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。

机器人感知 该存储库展示了马里兰大学ENPM673课程中完成的项目。 本课程专门设计用于提供对机器人感知的见解，包括从最基本的主题（例如各种图像转换）到最新的算法（例如单眼视觉测距法）。 在本节中，将简要介绍本课程中完成的每个项目。 下面列出了本课程中完成的项目，请单击链接进入特定部分： 请注意，所有代码均已在MATLAB 2016b和MATLAB 2017a上进行了测试和运行。 还要注意，对于视觉里程表项目，您将需要Mathworks Inc.提供的MATLAB的Computer Vision工具箱。可以在找到。 增强现实 这是使用非常基本的概念（例如图像变换和单应性）来生成非常强大的结果（

高清无噪的双车道监控视频，mp4格式，适用于视频/图像处理相关科研项目的测试分析。

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

有关于车道偏离预警的简单介绍，主要包括硬件模块与软件处理方面的介绍。

在vc++6.0中利用opencv进行sobel边缘检测，再对边缘图像进行直线检测。

Python编写，视频检测

车道线检测深度学习车道线检测深度学习深度学习车道线间测