ASAM SOVD即面向服务的车辆诊断API规范，是汽车诊断领域中的一个标准化接口规范。该规范的主要目的是提供一套标准的方法和协议，使得车辆诊断工具与车载诊断系统（OBD-II）之间能够进行有效、标准化的通信。通过这种标准化接口，开发者可以更加方便地开发车辆诊断相关的应用程序，如故障码读取、数据记录、电子控制单元（ECU）编程等。 ASAM SOVD规范的发布日期为2022年6月30日，版本号为1.0.0。该规范由ASAM（国际汽车测量与测试标准化组织）制定，旨在为服务导向的车辆诊断提供支持，帮助相关企业、开发者、技术人员在不同的车辆系统和诊断工具之间实现互操作性。这种互操作性是现代汽车工业中一个非常重要的概念，因为它确保了不同制造商的产品可以无缝协作，为最终用户带来更好的服务体验。 规范中详细定义了车辆诊断的各个方面的接口和服务，包括但不限于诊断通信协议、数据交换格式、诊断服务的类型和内容、以及安全性要求。对于车辆制造商而言，这些标准为他们提供了一个共同遵循的框架，使得诊断服务能够更加高效地集成和扩展。对于维修技师和开发人员，它提供了一个学习和实施的基准，从而减少了对特定车辆平台和诊断工具的依赖。 此外，ASAM SOVD规范还包含了一系列的诊断功能，比如读取和清除故障码、读取车辆数据、控制车辆系统等。这些功能通过标准化的API进行封装，使得第三方开发者能够快速地集成这些功能到他们的应用程序中，从而实现车辆数据的可视化、分析和进一步的业务应用开发。 值得注意的是，ASAM SOVD规范的制定不仅仅是技术层面的进步，它还体现了汽车行业的开放性和创新精神。随着汽车电子化的不断深入和智能化技术的发展，车辆变成了一个集成了众多高科技系统的复杂设备。为了使这些系统能够有效地协同工作，并且能够被专业的技术人员和普通消费者所理解和使用，需要有一个统一的技术标准。ASAM SOVD就是在这个背景下诞生的。 由于ASAM SOVD规范是一个公开的技术标准，它的推广和应用将有助于推动整个汽车行业的发展，特别是在车辆诊断、远程信息处理、车辆维护和服务等领域。通过降低技术壁垒和促进不同制造商和供应商之间的合作，ASAM SOVD有望提升整个汽车产业的效率和创新能力。 ASAM SOVD规范的出现，不仅为车辆诊断技术的开发和应用提供了一条清晰的路径，也为整个汽车产业的未来发展奠定了坚实的基础。对于行业内的企业、技术人员、以及最终用户，这都是一个积极的信号，预示着更加高效、便捷和创新的汽车服务时代的到来。

FairMOTVehicle A fork of FairMOT used to do vehicle MOT(multi-object tracking). You can refer to origin fork 车辆跟踪，效果如下，此测试未经过训练(Results of vehicle mot is as follows, the video seq has not been trained)： 使用UA-DETRAC公开数据集训练FairMOT(Using UA-DETRAC as training dataset for vehicle tracking) UA_DETRAC是一个公开的车辆跟踪数据集, 共8万多张训练数据集，每一张图的每一辆车都经过了精心的标注。 训练方法(具体调用时，根据服务器目录, 修改自定义路径) (1). 使用gen_labels_detrac.py脚本

CARLA通用骨架，用于生成我们自己的4轮汽车。格式为*.fbx，支持的应用程序有Cinema4D，Maya，Autodesk 3ds Max，Wings3D，支持的引擎有Unity3D，Unreal Engine 3/UDK及Unreal Engine 4

SAE J3101：2020 硬件保护安全性 untuk 地面车辆完整英文电子版（80页） 这份技术报告由 SAE 技术标准委员会发布，旨在推进技术和工程科学的发展。该报告的使用完全是自愿的，用户对其适用性和适用性的评估是他们自己的责任。 SAE 每五年至少对每份技术报告进行审查，可以对其进行修订、重新确认、稳定或取消。 SAE 欢迎您的书面评论和建议。 本报告的主要内容是关于硬件保护安全性在地面车辆中的应用。随着汽车电子系统的发展，安全性变得越来越重要。汽车电脑系统需要通过设备身份验证、密封、证明、数据完整性和可用性来确保可靠性。这些系统必须能够抵御各种攻击，而软件安全机制无法满足这些需求。 因此，本报告提供了一个关于硬件保护安全性在汽车应用中的综合视图，包括硬件根信任、硬件安全原语、设备身份验证、密封、证明、数据完整性和可用性等安全机制。此外，本报告还提供了使用这些安全机制的最佳实践。 在汽车电子系统中，硬件保护安全性扮演着非常重要的角色。汽车电脑系统需要在各种攻击中保持可靠性，这些攻击包括恶意软件攻击、未经授权的访问、数据篡改等。为了满足这些需求，本报告提出了硬件保护安全性的解决方案，包括硬件根信任、硬件安全原语、设备身份验证、密封、证明、数据完整性和可用性等。 本报告的主要特点是提供了一个关于硬件保护安全性在汽车应用中的综合视图，包括安全机制、安全原语、安全协议等。此外，本报告还提供了使用这些安全机制的最佳实践，以确保汽车电脑系统的可靠性和安全性。 本报告为汽车电子系统的安全性提供了一个非常重要的指南，帮助汽车制造商和相关企业更好地理解和实施硬件保护安全性，以确保汽车电脑系统的可靠性和安全性。 知识点： 1. 硬件保护安全性在汽车电子系统中的应用 2.汽车电脑系统的安全性需求 3. 硬件根信任和硬件安全原语 4. 设备身份验证、密封、证明、数据完整性和可用性 5. 硬件保护安全性的解决方案 6.汽车电脑系统的安全机制和安全协议 7. 硬件保护安全性的最佳实践 8.汽车电脑系统的可靠性和安全性 相关概念： 1. 硬件保护安全性 2. 软件安全机制 3.汽车电脑系统 4. 设备身份验证 5. 密封 6. 证明 7. 数据完整性 8. 可用性 9. 硬件根信任 10. 硬件安全原语

利用matlab生成dsp运行代码使用Stanley控制器进行车辆路径跟踪 提交的内容包含一个模型，该模型显示了Stanley控制器在美国高速公路场景中行驶的车辆上的实现方式。 以下步骤描述了工作流程： 生成航点 平滑车辆参考位置和方向 生成速度曲线 实施斯坦利控制器 在2D，Bird's-Eye Scope和3D仿真环境中可视化车辆的最终路径。 用户可以参考此模型来执行给定路点的路径跟踪应用程序。 可以在比较获得的轨迹和参考轨迹的2D图中可视化结果。 模型 stanleyHighway.slx 该模型实现了一个Stanley控制器来驱动车辆通过US Highway场景。 支持的文件和文件夹（在运行模型之前，请确保所有这些文件都在当前文件夹中） 图片 该文件夹包含用于掩盖模型中某些块的图像 setUpModel.m 该文件初始化运行模型所需的参数 USHighway.mat 该文件包含美国高速公路场景的数据 velocityProfile.mlx 实时脚本基于梯形轮廓生成速度轮廓 产品要求 这些模型是在MATLAB R2020b版本中开发的，并使用以下MathWorks产品： 自动驾驶

NWH Vehicle Physics 2 unity 车辆动力系统

基于物理的2d赛车实现 Unity插件

2.2 Cokriging模型 Cokriging 模型是上个世纪 70 年代发展起来 的一种更有效的地质统计学插值模型 [91]-[95] 。在 地质统计学领域，为了提高对某个抽样比较困难 的量的预测精度，提出了采用更容易抽样的量进 行辅助预测的 kriging 模型，称为 cokriging 模型 [92] 。2000 年，Kennedy 和 O’Hagan[96]首次将 cokriging 模型推广应用于工程科学领域，发展了 一种采用低可信度计算机程序结果，来辅助预测 高可信度计算机程序结果的 cokriging 方法。目前 国际上对 cokriging 模型的研究主要集中在地质统 计学和数学统计学等领域，在航空航天等工程科 学领域的研究也逐渐得到重视 [14][97]-[101] 。 2010 年，文献[101]独立提出了一种可用于 建立变可信度代理模型的实用 cokriging 模型（也 参见[14]）。下面对该模型进行介绍。 对于一个具有 m 个设计变量的优化问题， 在设计空间中同时采用高可信度分析（例如 NS 方程或密网格数值模拟）和低可信度分析（例如 Euler 方程或疏网格数值模拟）进行抽样，并建 立所谓的变可信度代理模型。更多建立变可信度 模型的方法请参见文献[88]。变可信度代理模型 在达到相同近似精度的条件下，可显著提高建立 代理模型的效率。 假设高、低可信度分析程序的抽样位置如下 1 1 2 2 ( )(1) T 1 1 1 ( )(1) T 2 2 2 ( ,..., ) ( ,..., )       S x x S x x   n n m n n m (40) 下标“1”和“2”分别代表高、低可信度，例如 1n 和 2n 分别代表高、低可信度样本点数（假设 2 1n n ）。相应的目标函数或约束函数的响应值 如下 1 1 2 2 ( )(1) T 1 1 1 ( )(1) T 2 2 2 [ ,..., ] , [ ,..., ] .     y y   n n n n y y y y (41) Cokriging 模型预估值定义如下 T T T 1 1 1 2 2ˆ ( )   x λ y λ y λ ySy , (42) 其中 1 2,λ λ 分别为对高、低可信度响应值的加权 系数。假设存在分别与 ,y y1 2 分别对应的 2 个 静态随机过程， ( ) ( ), ( ) ( ).       x x x x Y Z Y Z 1 1 1 2 2 2 (43) 则设计空间不同位置处，随机变量之间的协方差 和交叉协方差定义为 ( ) ( ) ( ) ( )2 (11) 11 1 1 1 ( ) ( ) ( ) ( )2 (22) 22 2 2 2 ( ) ( ) ( ) ( )(12) 1 21 2 1 2 ( ( ), ( )) ( , ) ( ( ), ( )) ( , ) ( ( ), ( )) ( , )        x x x x x x x x x x x x i j i j i j i j i j i j Cov Z Z R Cov Z Z R Cov Z Z R (44) 其中， 21 和 2 2 分别为随机过程 ( )xY1 和 ( )xY2 的过程方差。采用与 kriging 模型类似的推 导方法，可得到 cokriging 模型的预估值如下（具 体推导过程见文献[14]） T T 1 1 Sˆ ( ) ( ) ( )   x φ β r x R y Fβy ， (45) 其中 1 2 1T 1 1 T 11 S 22 1(11) (12) ( ) 2 S 1(21) (22) 2 2 ( )1 , ( ) , , ( )0 , , ,                                                r x φ β F R F F R y r r x y R R 1 0 R y F y 0 1R R      n n (46) 且有

Edy's Vehicle Physics车辆控制物理模拟插件.rar

SAE J2894_2：2015 Power Quality Test Procedures for Plug-In Electric Vehicle Chargers - 完整英文电子版（36页）.pdf