一种泊车辅助方法技术

本发明专利技术提供一种泊车辅助方法，包括：利用摄像头在线实时采集图像数据，对图像数据校正，生成俯瞰图，对其分割；采用直线检测算法检测出所有直线；采用排除算法除去不合条件的直线，得到车位角点，排除算法包括对直线的所有交点进行交点邻域二值化水平、垂直梯度计算，并判断其是否均大于第二阈值；根据车位角点得到车位数据；获取车速、车辆位姿和坐标信息，结合车位与车辆的相对位置关系，计算车位的世界坐标，根据其进行路径规划，并进入泊车模式。本发明专利技术通过在车辆泊车过程中，利用图像处理算法对车位进行实时校正，实现高精度高成功率的泊车辅助功能；此外，由于采用新的车位检测算法，从而能够有效减小车位的误检测。

A Parking Assistance Method

The invention provides a parking aided method, which includes: real-time acquisition of image data by camera online, correction of image data, generation of overlook map and segmentation of image data; detection of all straight lines by line detection algorithm; removal of unconditional straight lines by exclusion algorithm to obtain parking corner points, exclusion algorithm includes binarization level of all intersection points of straight lines in neighborhood. Vertical gradient calculation, and determine whether it is greater than the second threshold; get the parking space data according to the corner of the parking space; get the information of speed, vehicle position and coordinates, and combine the relative position relationship between the parking space and the vehicle, calculate the world coordinates of the parking space, according to its path planning, and enter the parking mode. The invention realizes the parking assistant function of high precision and high success rate by using image processing algorithm to correct the parking space in real time during the parking process of a vehicle; moreover, the new parking detection algorithm can effectively reduce the false detection of the parking space.

【技术实现步骤摘要】
一种泊车辅助方法
本专利技术属于汽车智能驾驶领域，具体涉及一种泊车辅助方法。
技术介绍
随着科学技术的飞速发展，汽车工业近年来面临着重大革新，自动驾驶已经成为各大汽车厂商和高校的研究热点。根据自动驾驶技术分级，L1级别的辅助驾驶是目前最为可行技术方案。这其中，泊车辅助系统，已经逐渐成为各大汽车品牌在新产品中的标准配置。然而，由于传统的泊车辅助系统方案中，车位感知主要通过超声波雷达进行。由于超声波雷达的工作原理的局限性，使得该方案对于车位场景的适应性较差，例如前后均无车的停车场中，该方案无法检测出车位，从而使得基于超声波雷达的泊车功能失效。此外，由于超声波雷达的抗干扰特性较差，对于车位尺寸及坐标的检测精度也较差，进一步削弱了该方案的适用性。目前基于多传感器的泊车辅助系统，现有的基于超声波雷达和多摄像头的方案，大多是采用超声波雷达进行车位检测，用摄像头只是进行环视图生成，因此抗干扰特性较差，对于车位尺寸及坐标的检测精度也较差。而尽管现有技术中也存在采用超声波雷达和摄像头的多传感器协同工作方案，其技术上采用摄像头进行车位检测，但是一方面由于利用满足一定角度的直线的交点作为车位角点，算法精度较低，容易导致车位角点的误检测；另一方面其车位检测技术仅在车辆行驶过程中通过摄像机进行检测，并未在泊车过程中对车位信息进行实时校正，同样导致精度较低。
技术实现思路
本专利技术的目的在于提供一种基于超声波雷达和多视觉传感器的泊车辅助方法，以在泊车过程中对车位信息进行实时校正。为了实现上述目的，本专利技术提供一种泊车辅助方法，包括：S1：利用布置于车辆上的摄像头在线实时采集原始图像数据；S2：对原始图像数据进行车位检测处理，得到车位数据，包括：S21；对原始图像数据进行校正，生成俯瞰图，随后对生成的俯瞰图进行图像分割；S22：采用直线检测算法检测出步骤S21所述的俯瞰图中的所有直线；S23：采用排除算法除去不合条件的直线，得到车位角点；其中，所述排除算法包括对步骤S22所检测到的直线的所有交点进行交点邻域二值化水平、垂直梯度计算，并判断水平和纵向梯度是否均大于一第二阈值；S24：根据车位角点计算车位原点和判断车位类型，并计算坐标系转换角度，得到车位数据；S3：实时获取车速、车辆位姿和坐标信息，结合车位与车辆的相对位置关系，计算出车位的世界坐标；S4：根据车位的世界坐标，进行路径规划，并进入泊车模式。优选地，所述排除算法还包括对步骤S22所检测到的直线进行亮点对特征计算、直线的特征参数计算以及直线的角点间的距离计算。其中，所述步骤S23包括：S231：遍历步骤S22所检测到的所有直线的端点，进行亮点对特征计算，判断是否符合亮点对特征，根据判断结果得到所有候补车位线并保存；S232：若候补车位线个数大于2，则遍历步骤S231所得到的所有候补车位线，进行直线的特征参数的计算，并判断参数与已存储的直线的参数间的差别是否小于一第一阈值；随后根据判断结果得到所有聚类候补车位线并保存；S233：若聚类候补车位线个数大于2，则计算步骤S4所得到的所有聚类候补车位线的交点，并遍历所有交点，进行交点邻域二值化水平、垂直梯度计算，判断水平和纵向梯度是否均大于一第二阈值；随后根据判断结果得到所有候补角点；S234：若候补角点个数大于2，则计算所有候补角点间的距离，并遍历所有候补角点，判断候补角点间的距离是否与车位宽度、长度或对角线匹配；并根据判断结果存储相应的车位角点。所述步骤S2和所述步骤S3均采用一与所述摄像头相连的图像处理器来进行，且所述步骤S4采用一泊车控制器来进行。所述步骤S1还可以包括：采用安装于车辆的前后保险杠上的超声波雷达检测障碍物并对数据进行处理，得到障碍物信息；且所述步骤S4还包括对步骤S1得到的障碍物信息和所述步骤S3中的车位的世界坐标进行融合分析，根据车位的世界坐标和障碍物信息进行路径规划。所述泊车辅助方法还包括步骤S5：实时读取是否进入泊车阶段，当车辆进入泊车阶段时，实时判断车辆与泊车位的距离关系并根据判断结果进入车位信息校正状态，再次重复步骤S1-S3来更新车位的世界坐标，进行车位信息的检测校正。其中，所述步骤S5还包括：当车辆进入泊车阶段时，利用布置于车辆前后保险杆以及左右后视镜下方的摄像头的数据进行图像拼接，生成车辆的全景环视图。其中，所述步骤S5包括：当车辆进入泊车阶段时，采用所述超声波雷达对障碍物进行实时感知并对数据进行处理，得到障碍物距离信息，并根据障碍物距离信息与当前规划路径的位置是否发生碰撞确定是否进行重新规划。所述步骤S21中的对原始图像数据进行校正采用畸变矫正和逆投影变换方式，且图像分割采用CANNY算法，所述步骤S22中的直线检测算法为Hough变换算法。所述步骤S3中的车速、车辆位姿和坐标信息是根据车轮转角脉冲数和车辆转角实时计算获取的。所述进入泊车模式包括：车辆通过一执行机构对转向执行机构进行控制，并通过一人机交互系统进行选换挡、制动和停车的信息提示和报警提醒。本专利技术的泊车辅助方法由于采用新的车位检测算法，利用车位角点的特征在图像检测的过程中进行特征匹配，对交点进行交点邻域二值化水平、垂直梯度计算的计算，从而能够有效减小车位的误检测，提高车位的检测精度。此外，本专利技术通过在车辆泊车过程中，利用图像处理算法对车位进行实时校正，能通过多摄像头在泊车过程中对车位尺寸进行修正，再结合泊车控制器，实现高精度高成功率的泊车辅助功能。同时，本专利技术还在车辆进行泊车的过程中，通过多摄像头实时生成的全景环视图，能够有效扩展驾驶员的视野盲区，减小泊车的风险，提高泊车的成功率和安全性。另外，超声波雷达对障碍物进行实时检测，也提高了泊车过程中的准确性和安全性。附图说明图1为用来实现根据本专利技术的泊车辅助方法的系统的硬件架构图。图2为根据本专利技术的泊车辅助方法的基于视觉的车位检测算法的架构图。图3为根据本专利技术的泊车辅助方法的基于视觉的高精度车位检测算法的流程图。图4为根据本专利技术的泊车辅助方法的原始图像和俯瞰图的车位特征对比图，其中，图4(a)为垂直车位原始图像，图4(b)为垂直车位俯瞰图，图4(c)为斜向车位原始图像，图4(d)为斜向车位俯瞰图。图5是根据本专利技术的泊车辅助方法的对交点进行交点邻域二值化水平、垂直梯度计算的计算示意图。图6为根据本专利技术的泊车辅助方法的泊车过程车位校正开启时刻的后摄像机图像以及车辆与车位的关系示意图。图7是根据本专利技术的泊车辅助方法的泊车过程中的全景环视功能示意图。具体实施方式下面结合附图，给出本专利技术的较佳实施例，并予以详细描述，使能更好地理解本专利技术的功能、特点。如图1所示为根据本专利技术的一个实施例的泊车辅助系统100，该系统100包括连接在CAN总线C上的感知系统1、泊车控制器2、执行机构3和人机交互系统4。其中，感知系统1、执行机构3和人机交互系统4均与泊车控制器2通过CAN总线C通信相连，感知系统1用于实现车位识别；泊车控制器2对感知系统1的信息进行处理，利用感知系统1获得的车位及障碍物等信息，进行故障诊断、泊车控制和障碍无检测处理等，并通过CAN总线C将控制信号及显示信号发送至人机交互系统4和执行机构3，利用执行机构3对车辆的转向执行机构进行自动控制，通过人机交互系统4对驾驶员进行选换挡、制动和停车的本文档来自技高网...

【技术保护点】
1.一种泊车辅助方法，其特征在于，包括：步骤S1：利用布置于车辆上的摄像头(121)在线实时采集原始图像数据；步骤S2：对原始图像数据进行车位检测处理，得到车位数据，包括：步骤S21；对原始图像数据进行校正，生成俯瞰图，随后对生成的俯瞰图进行图像分割；步骤S22：采用直线检测算法检测出步骤S21所述的俯瞰图中的所有直线；步骤S23：采用排除算法除去不合条件的直线，得到车位角点；其中，所述排除算法包括对步骤S22所检测到的直线的所有交点进行交点邻域二值化水平、垂直梯度计算，并判断水平和纵向梯度是否均大于一第二阈值；步骤S24：根据车位角点计算车位原点和判断车位类型，并计算坐标系转换角度，得到车位数据；步骤S3：实时获取车速、车辆位姿和坐标信息，结合车位与车辆的相对位置关系，计算出车位的世界坐标；步骤S4：根据车位的世界坐标，进行路径规划，并进入泊车模式。

【技术特征摘要】
1.一种泊车辅助方法，其特征在于，包括：步骤S1：利用布置于车辆上的摄像头(121)在线实时采集原始图像数据；步骤S2：对原始图像数据进行车位检测处理，得到车位数据，包括：步骤S21；对原始图像数据进行校正，生成俯瞰图，随后对生成的俯瞰图进行图像分割；步骤S22：采用直线检测算法检测出步骤S21所述的俯瞰图中的所有直线；步骤S23：采用排除算法除去不合条件的直线，得到车位角点；其中，所述排除算法包括对步骤S22所检测到的直线的所有交点进行交点邻域二值化水平、垂直梯度计算，并判断水平和纵向梯度是否均大于一第二阈值；步骤S24：根据车位角点计算车位原点和判断车位类型，并计算坐标系转换角度，得到车位数据；步骤S3：实时获取车速、车辆位姿和坐标信息，结合车位与车辆的相对位置关系，计算出车位的世界坐标；步骤S4：根据车位的世界坐标，进行路径规划，并进入泊车模式。2.根据权利要求1所述的泊车辅助方法，其特征在于，所述排除算法还包括对步骤S22所检测到的直线进行亮点对特征计算、直线的特征参数计算以及直线的角点间的距离计算。3.根据权利要求2所述的泊车辅助方法，其特征在于，所述步骤S23包括：步骤S231：遍历步骤S22所检测到的所有直线的端点，进行亮点对特征计算，判断是否符合亮点对特征，根据判断结果得到所有候补车位线并保存；步骤S232：若候补车位线个数大于2，则遍历步骤S231所得到的所有候补车位线，进行直线的特征参数的计算，并判断参数与已存储的直线的参数间的差别是否小于一第一阈值；随后根据判断结果得到所有聚类候补车位线并保存；步骤S233：若聚类候补车位线个数大于2，则计算步骤S4所得到的所有聚类候补车位线的交点，并遍历所有交点，进行交点邻域二值化水平、垂直梯度计算，判断水平和纵向梯度是否均大于一第二阈值；随后根据判断结果得到所有候补角点；步骤S234：若候补角点个数大于2，则计算所有候补角点间的距离，并遍历所有候补角点，判断候补角点间的距离是否与车位宽度、长度或对角线匹配；并根据判断结果存储相应的...

【专利技术属性】
技术研发人员：刘诗萌，杨维妙，冯鹏鹏，刘威，周小兵，朱春林，郑艳，张建武，
申请(专利权)人：华域汽车系统股份有限公司，
类型：发明
国别省市：上海,31