車道線檢測，我分別嘗試了傳統方案雙車道線直線檢測，以及SCNN，VPGNET，Lanenet等多車道線曲線檢測。今天就閱讀Lanenet寫讀後感，有理解誤差的地方望批評指正。

• 傳統方案的好處在於速度快，缺點在於目前只適用於直線檢測 ，曲線檢測效果不好；
• SCNN基於框架torch做的開發，torch獨有的table結構使得其模型很難轉換為caffe or tensorflow等其它形式，但是其基於車道線這種形態屬性的而設計的深度學習網路架構是值得參考的,見下圖；

• VPGnet結合了消失點等多種資訊，進行模型訓練，文章亮點在於其獨特的車道線網格標記訓練的思考，採用迴歸的方式定位車道線，和消失點深度學習訓練方面的設計，利用整體空間結構特徵而不是單點小範圍畫素的學習。但是作者提供的程式碼是不完整的，缺少參考模型，訓練程式碼缺失VP訓練部分，無法快速進行效果驗證。

• lanenet基於tensorflow框架，而且提供的參考內容很完整，在tusimple上驗證出效果是比較好的。其特點在於曲線擬合部分，採用深度學習網路進行曲線擬合。採用H-net學習擬合矩陣,比傳統bird transform 或者多項式擬合方式calculate once的侷限方式，可以利用深度學習模型的大資料訓練調優的優點，得到適應性更強的擬合矩陣。