CULane数据集(v1.0)

风去云淡

已于 2024-01-07 14:29:09 修改

阅读量2.8k

点赞数 23

文章标签：视觉检测深度学习自动驾驶

于 2024-01-07 14:22:48 首次发布

本文链接：https://blog.csdn.net/weixin_42788651/article/details/135231082

版权

本文介绍了CULane数据集，包括其来源、结构和挑战，重点解读了CLRerNet论文，通过代码示例展示了如何提高车道线检测的置信度。同时，文章记录了创新尝试和实验结果，提供参考链接以供进一步学习和应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

学习内容

学习内容

CULane数据集
论文：CLRerNet: Improving Confidence of Lane Detection With LaneIoU
作者 Hiroto Honda Yusuke Uchida
代码：https://github.com/hirotomusiker/CLRerNet

CULane数据集

下载链接：
链接：https://pan.baidu.com/s/1s34JloVdMYB6JCbEACf_7g 提取码：eoot
论文地址：
链接：https://arxiv.org/abs/1712.06080
基本情况：
CULane数据集是车道线检测的一个比较通用的数据集。由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集。
训练集：88880
测试集：9675
验证集：34680
测试集分为正常类别和8个具有挑战性的类别。
数据集目录设置：

在这里插入图片描述
训练与验证集：

driver_23_30frame
driver_161_90frame
driver_182_30frame
测试集：
driver_37_30frame
driver_100_30frame
训练/验证/测试/列表：
list
数据集代码测试：
以下图为例：

显示图片为：
在这里插入图片描述
对应标注为：

图像对应.txt注释文件。每两个数为一个像素坐标(x,y)，纵向标注，每隔十个像素标注，标注图像的下半部分。

数据可视化：引自

下面展示一些 内联代码片。

# -*- coding: utf-8 -*-
"""
Created on Fri Jan 15 17:22:54 2021

@author: yuyanchuan
"""

import os
import cv2
import numpy as np
from time import sleep

basedir=r'D:\BaiduNetdiskDownload\CULane'

def get_laneData(filepath):
    labelpath=filepath.replace('jpg','lines.txt')
    img=None
    imgLable=None
    if os.path.exists(filepath) and os.path.exists(labelpath) and os.path.getsize(labelpath):
        print("图片地址存在,label地址存在")
        img=cv2.imread(filepath)
        labelPos=[]
        for line in open(labelpath):
            labelPos.append(line.strip('\n'))
        
       # imgLable=np.zeros(img.shape)
        imgLable=img.copy()
        #存储所有到路线的位置信息
        print(labelPos)
        for lpos in labelPos:
            #位置信息通过空格隔开
            labelC=lpos.split(' ')[:-1]
            ylist=labelC[::2]
            xlist=labelC[1::2]
            print(len(xlist))
            print(len(ylist))
            for idx,ivalue in enumerate(xlist):
                cv2.circle(imgLable,(int(float(ylist[idx])),int(float(xlist[idx]))),2,(0,0,255),2)
    			#cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
    else:
        print("图片地址不存在或者Lable地址不存在")
    return img,imgLable        

text_path=r'list\train.txt'
#with open(os.path.join(basedir,text_path),'r') as fr:
for line in open(os.path.join(basedir,text_path)):
    data=line
    print(os.path.abspath(os.path.join(basedir,data[1:].strip('\n'))))
    img,imglabel=get_laneData(os.path.join(basedir,data[1:].strip('\n')))
    #print(imglabel)
    if imglabel is not None:
        imglabel=cv2.resize(imglabel,(1024,512))
        cv2.imshow('dsd',imglabel)
        sleep(1)
    if cv2.waitKey(1) & 0xFF == ord('q'): #按q退出
       cv2.waitKey(0)

cv2.destroyAllWindows()