02 2025 档案

【快车道线检测项目】项目学习总结
摘要：一、项目需求与背景 1. 背景 车道线检测是自动驾驶和高级驾驶辅助系统（ADAS）的核心任务之一，旨在通过摄像头或其他传感器实时识别道路上的车道线标记，帮助车辆保持车道、避免偏离，并为路径规划提供关键信息。传统方法（如边缘检测、霍夫变换或滑动窗口）依赖手工设计特征，在光照变化、遮挡、复杂道路（如弯曲 阅读全文
posted @ 2025-02-22 22:20 从前慢y 阅读(37) 评论(0) 推荐(0) 编辑
【车道线检测项目-课程学习笔记】
摘要：一、车道线检测概述及传统视觉检测方法实战 1、学习准备 第三方库：numpy（矩阵计算） 基础图像处理相关知识：opencv 深度学习框架：pytorch、tensorflow 2、算法介绍 传统的语义分割要判断每一个像素点，该算法把图像分割成一个个的小网格； 例如原图是1280*720像素的图像， 阅读全文
posted @ 2025-02-16 00:16 从前慢y 阅读(72) 评论(0) 推荐(0) 编辑
【车道线检测项目实战】代码视频笔记
摘要：1-车道数据与标签解读 1.1 数据集链接 原项目共使用两个数据集 这里出于学习便捷考虑，只使用CULane的部分数据集进行训练 数据集目录 1.2 list目录 其中list目录下都是文件的路径 1.3 frame目录 frame目录下都是视频的节帧 1.4 lable目录 lable目录下都是车 阅读全文
posted @ 2025-02-11 13:31 从前慢y 阅读(22) 评论(0) 推荐(0) 编辑
【基于深度学习的车道线检测算法】论文简述
摘要：一、图的相似度计算 1、点向量&图向量的计算： 图中的点，通过GCN来变化成向量； 点的向量和图的突出特征进行点乘； 点乘的结果是各个点对于图的所占权重； 点向量乘以对应权重，然后累加，最后的结果即为图的向量； 2、类似SVD的分割算法： 假设【100W X 1000W】的图像太大了，所以分割成两个 阅读全文
posted @ 2025-02-09 20:22 从前慢y 阅读(37) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示