# 3DLaneDetection

**Repository Path**: abonaventure/AD_LaneDetection

## Basic Information

- **Project Name**: 3DLaneDetection
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-07-11
- **Last Updated**: 2025-09-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


# PolarLane 车道线检测模型

<div align="center">
  <img src="./resource/Pipeline.png" alt="模型架构图" width="800">
</div>

## 📌 论文
**PolarLane: Robust BEV Lane Detection based on Polar Coordinates**  
*Expert Systems With Applications (Under Review)*

## ⚠️ 当前版本说明
> **注意**：当前版本存在以下已知问题：
> 
> - **坐标系问题**：极坐标到直角坐标的转换未正确定义，导致输出被强制拟合到直角坐标系（当前F1-Score 62.2%）
> - **可视化没完全成功**：保存结果的方法存在问题，生成的3D点实际上跟训练的有区别，现在正在修bug

## 🎥 效果演示
**演示视频**：[点击观看](https://youtu.be/efOCy69ju1E)
<div align="center">
  <iframe 
    width="560" 
    height="315" 
    src="https://www.youtube.com/embed/efOCy69ju1E" 
    frameborder="0" 
    allowfullscreen>
  </iframe>
  <br>
  <img src="./resource/demo1.png" width="560">
</div>

## 📦 模型权重
| 版本 | 性能 | 下载链接 |
|------|------|----------|
| v1.0 | 62.2% F1 | [Google Drive](https://drive.google.com/drive/folders/1DLcqV6Uw8CNGQOR7knFubt0l0pyx0HMF?usp=drive_link) |

## 🚀 快速开始

### 1. 环境配置 (Ubuntu20.04 + CUDA-11.1)
```bash
# 创建conda环境
conda create -n polarlane python=3.8 -y
conda activate polarlane

# 安装PyTorch
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

# 安装MMCV
git clone https://github.com/open-mmlab/mmcv.git && cd mmcv
git checkout v1.5.0
FORCE_CUDA=1 MMCV_WITH_OPS=1 pip install -e .

# 安装MMDetection3D
pip install mmdet==2.24.0
git clone https://github.com/open-mmlab/mmdetection3d.git && cd mmdetection3d
git checkout v1.0.0rc3
pip install -v -e .

# 安装其他依赖
pip install -r requirements.txt
```

### 2. 数据集准备
```text
PolarLane/
├── data/
│   ├── openlane/
│   │   ├── images/          # 原始图像
│   │   └── lane3d_1000/     # 标注数据
└── ...
```
数据集下载：[OpenLane官方GitHub](https://github.com/OpenDriveLab/OpenLane/blob/main/data/README.md)

### 3. 训练与推理
```bash
# 训练 (单GPU)
CUDA_VISIBLE_DEVICES=0 python -m torch.distributed.launch \
    --nproc_per_node 1 main.py \
    --config config/OpenLane/polarlane_r50.py

# 推理
CUDA_VISIBLE_DEVICES=0 python -m torch.distributed.launch \
    --nproc_per_node 1 main.py \
    --config config/OpenLane/polarlane_r50.py \
    --cfg-options evaluate=true eval_ckpt=path/to/checkpoint.pth
```

### 4. 可视化工具
1. 下载[推理结果](https://drive.google.com/drive/folders/1FUfVBi74dX2p2VXv7sQLYb09bsk38O6h?usp=drive_link)
2. 按以下结构存放：
```text
PolarLane/data/openlane/results3d/validation/
├── segment-17065833287841703_2980_000_3000_000_with_camera_labels/
│   └── ...
└── ...
```
3. 运行可视化：
```bash
python visualizer/run_visualization.py
```