Udacity无人驾驶汽车工程师Nanodegree项目中包含深度学习、图像处理和SLAM技术的集合，项目代号为nd013-self-driving-car

无人驾驶汽车工程师纳米学位 该存储库包含针对项目的解决方案所有项目（P2除外）的演示播放列表 项目1：在道路上寻找车道线 问题 检测视频中的车道线 解决方案 使用来自和实现，我基于置信度和有关空间特征（位置，角度和长度）的假设从各个帧中提取了候选车道线。 单个框架中的最后车道线是框架候选线的加权平均值（更长的候选线具有较大的权重）。 视频中所得的车道线是当前帧和先前几个单独帧的最终车道线的平均值。 所有变量均已手动调整 演示版 简单案例-https: 更高级的案例-https: 挑战-https: 源代码 关键字词 Python ， Computer Vision ， OpenCV 项目2：交通标志分类 问题 交通标志分类 解决方案 在对数据集进行一些初步探索之后，我通过旋转图像对其进行了扩充。 我没有转换为灰度来保留颜色数据。 不仅增加了训练数据的大小，而且在现实生活中，根