车道线检测端到端方法学习

Ultra Fast Lane Detection和polyLaneNet及LaneNet方法

本文参考链接：
链接：
https://www.jianshu.com/p/279daa50a014

参考文章：
1、<<Ultra Fast Structure-aware Deep Lane Detection>>
2、<<PolyLaneNet:Lane Estimation via Deep Polynomial Regression>>

相应代码：
https://github.com/cfzd/Ultra-Fast-Lane-Detection
https://github.com/lucastabelini/PolyLaneNet
数据集：

1.Ultra Fast Lane Detection
将pixel分割转换为grid分类的问题。对HW的图像划分成h(w+1)的网格，分割时需要处理HW个点的进行分类，类别数目(C+1)；现在只需要处理hC个点的分类，类别数目(w+1)。





此外，在训练时，加入分割辅助支路，因此还有分割的交叉熵损失。
2、polyLaneNet
利用多项式进行道路建模（图中所示多项式系数a，每一条车道线有4个系数，即为3阶多项式）。
s为纵向方向车道线距图像底部的最小距离，h为纵向方向车道线距图像底部的最大距离（所有车道线共享一个h），c为车道线的置信度。

多项式损失的计算：取y坐标，通过多项式计算x坐标，计算MSE损失。如果某个点损失小于预设阈值，令损失为0，为了减少对于已经预测准确的点的关注。

threshold = nn.Threshold(threshold**2, 0.)
poly_loss = mse(pred_xs[valid_xs], target_xs[valid_xs]) / valid_lanes_idx.sum()
poly_loss = threshold((pred_xs[valid_xs] - target_xs[valid_xs])**2).sum() / (valid_lanes_idx.sum() * valid_xs.sum())

3.LaneNet方法
（1）参考网址：
https://www.jianshu.com/p/c3f5ea4248b0
四、传统车道线检测方法：
OpenCV在车道线查找中的作用。
参考网址：
https://www.jianshu.com/p/9675d823d41a