基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj 基于深度学习的辅助驾驶系统中行人检测跟踪研究.caj

激光雷达点云多条车道线检测及拟合，包含一个深度学习模型的车道线检测（分为cuda版本及C++版本），并且提供了模型权重及测试pcd；一个是点云传统算法的车道线检测。

基于Python+Opencv的车道线检测源码+详细代码注释+项目使用说明(GUI界面可选、带演示视频).zip 【实现方法及功能】 1. 图像加载；2.图像预处理：图片灰度化，高斯滤波；3.Cany边缘检测；4.感兴趣区域检测；5.霍夫直线检测 ；6.直线拟合；7.车道线叠加；8.图片和视频测试；9.可视化界面pyqt5 【环境配置】 python 3.x numpy matplotlib opencv-python pyqt5 (option) 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、opencv、python学习者。 也可作为课程设计、期末大作业。包含：项目源码\项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。

MATLAB车道线检测预警系统（汽车过近预警）（GUI构架）

基于opencv传统数字图像处理实现车道线检测_python_c++源码+项目说明.7z 【实现方法】 实现车道线检测，主要包含两部分操作 道路图像的处理，主要包括灰度图转换、基于高斯平滑的图像去噪、基于Canny算法的边缘提取。 车道线检测方法，主要包括获取感兴趣区域（ROI）、形态学闭运算、基于Hough变换的直线检测。

课程作业_Python+OpenCV实现车道线检测源码+项目说明.7z 【图像处理】 图像处理主要是先对图像进行灰度处理，高斯模糊，然后对其进行canny边缘检测，最后对得到的图像进行roi掩膜处理，进一步缩小范围。 【霍夫变换】 霍夫变换(Hough)是一个检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间，来实现直线与曲线的拟合。 在图像坐标空间中，经过点的直线表示为： (1) 其中，参数a为斜率，b为截矩。其中，参数a为斜率，b为截矩。 通过点 点的直线有无数条，且对应于不同的a和b值。 如果将和视为常数，而将原本的参数a和b看作变量，则式子(1)可以表示为： (2) 这样就变换到了参数平面a−b。这个变换就是直角坐标中对于点的Hough变换。 离群变换和最小二乘拟合 视频流的读写等等，更多详细说明介绍看项目说明。

霍夫变换车道线检测-matlab 输入图像即可灰度化处理后等一系列处理后标出车道线

基于SegNet实现了车道线的识别。里面包含已经训练好的模型。

Rethinking Efficient Lane Detection via Curve Modeling.

基于matlab的车道线检测，采用边缘检测，形态学和hough变换来检测车道线，还可以计算车里车道线多远，偏僻多少，可制作一个GUI界面来呈现。