🚗 车道线检测·实战
30章 从入门到部署
📸 车载摄像头 · 风格
1
课程导论与项目总览
车道线检测在自动驾驶中的角色、课程目标、项目整体流程与输出效果展示。
2
车载摄像头基础
摄像头成像原理、内参与外参、畸变校正原理、车载摄像头选型要点。
3
图像预处理基础
灰度化、高斯滤波、直方图均衡化、图像增强在车道线场景下的应用。
4
边缘检测（Canny）
Canny算法原理（高斯平滑、梯度计算、NMS、双阈值）、参数调优实战。
5
感兴趣区域（ROI）提取
梯形ROI定义、透视变换原理、鸟瞰图（BEV）生成。
6
颜色空间与阈值分割
RGB/HSV/HLS颜色空间对比、基于黄色和白色车道线的阈值分割。
7
霍夫变换直线检测
标准霍夫变换与概率霍夫变换原理、参数调优（rho, theta, threshold…）。
8
车道线拟合与筛选
基于斜率筛选左右车道线、最小二乘法直线拟合、RANSAC鲁棒拟合。
9
车道线跟踪基础
帧间连续性假设、滑动窗口搜索、基于上一帧位置的局部搜索。
10
曲线车道线检测（一）
二次/三次多项式拟合、像素点到实际距离的映射。
11
曲线车道线检测（二）
滑动窗口+多项式拟合完整流程、曲率半径计算。
12
车道偏离预警（LDW）
偏离判定逻辑（车辆中心与车道中心偏移量）、预警触发条件。
13
车道保持辅助（LKA）基础
目标横向位置计算、PID控制简介、控制指令生成。
14
多车道线检测
左右多车道线识别、车道编号与切换逻辑。
15
车道线类型分类
实线/虚线识别、颜色分类（白/黄）、基于形态学的分类方法。
16
逆透视变换（IPM）详解
单应性矩阵求解、IPM图像生成、IPM在车道线检测中的优势。
17
基于深度学习的车道线检测入门
语义分割基础、U-Net/LaneNet架构简介、数据集介绍（TuSimple, CULane）。
18
LaneNet实战
实例分割与语义分割分支、损失函数、模型训练与推理流程。
19
SCNN（Spatial CNN）介绍
SCNN核心思想（信息沿空间方向传播）、与普通CNN的对比。
20
基于注意力机制的车道线检测
自注意力与交叉注意力、Transformer在车道线检测中的应用（LSTR）。
21
模型轻量化与嵌入式部署
TensorRT/ONNX Runtime简介、模型量化（INT8/FP16）、在NVIDIA Jetson上的部署。
22
多传感器融合（摄像头+IMU）
IMU数据预处理、航迹推算辅助车道线跟踪、卡尔曼滤波融合。
23
车道线检测评价指标
准确率、召回率、F1-score、最大F1（MaxF1）、官方评估脚本使用。
24
数据标注与数据集制作
车道线标注规范（关键点/分段线）、Labelme/CVAT工具使用、数据增强。
25
C++实现车道线检测（一）
OpenCV C++基础、图像读取与显示、Canny边缘检测实现。
26
C++实现车道线检测（二）
霍夫变换与直线拟合的C++实现、性能优化（多线程/NEON指令集）。
27
实时系统设计
帧率控制、多线程流水线（采集-处理-显示）、延迟优化策略。
28
常见问题与调试技巧
光照变化（隧道/逆光）、阴影干扰、路面破损、车道线磨损。
29
项目实战：从零搭建车道线检测系统
Python原型 → C++优化 → 嵌入式部署。
30
课程总结与未来展望
V2X与高精地图融合、端到端自动驾驶中的车道线感知、学习路径建议。