文件名称：检测道路特征：检测道路特征：识别视频中的车道和车辆边界
文件大小：96.11MB
文件格式：ZIP
更新时间：2024-02-24 01:33:39
machine-learning computer-vision scikit-learn classification scikit-learnJupyterNotebook
项目结构 该项目的目标是尝试在面向前方的车辆摄像头数据中检测一组道路特征。 我称其为朴素的方式，因为它主要使用计算机视觉技术（与朴素的贝叶斯方法无关！）。 我们要检测和跟踪的特征是车道边界和周围的车辆。 文件 描述 source/lanetracker/camera.py 根据校准图像集实现相机校准。 source/lanetracker/tracker.py 通过将处理流水线应用于视频中的连续帧来实现车道跟踪。 source/lanetracker/gradients.py 基于渐变和颜色的边缘检测例程集。 source/lanetracker/perspective.py 透视变换例程集。 source/lanetracker/line.py 表示单个车道边界线的Line类。 source/lanetracker/window.py 代表扫描窗口的Window类，用于检测可能代表线的点。 source/vehicletracker/features.py 实现用于车辆跟踪的特征提取管道。 source/vehicletracker/tracker.py
【文件预览】：
detecting-road-features-master
----source()
--------vehicletracker()
--------detecting-road-features.ipynb(12.18MB)
--------lanetracker()
----LICENSE(1KB)
----assets()
--------windows.jpg(568KB)
--------project_video_sample.gif(6.47MB)
--------calibration_1.png(174KB)
--------hog.png(121KB)
--------non-cars.png(222KB)
--------detections.jpg(619KB)
--------cars.png(298KB)
--------edges.png(799KB)
--------project_video_sample-2.gif(8.51MB)
--------poly_2.png(44KB)
--------original.png(127KB)
--------curve_coef.png(49KB)
--------detection.png(432KB)
--------curve_grad.png(50KB)
--------calibration_2.png(159KB)
--------perspective.png(955KB)
--------calibration_3.png(183KB)
----README.md(24KB)
----data()
--------video()
--------test_images()
--------camera_cal()
----.gitignore(1KB)