-
lane_detector_for_KITTI下载
资源介绍
这个是来做什么的？
该代表将按照KITTI UM-LANE挑战的惯例来检测当前BEV（鸟瞰）图像的自我车道。
这种方法不使用任何花哨的机器学习或深度神经网络。 您需要的只是基本的python库。 包括：
Opencv（没有高级功能，因此所有版本都应兼容）
脾气暴躁的
短片
SKLearn
这种方法在KITTI数据集中的所有复杂情况下都是高度可控的。 它在虚线上特别有效，这是KITTI UM_LANE数据集中的主要情况。 我使用滑动窗口搜索虚线。 有关更多详细信息，请参见可视化示例。
如何使用
只需运行detector.py，将current_image_path更改为存储图像的路径，并将vis_folder_prefix更改为要存储可视化图像的路径。 结果将存储在“ visualization / um_xxxxxx”。 需要在运行脚本之前创建文件夹。
解释所有参数
所有参数都具