🚗 车道线检测 · 可行驶区域

📘 30章从入门到部署

L01 课程导论与项目总览

应用场景、技术栈概览 (OpenCV/深度学习) 与最终效果展示

L02 图像处理基础 (一)

RGB/灰度表示、OpenCV读取显示、图像属性

L03 图像处理基础 (二)

颜色空间转换、高斯/中值滤波、Canny边缘检测

L04 感兴趣区域 (ROI) 提取

掩码提取、透视变换与鸟瞰图原理实现

L05 传统车道线检测 (一)

霍夫变换原理、标准/概率霍夫、边缘直线检测

L06 传统车道线检测 (二)

最小二乘法拟合、左右车道线分离与区域绘制

L07 传统车道线检测 (三)

视频流跟踪、滑动窗口优化、弯道与噪声处理

L08 深度学习基础 (一)

感知机、激活函数、CNN卷积与池化核心概念

L09 深度学习基础 (二)

损失函数、SGD/Adam、训练流程与正则化

L10 语义分割入门

语义分割概念、与分类检测区别、FCN/U-Net简介

L11 车道线分割数据集

CULane/TuSimple介绍、JSON/多边形标注格式

L12 数据预处理与增强

归一化、随机翻转/裁剪/亮度、PyTorch DataLoader

L13 深度学习车道线 (一)

LaneNet分割+嵌入分支、实例分割思想

L14 深度学习车道线 (二)

SCNN空间卷积、消息传递机制

L15 深度学习车道线 (三)

UFLD超快速检测、行锚方法

L16 模型训练实战 (一)

PyTorch/CUDA配置、训练脚本、损失函数设计

L17 模型训练实战 (二)

TensorBoard监控、超参数调优、保存与加载

L18 模型推理与后处理

ONNX导出、TensorRT加速、车道线聚类拟合

L19 可行驶区域计算 (一)

可行驶区域概念、语义分割检测、BEV表示

L20 可行驶区域计算 (二)

逆透视变换IPM、道路边界提取

L21 可行驶区域计算 (三)

多传感器融合、激光雷达、占据网格

L22 车道线与可行驶区域融合

车道线约束、结构化拓扑、碰撞检测基础

L23 项目实战 (一)

搭建检测与区域计算系统、模块化架构设计

L24 项目实战 (二)

车道线检测模块 (传统/深度)、可行驶区域模块

L25 项目实战 (三)

融合与可视化模块、测试视频评估

L26 模型部署 (一)

INT8/FP16量化、剪枝蒸馏、Jetson部署

L27 模型部署 (二)

ONNX Runtime推理、C++部署、性能调优

L28 评估与优化

车道线指标 (准确率/IoU/FPS)、mIoU、瓶颈分析

L29 进阶话题 (一)

CondLaneNet端到端、Transformer Laneformer

L30 进阶话题 (二)

高精地图与车道线、V2X车路协同、课程总结