最近两周复现了两篇车道线论文的实验结果,现在将其做一个总结。
论文1:Towards End-to-end Lane Detecion an Instance Segmentation Approach
复现代码地址:https://github.com/IrohXu/lanenet-lane-detection-pytorch
论文贡献:
1.将车道检测问题归结为一个实例分割问题,其中每条车道都形成了自己的实例,可以端到端地进行训练。
2.使用网络预测图片和视图的变换参数,可以更好的适应路面变化
注:以下实验内容均在本人笔记本电脑上完成
1.图森格式数据集制作:工具为labelme
1.使用conda安装labelme,进行图像标记。
安装conda参考:https://blog.csdn.net/ITLearnHall/article/details/81708148
2.conda安装成功后,使用pip安装labelme:pip install labelme
3.然后使用点或者折线对车道线进行标注(我选择的是用点标记)。
4.然后通过python脚本转换成为图森数据集的格式。
转换过程参考:https://blog.csdn.net/yyq_163/article/details/119882892
在josn文件的目录下,进行文件转换,生成车道线和分类信息