共9个项目结果
热搜:
Feijiang
Mofang
Kedaxunfei

3DOD_thesis Python Star 0

  • 本项目是基于KITTI数据集的PyTorch自动驾驶三维目标检测。
  • 原始仓库地址:https://github.com/fregu856/3DOD_thesis.git 浏览量:1727 下载量:901 about 1 month前

    Vehicle Detection and Pose Estimation for Autonomous Driving master_thesis_code C++ Star 0

  • 这个仓库包含了我硕士论文的源代码,描述了一种利用端到端神经网络从单摄像头图像中提取汽车二维和三维边界框检测的深度学习方法。该网络是由DenseBox、SSD和MS-CNN的组合而成的。在GeForce GTX Titan X GPU上,可以在0.5MPx图像(来自KITTI数据集的图像)上以10fps的速度运行。
  • 原始仓库地址:https://github.com/libornovax/master_thesis_code.git 浏览量:1218 下载量:72 about 1 month前

    Self-Driving-Car-3D-Simulator-With-CNN Python Star 0

  • 作为程序员,我们都想知道自动驾驶汽车是如何被编程的。我也经历了同样的阶段,所以这就是,一个非常简单的数字自动驾驶汽车,用Python语言控制,使用强化q-学习算法和卷积神经网络。你可以把它应用到任何游戏中,算法可以调整,奖励规则可以改变,以允许不同的结果。在我们阅读代码的过程中,我将逐步解释每行代码的作用,一旦您掌握了它,就可以继续编写代码并按照您的意愿进行操作。 为了检测车道,我们需要将游戏帧发送给算法进行处理。我使用了一个名为mss(MultipleScreenShot)的库,它允许用户快速截屏,而FPS的效果几乎是最小的。不幸的是,如果没有指定坐标,它将获取整个屏幕的屏幕截图,因此为了获得游戏帧,游戏需要正确定位。
  • 原始仓库地址:https://github.com/sagar448/Self-Driving-Car-3D-Simulator-With-CNN.git 浏览量:1750 下载量:80 about 1 month前

    Stereo-RCNN Python Star 0

  • **Stereo-RCNN**这个项目包含了我们CVPR 2019论文arxiv的实现。Stereo-RCNN专注于在自动驾驶场景中使用纯图像数据进行精确的三维目标检测和估计。它具有同时对立体图像进行目标检测和关联,利用二维信息对三维框进行估计,对三维框进行精确的密集对齐。我们还提供了一个基于单眼二维检测的轻量级版本,该版本只在密集对齐模块中使用立体图像。
  • 原始仓库地址:https://github.com/HKUST-Aerial-Robotics/Stereo-RCNN 浏览量:1756 下载量:449 2 months前

    VoxelNet-tensorflow Python Star 0

  • 本项目是一种用于自主驾驶的三维目标检测系统。 关于VoxelNet的tensorflow实现。请访问如下链接: https://arxiv.org/abs/1711.06396
  • 原始仓库地址:https://github.com/tsinghua-rll/VoxelNet-tensorflow.git 浏览量:1584 下载量:444 2 months前

    MultiNet Python Star 0

  • 本项目是自动驾驶的实时联合语义推理。 多项网络能够联合进行道路分割、车辆检测和街道分类。该模型在分割方面达到了实时的速度和最先进的性能。查看我们的论文以获得详细的模型描述。(https://arxiv.org/abs/1612.07695) 多项网络经过优化,在实时速度下性能良好。它有两个组成部分:KittiSeg,它设置了一个新的国家的道路分割;和KittiBox,在推理速度和检测性能上都优于基准的fast - rcnn。 该模型采用编解码器结构。它为每个任务使用一个VGG编码器和几个独立的解码器。这个存储库包含在一个网络中组合多个tensorflow模型的通用代码。各个任务的代码由KittiSeg、KittiBox和KittiClass存储库提供。这些存储库在这个项目中用作子模块。这个项目与TensorVision后端兼容,后者允许以一种非常简洁的方式组织实验。
  • 原始仓库地址:https://github.com/MarvinTeichmann/MultiNet.git 浏览量:1572 下载量:17 2 months前

    avod Python Star 0

  • **avod**这个存储库包含用于3D对象检测的聚合视图对象检测(AVOD)网络的Python实现的公共版本。 如果您使用此代码,请引用我们的论文: Joint 3D Proposal Generation and Object Detection from View Aggregation: https://arxiv.org/abs/1712.02294
  • 原始仓库地址:https://github.com/kujason/avod.git 浏览量:1390 下载量:19 2 months前

    carla C++ Star 0

  • **CARLA**是一个用于自动驾驶研究的开源模拟器。CARLA已经从头开始开发,支持自动驾驶系统的开发、培训和验证。除了开源代码和协议之外,**CARLA**还提供了用于此目的的开放数字资产(城市布局、建筑、车辆),可以免费使用。仿真平台支持灵活的传感器套件规格和环境条件。
  • 原始仓库地址:https://github.com/carla-simulator/carla.git 浏览量:1696 下载量:113 2 months前

    AutonomousDrivingCookbook Jupyter Notebook Star 0

  • 该项目由微软车库的**project Road Runner**开发和维护。这项工作目前正在进行中。我们将继续根据用户的请求和协作者的可用性添加更多的教程和场景。 在过去五年左右的时间里,自动驾驶已经远远超越了疯狂的登月计划。它已迅速成为当今最大的技术之一,有望塑造我们的明天,这与汽车刚问世时没什么不同。推动这一变化的一个重要因素是最近软件(人工智能)、硬件(gpu、fpga等)和云计算的进步,这些技术使大量数据的摄取和处理成为可能,使企业有可能争取到4级和5级的自治权。然而,兰德公司(RAND)的一份报告称,要实现这些程度的自主,需要对数亿英里(有时是数千亿英里)的培训数据进行培训,以证明可靠性。 尽管每天收集的数据量很大,但仍然不能满足自动驾驶汽车对日益增长的人工智能模型复杂性的需求。收集如此大量数据的一种方法是使用模拟。仿真不仅可以方便地从各种不同的场景中收集数据,这些场景在现实世界中可能需要几天甚至几个月的时间(比如不同的天气条件、不同的日光等等),而且还为训练有素的模型提供了一个安全的测试平台。使用行为克隆,您可以轻松地在模拟中准备高效的模型,并使用相对较少的真实世界数据对它们进行微调。然后,使用强化学习等技术建立模型,这些模型只能在模拟中训练。使用AirSim等模拟器,处理这些场景变得非常容易。 我们相信,让一项技术成长的最好方法是让它变得容易获得,让每个人都可以使用。这最好是通过尽可能降低进入壁垒来实现的。在微软,我们的使命是让这个星球上的每一个人和组织都能取得更大的成就。这就是我们的主要动机。我们这个项目的目的是帮助您快速熟悉和熟悉自动驾驶中不同的上车场景,这样您就可以将您在这里学到的知识应用到您的日常工作中,以最小的进入障碍。
  • 原始仓库地址:https://github.com/microsoft/AutonomousDrivingCookbook.git 浏览量:1909 下载量:361 3 months前

    ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

    版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie