e2e: fix md doc format for github format.

modules/e2e/model/README.md

 # Quick Start Guide
 ## Train Model
 
-The train model XXX.
+The train model
 
 	sh run_train.sh
 Download the trainsets to the current project.  See `./trainsets` directory.
+
 ## Model predict
 
-The predict model XXX.
+The predict model
 
 	sh run_predict.sh path/to/steering_model path/to/acc_model path/to/test_img t/path/to/result
 
 ## About
-* Data Set Download：<<font color=#ff0000 >#TO DO GET DATA LINKs for the XXX</font>
-* Data Set Summary：See  [Data Overview]() data_overview.md
-* Model Summary：<See  [Model Overview]() model_overview.md
+* Data Set Summary：See  [Data Overview](https://github.com/ApolloAuto/apollo/blob/master/modules/e2e/data_overview.md)
+* Model Summary：See  [Model Overview](https://github.com/ApolloAuto/apollo/blob/master/modules/e2e/model_overview.md)

modules/e2e/model/README_cn.md

 # 快速入门
 ## 训练模型
-	sh run_train.sh 
+	sh run_train.sh
 训练集下载到当前工程./trainsets目录下。
 ## 模型预测
-	sh run_predict.sh path/to/steering_model path/to/acc_model path/to/test_img t/path/to/result 
+	sh run_predict.sh path/to/steering_model path/to/acc_model path/to/test_img t/path/to/result
 
 ## 关于
-* 数据集下载：请参考 <https://console.bce.baidu.com/apollo/task/download#/apollo/home> 
-* 数据集概览：请参考 data_overview.md 
+* 数据集下载：请参考 <https://console.bce.baidu.com/apollo/task/download#/apollo/home>
+* 数据集概览：请参考 data_overview.md
 * 模型概览：请参考 model_overview.md

modules/e2e/model/data_overview_cn.md

@@ -21,7 +21,8 @@
 训练集包含图像image和姿态attr两部分数据。image为输入数据，attr为输出数据。其中image文件和attr文件通过文件名一一对应，读取image和attr需要hdf5库支持。
 ### 训练集格式
 * 训练数据按照如下目录结构组织：
-	```
+
+	```
 trainsets/				    // 训练数据的顶层文件夹
 ├── image					 // 包含了训练数据中的图像文件
 │   ├── 119.h5
@@ -30,17 +31,17 @@ trainsets/				    // 训练数据的顶层文件夹
 └── attr					// 包含了与图像文件对应的姿态文件
     ├── 119.h5
     ├── ..
-    └── 123.h5   
+    └── 123.h5
 	```
 
-
+
 * 图像文件：h5文件。key-value格式，以时间戳UTC time为索引检索一幅图像，key:UTC time， value:320 * 320 * 3的图像编码后jpg格式数据。解码示例：
 
 	```
 	with h5py.File(img_file, 'r') as f:
 		for t in f:
 			img = cv2.imdecode(f[t][:], 1)
-	
+
 	```
 
 * 姿态文件：h5文件。一个时刻的姿态数据以二维数组整体存在hdf5中，第一维为’attrs’,第二维为姿态数据：［t, VEast, VNorth, curv1, curv2, curv3, curv4, curv5, curv6, x, y, heading, tag］。对于图像文件中的一个UTC time的图像，一定存在一行与之对应的姿态数据，每一行有13个数据，类型为64位浮点数。字段说明如下：
@@ -49,10 +50,23 @@ trainsets/				    // 训练数据的顶层文件夹
 	------------ | ------------- | ------------
 	01 : t | 十进制（无符号） | 当前UTC time 时间戳
 	02 : VEast|	米／秒 | 当前车辆朝东的速度
-	03 : VNorth|	米／秒 | 当前车辆朝北的速度
	04 : curv1 | 十进制（有符号) | [t,t+0.125)间曲率1，左拐为正
	05 : curv2 | 十进制（有符号） | [t,t+0.125)间曲率2，左拐为正
	06 : curv3 | 十进制（有符号） | [t,t+0.125)间曲率3，左拐为正
	07 : curv4 | 十进制（有符号） | [t,t+0.125)间曲率4，左拐为正
	08 : curv5 | 十进制（有符号） | [t,t+0.125)间曲率5，左拐为正
	09 : curv6 | 十进制（有符号） | [t,t+0.125)间曲率6，左拐为正
	10 : x | 十进制（无符号） | 与正东向x轴的相对位移
	11 : y | 十进制（无符号） | 与正北向y轴的相对位移
	12 : heading | 度，十进制浮点数（有符号） | 与北向的顺时针夹角
	13 : tag | 十进制（无符号） | 保留的标记位，暂未使用
+	03 : VNorth|	米／秒 | 当前车辆朝北的速度
+	04 : curv1 | 十进制（有符号) | [t,t+0.125)间曲率1，左拐为正
+	05 : curv2 | 十进制（有符号） | [t,t+0.125)间曲率2，左拐为正
+	06 : curv3 | 十进制（有符号） | [t,t+0.125)间曲率3，左拐为正
+	07 : curv4 | 十进制（有符号） | [t,t+0.125)间曲率4，左拐为正
+	08 : curv5 | 十进制（有符号） | [t,t+0.125)间曲率5，左拐为正
+	09 : curv6 | 十进制（有符号） | [t,t+0.125)间曲率6，左拐为正
+	10 : x | 十进制（无符号） | 与正东向x轴的相对位移
+	11 : y | 十进制（无符号） | 与正北向y轴的相对位移
+	12 : heading | 度，十进制浮点数（有符号） | 与北向的顺时针夹角
+	13 : tag | 十进制（无符号） | 保留的标记位，暂未使用
 
 # 评测数据格式
-* 测试集只包含图像数据，格式同训练集。测试数据按照如下目录结构组织：

	```
testsets/				    // 测试数据的顶层文件夹
+* 测试集只包含图像数据，格式同训练集。测试数据按照如下目录结构组织：
+
+	```
+testsets/				    // 测试数据的顶层文件夹
 ├── image					 // 包含了测试数据中的图像文件
 │   ├── testfile_part01.h5
 │   ├── ..
@@ -60,9 +74,11 @@ trainsets/				    // 训练数据的顶层文件夹
 └── attr					// 包含了与图像文件对应的姿态文件
     ├── testfile_part01.h5
     ├── ..
-    └── testfile_part04.h5 
	```
+    └── testfile_part04.h5
+	```
 * 使用测试集预测曲率和加速度。预测结果写入.h5文件，二维数组整体存在hdf5中，浮点数存储。
-   列：变量 | 单位 | 说明
+
+   列：变量 | 单位 | 说明
 	------------ | ------------- | ------------
 	01 : t | 十进制（无符号） | 当前UTC time 时间戳
 	02 : curv|	十进制（有符号）|	[t,t+0.125）间曲率，左拐为正
@@ -72,4 +88,4 @@ trainsets/				    // 训练数据的顶层文件夹
 横纵向模型预测效果使用均方差(MSE)指标来衡量。均方差是指预测值与真实值差值的平方的均值，均方差值越小，效果越好。该指标用来衡量预测的精确性，定义公式如下：
 <script type="text/javascript" src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=default"></script>
 
-$$ MSE = \frac1{n}\sum_{i=1}^n{(truth- predict )^2} $$
\ No newline at end of file
+$$ MSE = \frac1{n}\sum_{i=1}^n{(truth- predict )^2} $$

modules/e2e/model/model_overview_cn.md

-#模型说明文档
+# 模型说明文档
 ## 横向模型
 
 横向模型即计算曲率模型。
@@ -15,7 +15,7 @@ def generator_data_steering():
 ```
 def filter(c,v):
 	return v > 1 and c < 0.5
-	
+
 ```
 顺序生成数据，因采集的数据含有大量直行（曲率小于等于0.0001）的数据。过滤异常值后，选取10%的直行数据。
 
@@ -46,7 +46,7 @@ def generator_data_acc():
 ```
 def filter(c,v):
 	return v > 1 and c < 0.5
-	
+
 ```
 顺序读取数据，定义time_step＝5，过滤异常数据，选取顺序的五帧图，求得的第五帧图时刻的加速度值作为输入。
 每帧图间隔0.125s，第五帧的加速度

modules/e2e/online_system/README.md

-#Sensor Data Module
+# Sensor Data Module
 
 Use the sensor data module to collect the sensor data and vehicle parameters in the ROS of PX2 environment.
 
-#Prerequisites
+# Prerequisites
 1.	Ubuntu 16.04 LTS
 2.	ROS Kinetic – recommend ros-kinetic-desktop-full.
 3.	Px2 driveworks0.1 version
@@ -41,7 +41,7 @@ Use the sensor data module to collect the sensor data and vehicle parameters in
   **NOTE：**
   An error may appear saying that *msg not found*. If this occurs , compile the `msg` module first, and then compile the rest of the modules.
 
-##Module usage:
+## Module usage:
 
 To test:
 

modules/e2e/online_system/README_cn.md

-#模块简介
+# 模块简介
 此模块主要是在PX2 的硬件环境下,在ROS环境中给end to end 系统收集传感器数据以及汽车相关状态参数。
 
-#安装环境
+# 安装环境
 1.	Ubuntu 16.04 LTS
 2.	ROS Kinetic – 建议 ros-kinetic-desktop-full.
 3.	Px2 driveworks 的0.1 版本
 
-#编译以及安装此模块
+# 编译以及安装此模块
 编译和安装此模块都是通过ROS catkin的工具来完成的。
 
 首先应该安装ROS环境，例如安装到`~/ros`目录下面，为了方便起见，可以将下面的代码加入到`~/.bash_profile`，以便每次打开一个新的bash shell都能进入到ROS环境当中去以便使用catkin的编译工具:
@@ -38,7 +38,7 @@
 编译的时候有些模块会报错找不到msg，可以先将msg那个子模块编译出来，然后再将其他的子模块加入到src中进行编译。
 
 
-#使用模块
+# 使用模块
 为了进行测试，首先打开一个bash shell，然后开启一个ROS core:
 
 ```
@@ -53,6 +53,6 @@
 
 最后打开另外一个bash shell，打开可视化工具rviz观察是否有image消息发布出来。
 
-#LICENSE
+# LICENSE
 请看相应的license 文件。