基于yolov5的车道线检测及安卓部署

这篇具有很好参考价值的文章主要介绍了基于yolov5的车道线检测及安卓部署。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

这个车道线检测是华科的研究团队做的一个开源项目,写这篇文章主要是想分享一下好的东西给大家

自己做了拓展延伸,在车道线检测的基础上增加了测距和碰撞检测内容,具体见文章 yolov5车道线检测+测距(碰撞检测)

1.车道线识别

车道线识别代码可以直接下载,在win系统下运行
代码链接1:https://pan.baidu.com/s/1fmPwnIqHU1Np8L3-fPzboA?pwd=uefe
代码链接2:https://github.com/hustvl/YOLOP

运行tools/demo.py,结果如下:

2.安卓部署

1.需要先下载Android Studio,具体操作步骤可以看我写的另外一篇文章,里边记录的很详细,链接:https://blog.csdn.net/qq_45077760/article/details/129802464?spm=1001.2014.3001.5502

2.下载源码
下载链接1:https://pan.baidu.com/s/1WPCoFaKR4oK8-tvuelEEEA?pwd=8cl8
下载链接2:https://github.com/EdVince/YOLOP-NCNN

3.下载好之后用Android Studio打开名为ncnn-android-nanodet文件夹,然后配置Android SDK,修改CMakeLists.txt、yolov5s.param、yolov5ncnn_jni.cpp文件,具体步骤在上边链接里都包含

4.最后将apk下载到手机,用手机测试效果:

想玩玩手机软件的可以直接点击下边链接下载:
https://github.com/up-up-up-up/data/blob/main/base.apk

有问题我们可以共同讨论一下,刚刚入门共同进步文章来源地址https://www.toymoban.com/news/detail-460593.html

到了这里,关于基于yolov5的车道线检测及安卓部署的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【Android Studio】【NCNN】YOLOV5安卓部署

    坑非常多,兄弟们,我已经踩了三天的坑了,我这里部署了官方的yolov5s和我自己训练的yolov5n的模型 下载Android Studio,配置安卓开发环境,这个过程比较漫长。 安装cmake,注意安装的是cmake3.10版本。 根据手机安卓版本选择相应的安卓版本,我的是红米K30Pro,安卓12。 使用腾讯

    2024年02月20日
    浏览(93)
  • [ZCU102嵌入式开发]基于Vitis-AI的yolov5目标检测模型在ZCU102开发板上的部署过程分享

    之前本来想要做基于ZCU106的Vitis-AI开发,但是官方对106缺少相关文档说明,而我需要移植的yolov5模型需要使用Vitis-AI的2.0往后的版本来支持更新的pytorch版本,相对应的也需要更新Vitis等工具的版本,所以在缺少参考资料的情况下我选择找实验室换成了ZCU102开发板先把基本流程走

    2024年01月16日
    浏览(56)
  • Python基于OpenCV的视频车道线检测系统[源码&部署教程]

    Python基于OpenCV的视频车道线检测系统[源码&部署教程] 参考该博客方案,其算法思想如下: 使用高斯模糊,去除噪音点(cv2.GaussianBlur) 灰度转换(cv2.cvtColor) 使用sobel算子,计算出每个点的梯度大小和梯度方向 使用非极大值抑制(只有最大的保留),消除边缘检测带来的杂散

    2023年04月08日
    浏览(39)
  • yolov5目标检测多线程C++部署

    下面的代码搭建了简单的一个生产者-消费者模型,在capture()函数中进行入队操作,infer()函数中进行出队操作,为了模拟采图-推理流程,在函数中调用Sleep()函数延时。 输出结果: 现在我们把capture函数中的Sleep(1000)改成Sleep(500)来模拟生产者加速生产,再次执行程序,则输出:

    2024年02月13日
    浏览(45)
  • 【目标检测算法实现之yolov5】 一、YOLOv5环境配置,将yolov5部署到远程服务器上

    在官网:https://github.com/ultralytics/yolov5上下载yolov5源代码 下载成功如下: 在配置基础环境之前,提前压缩自己的代码文件,并通过winscp传输给linux端,传输之后,解压该文件。解压前,先创建一个文件夹,再解压。 winscp下载使用教程参考上一篇博客:使用WinSCP下载和文件传输

    2024年01月15日
    浏览(55)
  • 一文详解Yolov5——基于Yolov5的火灾检测系统

    ✨ 原创不易,还希望各位大佬支持一下 textcolor{blue}{原创不易,还希望各位大佬支持一下} 原创不易,还希望各位大佬支持一下 👍 点赞,你的认可是我创作的动力! textcolor{green}{点赞,你的认可是我创作的动力!} 点赞,你的认可是我创作的动力! ⭐️ 收藏,你的青睐是

    2024年02月03日
    浏览(40)
  • yolov5 web端部署进行图片和视频检测

    目录 1、思路 2、代码结构 3、代码运行 4、api接口代码 5、web ui界面 6、参考资料 7、代码分享  通过搭建flask微型服务器后端,以后通过vue搭建网页前端。flask是第一个第三方库。与其他模块一样,安装时可以直接使用python的pip命令实现。flask是web开发框架,简单易学,因此用

    2024年02月05日
    浏览(44)
  • 改进的yolov5目标检测-yolov5替换骨干网络-yolo剪枝(TensorRT及NCNN部署)

    2022.10.30 复现TPH-YOLOv5 2022.10.31 完成替换backbone为Ghostnet 2022.11.02 完成替换backbone为Shufflenetv2 2022.11.05 完成替换backbone为Mobilenetv3Small 2022.11.10 完成EagleEye对YOLOv5系列剪枝支持 2022.11.14 完成MQBench对YOLOv5系列量化支持 2022.11.16 完成替换backbone为EfficientNetLite-0 2022.11.26 完成替换backbone为

    2024年01月17日
    浏览(71)
  • 基于YOLOv5的WiderFace人脸检测检测系统(PyTorch+Pyside6+YOLOv5模型)

    摘要:基于YOLOv5的WiderFace人脸检测系统可用于日常生活中检测与定位人脸目标,利用深度学习算法可实现图片、视频、摄像头等方式的人脸目标检测识别,另外支持结果可视化与图片或视频检测结果的导出。本系统采用YOLOv5目标检测模型训练数据集,使用Pysdie6库来搭建页面展

    2024年02月15日
    浏览(49)
  • flask后端进行yolov5检测模型的部署(填坑)

    麻痹的搞了我一整天,蛋疼 本来想把检测模型或者rtsp实时流部署到后端。网上有人推荐一个github项目 https://github.com/muhk01/Yolov5-on-Flask 后来有人把这个项目给修改了,运行起来了,我也准备运行一下 https://github.com/xugaoxiang/yolov5-flask   先把代码拉下来直接配置: 先说说修改的

    2023年04月09日
    浏览(64)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包