Copyright ©2013-2017 中国知网论文查重检测系统入口 All Rights Reserved. 网站备案号：黔ICP备19012782号-3.
其中TuSimple和CULane是车道线检测文章最常使用的数据集。 其中TuSimple挑战性低，场景多为高速公路，新论文喜欢用它来验证可行性。 与之相比CULane场景复杂，很多位于北京城区，难度较高。 开局一辆坦克，摧毁水晶，你能否称霸这座城？
一般车道线检测系统多是基于单目图像，早期算法多是传统方法。 基本上分成几个模块：图像清理（障碍物遮挡检测，阴影消除，曝光矫正），特征提取（道路/车道线检测），道路/车道线模型拟合（横向/纵向），时域整合（前后帧）和图像-物理空间（路面坐标系）的对应等。 " Multiple Lane Detection Algorithm Based on Optimized Dense Disparity Map Estimation" 这里重点介绍采用立体视觉（即双目）的一个方法，其优点是可以利用视差信息。 如图是其算法框架，双目特征点提取和匹配之后估计路面方程，计算视差（disparity）图以及消失点（平行线原理），之后再提取车道线。
在检测车道线前，需要粗定位车道线的位置。 为了方便理解，这里引入一个概念——直方图。 我们知道，我们处理的图像的分辨率为1280*720，即720行，1280列。 如果我将每一列的白色的点数量进行统计，即可得到1280个值。