【车道检测】开源 | TuSimple数据集上可以达到115帧的车道线检测算法，SOTA！

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

PS：腾讯最近更改公众号推送规则，文章推送不在按照时间排序，而是通过智能推荐算法有选择的推送文章，为了避免收不到文章，看完文章您可以点击一下右下角的"在看"，以后发文章就会第一时间推送到你面前。

获取完整原文，公众号回复：2004.10924

论文地址： http://arxiv.org/pdf/2004.10924v2.pdf

代码： https://github.com/lucastabelini/polylanenet.

来源： 圣埃斯普利托大学

论文名称：PolyLaneNet: Lane Estimation via Deep Polynomial Regression

原文作者：Lucas Tabelini

内容提要

深度学习技术的出现推动了自动驾驶技术发展，取得巨大进步。对于更安全的自动驾驶汽车来说，目前尚未完全解决的问题之一是车道检测。车道检测任务的方法必须是实时的(+30帧/秒)，有效的且高效的。本文提出了一种新的车道检测方法，它使用一个安装在车上的向前看的摄像头的图像作为输入，并通过深度多项式回归输出多项式来表示图像中的每个车道标记。在TuSimple数据集上该方法在保持效率(115帧/秒)的前提下，与现有的SOTA方法相比具有相当的竞争力。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。

点个“在看”，让我知道你的爱