![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
车道线检测
sinat_24674017
这个作者很懒,什么都没留下…
展开
-
车道线检测End-to-end Lane Detection through Differentiable Least-Squares Fitting(论文解读)
摘要一般的车道线检测算法分为两步,第一步进行图像分割,第二步对分割结果进行后处理。本文提出一个一步到位的端到端训练的车道线检测算法,包含两个部分:(1)预测weight map的卷积神经网络 (2)一个用于拟合车道线的可微的最小二乘法拟合模块...原创 2019-07-04 20:16:00 · 2434 阅读 · 2 评论 -
车道线检测Enhanced free space detection in multiple lanes based on single CNN with scene identification解读
论文链接https://arxiv.org/abs/1905.00941动机目前的车道检测方法使用CNN预测车道线和车道标志,这种监督训练使得CNN非常依赖数据标签,但是这类车道的数据标签在一些城市很难得到。而且,由于道路环境中的标签类别比例不平衡,传统监督方法更易检测粗车道线。同时,行驶障碍物定位和可行驶区域检测也是非常重要的。但是这类检测在应用时需要降低计算开销。最后,车道定位无法给出行...原创 2019-07-12 00:04:15 · 1173 阅读 · 0 评论 -
车道线检测Spatial As Deep: Spatial CNN for Traffic Scene Understanding(论文解读)
论文链接https://arxiv.org/pdf/1712.06080.pdf动机当前基于CNN的语义分割对于图片中处于同一行或同一列的像素关系仍然有待进一步深入探索。这种像素关系的挖掘对于分割多个具有先验性的固定形状但是各个形状之间没有太大耦合性的目标是非常重要的。而车道线就是这一类目标。而目前的语义分割算法对于长条状区域和遮挡区域的分割效果不佳。在传统的基于马尔可夫随机场或者条件随...原创 2019-07-07 14:49:40 · 1621 阅读 · 0 评论 -
车道图片与分割图片进行半透明叠加
实现车道分割算法时需要将车道分割结果叠加到原图上,方便观察分割效果。以下图例来自bdd100k数据集import numpy as npimport cv2import matplotlib.pyplot as pltcolor_label_path = "color_label.png"img_path = "img.jpg"img = cv2.imread(img_path)...原创 2019-07-16 17:11:53 · 606 阅读 · 0 评论 -
车道线检测Towards End-to-End Lane Detection: an Instance Segmentation Approach论文解读
论文链接https://arxiv.org/pdf/1802.05591.pdf动机传统车道线检测算法不够灵活,对于不同的检测场景缺少适应性。而基于深度学习的算法在做语义分割后需要进行后处理区分,但是后处理往往计算量大,缺乏灵活性。有些算法对车道线进行分类,直接通过类别对各个车道线进行区分,但这个方法使得可预测的车道线数量固定,只能检测ego lane,当车道线数量变化时,无法适应贡献...原创 2019-07-19 23:57:31 · 1229 阅读 · 0 评论