今天给大家带来的是基于OpenCv车道线检测的实用方案,即使已经有基于深度学习的车道线检测方案,但是实际应用中大规模使用的仍然是传统的计算机视觉的方案,并且大部分深度学习方案都依赖于传统计算机视觉技术对图像进行预处理,下面是一些基于深度学习的解决方案。
DeepLanes: End-To-End Lane Position Estimation using Deep Neural Networks("https://www.cv-foundation.org/openaccess/content_cvpr_2016_workshops/w3/papers/Gurghian_DeepLanes_End-To-End_Lane_CVPR_2016_paper.pdf")
Towards End-to-End Lane Detection: an Instance Segmentation Approach("https://arxiv.org/pdf/1802.05591.pdf")
Github 深度学习中的车道检测("https://github.com/mvirgo/MLND-Capstone")
一步一步完成深度学习的车道检测("https://towardsdatascience.com/lane-detection-with-deep-learning-part-1-9e096f3320b7")
关于基于传统计算机视觉的解决方案的方法,我此处直接引用了pydata berlin 2017的一个演讲的课件:
视频地址: “https://youtu.be/VyLihutdsPk?list=LL9-Kgsh8sv3lDR046dIjn_A”
ok 下面请欣赏课件吧:
如果你觉得文章对你有帮助请务必分享!那是我继续的动力!
领取专属 10元无门槛券
私享最新 技术干货