一种可能的方法是使用检测线的算法（例如霍夫线或任何经过训练以检测车道的深度神经网络）并使用一些阈值范围，以便我们可以获取车道和卡车的边缘，然后在提取线之后，您可以轻松找到它们之间的距离。

然后，您需要对几张图像进行试验，以获得您期望卡车保持的阈值距离，因为实际距离和使用图像计算的距离不同

如果您想使用深度学习进行分类，您可能需要对图像进行预处理并发送它们。由于直接学习基于图像进行分类将变得非常困难，您可能需要先检测车道，然后应用掩码，然后将掩码图像发送到您的网络以使网络收敛。

如果您知道卡车和中心的经纬度，您可以执行以下操作，

给定中心的经纬度位置和要搜索中心周围是否存在卡车（例如 R）的半径，您可以通过以下方式找到 R 半径内中心周围空间的经纬度界限：Link1

你可以在这里找到 python 实现：Link2

知道界限后，您可以简单地检查卡车的位置是否在经纬度界限内。