自动驾驶matlab

基于计算机视觉的自动驾驶，matlab程序加视频，需要matlab版本2017或以上

%% Forward Collision Warning Using Sensor Fusion
% This example shows how to perform forward collision warning by fusing
% data from vision and radar sensors to track objects in front of the
% vehicle.
%

%% Overview
% Forward collision warning （FCW） is an important feature in driver
% assistance and automated driving systems where the goal is to provide
% correct timely and reliable warnings to the driver before an impending
% collision with the vehicle in front. To achieve the goal vehicles are
% equipped with forward-facing vision and radar sensors. Sensor fusion is
% required to increase the probability of accurate warnings and minimize
% the probability of false warnings.
%
% For the purposes of this example a test car （the ego vehicle） was
% equipped with various sensors and their outputs were recorded. The
% sensors used for this example were:
%
% # Vision sensor which provided lists of observed objects with their 
%   classification and information about lane boundaries. The object lists 
%   were reported 10 times per second. Lane boundaries were reported 20
%   times per second.
% # Radar sensor with medium and long range modes which provided lists of 
%   unclassified observed objects. The object lists were reported 20 times 
%   per second.
% # IMU which reported the speed and turn rate of the ego vehicle 20 times
%   per second.
% # Video camera which recorded a video clip of the scene in front of the
%   car. Note: This video is not used by the tracker and only serves to
%   display the tracking results on video for verification.
%
% The process of providing a forward collision warning comprises the
% following steps: 
%
% # Obtain the data from the sensors.
% # Fuse the sensor data to get a list of tracks i.e. estimated
%   positions and velocities of the objects in front of the car.
% # Issue warnings based on the tracks and FCW criteria. The FCW criteria
%   are based on the Euro NCAP AEB test procedure and take into account the
%   relative distance and relative speed to the object in front of the car.
%
% For more information about tracking multiple objects see 
% jectTracking‘） Multiple object Tracking>.
%
% The visualization in this example is done using
%  and % birdsEyePlot>. For brevity the functions that create and update the
% display were moved to helper functions outside of this example. For more
% information on how to use these displays see
% jectOnVideoExample.html Annotate Video Using
% Detections in Vehicle Coordinates> and % Visualize Sensor Coverage Detections and Tracks>.
%
% This example is a script with the main body shown here and helper
% routines in the form of
% ripts‘） local f

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件     3539658  2017-05-08 22:42  基于计算机视觉的自动驾驶应用\01_city_c2s_fcw_10s.mp4
     文件         921  2017-05-08 22:42  基于计算机视觉的自动驾驶应用\FCWDemoMonoCameraSensor.mat
     文件         364  2017-05-08 22:42  基于计算机视觉的自动驾驶应用\SensorConfigurationData.mat
     文件       30785  2017-05-08 22:42  基于计算机视觉的自动驾驶应用\main.m
     文件          35  2017-05-11 12:53  基于计算机视觉的自动驾驶应用\说明.txt
     目录           0  2018-05-26 16:49  基于计算机视觉的自动驾驶应用\