深度学习大行其道,使用传统的计算机视觉方法如何检测车道线?今天分享的项目其期标是使用传统的计算机视觉(即非机器学习)技术来开发一种先进的和健壮的算法,可以检测和跟踪视频中的两条车道线。
Pipeline主要的流程包括图像去畸变、透视变换和 ROI选择、生成阈值二值图像、 滑动窗口检测、自适应搜索、像素到现实空间的转换、曲率和偏移等。
这是一个非常乏味的项目,涉及到手工调整几个参数。使用传统的计算机视觉方法,能够发展出对什么起作用以及为什么起作用的强烈直觉。虽然是黑盒舒,不可否认,深度学习技术对车道检测更加鲁棒。
传统的车道线检测未来发展方向?
主要看任务目的,有些任务因为硬件限制,并且对车道线要求没有那么高,比如只要求检测车辆两侧,近处小曲率的车道线,那么就可以不用深度学习模型(需要数据量需要训练时间、耗时大),只需要用传统视觉也能完成任务。自动驾驶里面也会是深度学习模型+传统视觉结合的。
code: https://github.com/NaimulAmin/Advanced-Lane-Detected_collected-reviewed
pip镜像源加速安装:
1.清华源:pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple/
2.阿里源:-i https://mirrors.aliyun.com/pypi/simple/
3.中科大源: -i https://pypi.mirrors.ustc.edu.cn/simple/
4.中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
eg: pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
ffmpeg(ubuntu18.04):视频抽成帧(图片)/图片合成视频
1.视频抽成帧(图片):
ffmpeg -i output-processed.avi -q:v 2 -f image2 frame_%06d.jpg
2.图片合成视频:
ffmpeg -f image2 -i %*.jpg 123.mp4
3.截取指定起始和截止点的视频片段:
ffmpeg -i 123.mp4 -vcodec copy -acodec copy -ss 00:00:10 -to 00:00:15 123_output.mp4 -y
4.ffmpeg 修改分辨率
ffmpeg -i input.mp4 -vf scale=1920:1080 -y output.mp4
视频如何变速
先去除音轨,如果不去除音轨,那么还需要设定音轨的速度
ffmpeg -i input.mp4 -an -y input-mute.mp4
然后用滤镜setpts设定倍速,小于1 就是加速,比如 0.5的意思就是加速一倍。
ffmpeg -i input-mute.mp4 -vf "setpts=0.5*PTS" -y out.mp4
5.解决FFMPEG错误:height not divisible by 2 / width not divisible by 2
解决:这会让长宽都变为偶数
ffmpeg -f image2 -i %*.jpg -vf "pad=ceil(iw/2)*2:ceil(ih/2)*2" test.mp4
参考:https://blog.csdn.net/Nie_Quanxin/article/details/125494127
https://blog.csdn.net/xionglifei2014/article/details/107817924
https://blog.csdn.net/locahuang/article/details/119187896?spm=1001.2014.3001.5506