MATLAB平台：车道线检测预警系统（汽车过近预警）

MATLAB运动车辆跟踪系统（车速，密度，流量，车道，GUI界面，红绿灯设计）仿真

运动车辆跟踪检测系统（每车速度，车道，均速，车流量，密度，设置红绿灯，界面GUI，步骤详细）（Matlab）

对图像“lanes”用canny边缘检测器，输出原始图像的梯度幅值图（可以用sobel）、非极大值抑制后的梯度幅值图、双阈值处理和搜索连接后的梯度幅值图、最后的梯度二值化图（阈值选取尽可能的保留车道线同时减少其他的非车道线），共4张图

Python语言；代码包括有原始图像确定ROI；对前方道路的透视变换；边缘检测（采用sobel采用 x 方向的索贝尔算子）;在RGB色彩空间中对黄白两种颜色进行过滤从而提取出车道线的像素；HLS阈值化处理；组合梯度和色彩过滤车道线像素；滑窗多项式拟合车道线；拟合曲线使用透视变换还原到原视角。

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