LANE

SPINN: Synergistic Progressive Inferenceof Neural Networks over Device and Cloud

SynergisticProgressiveInferenceofNeuralNetworksoverDeviceandCloudSPINN：设备和云上神经网络的协同渐进推理作者：StefanosLaskaridis,StylianosI.Venieris,MarioAlmeida,IliasLeontiadis,NicholasD.Lane
溪冷酱的头秃日常·2022-12-02 17:43

（2020ECCV）超快速的结构感知深度车道检测 论文+代码解读

可以直接看原作者的中文介绍：https://zhuanlan.zhihu.com/p/157530787官方源码：https://github.com/cfzd/Ultra-Fast-Lane-Detection
Wincher_Fan·2022-12-02 02:33

Ultra-Fast-Lane-Detection方法测试自己的视频基于culane模型

Ultra-Fast-Lane-Detection方法测试自己的视频基于culane模型1.修改demo.py#-*-coding:GBK-*-importtorch,os,cv2frommodel.modelimportparsingNetfromutils.commonimportmerge_configfromutils.dist_utilsimportdist_printimporttor
小祥子ovo·2022-12-02 02:33

Ultra-Fast-Lane-Detection测试1920*1080视频

项目地址：https://github.com/cfzd/Ultra-Fast-Lane-Detectionissue中作者回答了很多训练数据集及检测其他视频的回答作者知乎文章：https://zhuanlan.zhihu.com
你倒是点菜啊·2022-12-02 02:28

Ultra fast lane detection 批量测试自己的图片

这部分我在网上找了很久，都没能找到，无奈只能自己改一下了。主要是修改demo.py的内容。没有直接修改源代码，而是修改了网上的测试自己的视频的代码其实demo.py的思想很简单就是先将视频截取成图片，然后进行预测，将预测出来是图片再合成视频。所以修改的思路就是，直接输入图片，然后直接保存预测后的图片。修改test_path(需要测试的图片的路径)和path(图片保存路径)就可以用了。删除线格式经过
小王在线秃头·2022-12-02 02:55

LaneATT代码阅读理解

github.com/lucastabelini/LaneATT代码结构：cfgs：默认/预设配置文件figures：README用到的图片libdatasetsculane.py:CULane数据集加载器lane_dataset.py
l_z_z_z·2022-12-02 02:54

HDMI转MIPI CSI东芝转换芯片：TC358743XBG/TC358749XBG

信号转换成MIPICSI2的芯片，最高分辨率支持到1920x1200最高分辨率，应用图如下：产品特征：MIPI接口：（1）、支持1/2/3/4lne(s)data，Maximumbitrateof1Gbps/lane
TEL17727481301·2022-11-28 04:56

无人驾驶入门——感知基础（三）

1、无人驾驶感知系统概述分割（1）实战基于传统方法的车道检测代码：https://github.com/andylei77/lane-detector先变成灰度图高斯滤波器降噪5*5卷积对图像做卷积调用
远在远方_hh·2022-11-27 11:39

基于ROS与LGSVL的自动驾驶仿真开发教程

1.1ColorCamera1.2LiDAR1.3GPS1.4IMU1.5LGSVLControl1.6KeyboardControl1.7DepthCamera1.8SegmentationCamera1.9Radar1.103DGroundTruth1.11Lane-lineSensor2
wangpenghnu·2022-11-27 02:29

车道标记检测中的深度学习：综述（Deep Learning in Lane Marking Detection: A Survey）

摘要车道线检测很重要，其起着提供相关道路信息、辅助车辆定位、前车检测等作用，但是有挑战（光照、遮挡、磨损等）。本文综述了深度学习方法于车道线检测中的应用，主要关注现有方法的网络架构和优化目标。同时本文还阐述了相关数据集、评价指标、通用的数据处理技术，比较了不同方法的检测性能、运行时间。最后给出车道线检测的最新挑战和未来趋势。引言深度学习技术与其他学习技术的结合取得了巨大的成功。深度强化学习是深度学
Wincher_Fan·2022-11-24 12:51

论文阅读笔记——DLT-Net: Joint Detection of Drivable Areas, Lane Lines, and Traffic Objects)

论文阅读笔记——DLT-Net:JointDetectionofDrivableAreas,LaneLines,andTrafficObjects论文简介1引言2DLT-Net架构2.1Encoder2.2Decoder2.2.1'D'-Drivableareas2.2.2ContextTensors2.2.3'L'-Lanelines2.2.4'T'-Trafficobjects2.3LossF
SmieSmile^_^·2022-11-24 12:51

【2021-TITS】Deep Learning in Lane Marking Detection: A Survey

概述回顾了针对路面标线的深度学习算法，主要分析了他们的网络架构及优化目标；此外还总结了现有车道标线相关的数据集，评价基准及常见的数据处理技术PaperCode总结创新点：1.总结深度学习网络架构、优化目标2.总结了相关现有数据集不足：分析：结论：综述总结1.道路标线检测数据集2.代表性的目标函数3.车道标线检测网路3.1专注于车道标志结构的网络传统基于CNN的方法：提取patch计算，耗费空间，冗
PRSer_Carrot·2022-11-24 12:39

CIFAR-10 数据集简介

一共包含10个类别的RGB彩色图片：飞机（a叩lane）、汽车（automobile）、鸟类（bird）、猫（cat）、鹿（deer）、狗（dog）、蛙类（frog）、马（horse）、船（ship）和卡车
数据艺术家小白学习中·2022-11-23 16:28

CIFAR-10 数据集

一共包含10个类别的RGB彩色图片：飞机（a叩lane）、汽车（automobile）、鸟类（bird）、猫（cat）、鹿（deer）、狗（dog）、蛙类（
edward_zcl·2022-11-23 16:56

cifar10数据集下载及图片格式解析

一共包含10个类别的RGB彩色图片：飞机（a叩lane）、汽车（automobile）、鸟类（bird）、猫（cat）、鹿（deer）、狗（dog）、蛙类（frog）、马（horse）、船（ship）和卡车
Briwisdom·2022-11-23 16:54

论文阅读笔记： (2022 TPAMI) Ultra Fast Deep Lane Detection with Hybrid Anchor Driven Ordinal Classification

文章看下来，可以理解为是专门为车道线任务设计的语义分割网络文章地址：https://arxiv.org/abs/2206.07389代码也开源了：GitHub-cfzd/Ultra-Fast-Lane-Detection-v2
chaoqinyou·2022-11-23 13:02

三十六.智能驾驶之基于Structure-aware超快速车道线检测及ROS系统实践

原论文:UltraFastStructure-awareDeepLaneDetection原github:Ultra-Fast-Lane-Detection在Ultra-Fast-Lane-Detection
okgwf·2022-11-23 04:35

基于循环特征位移聚合器的车道线检测（RESA: Recurrent Feature-Shift Aggregator for Lane Detection）

2021年的车道线检测新方法。官方公开视频、论文、源码：https://www.bilibili.com/video/BV1664y1o7wghttps://arxiv.org/abs/2008.13719https://github.com/ZJULearning/resa（该视频对现有车道线检测方法进行了分类、归纳总结，很完善。建议食用）基于深度学习的车道线检测方法可分为如下几类：实例分隔。例
Wincher_Fan·2022-11-22 09:50

车道线检测论文Ultra-Fast-Lane-Detection-master代码复现过程

Ultra-Fast-Lane-Detection-master摘要：现代的车道检测方法主要将车道检测视为像素分割问题，难以解决具有挑战性的场景和速度问题。
小祥子ovo·2022-11-22 08:11

基于深度强化学习的车道线检测和定位（Deep reinforcement learning based lane detection and localization） 论文解读+代码复现

之前读过这篇论文，导师说要复现，这里记录一下。废话不多说，再重读一下论文。注：非一字一句翻译。个人理解，一定偏颇。基于深度强化学习的车道检测和定位官方源码下载：https://github.com/tuzixini/DQLL论文原文：https://www.sciencedirect.com/science/article/pii/S0925231220310833如需引用：@article{zh
Wincher_Fan·2022-11-21 18:17

《BEV LaneDet：Fast Lane Detection on BEV Ground》论文笔记

参考代码：bev_lane_det（截止2022.11.01未开源）1.概述介绍：这篇文章是毫末科技在单目场景下在bev视图下实现车道线检测的方法，其车道线检测的基础方法是源自于bev视图下车道线分割，
m_buddy·2022-11-21 00:44

【2019-TGRS】Aerial LaneNet: Lane-Marking Semantic Segmentation in Aerial Imagery Using Wavelet-Enhanc

概述针对航空影像的车道线分割，提出了一种基于小波变换增强的对称全卷积网络(FCN)。使用定制的损失函数和新的数据增强步骤，来解决车道标志像素数量与背景像素数量不平衡的问题。发布了自己的航空影像路面标志检测数据集。PaperCode总结创新点：1.建立了航片路面标志数据集2.使用小波变换保留全频域信息，使用敏感交叉熵函数调节前景与背景像素的不平衡性不足：阴影区域分割不理想，以及washoutmark
PRSer_Carrot·2022-11-19 19:20

视觉模型对比BaseNet、Hourglass、LaneNet、SCNN、SAD、Ultra-Fast-lane、PINet、RefineNet、RefineDet、NanoDet

0：常用编程基础ModuleNotFoundError:Nomodulenamed’’exportPYTHONPATH="$PWD"&&python3models/export_onnx.py--weights./weights/--img640--batch11：基础网络简单回顾一下·AlexNet应该算第一个深度CNN；·ZFNet采用DeconvNet和visualization技术可以监控
SensorFusion·2022-11-19 13:28

HI3516DV300 图像输入

硬件海思海思sensor接口如下，用的是差分信号，共4对数据线（或者说4条lane），两对差分时钟。连接器海思核心板和扩展板之间通过板件连接器相连，数据线和时钟线在之间连接。
weixin_45090728·2022-11-19 09:51

【开源规划器】autoware的决策规划控制模块

写完再整理文章目录系列文章目录前言决策规划模块功能介绍1.规划常用任务1.地图中点到点的全局路径规划（道路级别）2.在行进过程中的局部路径规划（轨迹级别）一、全局规划（mission_planner）方案一、lane_planner
盒子君~·2022-11-16 18:18

车道线检测算法

数据集的提供也不相同车道线类型：mask掩码/点集/矢量线条实例化：分割出的车道线分为不同的实例分类：车道线是否分类提前定义的参数：只能检测出固定数量的车道线车道线类别和路面标示：0background1lane_solid_wh
wholetus·2022-11-16 17:44

【车道线检测论文阅读笔记——经典论文粗读汇总】

阅读心得]车道线检测论文粗读笔记前言一、Segmentation1.SCNN2.ENet3.LaneNet4.SAD5.DSUNet二、Mark1.UFast2.FOLOLane3.Line-CNN4.Lane-ATT5
书玮嘎·2022-11-16 17:02

TPAMI2022最新车道线检测算法（Ultra-Fast-Lane-Detection-V2）

论文链接：https://arxiv.org/pdf/2206.07389.pdf代码链接：https://github.com/cfzd/Ultra-Fast-Lane-Detection-v2摘要现代的方法主要把车道线检测
自动驾驶之心·2022-11-16 16:16

深度学习车道线检测之 LaneNet （使用tensorflow2.4.0跑通）

的博客-CSDN博客论文原文地址：TowardsEnd-to-EndLaneDetection:anInstanceSegmentationApproachTensorflow代码地址：lanenet-lane-dete
tiger&sheep·2022-11-15 07:45

智能小车巡线功能的实现（python,ubuntu,opencv）

1.基本介绍巡线代码存在于~\config\teleop\src\smartcar\scripts文件目录下的camera_cmd.py中，核心程序位于lane_detection函数中。
SZTU_青衫酒·2022-11-14 15:57

带你了解PCIE通信原理

PCIE本质上是一种全双工的的连接总线，传输数据量的大小由通道数lane决定的。一般，1个连接通道lane称为X1，每个通道lane由两对数据线组成，一对发送，一对接收，每
迪捷软件·2022-11-12 04:05

CLRNet: Cross Layer Refinement Network for Lane Detection

论文下载地址：https://arxiv.org/pdf/2203.10350.pdf代码下载地址：https://github.com/Turoad/CLRNet摘要车道线是智能车辆视觉导航系统的关键。自然，车道线是一种具有高级语义的交通标志，但它具有特定的局部模式，需要详细的底层特征才能准确定位。使用不同的特征级别对于准确的车道检测非常重要，但这方面的研究仍然不足。在这项工作中，我们提出了跨层
Good@dz·2022-11-07 08:21

车道线检测新SOTA CLRNet: Cross Layer Refinement Network for Lane Detection CVPR2022

分享一篇今年CVPR车道线检测方向的新工作——CLRNet:CrossLayerRefinementNetworkforLaneDetection，是自动驾驶创业公司飞布科技和浙江大学合作完成的，代码已经开源。关于车道线检测任务，小汤之前也分享过几篇文章：相关链接（点击进入）：车道线检测综述及近期新工作https://blog.csdn.net/qq_41590635/article/detail
StrongerTang·2022-11-07 08:50

CLRNet Cross Layer Refinement Network for Lane Detection

CLRNet:CrossLayerRefinementNetworkforLaneDetectionquestionQ1论文试图解决什么问题？lanedetectionQ2这是否是一个新的问题？否Q3这篇文章要验证一个什么科学假设？利用不同的特征水平对精确的车道检测具有重要的意义，通过进一步借助车道线的高级和低级特征，车道线检测能达到更好的效果Q4有哪些相关研究？如何归类？谁是这一课题在领域内值得
中藏剑·2022-11-07 08:20

Lane detection--CLRNet(Cross Layer Refinement Network for Lane Detection)总结

模型总结:本文主要是对CLRNet的总结和自己的理解。有一部分还不理解。希望大佬们多教教。CLRNet论文链接CLRNet代码链接车道线检测的难点:1.低级语义信息检测的结果，车道线奇异，缺少全局信息，将地标误认为车道线。高级语义信息检测的结果，信息较为高层，检测结果不精细。车道线被车身等遮挡。由于强光导致车道线不清晰。总结:1.[SCNN](Spatialasdeep:Spatialcnnfor
kira_Y·2022-11-07 08:49

《CLRNet：Cross Layer Refinement Network for Lane Detection》论文笔记

参考代码：CLRNet1.概述介绍：车道线检测任务是一种高低层次信息都依赖的任务，在CNN网络的高层次特征具有较强的抽象表达能力，可以更加准确判别是否为车道线。而在CNN网络的低层次特征中包含丰富输入图像纹理信息，可以帮助车道线进行更精准定位。而在这篇文章中提出了一种级联优化（从高层次的特征到低层次的特征）的车道线检测算法，极大限度利用了高低维度的特征去优化车道线在高分辨率下的预测准确度。不同与之
m_buddy·2022-11-07 08:47

CLRNet: Cross Layer Refinement Network for Lane Detection——论文简述

一、简介CLRNet充分利用了低层次特征和高层次特征，因为两者是互补的，先基于高层次特征侦测道路，再基于底层次特征进行调优；由于遮挡的存在，使用ROIGather进行全局信息的收集，在ROI道路特征和全局特征图之间建立联系；损失函数使用LineIOUloss，将车道线作为一个整体来进行回归，从而提高定位的准确率。如下是车道检测中会出现的问题。二、模型2.1车道表示使用LanePrior（192个）
gongyuandaye·2022-11-07 08:39

PreScan传感器(八)--Analytical Lane Marker

ALMS提供了传感器所能看到的道路上车道线信息。其与LaneMakerSensor(LMS)的对比：ALMSLMS输出描述车道线的多项式集输出intersections,可用信息受限在高性能下，输出结果是准确度。处理包括确定详细的切片相交数据，对于返回的数据来说成本相对较高。某些点上，传感器的输出可能比真实值小，因为曲线拟合。返回的intersection始终是精确的。Functionaldesc
gloria_iris·2022-11-02 09:14

PreScan传感器(七)--Lane Marker

车道线标志传感器，其信息由车道线与传感器扫描线的交叉点提供。具体功能与使用demo可见prescan的车道保持demo.若要转载请注明出处.LaneMarkerDatalane和curblines上交叉点的数据(图中绿色和紫色的点，其中部分点用红色圈起来了)，intersections最多计算4个look-aheadscanplanes(车辆前方的4条黄色线),其中look-aheadscans垂
gloria_iris·2022-11-02 09:43

《Towards End-to-End Lane Detection: an Instance Segmentation Approach》论文阅读

摘要车道自动保持是一项重要的辅助驾驶功能，它依赖于车道线检测算法。传统的车道线检测算法依赖人为设计的特征和规则，以及后处理方法，因此计算量大且无法适应不同的场景。近期人们开始使用深度学习实现像素级的车道线分割，由于巨大的感受野，即使没有显著的特征的车道线也能检测出来。但是这些方法只能检测预定义好的固定数量的车道线，譬如ego-lanes方法；且无法处理车道线的变化。这篇文章中作者提出一种端到端的方
Mega_Li·2022-10-25 19:49

用于自动驾驶的实时车道线检测和智能告警

代码：https://github.com/MaybeShewill-CV/lanenet-lane-detection来自模型的车道线预测介绍自动驾驶将在未来十年给旅行带来革命性的变化。
小白学视觉·2022-10-16 08:10

Tensorflow2+训练CIFAR10

一共包含10个类别的RGB彩色图片：飞机（a叩lane）、汽车（automobile）、鸟类（bird）、猫（cat）、鹿（deer）、狗（dog）、蛙类（frog）、马（horse）、船（ship）和卡车
醉翁之意不在酒~·2022-10-13 07:39

TC358775XBG是一颗将MIPI DSI信号转换成single/ dual -link LVDS的芯片，最高分辨率支持到1920x1200

TC358775XBG是一颗将MIPIDSI信号转换成single/dual-linkLVDS的芯片，最高分辨率支持到1920x1200，其应用图如下：产品特征：MIPI接口：（1）、支持1/2/3/4lane
TEL17727481301·2022-10-12 10:24

DP/eDP协议学习－－视频传输格式

视频数据流传输格式如下图所示，不同的lane数量和像素的传输有一定的关系，如:使用4条lane，4N像素职能在lane0传输，即使在10ppc时，也不能把剩余的bit放在lane1传输，这个规定实际上简化了
九月庭月·2022-10-11 23:37

PolyLaneNet：基于深度多项式回归的车道估计（PolyLaneNet: Lane Estimation via Deep Polynomial Regression）

官方源代码：https://github.com/lucastabelini/PolyLaneNet摘要车道线检测要求实时性（>=30FPS）。引言车道线检测很重要巴拉巴拉。。。车道线检测分为传统方法（手工特征提取+曲线拟合）和深度学习方法。深度学习方法能够更鲁棒，但仍有一些问题需要解决：许多方法将车道线检测作为一个two-step的过程：featureextractionandcurvefitt
Wincher_Fan·2022-10-01 07:12

Ultra-Fast-Lane 车道线检测算法复现

前景车道线检测算法可分为基于segment,heatmap,point.本文由于设备影响,要求速度较快,采用的是基于点回归的方式,最终输出的是点,使用方程拟合车道线后计算轮胎和车道线的距离.Ultra-Fast-Lane
五小白·2022-09-30 07:52

【数字图像处理】霍夫变换——传统方法车道线检测C++

在draw_lane()函数种对直线进行比较精确地筛选，首先根据车道线的淘汰画面中较为平行的直线，接着设定rho和angle的阈值，淘汰重复的直线，使得每条车道仅有一条直线保留。应用话不多说直接上代
TommyGong08·2022-09-29 07:19

react 架构大概流程

看了好多人对react的架构理解，这里动笔写一下，有不同意见欢迎diss.这里首推参考的文章:卡颂大佬的react源码解析DavidWong的一眼看穿react4步曲React为什么使用Lane技术方案这一篇文章可能有不对的地方
·2022-07-20 19:49

Ultra Fast Structure-aware Deep Lane Detection论文解读

这是一篇ECCV2020的文章文章：https://arxiv.org/abs/2004.11757代码：GitHub-cfzd/Ultra-Fast-Lane-Detection:UltraFastStructure-awareDeepLaneDetection
易大飞·2022-07-12 19:32

3D-LaneNet+: Anchor Free Lane Detection using a Semi-Local Representation

semi-localtilerepresentation：breaksdownlanesintosimplelanesegmentswhoseparameterscanbelearnt【CC】网格化，基于每个网格去学习Lane
64318@461·2022-06-06 07:27
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他