基于语义分割方法的车道线检测python源码+项目说明.zip

共32个文件

py：8个

meta：5个

data-00000-of-00001：5个

版权申诉

毕业设计

语义分割

165 浏览量 2024-04-12 09:22:00 上传评论收藏 1.35MB ZIP 举报

资源推荐

资源详情

资源评论

收起资源包目录

基于语义分割方法的车道线检测python源码+项目说明.zip （32个子文件）

projectcode30312

Cascade_LD_training.py 53B

gcn-model

gcn-400.data-00000-of-00001 123KB

checkpoint 509B

gcn-400.meta 577KB

gcn-800.index 8KB

gcn-1600.index 8KB

gcn-2000.meta 577KB

gcn-1200.index 8KB

gcn-2000.data-00000-of-00001 123KB

gcn-400.index 8KB

gcn-1200.data-00000-of-00001 123KB

gcn-800.data-00000-of-00001 123KB

gcn-1200.meta 577KB

gcn-2000.index 8KB

gcn-800.meta 577KB

gcn-1600.data-00000-of-00001 123KB

gcn-1600.meta 577KB

utils.py 6KB

build.bat 258B

prepare_data.py 3KB

LCNet.py 2KB

images

threshold_0.7.png 12KB

origin.png 493KB

threshold_0.5.png 14KB

threshold_0.9.png 10KB

GCN.py 3KB

ERFNet.py 5KB

train.py 4KB

__pycache__

GCN.cpython-36.pyc 2KB

utils.cpython-36.pyc 4KB

test.py 2KB

README.md 905B

# roadlane-segmentation ## 用语义分割的方式来做车道线检测原本的想法是使用语义分割的方式，来识别经过逆透视变换之后的俯视图中的车道线，参考了[这篇论文](https://arxiv.org/abs/1812.05914)中提到的模型。论文中是是多分类，对于我的需求只需要划分车道线和背景即可，所以输出的通道数为1，之后通过设置阈值可以提高测试图片测试结果的表现。 <br> <img src="https://github.com/WantUrHug/roadlane-segmentation/raw/master/images/origin.png" width="200"/> <img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.5.png" width="200"/> <img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.7.png" width="200"/> <img src="https://github.com/WantUrHug/roadlane-segmentation/blob/master/images/threshold_0.9.png" width="200"/>

评论收藏

内容反馈

版权申诉