车道线检测算法sdk_简述车道线检测

针对车道线检测的任务，我们需要弄清楚几个问题：

1. 车道线的表示形式？

• 输出类型：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）
• 提前定义的参数：是否只能检测固定数量的车道线
• 车道标记：是否对车道上的行车标记也做了检测

这会影响到数据的标注和网络的输出形式，而且最终需要的是车道线在世界坐标系下的方程。而神经网络更适合提取图像层面的特征，直接回归方程参数有较多限制。所以，网络推理输出后需要相对复杂的后处理去解决真实坐标的问题。

2. 神经网络推理到哪一步？

是逐像素的车道线标识本身 or 表征出抽象的车道分隔边界线

• 图像分割方案倾向于像素点的分类，该像素点是否属于车道线标识并对标识类别进行判断；
• 图像检测方案倾向于抽象出分割边界线，在设定的一系列anchor中判断是否存在车道线，以及回归车道线的位置参数。

数据集

1. 需要各场景类别的数据平衡，比如高速公路，辅路，盘山路，夜晚，雨天等数据
2. 检查筛选出质量较好的图片，比如高速公路夜间的数据和雨中驾驶的视频较为模糊
3. 相近的图片抽帧标注，可以每10张抽取1张，比如低速的多张图片相似会造成准确率虚高
4. 增广小类别的图片，比如查看车道线系数直方图，再小幅度旋转使每个系数分布更为合理
5. 缩放并归一化数据，加速收敛

开源车道线数据集包括：

Caltech：一共约1.2k张图片，场景比较简单，且视角较好；图片大小：640x480，如下图

VPGNet：一