GitHub：车道线检测最全资料集锦
source link: https://bbs.cvmart.net/articles/158
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
GitHub：车道线检测最全资料集锦
1年前 ⋅ 3508 ⋅ 1 ⋅ 0
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：
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）
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》
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。
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。
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
版权声明：自由转载-非商用-非衍生-保持署名（创意共享3.0许可证）
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK