- 博客(1)
- 资源 (10)
- 收藏
- 关注
原创 自动驾驶系统进阶与项目实战(九)基于行锚框和全局信息的深度学习车道线检测方法
自动驾驶系统进阶与项目实战(九)基于行锚框和全局信息的深度学习车道线检测方法目前多数基于深度学习的车道线检测方法通常把车道线的识别问题处理为车道线像素分割问题,单纯的像素级语义分割模型的推理的实时性相对较差。人类对于车道线的感知通常基于上下文和全局信息,所以即使有其他障碍物对车道线造成大面积的遮挡,人依然能够理解车道线及其走向。本文介绍一种基于行锚框和全局信息的深度学习车道线分割方法,由于使用行锚框对车道线检测任务进行建模,该方法具有很高的实时性和不错的性能,本文将实践其基于Pytorch的模型训练和测
2021-04-16 19:14:26 4942 11
kaist02.pcd
2020-06-12
基于欧几里德聚类的障碍物检测ROS实现
2018-10-11
基于ray filter的雷达点云地面过滤ROS节点
2018-09-29
基于Frenet优化轨迹的无人车动作规划实例
2018-06-22
基于YOLO神经网络的实时车辆检测代码
2018-01-29
深度前馈网路的交通信号检测
2018-01-22
神经网络入门代码(见系列博客)
2018-01-08
基于视觉的车道线检测完整代码
2017-12-06
扩展卡尔曼滤波代码和数据
2017-10-26
目标追踪-雷达-激光雷达数据
2017-10-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人