车道线检测--End-to-end Lane Detection through Differentiable Least-Squares Fitting

最新推荐文章于 2025-01-12 16:25:55 发布
原创 最新推荐文章于 2025-01-12 16:25:55 发布 · 1.8k 阅读 · 4 ·
CC 4.0 BY-SA版权
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。

本文介绍了一种基于CNN的端到端车道线检测方法，通过图像输入直接输出车道线参数，无需额外处理。该方法利用深度网络提取车道线分布概率，结合坐标映射和最小二乘拟合实现车道线拟合。

End-to-end Lane Detection through Differentiable Least-Squares Fitting
https://github.com/wvangansbeke/LaneDetection_End2End

本文使用 CNN网络来检测车道线，end-to-end 就是输入图像，输出拟合出的车道线参数，一步到位，不用后续处理什么的。

传统的车道线检测是分步骤进行的，一般分为 feature extraction 和model fitting steps

本文的网络结构
在这里插入图片描述
图像经过深度网络提取出车道线分布概率图 weight maps，属于车道线的位置其概率值较大，非车道线位置其概率值较小
x-map 和 y-map 分别表示图像中所有像素的 x 坐标和 y 坐标，归一化之后的。结合 weight maps 可以看做是 车道线的位置 x 坐标和 y 坐标，经过 least-squares layer 处理得到 车道线拟合参数

2.2 Weighted Least-Squares Fitting Module
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
Weighted least-squares fitting
在这里插入图片描述

2.3 Geometric Loss Function

在这里插入图片描述
在这里插入图片描述

3 Experiments

3.1 Toy Experiment

直线拟合
在这里插入图片描述

车道线检测
在这里插入图片描述

111

《End-to-end Lane Detection through Differentiable Least-Squares Fitting》论文精讲
weixin_38410551的博客
09-18 436
没有理解的点： geometric loss function:几何损失函数。（没有明白）
视觉感知(三)：车道线检测
weixin_43877080的博客
02-23 5471
本期为大家带来车位线检测相关知识点，以及算法工程落地的全流程演示。上期我们讲了车位线检测是自动泊车领域必不可缺的一环，而今天的车道线检测则是辅助驾驶领域必不可缺的一环。所谓车道线检测任务就是对当前行驶道路的车道线进行检测，给出自车道及左右两侧至少各一个车道的车位线信息，如车道线的曲率、类型（虚线、实线、黄线、白线等）、宽度、长度等信息，从而进行车道保持、变道等功能。
车道线检测End-to-end Lane Detection through Differentiable Least-Squares Fitting（论文解读）
sinat_24674017的博客
07-04 2591
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 ...
目标检测 | End-to-end Lane Detection through Differentiable Least-Squares Fitting
xiao_lxl的专栏
05-10 3686
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 》...
车道线检测
qq_38915354的博客
04-25 7645
目前，车道线检测技术已经相当成熟，主要应用在自动驾驶、智能交通等领域。下面列举一些当下最流行的车道线检测方法：基于图像处理的车道线检测方法。该方法是通过图像处理技术从摄像头传回的图像中提取车道线信息的一种方法，主要是利用图像处理算法进行车道线的检测和识别，并输出车道线的位置信息。基于激光雷达的车道线检测方法。该方法通过激光雷达扫描地面，获取车道线位置信息。这种方法对于在光照较弱、天气恶劣的情况下车道线能更加准确地被检测出来。基于雷达与摄像头的融合车道线检测方法。
车道线检测lane-detection【论文+github源码】总结
weixin_41364297的博客
09-23 4135
github链接：https://github.com/amusi/awesome-lane-detection 2019 2018 2017 Paper 2019 Learning Lightweight Lane Detection CNNs by Self Attention DistillationgithubICCV 2019 Multi-Class Lane...
车道线标注
最新发布
04-28
不同于传统分阶段处理流程——即分别完成目标检测后再做曲线拟合，《End-to-end Lane Detection through Differentiable Least-Squares Fitting》 提出了另一种思路：构建统一架构一次性接收原始输入图像并输出最终...
【2011-2016】 NIPS汇总 - Advances in Neural Information Processing Systems
Testing的博客
10-02 1万+
Advances in Neural Information Processing Systems 24 (NIPS 2011) The papers below appear in Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P.L.
算法类学习笔记 ———— 车道线检测
永远的菜鸡小詹的博客
07-01 4435
车道线是用来管制和引导交通的一种标线，由标化于路面上的线条、箭头、文字、标记和轮廓标识等组成。道路交通线又分为指示标线、禁止标线和警告标线。快速、准确地检测车道线在协助智能车辆路径规划和偏移预警等方面尤为重要。目前较为常见的车道线检测方案主要是基于传统计算机视觉地检测，近年出现了基于深度学习的道路特征预测来替代传统方法。同时随着智能交通地逐步发展，基于雷达等高精设备的车道线检测也成为了可能。
opencv车道线检测
热门推荐
明镜止水的博客
03-28 4万+
车道线检测，需要完成以下功能： 图像裁剪：通过设定图像ROI区域，拷贝图像获得裁剪图像 反透视变换：用的是室外采集到的视频，没有对应的变换矩阵。所以建立二维坐标，通过四点映射的方法计算矩阵，进行反透视变化。后因ROI区域的设置易造成变换矩阵获取困难和插值得到的透视图效果不理想，故没应用 二值化：先变化为灰度图，然后设定阈值直接变成二值化图像。 形态学滤波：对二值化图像进行腐蚀，去除噪点，然后对图像进
简单的车道线检测
08-10
无需资源分，简单的车道线检测程序，供初学者学习
3D-LaneNet- End-to-End 3D Multiple Lane Detection.pdf
04-20
We introduce a network that directly predicts the 3D layout of lanes in a road scene from a single image. This work marks a first attempt to address this task with onboard sensing without assuming a known constant lane width or relying on pre-mapped environments. Our network architecture, 3D-LaneNet, applies two new concepts: intranetwork inverse-perspective mapping (IPM) and anchorbased lane representation. The intra-network IPM projection facilitates a dual-representation information flow in both regular image-view and top-view. An anchor-percolumn output representation enables our end-to-end approach which replaces common heuristics such as clustering and outlier rejection, casting lane estimation as an object detection problem. In addition, our approach explicitly handles complex situations such as lane merges and splits. Results are shown on two new 3D lane datasets, a synthetic and a real one. For comparison with existing methods, we test our approach on the image-only tuSimple lane detection benchmark, achieving performance competitive with stateof-the-art
基于边缘检测与Hough变换的车道线检测
m0_59833680的博客
08-17 4742
基于边缘检测与Hough变换的车道线检测第一章：绪论1.1 研究意义及背景 高速公路的通行里程是一个国家发展水平的重要标志之一。高速公路具有车辆通行能力大、交通事故少、经济效益高的特点，它的不断发展引起了经济社会的重大变革，不仅有力地改变了人们的时空观念和地域观念，更促进了公路沿线地区社会和经济的发展，便利了沿线地区人们的出行，人们的生活质量和办事效率也得到了极大提高。汽车是高速公路的重要载体...
计算机视觉算法实战——车道线检测
m0_65481401的博客
01-12 2334
车道线检测作为计算机视觉和自动驾驶领域的重要技术，其应用价值和发展潜力不可忽视。通过不断优化算法、提升鲁棒性和实时性，车道线检测将在未来的智能交通和自动驾驶中发挥更加重要的作用。希望本文能为读者提供有价值的参考，并激发更多关于车道线检测技术的研究与创新。
matlab车道线检测_端到端车道线检测_鲁汶大学
weixin_39856607的博客
11-22 573
论文地址：End-to-end Lane Detection through Differentiable Least-Squares Fitting​arxiv.org出自鲁汶大学，GitHub代码地址：wvangansbeke/LaneDetection_End2End​github.com效果：End-to-end Lane Detection through Differentiable ...
pytorch-msssim: 提升图像质量评估的多尺度SSIM工具
资源摘要信息:"pytorch-msssim是一个专为PyTorch框架设计的库，它提供了快速且可区分的多尺度结构相似性（MS-SSIM）和结构相似性（SSIM）计算功能。MS-SSIM和SSIM是衡量两个图像相似度的指标，常用于图像质量评估、...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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