基于预训练模型测试LaneNet车道线检测_用已训练好的模型做车辆目标检测

一、下载预训练模型

LaneNet项目开源地址：https://github.com/MaybeShewill-CV/lanenet-lane-detection

预训练模型可以从作者的readme文档中给的链接进行下载。

如果下载不下来，可以参考https://blog.csdn.net/wjinjie/article/details/108575549，到博主的百度云网盘中下载。

将下载下来的模型文件放在项目中model/tusimple_lanenet文件夹下，目录结构如下图所示：

二、用tusimple数据集中的图片测试

执行测试脚本

python tools/test_lanenet.py --weights_path ./model/tusimple_lanenet/tusimple_lanenet.ckpt --image_path ./testdata/tusimple_test_image/1.jpg

--weights_path后面跟的是模型文件地址，注意这里只需要输入到.ckpt即可，脚本会自动读取模型文件夹下的四个文件。

--image_path后面跟的是测试图片的地址。

 

python tools/test_lanenet.py --weights_path ./model/tusimple_lanenet/tusimple_lanenet.ckpt --image_path ./testdata/tusimple_test_image/1.jpg

测试结果如下图：

三、用非tusimple数据集中的图片做测试

代码的原作者说一些相关参数以及后处理部分都是针对tusimple数据集做的，不能直接用来处理其它的数据集，我们先来简单测试一下。

python tools/test_lanenet.py --weights_path ./model/tusimple_lanenet/tusimple_lanenet.ckpt --image_path ./testdata/tusimple_test_image/9.jpg

从结果看，binary_image 和 instance_image效果还可以，但是mask_image和src_image中只检测到一条线，还有的图片可能一条线也检测不出来，就是网上很多网友反应的mask_image全黑的问题。

查看了github项目对应的issue，比如https://github.com/MaybeShewill-CV/lanenet-lane-detection/issues/318，作者的回答：

1.模型是在tusimple上训练的，在别的数据集上表现不佳也是正常现象。

2.repo里面的后处理过程包括但不限于dbscan聚类，ipm转换，车道线方程拟合相关的参数都是根据tusimple数据集定制的，所以在别的数据上无法有效泛化。

3.如果要在别的数据上测试效果，建议只观察binary segmentation的掩码结果和pixel embedding结果，pixel embedding结果既可以通过归一化到[0-255]以四维图像的数据形式观察，也可以自行调节聚类参数或者替换自己的聚类方法得到聚类的instance segmentation掩码结果。后处理部分在别的数据集上无法直接使用：）

鉴于此，参考https://github.com/MaybeShewill-CV/lanenet-lane-detection/issues/291我们来调整一下聚类参数试试。

将config/tusimple_lanenet.yaml文件中后处理参数中的DBSCAN_MIN_SAMPLES由1000调整为300

再跑一下测试脚本，看一下结果，效果好像还不错哦！

从上面这张图来看，虽然检测到了车道线，但是延伸到了天空中，想要得到更好的效果，可能还是需要自己针对相应的数据集做一些修改。

四、查看issues

Issues中还有很多其它问题的讨论，感兴趣的话自己可以去查看一下。