车道线检测lane-detection【论文+github源码】总结

最新推荐文章于 2025-04-06 10:32:41 发布
最新推荐文章于 2025-04-06 10:32:41 发布
阅读量4k 收藏 35
点赞数 2
分类专栏： 目标检测工程实践相关
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_41364297/article/details/101214754
版权
最低0.47元/天 解锁文章
UFAST车道线检测 Ultra-Fast-Lane-Detection 从环境搭建到复现完成（一）
m0_46364958的博客
06-16 3911
UFAST车道线检测 Ultra-Fast-Lane-Detection 从环境搭建到复现完成（一）
车道线检测——Ultra-Fast-Lane-Detection复现
weixin_45918655的博客
05-30 1926
Ultra-Fast-Lane-Detection复现
车道标记检测中的深度学习：综述（Deep Learning in Lane Marking Detection: A Survey）
Wincher's blog
05-16 4707
摘要 车道线检测很重要，其起着提供相关道路信息、辅助车辆定位、前车检测等作用，但是有挑战（光照、遮挡、磨损等）。本文综述了深度学习方法于车道线检测中的应用，主要关注现有方法的网络架构和优化目标。同时本文还阐述了相关数据集、评价指标、通用的数据处理技术，比较了不同方法的检测性能、运行时间。最后给出车道线检测的最新挑战和未来趋势。 引言 深度学习技术与其他学习技术的结合取得了巨大的成功。深度强化学习是深度学习和强化学习相结合的产物。 深度无监督学习是指基于未标记的训练样本来解决各种问题。 它包括生成深度结构，例
转：awesome-lane-detection
weixin_33922672的博客
03-30 425
lane detection Paper 2019 2018 2017 Code Blog Dateset Paper 2019 《Robust Lane Detection from Continuous Driving Scenes Using Deep Neural Networks》 《End-to-end Lane Detection th...
计算机视觉算法实战——车道线检测
最新发布
m0_65481401的博客
04-06 1099
车道线检测（Lane Detection）作为自动驾驶和辅助驾驶系统的核心技术之一，是计算机视觉领域的重要研究方向。该技术通过分析车辆前方道路图像，实时识别车道线的位置、形状和类型，为车辆控制系统提供关键决策依据。核心价值自动驾驶：车道保持（LKA）、自动巡航（ACC）等功能的基石驾驶安全：车道偏离预警（LDWS）的核心算法高精地图：道路特征提取的重要技术手段技术挑战复杂光照条件（逆光、夜间、隧道）车道线磨损/遮挡（积雪、积水、车辆遮挡）特殊道路结构（交叉路口、弯道、施工区域）
xcmonkey 项目教程
gitblog_00064的博客
03-22 331
xcmonkey 项目教程 xcmonkey Challenge your apps on iOS with monkey testing ???????? 项目地址: https://gitcode.com/gh_mirrors/xc/xcmonkey ...
车道线检测——Efficient Road Lane Marking Detection With Deep Learning
qq_22751305的博客
12-24 1217
Efficient Road Lane Marking Detection With Deep Learning 作者提出了LMD（Lane Marking Detector），利用深度卷积网络提取车道线特征，为增大感受野，采用了空洞卷积（dilated convolution）。 本文属于语义分割的，还未到实例分割的范畴。先分割出车道线，然后进行后处理，拟合车道线。 算法流程图如下：...
【2021-TITS】Deep Learning in Lane Marking Detection: A Survey
qq_273058791的博客
11-22 668
创新点：1.总结深度学习网络架构、优化目标2.总结了相关现有数据集不足：分析：结论：综述总结。
Ultra-Fast-Lane-Detection代码解析
weixin_62304487的博客
01-31 2692
现代方法主要将车道检测视为像素分割问题，难以解决具有挑战性的场景和速度问题。受到人类感知的启发，在严重遮挡和极端光照条件下的车道识别主要基于上下文信息和全局信息。基于这一观察结果，论文提出了一种新颖、简单但有效的公式，旨在实现极快的速度和具有挑战性的场景。具体地说，论文将车道检测的过程视为一个利用全局特征的基于行的选择问题。在基于行选择的帮助下，论文提出的公式可以显著降低计算成本。在全局特征上使用一个大的接受域，也可以处理具有挑战性的场景。此外，在此基础上，论文还提出了一个结构损失来明确地模拟车道的结构。
Lane-detection-in-Night-Enviroment-using-Kalman-Filter
05-11
之后，霍夫变换用于使用上一步中的边缘检测线。 检测到的线使用DBSCAN进行聚类，因为我们只希望跨车道的线。 卡尔曼滤波用于更好的车道检测。 在这里，我们为车道的聚集线应用了线性估计器，以
计算机视觉实验：图像处理综合-路沿检测
weixin_51735061的博客
07-31 4583
对于第传统方法，其研究主要集中在10年前，如杨[2]等人提出了一种基于边缘的道路检测算法，采用颜色和方差规则消除非道路边缘的干扰，通过Hough变换确定道路边界的位置，同时通过限定感兴趣区域，进一步提高算法效率。高[1]等人提出了一种基于Canny算子和Hough变换的路缘识别和距离测量算法，能够实时准确地检测不同类型的路缘并进行距离测量。徐[3]等人提出了一种基于直线模型的道路识别算法，采用自然边界作为道路识别的依据，可以应用在有或没有车道线的道路环境中。
Deep Multi-Sensor Lane Detection.pdf
05-20
Deep Multi-Sensor Lane Detection
关于车道线检测
qq_43222384的博客
04-26 719
原文链接 https://mp.weixin.qq.com/s/CgLmhLhMfo2SekLu9Q1O9w 在这篇文章中：前言awesome-lane-detection侃侃作者：Amusihttps://github.com/amusi/awesome-lane-detection前言这篇文章，搁置了至少5个月。关于车道线检测，CVer曾于2018-06-07转载了一篇文章：论文精读 | La...
【翻译】Robust Lane Detection and Tracking in Challenging Scenarios
Hali_Botebie的博客
04-22 912
Robust Lane Detection and Tracking in Challenging Scenarios
道路线检测数据库（lane_detection)，文章以及GitHub
Miniebin的博客
06-09 1578
以下是一些数据库经常用在自动驾驶的道路线检测以及相关的神经网络结构，以及相关的文章和GitHub，我会把连接放在底下： TuSimple 链接：https://paperswithcode.com/sota/lane-detection-on-tusimple 数据库连接：https://github.com/TuSimple/tusimple-benchmark/issues/3 CULane 数据库连接：https://github.com/XingangPan/SCNN 3.ApolloSc
基于yolov8的路面垃圾检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
FL1623863129的博客
09-02 1049
在实际应用中，系统可以支持图片、视频以及摄像头的输入，通过界面实时显示目标位置、检测结果、和置信度等信息，帮助用户快速了解路面垃圾情况。基于YOLOv8的路面垃圾检测系统是一种利用深度学习技术实现的高效、精准的路面垃圾检测解决方案。（2）切换到自己安装的yolov8环境后，并切换到源码目录，执行python main.py即可运行启动界面，进行相应的操作即可。基于YOLOv8的路面垃圾检测系统不仅提高了垃圾检测的准确性和效率，还促进了城市环境的整洁和可持续发展。【模型可以检测出类别】
【LaneNet】Towards End-to-End Lane Detection: an Instance Segmentation Approach 代码复现
canpian7的博客
03-12 1073
准备工作 Tensorflow版本1.14 数据集：tusimple数据集 复现代码lanenet-lane-detection-master 本地项目代码路径F:\car\code\lanenet-lane-detection-master 本地数据集路径F:\car\dataset\tusimple vgg.npy下载放在项目路径的data目录中 执行项目文件，脚本如下 src_dir是你自己的数据集的目录 cd lanenet-lane-detection/tools python tools/gen
聊一聊基于激光雷达的车道线检测该怎么做
CV_Autobot的博客
10-17 1526
作者|Been 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/388929795点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取后台回复【车道线综述】获取基于检测、分割、分类、曲线拟合等近几十篇学习论文！为什么要用激光雷达：1.解决有阳光情况树荫下光照被碎片化带来的车道线图像检测问题2.解决涉水路面的车道线图像检测问题3.低照度环境下...
目标检测 | End-to-end Lane Detection through Differentiable Least-Squares Fitting
xiao_lxl的专栏
05-10 3650
文章目录1. 摘要**论文的主要特色在于：2 方法2.1 生成加权像素坐标的深度网络2.2 加权最小二乘拟合模块2.3 几何损失函数2.4 可选择性变换到其他参考框架3 实验3.1 玩具实验3.2 当前车道线的检测4总结 会议：CVPR 2019 标题：《End-to-end Lane Detection through Differentiable Least-Squares Fitting 》...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值