聊一聊基于激光雷达的车道线检测该怎么做
作者 | Been 编辑 | 汽车人
原文链接:https://zhuanlan.zhihu.com/p/388929795
点击下方卡片,关注“自动驾驶之心”公众号
ADAS巨卷干货,即可获取
后台回复【车道线综述】获取基于检测、分割、分类、曲线拟合等近几十篇学习论文!
为什么要用激光雷达:
1.解决有阳光情况树荫下光照被碎片化带来的车道线图像检测问题
2.解决涉水路面的车道线图像检测问题
3.低照度环境下的车道线图像检测问题
4.车道线不完整问题
5.检测距离受限问题(激光雷达的检测距离~=4~5倍基于图像检测的检测距离)
激光雷达检测车道线主要有四种方法,
一是根据激光雷达回波宽度;
二是根据激光雷达反射强度信息形成的灰度图,或者根据强度信息与高程信息配合,过滤出无效信息;
One demo for this method:
https://github.com/Lukas-Justen/Lane-Marking-Detection
It don't t use a Deep Learning algorithm that learns to identify the lane markings by looking at a vast amount of data. Instead we will need to build a system that is able to identify the marking just by looking at the intensity value within the point cloud.
Pointcloud Visualization -> Pointcloud Filtering -> Lane Marking Detection 聚类 -> Correction and Output
三是激光雷达SLAM与高精度地图配合,不仅检测车道线还进行自车定位;
四是利用激光雷达能够获取路沿高度信息或物理反射信息不同的特性,先检测出路沿,因为道路宽度是已知,根据距离再推算出车道线位置。对于某些路沿与路面高度相差低于3厘米的道路,这种方法无法使用。
后三种方法需要多线激光雷达,最少也是16线激光雷达。前者可以使用4线或单线激光雷达,4线激光雷达已经进入实用阶段。当然了,这四种方法也会混合使用。
【自动驾驶之心】全栈技术交流群
自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、规划控制、模型部署落地、自动驾驶仿真测试、硬件配置、AI求职交流等方向;
加入我们:自动驾驶之心技术交流群汇总!
自动驾驶之心【知识星球】
想要了解更多自动驾驶感知(分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测)、自动驾驶定位建图(SLAM、高精地图)、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布,欢迎扫描下方二维码,加入自动驾驶之心知识星球(三天内无条件退款),日常分享论文+代码,这里汇聚行业和学术界大佬,前沿技术方向尽在掌握中,期待交流!
聊一聊基于激光雷达的车道线检测该怎么做相关推荐
- 论文解析:基于激光雷达的车道线检测 LLDN-GFC---K-Lane: Lidar Lane Dataset and Benchmark for Urban Roads and Highways
1.摘要 车道检测功能是检测本车道和相邻车道的准确位置和曲率,为路径规划功能提供必要的输入. 出发点: 随着大量的基于图像的车道线检测数据集出现,基于摄像头的车道线检测网络发展迅速,但这些算法依赖于图 ...
- 基于摄像头的车道线检测方法一览
首发于 自动驾驶的挑战和发展 写文章 基于摄像头的车道线检测方法一览 黄浴 自动驾驶话题下的优秀答主 174 人 赞同了该文章 车道线,重要的路上语义信息,检测车道线对L2-L3-L4级别的自动驾 ...
- 基于Python+OpenCV车道线检测(直道和弯道)
基于Python+OpenCV车道线检测(直道和弯道) 基于Python+OpenCV车道线检测(直道和弯道)
- 基于OpenCV 的车道线检测方法
车道线检测是图像处理运用到无人驾驶的一项技术,目前也过渡到了部分汽车上,高速公路的自动车道保持就是一个应用. 最近研究了两个基于opencv的车道检的代码,先放链接: A.Udacity车道线检测代码 ...
- 基于python的车道线检测
最近在开源社区下载了一份使用opencv在python环境中实现车道线检测的代码,研究了一下,终于有点儿看懂了,寻思着写下来,免得以后忘记了. 这个车道线检测项目原本是优达学城里无人驾驶课程中的第一个 ...
- 基于opencv-python的车道线检测(高级)
运行环境:python3.8, numpy=1.19.5,opencv-python=4.5.1 注意:以下内容只提供了代码与运行结果,具体原理与细节见https://zhuanlan.zhihu.c ...
- 基于yolov5的车道线检测及安卓部署
这个车道线检测是华科的研究团队做的一个开源项目,写这篇文章主要是想分享一下好的东西给大家 自己做了拓展延伸,在车道线检测的基础上增加了测距和碰撞检测内容,具体见文章 yolov5车道线检测+测距(碰撞 ...
- 学习笔记16--环境感知实例之车道线检测
本系列博客包括6个专栏,分别为:<自动驾驶技术概览>.<自动驾驶汽车平台技术基础>.<自动驾驶汽车定位技术>.<自动驾驶汽车环境感知>.<自动驾驶 ...
- matlab点云中值滤波,基于车载激光雷达的车道线识别方法与流程
本发明属于自动驾驶的模式识别领域,涉及激光雷达点云数据处理及识别方法. 背景技术: 车道线检测在智能车辆辅助安全系统中起着关键的作用,车道偏离警示系统在车道保持辅助系统以及车道换道辅助系统中有着广泛的 ...
最新文章
- Node.js制作图片下载爬虫的一般步骤
- 汇编排序算法代码总结
- python 魔法方法常用_Python魔法方法指南
- 重磅!教育部撤销518个高校专业
- numpy 加速 矩阵相加_Numpy知识
- Mozilla Firefox 在用户访问被黑客攻击的网站时发出警告
- Linux下查看CPU使用率 --- top命令的使用
- python在线编程免费课程-吐血整理!程序员最爱的13个免费Python课程
- Unity3D之UGUI基础9:ScrollRect卷动区域
- Facebook开源问答系统DrQA:基于单一信源回答开放域提问
- ARKit Plane Detection (平面检测)
- 一级指针易犯错误模型
- Python基础—文件操作
- Spring 事务扩展机制 TransactionSynchronization
- 第四章:字处理软件Word 2010——知识点整理
- TDTX云笔记--TDTX个人简历
- Geek 极客大挑战2021 web
- 绘图软件origin使用总结
- 谁是世界上最好的编程语言?--编程语言70年浅谈
- GIT上传代码的时候出现(Please tell me who you are.)信息应该咋么解决?