Python

Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
Python语言框架
Python是一门诞生于1991年的高级、解释型编程语言,由吉多·范罗苏姆创造。其核心设计哲学强调代码的极简性和可读性,尤其依赖清晰的缩进来定义代码结构,这使得它语法接近英语,非常易于学习和使用。作为动态类型语言,它为快速开发和原型设计提供了极大的灵活性,并支持面向对象、命令式、函数式等多种编程范式。Python的巨大优势在于其拥有一个由庞大活跃社区支撑的丰富第三方库生态系统(PyPI),覆盖了几乎所有应用领域:无论是Web开发(Django, Flask)、数据科学(Pandas, NumPy, Matplotlib)、人工智能(TensorFlow, PyTorch)还是自动化脚本和系统运维,都能找到成熟高效的工具库。这种“开箱即用”的特性使其成为解决各类实际问题的“瑞士军刀”,兼具强大的功能与简单的语法。
开发组织  吉多·范罗苏姆
基于已有的data标签、车型、update时间等信息对每天传来的数据进行自动筛选,保存项目急缺的数据并删除冗余或者不重要的数据,提高APA各项目的测试效率;对大量APA数据做了数据挖掘工作,主要是checker结果的数据提取与分析;利用大模型、ARS仿真系统来生成长尾场景的仿真数据。checker主
220Python人工智能
自动泊车项目产品系统
A核与R核跨核通信模块,前后左右环视摄像头模块,多路鱼眼相机模块,雷达模块,超声波模块,掼导模块,GPS模块,融合感知模块,地图融合模块,地图建图模块,规划模块,巡航模块,泊入泊出模块,车辆控制模块,显示与交互控制模块等.提供功能完善,交互友好的自动泊车系统
260C++自动驾驶
该项目包含八大核心功能模块:1)全景播放器(PanoPlayer),支持上行/下行漫游、路径漫游及标志牌信息展示;2)三维模型加载器(CesiumModelLoader),支持大规模道路模型加载和材质外观设置;3)淹没分析工具,提供水文分析与模拟功能;4)道路三维漫游系统,支持多级道路数据上传及交互
400Java自动驾驶
1、功能模块(41IP/11品类):状态估计(8):KF-1D/EKF/UKF/AKF/SR-KF等卡尔曼变体全系数字滤波(9):IIR低通/FIR全系(低通/高通/带通/带阻)/CIC抽取/EMA电池模型(4):Thevenin-1RC/2RC,PNGV,EIS阻抗谱数学库(4):BlockFlo
520Python机器人
本项目是一套基于数字孪生与车联网技术的智能停车引导系统,主要用于停车资源状态监测、车位预约、车辆路径引导和交通流量仿真。系统主要包括以下功能模块:1.停车场数字孪生映射模块:对停车场、车位和车辆状态进行抽象建模,动态反映停车资源变化。2.实时车位状态管理模块:记录和更新车位占用、空闲、预约等状态,为
510Python物联网
1、实现了低延迟视频监控,采用MJEPG技术实现视频流传输,进行车载摄像头监控2、实现上位机小车控制,能手动控制智能小车以及切换手动模式和巡检模式。3、实时更新小车PID数据,观察小车PID闭环状态4、实现摄像头舵机控制功能。
691Python自动驾驶
(一)基础目标检测功能1.红绿灯状态识别:精准识别红灯、绿灯、黄灯、熄灭故障四种状态,区分机动车红绿灯、行人专属红绿灯,适配不同路口灯型样式。2.多目标精准检测:覆盖红绿灯有效管控区域内所有核心目标,包括机动车(轿车、货车、电动车、摩托车)、行人、非机动车,支持密集人群、车辆拥堵、逆光、弱光、雨天、
780Java人工智能
组件提供异步回调注册、终态去重、任务取消、OBD断连处理、回调静默超时检测、后台线程退出和服务关停管理。任务运行期间可以持续接收进度事件,并在完成、失败或取消时统一收敛状态。组件还能够阻止迟到回调进入已经销毁的业务对象,在全局取消后为相关业务生成明确终态,并为周期任务保留下一轮自动恢复能力。
760C++汽车
系统主要包含模型加载、数据源选择、图片检测、视频检测、摄像头实时检测、检测参数调节、结果可视化、检测结果表格展示、场景分析、驾驶建议生成、语音播报和暂停问答等功能模块。用户可以分别加载交通标志识别模型和行人车辆识别模型,选择图片、视频或摄像头作为输入源,系统会自动绘制检测框、显示类别和置信度,并根据
840Python人工智能
项目采用Python开发,实现了面向自动驾驶场景的单目深度估计系统,主要包括模型管理、图像推理、视频推理、实时摄像头推理、结果可视化、性能监控及数据导出等功能模块。系统支持Lite-Mono等多种深度估计模型加载,可完成图片、视频及摄像头画面的深度预测,并实时显示彩色深度图和推理帧率等运行信息。系统
640Python人工智能
模型转换与部署:实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路,适配瑞芯微NPU硬件加速。多线程视频流处理:设计了图像采集、预处理、模型推理、结果后处理的并行流水线,最大化利用CPU与NPU资源。自适应视觉算法:集成了动态阈值分割与逆透视变换(IPM)算法,解决了复杂光照下
1300C++机器人
平台围绕“虚拟仿真+数据服务+算法测评”搭建一体化功能体系:1)虚拟仿真环境模块:构建城市道路、高速、乡村道路、恶劣天气等高保真驾驶场景;2)智能数据生成模块:生成图像、点云、毫米波雷达、GPS/IMU、车辆轨迹与决策逻辑等多模态数据;3)算法测评模块:支持感知、预测、规划、控制等算法接入,输出安全
1110Python人工智能
系统包含五大模块:1)多型号LiDAR统一Capture抽象层,支持禾赛/速腾/Mid360/Fairy/Velodyne等7+型号;2)运动补偿与时间戳处理子模块,统一start_stamp/end_stamp填充与纳秒精度对齐;3)PTC优先+本地dat回退的标定参数加载兜底机制,保障LiDAR
1130C++人工智能
1碰撞检测模块:预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块:使用传统或深度学习检测具体的货物容器(托盘,货架,料笼),厂区的行人,头盔,车辆等3避障检测模块:360°雷达检测避障,可对高于8cm的静态物体进行检测,不针对特定物体,不依赖数据集,移动物体通过多传感器相机和雷达融合输出
940C++自动驾驶
机器人数据闭环系统聚焦机器人全生命周期数据治理与智能迭代,打造全链路、自动化、可复用的一体化功能体系,全方位支撑机器人智能化、规模化落地应用。系统具备多模态数据统一采集功能,可适配工业、服务、运维等各类场景机器人的视觉、传感、运动控制等多类型数据,实现全域数据实时汇聚、自动归集,解决多源数据分散割裂
1260C++自动驾驶
·数据采集与预处理模块:负责车载传感器(摄像头、雷达等)数据的采集、同步与切片处理·网络通信与稳定性测试模块:保障车载网络(如CAN、以太网)的稳定性和数据完整性·故障分析与诊断模块:通过自动化脚本分析车载数据,识别系统异常与故障模式·版本管理与刷写模块:支持日常系统版本的刷写、迭代与回归测试·场景
1110Python汽车
3D点云产品系统
熟练掌握3D点云立方体标注、障碍物3D框选、雷达+图像联合标注、行人/车辆/非机动车/交通标识三维标注,熟悉自动驾驶激光雷达场景标注规则,理解点云分层、远近景区分、遮挡判定,可完成3D标注、复检、修正类任务。
1210Java自动驾驶
1、拍卖算法模块,包含(协商模块,任务添加模块,任务移除模块),鲸鱼优化算法,包含(螺旋上升、全局探索,局部探索)2、在无人机和无人车被干扰的条件下实现任务规划
970C++自动驾驶
管理端(Java+Vue):1、测试配置管理:包含测试类型、测试参数、测试用例、测试脚本管理、执行端管理2、测试任务管理、测试任务下发执行端、测试任务执行3、测试任务执行汇总执行端(Python+Vue)1、执行端向管理端注册1、测试任务接收及执行2、对接测试脚本,执行测试任务
1040Java汽车
本系统是一款面向专业无人机表演团队的万架级集群控制平台,涵盖无人机型号管理、集群规模配置、自定义文字编队、文字动画控制、三维可视化预览、实时状态监控等核心功能模块。无人机型号管理模块支持DJI大疆Mavic3/Air3/Mini3、Parrot派诺特Anafi、Autel傲视EVOII、Yuneec
2600Python自动驾驶
当前共23个项目more
×
寻找源码
源码描述
联系方式
提交