#车道线分割
#LaneNet: Real-Time Lane Detection Networks for Autonomous Driving @LaneNet with Own Dataset
#LaneNet教程：lanenet用于自动驾驶的实时车道检测网络
受语义分割和实例分割任务中dense预测的启发，将车道检测问题转为实例分割问题，每个车道线形成独立的实例，但都属于车道线这个类别。我们设计了一个带分支结构的多任务网络，如车道实例分割，由一个车道分割分支和一个车道embedding分支构成能够实现端到端训练。车道分割分支输出两类：背景或车道线；车道embedding分支进一步将分割后得到的车道线分离成不同车道实例。
当得到车道实例（即知道哪些像素属于哪条车道）后，就需要对每条线做参数描述。曲线拟合算法作为这个参数描述，流行的拟合模型有三次多项式，样条曲线，回旋曲线。为了提高拟合质量且保持计算效率，通常将图像转到鸟瞰图后做拟合。最后再逆变换到原图即可。但有个问题是：这个透视变换矩阵会受地面线影响（如上坡）。本文在做曲线拟合前先训练一个网络用于生成透视变换矩阵系数以解决道路平面变动的影响
测试结果：
