![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
文章平均质量分 91
爱吃肉的鹏
研究领域:深度学习、目标检测。
阿里云开发者社区专家博主。
CSDN专家博主。
曾就职于杭州海康威视、某企业研究院
杭州海康威视"综合安防管理平台培训优秀学员"
负责过武警部队"智慧磐石"智能化建设、河北软件学院"智慧校园"等项目。
展开
-
yolov5+车道线检测
目标检测与车道线检测在自动驾驶以及车辆定位中起着重要的辅助作用,是环境感知中不可缺少的一个部分。基于深度学习的车道线检测方法近年来也在不断的提升,比如论文:.该论文是提出了一种基于anchor的车道线检测方法,这种方法借鉴了目标检测的思想,预设定了anchor,比基于图像分割的车道线检测方法在速度上有很大的提升。到考虑到如果算法均采用深度学习方法,在最终算法落地的时候对于模型优化是比较高的,而且有些模型在参数和计算量上都比较大,因此本文采用深度学习的。原创 2023-01-12 16:33:08 · 11356 阅读 · 14 评论 -
Ultra Fast Deep Lane Detection with HybridAnchor Driven Ordinal Classification【车道线检测论文个人解读】
车道线检测是自动驾驶与ADAS任务中基本内容,主要就是检测道路中车道线以及位置。虽然基于深度学习方面已经取得了很大的成功,但仍然存在很多问题以及挑战。首先第一个问题就是有效性,在实际的基于计算机视觉的车道线检测算法中,大多数的方法是基于图像分割,这样的方法就是检测慢!除了效率问题,另一个就是(非视觉线索),如图1中的车道线检测任务,图中说明了展示了不同的车道线检测任务,车道线的遮挡以及光照等都会是挑战。车道线检测的目的就是无论车道线是否遮挡,都是为了识别车道线的位置【这就是要解决的问题】。原创 2023-01-05 20:16:59 · 1122 阅读 · 3 评论