基于UNet 分割模型增加了检测头来识别车道线的类型（单实线、双黄线等10种），同时可以识别出"所在车道"和"车道线类型"。

训练代码【训练练手代码】

1 数据说明

  基于开源数据集 VIL100。其中数据标注了所在的六个车道的车道线和车道线的类型。

  8条车道线（六个车道），对应的顺序是：7,5,3,1,2,4,6,8。其中1,2对应的自车所在的车道，从左往右标记。

  车道线的类别（10个类别）：单条白色实线、单条白色虚线、单条黄色实线、单条黄色虚线、双条白色实线、双条黄色实线、双条黄色虚线、双条白色实虚线、双条白色黄色实线、双条白色虚实线。

说明示例：

train.txt

/JPEGImages/0_Road001_Trim003_frames/00045.jpg /Annotations/0_Road001_Trim003_frames/00045.png 0 0 0 1 1 1 1 1 0 0 0 1 2 10 2 1


标签说明： 
/JPEGImages/0_Road001_Trim003_frames/00045.jpg 图片 

/Annotations/0_Road001_Trim003_frames/00045.png 分割标签（png的p模式存储的标签）

0 0 0 1 1 1 1 1 0 0 0 1 2 10 2 1 共十六个值，前8个是对应的车道（8条车道线，对应的顺序是7,5,3,1,2,4,6,8），后8个值是线的类别（10个类别）

0 0 0 1 1 1 1 1（共8条车道线，左起前三条000无车道线，11111有到车道）

0 0 0 1 2 10 2 1（每条车道线对应的类型，左起前三条000无车道线，1 2 10 2 1分别对应的车道线类型）

00045.jpg 图像

00045.png 分割标签

2 模型结构

  基于UNet 分割模型增加了检测头来识别车道线的类型（单实线、双黄线等10种），可以识别出"所在车道"和"车道线类型"。

  分割输出头9个通道，1(没有车道线)+8个条车道；车道线类型输出头8x11，8条车道是11种（1+10）的哪种线型。

3 分割效果

4 部署参考

onnx、tensorRT、RKNN、Horzion 部署