计算机视觉--caltech-lane-detection

最新推荐文章于 2024-06-21 09:50:58 发布
最新推荐文章于 2024-06-21 09:50:58 发布
阅读量966 收藏 2
点赞数
分类专栏： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/heroacool/article/details/74644596
版权

源码

https://github.com/vershov/caltech-lane-detection

问题

  1. make: gengetopt: Command not found
    去gnu下载gengetopt，推荐使用华中科技大学镜像
    http://mirror.hust.edu.cn/gnu/gengetopt/
    选择合适的版本
    wget http://mirror.hust.edu.cn/gnu/gengetopt/gengetopt-2.22.tar.gz
    下载编译安装
    tar xvf gengetopt-2.22.tar.gz
    cd gengetopt-2.22
    ./configure
    make
    sudo make install
    补充说明：
    如果在编译过程中出现
    fileutils.cpp: In function ‘char* create_filename(char*, char*)’:
    fileutils.cpp:23: 错误：‘strlen’在此作用域中尚未声明
    修改src/fileutils.cpp 源文件添加头文件
    #include
    继续编译安装即可

    参考资料：http://www.gsymy.com/2015/07/30/linux_not_found_gengetopt.html

  2. 环境在ubuntu16.04下，gcc 5.4，需要添加c++11
    在59行的

    g++ $< $(CFLAGS) $(LIBS) $(LDFLAGS) -c -o $@

改为

    g++ -std=c++11 $< $(CFLAGS) $(LIBS) $(LDFLAGS) -c -o $@

即可编译成功

heroacool
关注
专栏目录
Caltech开源车道检测
Zhenqiang Ying's CSDN Blog
05-13 1万+
Caltech车道检测软件•Caltech Lane Detection Software描述•Description包含了论文[1]对应的C/C++和Matlab的源码实现。通过匹配贝塞尔样条函数(robust Bezier splines)实现了一个实时的基于单一图像的车道线检测系统(Lane detection system)。算法可以检测道路上所有的车道线，或者当前车道的两个车道标记。想立刻
[深度学习] 车道线检测调研(lane detection)
Holeung blog
04-19 1万+
背景 车道线检测作为自动驾驶领域的常规工作，在深度学习的浪潮中又有了很大的进步，在此分享我所做的调研工作，部分为ppt截图，为了方便请谅解。 车道线检测工作的局限性 如上图所示，车道线检测工作的baseline并不明确，不同的方法与不同的场景应用都有各自的局限性。例如： 输出类型：mask掩码/点集/矢量线条 实例化：每个车道线是否形成实例 分类：是否对车道线进行了分类（单白、双黄等） 提前定义...
caltech-lane-detection
11-14
# Author: Mohamed Aly <malaa@caltech.edu> # Date: 10/7/2010 ============================================================================ REAL TIME LANE DETECTOR SOFTWARE ============================================================================ This package contains source code and dataset that implements the work in the paper [1]. ========= Contents ========= src/: contains the C/C++ source files |_ CameraInfo.conf: contains the camera calibration ifo |_ CameraInfoOpt.*: contain gengetopt files for parsing the camera info files |_ cmdline.*: contains gengetopt files for parsing command lines |_ InversePerspectiveMapping.*: code for obtainig the IPM of an image |_ LaneDetector.*: code for the bulk of the algorithm, including Hough Transforms, Spline fitting, Post processing, ... |_ Lanes.conf: the typical configuration file for lane detection |_ main.*: code for the main binary |_ Makefile: the Make file |_ mcv.*: contain utility functions |_ ranker.h: code for obtaining the median of a vector |_ run.sh: Shell script for running the detector on the four clips in Caltech Lanes Dataset matlab/: contains the Matlab source files |_ ccvCheckMergeSplines.m: checks if two splines are matching |_ ccvEvalBezSpline.m: returns points on a spline given its control points |_ ccvGetLaneDetectionStats.m: computes stats from detections and ground truth |_ ccvLabel.m: handles the ground truth labels |_ ccvReadLaneDetectionResultsFile.m: reads a detection file output from the binary file LaneDetector32/64 |_ Stats.m: computes stats for the detections on the Caltech Lanes Dataset and its ground truth labels ============== Prerequisites ============== 1. OpenCV 2.0 or higher http://sourceforge.net/projects/opencvlibrary/ 3. (Optional) Gengetopt http://www.gnu.org/software/gengetopt/ =========== Compiling =========== Unzip the archive somewhere, let's say ~/lane-detector: unzip lane-detector.zip -d ~/lane-detector cd ~/lane-detector/src make release This will generate LaneDetector32 or LaneDetector64 depending on your system. ====================== Caltech Lanes Dataset ====================== To view the lane detector in action, you can download the Caltech Lanes Dataset available at http://www.vision.caltech.edu/malaa/datasets/caltech-lanes =========== Running =========== To run the detector on the Caltech Lanes dataset, which might be in ~/caltech-lanes/ cd ~/lane-detector/ ln -s ~/caltech-lanes/ clips cd ~/lane-detector/src/ bash run.sh This will create the results files inside ~/caltech-lanes/*/list.txt_results.txt To view the statistics of the results, open Matlab and run the file: cd ~/lane-detector/matlab/ matlab& >>Stats ====================== Command line options ====================== LinePerceptor 1.0 Detects lanes in street images. Usage: LinePerceptor [OPTIONS]... [FILES]... -h, --help Print help and exit -V, --version Print version and exit Basic options: --lanes-conf=STRING Configuration file for lane detection (default=`Lanes.conf') --stoplines-conf=STRING Configuration file for stopline detection (default=`StopLines.conf') --no-stoplines Don't detect stop lines (default=on) --no-lanes Don't detect lanes (default=off) --camera-conf=STRING Configuration file for the camera paramters (default=`CameraInfo.conf') --list-file=STRING Text file containing a list of images one per line --list-path=STRING Path where the image files are located, this is just appended at the front of each line in --list-file (default=`') --image-file=STRING The path to an image Debugging options: --wait=INT Number of milliseconds to show the detected lanes. Put 0 for infinite i.e. waits for keypress. (default=`0') --show Show the detected lines (default=off) --step Step through each image (needs a keypress) or fall through (waits for --wait msecs) (default=off) --show-lane-numbers Show the lane numbers on the output image (default=off) --output-suffix=STRING Suffix of images and results (default=`_results') --save-images Export all images with detected lanes to the by appending --output-suffix + '.png' to each input image (default=off) --save-lanes Export all detected lanes to a text file by appending --output-suffix + '.txt' to --list-file (default=off) --debug Show debugging information and images (default=off) =========== References =========== [1] Mohamed Aly, Real time Detection of Lane Markers in Urban Streets, IEEE Intelligent Vehicles Symposium, Eindhoven, The Netherlands, June 2008.
matlab50行代码-caltech-lane-detection:加州理工学院车道检测软件
05-21
matlab50行代码加州理工学院车道检测软件 该软件包包含实现[1]中的工作的C / C ++和Matlab源代码。 它通过拟合鲁棒的贝塞尔曲线样条为单个图像实现了实时车道检测系统。 它可以检测街道上的所有车道或当前车道的两个车道标记。 要快速查看实际效果，请下载以下软件以及Caltech Lanes Dataset。 检测实时运行，大约40-50 Hz，并检测街道上的所有车道。 它在Ubuntu Lucid Lynx 32位计算机和Red Hat Enterprise Linux 5.5 64位计算机上进行了编译和测试。 它还包括当时OpenCV缺少的一些功能，包括： 用于获取图像的反向透视贴图（IPM）的例程，即获取道路的鸟瞰图。 到/从图像像素坐标和道路平面上的坐标转换的例程（使用地平面假设）。 坚固耐用的RANSAC管路配件。 坚固＆RANSAC Bezier花键接头。 贝塞尔曲线样条线栅格化和绘图。 布雷森纳姆（Bresenham）的线路评级。 各种实用程序功能，用于检查线与线和边界框的交点，检查矩形内的点，等等。用于线的常规Hough变换例程的实现。 [1] Mohame
**Caltech车道检测软件：实时道路安全的守护者**
最新发布
gitblog_00028的博客
06-21 629
Caltech车道检测软件：实时道路安全的守护者 项目地址:https://gitcode.com/mohamedadaly/caltech-lane-detection 项目介绍 在现代智能交通系统中，车道检测是关键一环，它不仅关乎自动驾驶车辆的安全与效率，也是城市道路交通管理的重要组成部分。Caltech车道检测软件，作为一款开源工具包，以其出色的性能和功能，在这一领域独树一帜。该项目采用C/...
LaneDetection
MachineLP的专栏
11-08 3713
LaneDetection CODE: LaneDetection 车道线检测的方法步骤: （1）选择感兴趣的区域（ROI也就是车道线存在的区域）：我们利用架好相机的特点，使得相机拍摄的车道线位于图像的下半部分，也就是图像的下半部分是道路。         通过这样做，我们不需要找到消失点，并且图像的下半部分被考虑用于进一步处理。 考虑到计算消失点所需的计算开销，它给出了一
lane detection
09-18
一种基于opencv的车道线检测实现，主要使用了hough变换的思想，代码量不大，效果很好。
lane-detection:识别和跟踪车道及其交叉点的C ++程序。 可用于自动驾驶功能，例如变道，盲点检测，山顶检测，转弯检测和标志识别
05-20
车道检测 OpenCV C ++程序，用于识别和跟踪车道及其相交处。 可用于自动驾驶功能，例如变道，盲点检测，山顶检测，转弯检测和标志识别。 适用于输入视频，图像或实时视频源。 最初目标： 检测车道及其在地平线上的相交点，以便跟踪该点的运动，以确定车辆是否在转弯或正在改变坡度。 示范： 输入视频：派克峰赛道（上，下路） 特征 语言：C ++（OpenCV） IDE：Xcode 信号处理： 坎尼边缘检测仪 霍夫线探测器 坡度和转弯跟踪（不完整） 可定制的投资回报率 要求 OpenCV g++ 视频或图像文件或视频供稿 （可选）xcode以利用随附的项目文件 如何使用 我只在osx上使用它，所以您可能会自己一个人！ brew install opencv 在LaneDetect.cpp设置输入文件的LaneDetect.cpp 在LaneDetect.cpp配置选项 ho
matlab中存档算法代码-caltech-lane-detection:自动从code.google.com/p/caltech-lane-
05-23
Caltech Lane Detection是一个经典的计算机视觉项目，它旨在自动识别车辆在行驶过程中的道路车道线。这个项目的主要目标是为自动驾驶汽车或辅助驾驶系统提供关键的视觉信息。 【描述】"matlab中存档算法代码" 提示...
车道标记检测中的深度学习：综述（Deep Learning in Lane Marking Detection: A Survey）
Wincher's blog
05-16 4422
摘要 车道线检测很重要，其起着提供相关道路信息、辅助车辆定位、前车检测等作用，但是有挑战（光照、遮挡、磨损等）。本文综述了深度学习方法于车道线检测中的应用，主要关注现有方法的网络架构和优化目标。同时本文还阐述了相关数据集、评价指标、通用的数据处理技术，比较了不同方法的检测性能、运行时间。最后给出车道线检测的最新挑战和未来趋势。 引言 深度学习技术与其他学习技术的结合取得了巨大的成功。深度强化学习是深度学习和强化学习相结合的产物。 深度无监督学习是指基于未标记的训练样本来解决各种问题。 它包括生成深度结构，例
用于排课的matlab代码-VPGnet:虚拟专用网
05-28
caltech-lane-detection / src下。 首先运行swig.sh来编译和安装IPM模块。 并引用inference.ipynb。 {“青色”：17（标记），“蓝色”：4（单色），“绿色”：4（虚线黄色），“黑色”：1（单色），“栗色”：17...
ROS-Hydro-Ported-Caltech-Lanes-Code:此代码是 Mohamed Aly California Institute of Technology 为道路检测编写的代码的编辑版本
06-17
ROS-Hydro-Ported-Caltech-车道代码 此代码是 Mohamed Aly California Institute of Technology 为道路检测编写的代码的编辑版本。 Mohammed Aly 编写的代码使用数据集中的图像。 我已经对来自 ROS(Hydro) 的订阅图像进行了足够的更改并对其进行了处理。 额外的插件是：（相对来说非常小的添加） 将它移植到 ROS(Hydro) 并将我们在 ROS 中获得的一些 cv::Mat 类型的图像转换为 IplImages。 计算机器人前方点（光学中心向下投影）与车道的距离（通过在车道上取两个点计算的方程） 如果右侧距离大于左侧，则向右移动并即。 我只包含了完成更改的文件。 对于 main.cc 中的其他包含文件，请访问 许可证与该页面中的相同。 GNU GPL v2。 请根据您的需要使用 Lanes 配
图像检索-caltech101-keras-python
02-12
统计学习课程练习 Image Retrieval 图像检索，参考gitbub 项目flask-keras-cnn-image-retrieval。添加性能评估(precision, recall, F1, MRR)部分。需要使用vgg16_weights.h5
【更新】Jia-Bin Huang收集的计算机视觉代码库
三少GG
06-17 1万+
维护地址为： https://sites.google.com/site/jbhuang0604/resources/vision 内容详实，作为入门领域的参考非常有用！             label topic type resource_url:url reference
详细教程——LaneNet-Lane-Detection车道检测，训练自己的数据集
Hellow_RMB的博客
07-14 1万+
（1）源代码：https://github.com/850977164/lanenet-lane-detection，获取于2020.07.08 GitHub大佬更新的比较勤快，后续更改的还请多看GitHub描述 （2）环境：ubuntu 16.0.4(x64), python3.5, cuda-9.0, cudnn-7.0，P100 GPU，tensorflow_gpu==1.12.0，requirements.txt中opencv修改成opencv-python （3）labelme标注自己的数据
无人驾驶汽车系统入门（三十）——基于深度神经网络LaneNet的车道线检测及ROS实现
AdamShan的博客
05-26 2万+
无人驾驶汽车系统入门（三十）——基于深度神经网络LaneNet的车道线检测及ROS实现 前面的博文介绍了基于传统视觉的车道线检测方法，传统视觉车道线检测方法主要分为提取特征、车道像素聚类和车道线多项式拟合三个步骤。然而，无论是颜色特征还是梯度特征，人为设计的特征阈值存在鲁棒性差的问题，深度学习方法为车道线的检测带来了高鲁棒性的解决思路，在近年来逐步替代了传统视觉方法，本文介绍一种用于车道线检测的...
道路线检测数据库（lane_detection)，文章以及GitHub
Miniebin的博客
06-09 1425
以下是一些数据库经常用在自动驾驶的道路线检测以及相关的神经网络结构，以及相关的文章和GitHub，我会把连接放在底下： TuSimple 链接：https://paperswithcode.com/sota/lane-detection-on-tusimple 数据库连接：https://github.com/TuSimple/tusimple-benchmark/issues/3 CULane 数据库连接：https://github.com/XingangPan/SCNN 3.ApolloSc
行人检测——Caltech Pedestrian Dataset 数据集的使用
热门推荐
I Want Fly的专栏
05-20 4万+
行人检测数据集Caltech Pedestrian Dataset 的使用方法
autoconf: command not found
AinUser的博客
12-29 1538
yum  install -y autoconf
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值