此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • LaneDetectionParser
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

lane_detection

最后更新
Python API: depthai_nodes.node.parsers.lane_detection

类

LaneDetectionParser

Ultra-Fast-Lane-Detection 模型的解析器类。它期望一个包含车道检测结果的输出层。它支持两个版本的模型:CuLane 和 TuSimple。结果以点簇表示。输出消息:类型:dai.beta.Clusters 描述:检测到的车道表示为点簇。引发
  • ValueError:如果未指定行锚点。
  • ValueError:如果未指定网格编号。
  • ValueError:如果未指定每条车道的点数。

方法

init
Python
1def __init__(output_layer_name: str = '', row_anchors: list[int] = None, griding_num: int = None, cls_num_per_lane: int = None, input_size: tuple[int, int] = None):
初始化车道检测解析器节点。参数
  • output_layer_name (str):与解析器相关的输出层名称。
  • row_anchors (list[int]):行锚点列表。
  • griding_num (int):网格编号。
  • cls_num_per_lane (int):每条车道的点数。
  • input_size (tuple[int, int]):输入大小(宽度,高度)。
build
Python
1def build(head_config: dict[str, Any]) -> LaneDetectionParser:
配置解析器。参数
  • head_config (dict[str, Any]):解析器的头部配置。
返回
  • LaneDetectionParser:设置了头部配置的解析器对象。
compute
Python
1def compute(tensor: np.ndarray, *, row_anchors: list[int], griding_num: int, cls_num_per_lane: int, input_size: tuple[int, int]) -> list[list[tuple[int, int]]]:
从提取的张量计算解析器结果,而不发送消息。参数
  • tensor (np.ndarray):带有网格类、采样行和车道的批处理 logits 作为剩余轴;仅使用第一个批处理项。
  • row_anchors (list[int]):车道采样网格的图像行位置(像素)。
  • griding_num (int):水平网格单元格的数量,不包括无车道类。
  • cls_num_per_lane (int):每条车道的采样行位置数量。
  • input_size (tuple[int, int]):模型输入大小,格式为 (宽度, 高度)。
返回
  • list[list[tuple[int, int]]]:每条车道一个列表,包含归一化的 XY 点元组。有效样本少于三个的车道具有空列表。
emit
Python
1def emit(output: dai.NNData, points):
创建 dai.beta.Clusters 消息并将其发送到 out。复制源时间戳和序列号,并在存在时携带源图像转换。参数
  • output (dai.NNData):携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
  • points:归一化 XY 点列表,每条车道一个列表。
extract
Python
1def extract(output: dai.NNData) -> np.ndarray:
选择并反量化解析所需的模型张量。参数
  • output (dai.NNData):携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
返回
  • np.ndarray:反量化的 float32 批处理 UFLD 网格张量。
引发
  • ValueError:如果未配置输出名称且消息不包含恰好一个层,或者未满足配置的类要求。
run
Python
1def run(self):
读取排队的网络输出,解析它们,并在运行时发出结果。管道调用此处理循环。当输入队列关闭或节点停止时,它会退出。
setClsNumPerLane
Python
1def setClsNumPerLane(cls_num_per_lane: int):
设置车道检测模型每条车道的点数。参数
  • cls_num_per_lane (int):每条车道的类数。
setGridingNum
Python
1def setGridingNum(griding_num: int):
设置车道检测模型的网格编号。参数
  • griding_num (int):网格编号。
setInputSize
Python
1def setInputSize(input_size: tuple[int, int]):
设置车道检测模型的输入大小。参数
  • input_size (tuple[int, int]):输入大小(宽度,高度)。
setOutputLayerName
Python
1def setOutputLayerName(output_layer_name: str):
设置车道检测模型的输出层名称。参数
  • output_layer_name (str):输出层名称。
setRowAnchors
Python
1def setRowAnchors(row_anchors: list[int]):
设置车道检测模型的行锚点。参数
  • row_anchors (list[int]):行锚点列表。

属性

cls_num_per_lane
每条车道的点数。
griding_num
网格编号。
input_shape
input_size
输入大小(宽度,高度)。
layout
output_layer_name
与解析器相关的输出层名称。
row_anchors
行锚点列表。