使用细分网络在CarND-Detect-Lane-Lines-And-Vehicles项目中识别车道线和车辆，并推断车道线相对于自身的位置和曲率

检测车道线和车辆 该项目满足了Udacity的自动驾驶汽车工程师nanodegree的Advanced Lane Finding项目和Vehicle Detection项目的要求。 主要目标包括检测车道线，确定车道的曲率以及车在车道内的位置以及检测其他车辆。 我选择使用卷积神经网络来检测车道线和汽车，而不是为这些项目推荐使用基于梯度和SVM的方法。 我通过添加额外的层来指示训练图像的正确答案，以指示图片的哪些部分是车道线或汽车的一部分，然后训练卷积神经网络为视频中的其他图像生成此类图像蒙版。 整理训练数据和训练卷积神经网络的过程将在本文档的后面部分进一步讨论。 请参阅，以在进行演示。 注意：在上找到该项目的最新版本。 该项目 该项目的目标/步骤如下： 给定一组棋盘图像，计算相机校准矩阵和失真系数。 对原始图像应用失真校正。 创建代表感兴趣像素的阈值二进制图像：车道标记和汽车。