深度学习大行其道，使用传统的计算机视觉方法如何检测车道线?今天分享的项目其期标是使用传统的计算机视觉(即非机器学习)技术来开发一种先进的和健壮的算法，可以检测和跟踪视频中的两条车道线。
Pipeline主要的流程包括图像去畸变、透视变换和 ROI选择、生成阈值二值图像、 滑动窗口检测、自适应搜索、像素到现实空间的转换、曲率和偏移等。
这是一个非常乏味的项目，涉及到手工调整几个参数。使用传统的计算机视觉方法，能够发展出对什么起作用以及为什么起作用的强烈直觉。虽然是黑盒舒，不可否认，深度学习技术对车道检测更加鲁棒。
传统的车道线检测未来发展方向？
主要看任务目的,有些任务因为硬件限制，并且对车道线要求没有那么高，比如只要求检测车辆两侧，近处小曲率的车道线，那么就可以不用深度学习模型(需要数据量需要训练时间、耗时大)，只需要用传统视觉也能完成任务。自动驾驶里面也会是深度学习模型+传统视觉结合的。
code： https://github.com/NaimulAmin/Advanced-Lane-Detected_collected-reviewed
pip镜像源加速安装：
1.清华源：pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple/
2.阿里源：-i https://mirrors.aliyun.com/pypi/simple/
3.中科大源： -i https://pypi.mirrors.ustc.edu.cn/simple/
4.中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
eg: pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
ffmpeg（ubuntu18.04）：视频抽成帧（图片）/图片合成视频
1.视频抽成帧（图片）：
ffmpeg -i output-processed.avi -q:v 2 -f image2 frame_%06d.jpg2.图片合成视频：
ffmpeg -f image2 -i %*.jpg 123.mp43.截取指定起始和截止点的视频片段：
ffmpeg -i 123.mp4 -vcodec copy -acodec copy -ss 00:00:10 -to 00:00:15 123_output.mp4 -y4.ffmpeg 修改分辨率
ffmpeg -i input.mp4 -vf scale=1920:1080 -y output.mp4视频如何变速
先去除音轨，如果不去除音轨，那么还需要设定音轨的速度
ffmpeg -i input.mp4 -an -y input-mute.mp4
然后用滤镜setpts设定倍速，小于1 就是加速，比如 0.5的意思就是加速一倍。
ffmpeg -i input-mute.mp4 -vf "setpts=0.5*PTS" -y out.mp4
5.解决FFMPEG错误：height not divisible by 2 / width not divisible by 2
解决：这会让长宽都变为偶数
ffmpeg -f image2 -i %*.jpg -vf "pad=ceil(iw/2)*2:ceil(ih/2)*2" test.mp4
参考：https://blog.csdn.net/Nie_Quanxin/article/details/125494127
https://blog.csdn.net/xionglifei2014/article/details/107817924
https://blog.csdn.net/locahuang/article/details/119187896?spm=1001.2014.3001.5506