基于Tusimple数据集在windows cpu上跑通车道线检测算法LSTR

PS:基于CULane数据集在windows cpu上跑通车道线检测算法LSTR参考： https://blog.csdn.net/xywy2008/article/details/115011021

LSTR项目地址：https://github.com/liuruijin17/LSTR

项目有两个分支，main分支是基于tusimple数据集的，culane分支是基于culane数据集的。

本文演示的是基于tusimple数据集的。

一、环境配置

方法一：根据官方的txt文件进行配置（耗时，而且不一定适用于windows系统，不太可行）。

方法二：从anaconda克隆一个环境取名为LSTR。

打开 Anaconda Prompt 命令行窗口，执行conda activate LSTR，激活环境，并进入到项目目录下。

试着执行一下测试命令，现在肯定是不能执行成功的，执行的目的在于，查看缺少哪些库。

python test.py LSTR --testiter 500000 --modality eval --split testing --debug

我在运行的时候提示 torchvision has no attribute __version__，网上查询之后说是版本过低，于是到pytorch主页安装新版本的torch和torchvision.

pytorch的页面如下，GetStarted页面根据自己的操作系统进行选择，例如我的操作系统是windows, 而且没有cuda, 选择之后，下面会出现相应的安装命令，复制下来在命令行里运行就可以开始安装了。

如果安装过程中提示Read time out，则可修改pip的参数 --default-timeout。

安装完成后再次运行测试脚本，看是否还缺少库，缺少什么库安装什么库就可以了，我的是装完torch 和torchvision后就没有报import相关的问题了。

下面要修改代码，使其没有cuda也能跑起来。

二、修改代码适应cpu

1）修改py_factory.py文件

2）修改 test目录下的tusimple.py文件

三、用tusimple数据集中的test_set做测试

1）整理目录结构

我本人的电脑上测试数据集存放的目录为 F:/Data/tusimple/test_set, 跟作者建议的文件存储结构相比差了一个test_label.json，将test_label.json复制到test_set目录下即可。

2）修改配置参数

修改config目录下LSTR.json 文件中data_dir, 将其修改为上一步中目录即可。注意引号后面的逗号不能少，否则会产生解析json出错。

3）去掉原代码中的目录拼接

修改db目录下的tusimply.py文件

4）执行测试命令

python test.py LSTR --testiter 500000 --modality eval --split testing --debug

注意图片中=======后面的文件路径和文件名是我自己添加的打印。

5）查看结果

叠加了测试结果的图片保存在./results/LSTR/500000/testing/lane_debug目录下。

四、用非tusimple数据集中的数据做测试

1）修改test目录下的images.py文件

2）准备数据

在与test.py同级的目录下创建一个文件夹images, 将待测试图片放在images目录下。

3）执行测试命令

python test.py LSTR --testiter 500000 --modality images --image_root ./ --debug

4）查看结果

用上面的命令测试自己的图片时，结果保存在detections目录下。