VOC2007_车道线_增加标注类别.zip

opencv 基于改进的霍夫变换车道线检测代码 及相关文献

车道线检测 该项目构建了一个计算机视觉（CV）应用程序，该应用程序可以从道路的图像和视频中检测车道线。 该存储库受到Udacity无人驾驶汽车工程师Nanodegree计划的Finding Lane Lines项目的启发。 该程序已使用了此存储库中使用的测试图像和视频。 <-这是一项正在进行中的工作---> 用于检测图像中的车道线的主要步骤是： 颜色转换为灰色 坎尼边缘检测 使用高斯模糊进行图像过滤 检测感兴趣区域（ROI） 线路检测 霍夫变换

LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统. LDW_GBT 26773-2011_智能运输系统 车道偏离报警系统.

提出了一种高速公路车道线检测与跟踪算法：初始检测时，首先估计消失点位置；再将图像特征点向消失点投影，通过检测投影直方图波峰来识别车道线；然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线；跟踪时，采用卡尔曼滤波缩小搜索区域。试验结果表明：该算法抗干扰能力强，跟踪算法运行速度大约为50 Hz。

车道偏离报警系统（LDWS）以基本的交通法规为基础，其主要目标是帮助驾驶员保持车辆在道路的车道内行驶。因此，当车辆偏离车道时，系统将发出警告提醒驾驶员注意。

针对以元胞自动机模型模拟单车道环岛交通行为推断多车道环岛交通流特性的局限性，通过分析双车道环岛上车辆在自由流下的期望行驶路线、在非自由流下的期望换道临界位置和极限位置，描述双车道环岛上车辆的换道决策，建立双车道环岛的元胞自动机模型。数值模拟分析结果表明：环岛总延误时间与环岛限速、车辆驾驶员熟练程度以及车辆左转概率有关，同时也受环岛周长的影响；在其他因素不变的情况下，若环岛周长越小、车辆限速越大、车辆左转概率越小以及驾驶员熟练程度越高，则环岛总延误时间越小。

Ar_project 本人参加2020全国大学生物联网设计大赛所做项目负责的软件部分，获得华东赛区特等奖、全国总决赛二等奖。 该项目包含了导航系统、语音系统、目标检测系统三个部分，涵盖语音唤醒、语音识别、语音合成、语音导航、聊天机器人、目的地搜索、路径规划、车道分割、目标检测(车、车牌、违规车、路标等)、车牌识别等一整套快速解决方案！（附带的两个模型为基于玩具车和模型道路数据集的....） 项目技术架构如下图 目录结构 Project ├─AR_project_PI │ │ ARPImain.py //树莓派客户端主程序,用于调度树莓派端一切数据传输线程、界面更新、信号处理等，整合树莓派端的语音控制系统、导航系统、数据传输系统 │ │ ARui.py //主界面类，调用webBrowser类实现内嵌浏览器功能，定义所有界面信号的槽函数 │ │ Arrowclass.py //箭

基于视觉的曲线车道线检测完整代码，采用滑动窗口，详情见博客：http://blog.csdn.net/adamshan/article/details/78733302

能够反映双车道下的元胞自动机模型运行情况