GitHub:车道线检测最全资料集锦

作者:Amusi
https://github.com/amusi/awesome-lane-detection

前言

这篇文章,搁置了至少5个月。关于车道线检测,CVer曾于2018-06-07转载了一篇文章:论文精读 | LaneNet 端到端车道线检测的实例分割方法

前几天又有同学在AI求职大本营里咨询是否有车道线检测方向的资料,笔者就想正好整理一下资料并po出来,也许可以帮助到其它人。

首先申明笔者对这个方向不熟,只是比较感兴趣,并没有深入研究。但这份资料,笔者可以保证是目前网上关于车道线检测最全的资料合集(如果你知道有更棒的,欢迎评论推荐)。

一幅图理解一下车道检测是干嘛的:

file

awesome-lane-detection

awesome-lane-detection是Amusi 整理的关于车道线检测的资料合集,已经发布到github上,欢迎star、fork:https://github.com/amusi/awesome-lane-detection

据笔者了解,车道线检测解决方案主要分为传统图像处理和深度学习两种。看起来每个领域都可以这么说,但车道线检测与其它研究方向不太一样。因为检测的目标可能是直线也可能是曲线,而且只是"线"而已,目前很多公司还在用传统图像处理方法来解决。

这个开源库主要包括以下内容:

  • 论文(以2017之后为主)
  • 开源代码
  • 博客
  • 数据集

论文

如图所示,尽可能涵盖了两年内车道线检测(lane detection)方向的论文。这里点名推荐一篇IEEE IV 2018的优秀论文《Towards End-to-End Lane Detection an Instance Segmentation Approach》和一篇AAAI 2018《Spatial As Deep: Spatial CNN for Traffic Scene Understanding》

file

开源代码

网上关于车道线检测的开源代码,最著名的应该是Udacity课程中项目实例:CarND-Advanced-Lane-Lines

file

博客和数据集

数据集这一块内容还很少,不过每篇论文中多少会说明在哪些数据集上训练/测试的。后续会继续补充,也欢迎大家push。

file

侃侃

个人觉得车道线检测其实是个很有意思、具有难度且有需求的研究方向。你既可以了解传统图像处理如何解决这个问题,也可以通过深度学习来解决,可谓一举两得。

国内做自动驾驶方向的公司很多,而且这个方向与公司业务也是强关联的,笔者认为很有助于找工作。

awesome-lane-detection已经发布到github上,欢迎各位CVers来star、fork,点击链接可以直接进入:https://github.com/amusi/awesome-lane-detection

同时,欢迎下方评论交流