跳到主要内容

车道线检测-LaneNet

S100 only

本示例仅适用于 RDK S100。RDK S600 镜像未内置对应 hbm 模型，相关示例代码也仅在 S100 上随系统镜像发布；S600 上暂不支持。

本示例基于 hbm_runtime 运行 LaneNet 模型，实现车道线的实例分割与二值分割，并将结果图像保存到本地，本示例代码位于/app/pydev_demo/06_lane_detection_sample/01_lanenet/目录下。

模型说明​

  • 简介：

    LaneNet 是一种用于实时车道线检测的语义分割模型。LaneNet 在图像预处理上采用归一化与标准化方式，适合自动驾驶与 ADAS 系统中的道路场景分析。本示例使用的是量化版本模型 lanenet256x512.hbm，支持 BPU 推理加速。

  • HBM模型名称：lanenet256x512.hbm

  • 输入格式：RGB，大小为 256x512，归一化到 [0,1] 后进行标准化

  • 输出：

    • instance_seg_logits：用于区分不同车道线的 3 通道图

    • binary_seg_pred：二值分割结果，表示车道区域的位置

  • 模型下载地址（程序自动下载）：

    https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_s100/Lanenet/lanenet256x512.hbm

功能说明​

  • 模型加载

    使用 hbm_runtime 加载 LaneNet 模型，自动解析输入输出信息和量化参数。

  • 输入预处理

    将输入图像转换为 RGB 格式，调整到 256x512 尺寸，并使用 ImageNet 均值与标准差进行归一化和标准化处理，最终转为 NCHW 格式并添加 batch 维度。

  • 推理执行

    使用 .run() 方法进行推理，输出包括 instance 特征图和二值掩膜图，支持优先级与 BPU 核调度设置。

  • 结果后处理

    对输出 tensor 进行 reshape 与归一化：

    • instance_seg_logits：输出三通道图像用于可视化每个车道实例

    • binary_seg_pred：输出单通道二值图，用于提取车道区域

环境依赖​

本样例无特殊环境需求，只需确保安装了pydev中的环境依赖即可。

pip install -r ../../requirements.txt

目录结构​

.
├── lanenet.py                  # 主推理脚本
└── README.md                   # 使用说明

参数说明​

参数名说明默认值
--model-path模型文件路径，.hbm 格式/opt/hobot/model/s100/basic/lanenet256x512.hbm
--priority模型运行优先级，范围 0~255，数值越大优先级越高0
--bpu-cores指定用于运行模型的 BPU 核心编号[0]
--test-img测试图像路径/app/res/assets/input.jpg

快速运行​

  • 运行模型

    • 使用默认参数 
      python lanenet.py
    • 指定参数运行 
      python lanenet.py \
      --model-path /opt/hobot/model/s100/basic/lanenet256x512.hbm \
      --priority 0 \
      --bpu-cores 0 \
      --test-img /app/res/assets/input.jpg

  • 查看结果

    运行成功后，会将结果绘制出来，保存到 instance_pred.png 和 binary_pred.png

    Results saved to: instance_pred.png and binary_pred.png

注意事项​

  • 若指定模型路径不存在，程序将尝试自动下载模型。
最后于 更新