第二十章 LaneAF框架结构以及接入MMDetection3D模型（车道线感知）

一 前言

近期参与到了手写AI的车道线检测的学习中去，以此系列笔记记录学习与思考的全过程。车道线检测系列会持续更新，力求完整精炼，引人启示。所需前期知识，可以结合手写AI进行系统的学习。

二 LaneAF接入openlane数据集

2.1 LaneAF文件结构

|-- README.md
|-- datasets  # 数据处理，返回img, seg, mask, af
|   |-- culane.py
|   |-- llamas.py
|   |-- openlane.py
|   |-- transforms.py
|   `-- tusimple.py
|-- infer_culane.py  # 推理
|-- infer_llamas.py
|-- infer_openlane.py
|-- infer_tusimple.py
|-- models  # banckbone
|   |-- dla
|   |   `-- pose_dla_dcn.py
|   |-- enet
|   |   |-- ASNeck.py
|   |   |-- ENet.py
|   |   |-- InitialBlock.py
|   |   |-- RDDNeck.py
|   |   |-- UBNeck.py
|   |-- erfnet
|   |   |-- __init__.py
|   |   |-- erfnet.py
|   |   `-- erfnet_encoder_pretrained.pth.tar
|   `-- loss.py
|-- train_culane.py  # 训练
|-- train_llamas.py
|-- train_openlane.py
|-- train_tusimple.py
|-- utils  # 工具
|   |-- __init__.py
|   |-- affinity_fields.py
|   |-- metrics.py
|   `-- visualize.py

2.2 ENet网络

ENet是一个轻量化的神经网络，因为我们的重点是学习体会LaneAF亲和力场的思想。下面是以下学习连接，可以自行查阅。
ENet —一种针对实时语义分割的深度神经架构
[论文笔记] ENet：Real-Time Semantic Segmentation
轻量级实时语义分割1：ENet & ERFNet

2.3 代码分析

下面我们对主要代码进行展开分析。

2.3.1 openlane.py

类，函数与方法的调用关系：

2.3.2 affinity_fields.py

2.2.3 train_openlane.py

代码逻辑比较清晰，并已做详细注释，故不作解读。

2.2.4 infer_openlane.py

三 LaneAF接入MMDetection3D

3.1 代码结构

3.2 相关代码实现

3.2.1 train.py

3.2.2 openlane_dataset_AF.py

3.2.3 openlane_af2D.py

3.2.4 LaneDetector2D.py

3.2.5 laneAF2Dhead.py