【技术实现步骤摘要】
一种车位检测方法
本专利技术涉及机器视觉领域,尤其涉及一种车位检测方法。
技术介绍
现阶段,人工智能技术不断成熟,自动驾驶和辅助驾驶技术也被广泛地研发和商用,而广大用户也有着对辅助泊车和自动泊车的迫切需求。除了在道路上行驶以外,车辆还需驶入相应的停车位,这就需要对车辆附近的车位有精确地定位,才能规划好泊车路线,安全准确地泊出车。大部分现有车辆都会配备全景式监控影像系统,可以通过车载视觉系统建立鸟瞰图,从而在该鸟瞰图上对附近车位进行定位,以便后续控制模块控制车辆驶入用户想要的车位。使用车载设备进行车位检测的方法中,视觉方法同时具备价格较为低廉以及信息较为丰富的特点,成为最为广泛应用的方法。现有的方法基本可以分为基于标记点的车位检测和基于车位线的车位检测,具体来说,就是先检测标记点或车位线的位置,再进行车位判断。此外,还有同时检测车位标记点和车位线的方法,以及其他top-down的方法。但是,现有的方法存在计算复杂、需要借助辅助信息来判断车位、适用范围小和精度低等缺点。借助辅助信息的情况,例如有些方法通过检测边上的障碍车 ...
【技术保护点】
1.一种车位检测方法,其特征在于,包括下述步骤:/n步骤a:获取车辆四周的所有车位的鸟瞰图;/n步骤b:对所述鸟瞰图中的每个车位标注四个顶点,并定义车位四个顶点的顺序,所述
鸟瞰图中车位的四个顶点标记为
【技术特征摘要】
1.一种车位检测方法,其特征在于,包括下述步骤:
步骤a:获取车辆四周的所有车位的鸟瞰图;
步骤b:对所述鸟瞰图中的每个车位标注四个顶点,并定义车位四个顶点的顺序,所述
鸟瞰图中车位的四个顶点标记为;
步骤c:根据标注顶点后的所述鸟瞰图建立车位检测模型,包括如下步骤:
步骤c1:对标注顶点后的所述鸟瞰图提取图片特征层,所述特征层记为F,其长宽记为W,H;
步骤c2:根据所述图片特征层F,分别预测W*H个像素点上车位的类别、有车位的情况下该车位的位置以及该车位的中心性,所述车位的类别包括可停车位、不可停车位和无车位,所述车位的位置是该车位的各标记点与被预测的像素点之间的距离向量;
步骤c3:根据上述预测结果和预期值,获得对应的损失函数;
步骤d:将所述损失函数相加,并进行模型训练,获得训练好的车位检测模型;以及
步骤e:将待测鸟瞰图送入所述训练好的车位检测模型中进行车位检测,获得车位类别、车位位置以及其中心性,并基于检测结果获得车位。
2.根据权利要求1所述的方法,其特征在于,步骤a中,所述鸟瞰图由车辆四周的四张鱼眼图进行拼接、并将该车辆的俯视图贴在拼接后的鱼眼图中心而形成。
3.根据权利要求1所述的方法,其特征在于,步骤b中,所述车位四个顶点的顺序为:左前方、右前方、右后方、左后方。
4.根据权利要求1所述的方法,其特征在于,步骤c1和c2中,通过backbone和ASPP模块对所述鸟瞰图提取图片特征层F,并根据图片特征层F通过FCOSHead模块获得预测结果。
5.根据权利要求1所述的方法,其特征在于,步骤c2中,所述中心性的公式如下:
其中,
上述公式中,c表示中心性,∏表示连续求积运算,p(x,y)表示被预测的像素点,(x,y)表示该车位上某个像素点的坐标,u,v表示车位相邻两个顶点的坐标,均为二维向量,linek(u,v)表示第k条车位线,该车位线由车位的相邻两个顶点u,v构成,d表示像素点p(x,y)到车位线linek(u,v)的距离,psa表示某个车位上的所有像素点,...
【专利技术属性】
技术研发人员:袁施薇,
申请(专利权)人:魔视智能科技上海有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。