进行了模拟。 先决条件 作业系统：Ubuntu 18.04 or Windows 10 软体：Unreal Engine 4.24.3 GPU：Nvidia GTX 1080或更高版本（推荐） 如何建造 通过单击此链接 ， 设置虚幻引擎4，AirSim和FSTD环境

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：10mb
    • 提供者：weixin_42101384

  1. 驾驶测试-源码

  2. 驾驶测试

  3. 所属分类：其它

« 12 3 4 »