学习内容

CULane数据集
论文：CLRerNet: Improving Confidence of Lane Detection With LaneIoU
作者 Hiroto Honda Yusuke Uchida
代码：https://github.com/hirotomusiker/CLRerNet

CULane数据集

下载链接：
    链接：https://pan.baidu.com/s/1s34JloVdMYB6JCbEACf_7g 提取码：eoot
论文地址：
    链接：https://arxiv.org/abs/1712.06080
基本情况：
    CULane数据集是车道线检测的一个比较通用的数据集。由安装在六辆由北京不同驾驶员驾驶的不同车辆上的摄像机收集。
    训练集：88880
    测试集：9675
    验证集：34680
    测试集分为正常类别和8个具有挑战性的类别。
数据集目录设置：
    

训练与验证集：

• driver_23_30frame
• driver_161_90frame
• driver_182_30frame
  测试集：
• driver_37_30frame
• driver_100_30frame
  训练/验证/测试/列表：
• list
  数据集代码测试：
  以下图为例：
  

显示图片为：

对应标注为：

图像对应.txt注释文件。每两个数为一个像素坐标(x,y)，纵向标注，每隔十个像素标注，标注图像的下半部分。

数据可视化：引自

下面展示一些 内联代码片。

# -*- coding: utf-8 -*-
"""
Created on Fri Jan 15 17:22:54 2021

@author: yuyanchuan
"""

import os
import cv2
import numpy as np
from time import sleep

basedir=r'D:\BaiduNetdiskDownload\CULane'

def get_laneData(filepath):
    labelpath=filepath.replace('jpg','lines.txt')
    img=None
    imgLable=None
    if os.path.exists(filepath) and os.path.exists(labelpath) and os.path.getsize(labelpath):
        print("图片地址存在,label地址存在")
        img=cv2.imread(filepath)
        labelPos=[]
        for line in open(labelpath):
            labelPos.append(line.strip('\n'))
        
       # imgLable=np.zeros(img.shape)
        imgLable=img.copy()
        #存储所有到路线的位置信息
        print(labelPos)
        for lpos in labelPos:
            #位置信息通过空格隔开
            labelC=lpos.split(' ')[:-1]
            ylist=labelC[::2]
            xlist=labelC[1::2]
            print(len(xlist))
            print(len(ylist))
            for idx,ivalue in enumerate(xlist):
                cv2.circle(imgLable,(int(float(ylist[idx])),int(float(xlist[idx]))),2,(0,0,255),2)
    			#cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]])
    else:
        print("图片地址不存在或者Lable地址不存在")
    return img,imgLable        

text_path=r'list\train.txt'
#with open(os.path.join(basedir,text_path),'r') as fr:
for line in open(os.path.join(basedir,text_path)):
    data=line
    print(os.path.abspath(os.path.join(basedir,data[1:].strip('\n'))))
    img,imglabel=get_laneData(os.path.join(basedir,data[1:].strip('\n')))
    #print(imglabel)
    if imglabel is not None:
        imglabel=cv2.resize(imglabel,(1024,512))
        cv2.imshow('dsd',imglabel)
        sleep(1)
    if cv2.waitKey(1) & 0xFF == ord('q'): #按q退出
       cv2.waitKey(0)

cv2.destroyAllWindows()   

一些解读：
按行读取数据，存储到labelPos中。

可视化结果：
图像对应.txt注释文件。每两个数为一个像素坐标(x,y)，纵向标注。

论文代码实验

论文：CLRerNet: Improving Confidence of Lane Detection With LaneIoU
作者 Hiroto Honda Yusuke Uchida
代码：https://github.com/hirotomusiker/CLRerNet

论文解读

创新尝试结果记录

本内容将不断进行更新和优化，以分享完整、全面的信息。如果您有任何建议或疑问，欢迎随时联系。

参考链接

1.CUlane数据集介绍
2.车道线数据集详细介绍以及使用方法汇总
3.CULane数据集处理，可用于后续车道线检测