Comments 8
>> Сделать проекцию дороги как «вид сверху» — это значительно упростит определение полос.
Как раз писал года полтора назад в качестве упражнения BirdsEyeTransform.
Посмотрите пожалуйста, мб поможет. Кроме того, там есть питонячий вариант, правда не моего авторства, а подсмотренный впоследствии.
https://bitbucket.org/Tsyshnatiy/bev
Ну и бумажка:
http://www.ijser.org/researchpaper%5CA-Simple-Birds-Eye-View-Transformation-Technique.pdf
Как раз писал года полтора назад в качестве упражнения BirdsEyeTransform.
Посмотрите пожалуйста, мб поможет. Кроме того, там есть питонячий вариант, правда не моего авторства, а подсмотренный впоследствии.
https://bitbucket.org/Tsyshnatiy/bev
Ну и бумажка:
http://www.ijser.org/researchpaper%5CA-Simple-Birds-Eye-View-Transformation-Technique.pdf
В OpenCV оно реализуется одной функцией warpperspective с правильно подобранными параметрами преобразования (которые можно и на глаз подобрать для конкретного камерного сетапа).
Спасибо!
А вы продвинулись дальше первого урока про LDW в этом курсе? Там что-то стоящее есть?
А то что-то тестовый урок вообще не впечатлял и не мотивировал к выкладыванию пары тысяч баксов за него :-)
Продвинулся. Насчёт стоящего — вопрос сложный, я ведь деньги заплатил, поэтому уже необъективен :)
Вообще, в плане чистых знаний Udacity сам по себе мало что даст: всё и так давно выложено в открытый доступ, а обучающие материалы в Udacity поверхностны. Лично для меня ценность скорее в дедлайнах, сертификате и общей методологии. Плюс, Sebastian Thrun, их СЕО, и развил в Гугле self-driving car, так что курс получился «из первых рук». Программа значительно лучше продумана и более требовательна, чем, например, их ML Nanodegree (который я прошёл, так что есть с чем сравнивать). Term 1 маркетинговый, конечно, но я купился на Term 2 и 3, в которых хайп заканчивается и начинается работа на C++.
Вообще, в плане чистых знаний Udacity сам по себе мало что даст: всё и так давно выложено в открытый доступ, а обучающие материалы в Udacity поверхностны. Лично для меня ценность скорее в дедлайнах, сертификате и общей методологии. Плюс, Sebastian Thrun, их СЕО, и развил в Гугле self-driving car, так что курс получился «из первых рук». Программа значительно лучше продумана и более требовательна, чем, например, их ML Nanodegree (который я прошёл, так что есть с чем сравнивать). Term 1 маркетинговый, конечно, но я купился на Term 2 и 3, в которых хайп заканчивается и начинается работа на C++.
Насчёт стоящего — вопрос сложный, я ведь деньги заплатил, поэтому уже необъективен :)
Я имел в виду: там все задания в стиле: "вот вам кусок кода, покрутите у него параметры так, чтобы работало как у нас"? А то на вид вроде бы что-то интересное может быть, но если все в стиле первой главы про LDW, то программа ни о чем...
Мне кажется, интереса в проект можно добавить и самому. Для факта сдачи этого проекта, например, требовалось почти ничего, но многие студенты не ограничиваются базовым заданием и придумывают-исследуют что-то дополнительно. Udacity даёт направление, а копаешь уже сам.
В следующем проекте (классификатор дорожных знаков на свёрточных сетях), кстати, несколько студентов добились state-of-the-art точности, что совсем не тривиально, хотя от них никто этого не требовал. Но именно такие посты потом и интересно читать :)
В следующем проекте (классификатор дорожных знаков на свёрточных сетях), кстати, несколько студентов добились state-of-the-art точности, что совсем не тривиально, хотя от них никто этого не требовал. Но именно такие посты потом и интересно читать :)
С лесом, конечно, все печально, но я верю, что не все потеряно)
Sign up to leave a comment.
Введение в OpenCV применительно к распознаванию линий дорожной разметки