![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
车道线检测
小白菜的点滴成长
坚持✊努力
展开
-
RANSAC c++
https://blog.csdn.net/gbz3300255/article/details/115654075转载 2021-09-27 17:02:00 · 116 阅读 · 0 评论 -
ultra fast lane detection基于原型开始训练的操作
1、修改configs/culane.py或tusimple.py修改数据集路径:data_root = '/home/dell/Ultra-Fast-Lane-Detection-master/xxxxxx' 修改log路径:log_path = '/home/dell/Ultra-Fast-Lane-Detection-master/log'改修训练参数:# TRAINepoch = 50batch_size = 32optimizer = 'SGD' #['SGD','Adam']原创 2021-08-07 18:07:52 · 526 阅读 · 0 评论 -
如何创建自己的culane数据集?
首先,culane数据集的结构如下图所示1、原始图像文件夹里面存放原始图片.jpg+标注结果.txt,目录层级可调整,需要将自己标注的结果转为culane数据集要求的格式。标注结果格式,每两个数为一个像素坐标uv,culane为等纵向等间隔标注,每隔10个像素标注,标注图像的下半部分2、分割图文件夹里面存放对应的分割图,目录层级可调整(如何获得分割图下面会讲述)3、list里面存放train、val、test的分配名单其中train.txt val.txt test.txt,这三个文件里面原创 2021-08-07 17:02:49 · 2543 阅读 · 0 评论 -
culane标注结果可视化
import cv2list = []with open('/home/dell/culane_teshu/03510.lines.txt', 'r') as f:#结果路径 my_data = f.read().split() #txt中所有字符串读入data,得到的是一个list, print(my_data) for idx in range(0, len(my_data), 2): if '-' not in my_data[idx]:原创 2021-08-07 16:28:22 · 839 阅读 · 0 评论