【深度学习计算机视觉实战】无人驾驶中的车道线检测 计算机视觉.pdf

适用初学者对车道线的识别，或者识别自己的图片；毕业设计可用；

基于深度学习的雨天车道线检测代码，包含加雨、去雨、车道线检测等环节，效果非常好，也可以进行自定义。 1. 代码基于 pytorch，有 README 文档，对于关键代码都有功能注解和需要注意的地方，同时对于整体思路也有清晰的说明； 2. 可以自定义雨的大小，方向等属性，为视频加雨； 3. 利用目前最好的去雨算法去除雨痕，从而再识别车道线； 4. 去雨前后的车道线检测对比明显； 5. 附有若干实验视频，可以直接用来做对比； 6. 附有数据集下载路径和算法参考论文等； 7. 实际中只需要修改对应路径就可以进行实验。 代码清晰易懂，非常适合学习和直接应用，测试效果良好，欢迎大家下载。

MATLAB程序用于车道线检测，可以判断车道线颜色等信息

基于C++和OpenCV实现的逆透视变换(Inverse Perspective Mapping)源码，基于CMake构建，Linux/Windows/Mac均可使用。 车道线检测等算法中可以使用。

MATLAB车道线检测。可以把车道线给标定出来，霍夫曼变换方法，显示过程图。如果你是新手学习，请多点耐心。后续可以二次开发成车道线偏离预警。

VOC2007_车道线_增加标注类别.zip

opencv 基于改进的霍夫变换车道线检测代码 及相关文献

车道线检测 该项目构建了一个计算机视觉（CV）应用程序，该应用程序可以从道路的图像和视频中检测车道线。 该存储库受到Udacity无人驾驶汽车工程师Nanodegree计划的Finding Lane Lines项目的启发。 该程序已使用了此存储库中使用的测试图像和视频。 <-这是一项正在进行中的工作---> 用于检测图像中的车道线的主要步骤是： 颜色转换为灰色 坎尼边缘检测 使用高斯模糊进行图像过滤 检测感兴趣区域（ROI） 线路检测 霍夫变换

提出了一种高速公路车道线检测与跟踪算法：初始检测时，首先估计消失点位置；再将图像特征点向消失点投影，通过检测投影直方图波峰来识别车道线；然后利用车道宽度和车道线强度特征滤除与车道线平行的伪车道线；跟踪时，采用卡尔曼滤波缩小搜索区域。试验结果表明：该算法抗干扰能力强，跟踪算法运行速度大约为50 Hz。