01
课程导学与车道线检测概述
课程目标、学习路径、自动驾驶核心地位、行业应用全景图
导学全景
02
图像处理基础（上）
像素、通道、色彩空间 · OpenCV环境搭建 · 读取与显示
OpenCV像素
03
图像处理基础（下）
基本运算、几何变换、裁剪与ROI提取
仿射ROI
04
颜色空间与阈值分割
BGR/HSV转换 · 阈值设定 · 二值化 · 提取白色/黄色车道线
HSVOTSU
05
边缘检测（Canny）
高斯滤波 · 梯度 · 非极大值抑制 · 双阈值 · 参数调优
Canny边缘
06
感兴趣区域（ROI）提取
梯形ROI · 多边形掩码 · 透视变换 · 提取车道线区域
掩码透视
07
霍夫变换直线检测
点到线映射 · 标准/概率霍夫 · 参数调优
霍夫直线
08
车道线拟合与绘制
最小二乘法 · 左右分离 · 绘制叠加 · 视频帧绘制
拟合绘制
09
车道偏离预警系统（LDW）基础
偏离判定逻辑 · 预警触发 · 简易LDW系统
LDW预警
10
弯道检测与曲线拟合
二次/三次曲线 · 曲率半径 · 弯道方向 · 实战检测
弯道曲率
11
视频流处理与性能优化
帧读取循环 · 帧率控制 · 多线程 · 实时检测
视频FPS
12
基于滑动窗口的车道线追踪
滑动窗口搜索 · 窗口调优 · 置信度评估 · 鲁棒追踪
滑动窗口追踪
13
基于CNN的语义分割入门
语义分割概念 · FCN/U-Net · 分割模型输出
CNN分割
14
轻量级分割模型（LaneNet）实战
LaneNet架构 · ENet编码器 · 实例/二值分割 · 预训练推理
LaneNet轻量
15
基于行分类的车道线检测（SCNN）
空间信息传递 · 切片循环卷积 · SCNN模型推理
SCNN行分类
16
数据集构建与标注
TuSimple/CULane/BDD100K · Labelme/CVAT · 格式转换
数据集标注
17
数据增强技术
几何/颜色增强 · 模拟恶劣天气 · imgaug实战
增强imgaug
18
模型训练基础（PyTorch）
环境搭建 · Dataset/DataLoader · 损失函数设计
PyTorch训练
19
模型训练进阶
优化器 · 学习率调度 · TensorBoard · 保存与加载
调度TensorBoard
20
模型评估与指标
IoU · 准确率/召回率 · F1 · TuSimple评估
评估指标
21
模型部署与ONNX转换
ONNX格式 · PyTorch转ONNX · ONNX Runtime推理
ONNX部署
22
嵌入式平台部署（NVIDIA Jetson）
Jetson环境 · TensorRT加速 · INT8量化 · 实战运行
JetsonTensorRT
23
多传感器融合（相机+IMU）
IMU读取 · 时间戳对齐 · 卡尔曼滤波辅助追踪
IMU融合
24
高精地图与车道线关联
Lanelet2格式 · 地图匹配 · 先验信息辅助
高精地图Lanelet2
25
端到端车道线检测（CondLaneNet）
提议机制 · 动态卷积 · 端到端推理
CondLaneNet端到端
26
车道线检测中的挑战与解决方案
强光/阴影 · 磨损 · 遮挡 · 夜间 · 鲁棒Pipeline
挑战鲁棒
27
项目实战（一）：高速公路车道线检测系统
需求分析 · 架构设计 · 预处理→检测→追踪→预警
高速项目
28
项目实战（二）：城市道路车道线检测系统
复杂场景 · 十字路口 · 多车道 · 红绿灯联合检测
城市多车道
29
项目实战（三）：模型训练与调优全流程
数据准备→部署完整Pipeline · 超参数调优技巧
全流程调优
30
课程总结与未来展望
知识体系回顾 · Transformer/BEV感知 · 学习路径推荐
总结前沿