车道线检测的标签集，可以做sengnet网络的车道线检测的标签，新手入门，需要代码的可以联系我，现在没时间写文章，就这样聊胜于无吧，比心

高级车道线检测

基于python的道路视频车道线检测：直接读取mp4文件，并识别车道线，标注。资料内容齐全

matlab车道线检测.zipmatlab车道线检测.zip可直接运行

提出一种车道线分类检测算法。首先采用LDA对道路图像进行有针对性的灰度化，以便更好地区分车道线与道路。采用LSD算法检测灰度图像中的直线部分并确定车道线的方向。在此基础上，选取符合车道线灰度范围内的像素点。对远距离的像素点采用抛物线拟合，近距离的像素点采用直线拟合。同时，将检测到的车道线进行虚线实线的分类标记。最后结合视频序列的连续性对检测结果进行反向验证。实验结果证明，提出的方法对直道弯道检测均有很好的效果。算法的处理速度为每秒10帧左右，采用的测试视频的帧率为每秒15帧，基本满足实时性的要求。

车道线和交通标志检测源代码，基于QT开发，C++

与上一部分资源类似，这部分也是基于MATLAB的车道线检测程序，同样使用和对比了不同边缘检测算法，最后对得到的数据点进行随机采样一致性算法（RANSAC）拟合了车道线。

python+opencv车道线检测（简易实现） 技术栈：python+opencv 实现思路： canny边缘检测获取图中的边缘信息； 霍夫变换寻找图中直线； 绘制梯形感兴趣区域获得车前范围； 得到并绘制车道线； 效果展示： 代码实现： import cv2 import numpy as np def canny(): gray = cv2.cvtColor(lane_image, cv2.COLOR_RGB2GRAY) #高斯滤波 blur = cv2.GaussianBlur(gray, (5, 5), 0) #边缘检测 canny_img = cv

关于道路安全系统的文章 ， 车道线识别与跟踪算法的研究 当车偏离车道边线是车辆控制系统就会为驾驶员提醒 报警。

无人驾驶车道线检测算法，另外还包含了自动驾驶学习资料： 涵盖感知，规划和控制，ADAS，传感器； 1. apollo 相关的技术教程和文档； 2. adas（高级辅助驾驶）算法设计（例如 AEB,ACC,LKA 等） 3. 自动驾驶鼻祖 mobileye 的论文和专利介绍 4. 自动驾驶专项课程（可能是目前最好的自动教师教程），是 coursera 上多伦多大学发布的自动驾驶专项课程，应该是目前为 止非常火非常好的教程了，包含视频，ppt，论文以及代码 5. 国家权威机构发布的 adas 标准，这是 adas 相关算法系统的标 准，也是开发手册。 6. 规划控制相关的算法论文介绍