仿真MATLAB车道线检测系统GUI

资源为基于汽车二自由度动力学模型的LKA（车道保持）功能LQR控制算法的simulink模型以及相关参数的.m文件。下载后可直接使用MATLAB与CarSim进行联合仿真。可供初学者学习理解LQR控制算法的实现原理。

二.国内外研究现状 近年来，国外已开发了一些基于双目视觉的道路车道线检测系统。其中，具有代表性有以下两种。 （1）LOIS系统：利用一种可变形的模板技术将道路曲率以及车辆在车道中的位置的确定转化为多维参数空间的最优化问题； （2）GOLD系统：采用双目立体视觉技术，利用定位道路表面油漆上的具有结构特征的道路标识来检测车道线，

基于opencv的车辆检测与跟踪，附详细源代码，已打包好可直接编译运行

LaneNet车道检测 使用tensorflow主要基于IEEE IV会议论文“走向端到端的车道检测：实例分割方法”，实现用于实时车道检测的深度神经网络。有关详细信息，请参阅他们的论文 。 该模型由编码器-解码器阶段，二进制语义分割阶段和使用判别损失函数的实例语义分割组成，用于实时车道检测任务。 主要的网络架构如下： Network Architecture 安装 该软件仅在带有GTX-1070 GPU的ubuntu 16.04（x64），python3.5，cuda-9.0，cudnn-7.0上进行了测试。 要安装此软件，您需要tensorflow 1.12.0，并且尚未测试其他版本的tensorflow，但我认为它可以在版本1.12以上的tensorflow中正常工作。 其他必需的软件包，您可以通过以下方式安装它们 pip3 install -r requirements.txt

在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中，为解决单一直线模型无法预估道路曲率，而曲线拟合方法计算量大等问题，应用车道线直线模型，提出了一种基于远端直线拟合的弯道曲率估计方法，其特征在于车道线仍使用全局直线描述，估计曲率时对远端候选点进行直线拟合．由于保证了较多的候选点数量且使用Hough变换检测直线，以及利用跟踪、滤波等方法，算法在保证车道线检测鲁棒性的同时，基于远端直线拟合方法实现了对弯道曲率的相对定量估计．采用装有全球定位系统(GPS)的实车试验进行验证，结果表明：所提方法在增

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

使用simulnk建立的辅助驾驶模拟模型，使用相机识别车道，并进行车道跟随，并控制与前方的车辆的距离。

巷道地图： liblanelet 小巷2 您是否想以一种更加结构化的新方式使用车道地图，并为未来的自动驾驶应用做好充分准备？ 现在发布了 。 liblanelet的后继者（现在将其称为Lanelet1 ）。 此处更多内容： ： 如果仍然使用lanelet1，请考虑使用lanelet2 来检查地图与lanelet2的兼容性。 有关Lanelet1和Lanelet2之间差异的更多信息，请参见。 在2013年Bertha-Benz-Memorial-Route的自治完成中引入了Lanelet地图 。 小巷概念包括地图规格以及编辑工具链。 小巷地图建立在 liblanelet （在此处提供） OpenStreetMap（OSM）文件格式 JOSM，Java OSM编辑器 RAILS端口，用于提供OSM服务器 osmosis以从数据库中检索地图的更大部分 icmake

matlab50行代码加州理工学院车道检测软件 该软件包包含实现[1]中的工作的C / C ++和Matlab源代码。 它通过拟合鲁棒的贝塞尔曲线样条为单个图像实现了实时车道检测系统。 它可以检测街道上的所有车道或当前车道的两个车道标记。 要快速查看实际效果，请下载以下软件以及Caltech Lanes Dataset。 检测实时运行，大约40-50 Hz，并检测街道上的所有车道。 它在Ubuntu Lucid Lynx 32位计算机和Red Hat Enterprise Linux 5.5 64位计算机上进行了编译和测试。 它还包括当时OpenCV缺少的一些功能，包括： 用于获取图像的反向透视贴图（IPM）的例程，即获取道路的鸟瞰图。 到/从图像像素坐标和道路平面上的坐标转换的例程（使用地平面假设）。 坚固耐用的RANSAC管路配件。 坚固＆RANSAC Bezier花键接头。 贝塞尔曲线样条线栅格化和绘图。 布雷森纳姆（Bresenham）的线路评级。 各种实用程序功能，用于检查线与线和边界框的交点，检查矩形内的点，等等。用于线的常规Hough变换例程的实现。 [1] Mohame