一种车位框检测方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种车位框检测方法，该方法基于深度学习实现车位框检测，避免了侵入式检测带来的设备安装以及维护成本，同时该方法通过语义分割网络预测进行无关背景剔除，提取车位框的大致区域，得到二值化的车位区域，简化回归任务，有效避免光照不足、行人、杂物遮挡等影响，又进一步通过多点回归网络对初始定位图像进行精确定位，通过多点回归网络增加了对车位形状的拟合能力，可以实现高精准度的车位框检测，提升了检测的准确率。本申请还公开了一种车位框检测装置、设备及一种可读存储介质，具有上述有益效果。

A detection method, device, equipment and readable storage medium for parking space frame

【技术实现步骤摘要】
一种车位框检测方法、装置、设备及可读存储介质
本申请涉及物联网领域，特别涉及一种车位框检测方法、装置、设备及可读存储介质。
技术介绍
近年来，我国汽车的人均持有量在逐年上升，而停车位资源有限，随之而来是停车难问题，主要表现为车位难求、停车位资源利用不均衡等问题。因此对车位进行实时监控，对于提高车场管理、路边停车监控、停车诱导、提高停车位利用效率等具有重要意义。在对车位进行自动管理过程中，停车为检测属于其中的重要步骤。目前常用的停车位检测方法主要分为侵入式检测和非侵入式检测。侵入式检测主要通过感应线圈、微波检测车位状态等，非侵入式检测主要是通过视频图像处理、雷达图像处理、被动红外等。其中基于传感器和埋线方式的侵入式车位检测方法，其施工相对复杂且容易受多种因素干扰，准确度不稳定，缺乏安全性；而基于图像的非侵入式车位检测方法往往受到光线不足、车位地面背景差异、车位遮挡、地面污渍干扰等问题，传统的检测方法很难处理上述问题。
技术实现思路
本申请的目的是提供一种车位框检测方法，该方法可以实现高精准度的车位框检测，提升了检测的准确率；本申请的另一目的是提供一种车位框检测装置、设备及可读存储介质。为解决上述技术问题，本申请提供一种车位框检测方法，包括：获取停车区域图像；通过语义分割网络对所述停车区域图像进行车位框区域初始检测，得到初始定位图像；通过多点回归网络对所述初始定位图像进行精确定位，得到精准定位框线，并将所述精准定位框线作为待输出的车位框线。可选地，在通过多点回归网络对所述初始定位图像进行精确定位之前，还包括：对所述初始定位图像进行形态学后处理，得到优化图像；其中，所述形态学后处理包括：去除所述初始定位图像中小区域的斑点，和/或，连接所述初始定位图像中隔断的车位区域，和/或，去除所述初始定位图像中虚检；则相应地，通过多点回归网络对所述初始定位图像进行精确定位，包括：通过多点回归网络对所述优化图像进行精确定位。可选地，在通过多点回归网络对所述初始定位图像进行精确定位之前，还包括：按照预设图像外扩比例对初始定位图像进行区域外扩，得到外扩图像；则相应地，通过多点回归网络对所述初始定位图像进行精确定位，包括：通过多点回归网络对所述外扩图像进行精确定位。可选地，所述按照预设图像外扩比例对初始定位图像进行区域外扩，包括：确定所述初始定位图像中分割的车位框区域的最小包围框；将所述包围框的上下边界外扩高度的0.05倍，左右边界外扩宽度的0.1倍，得到新包围框；根据所述新包围框进行图像截取，并将截取得到的图像作为所述外扩图像。可选地，所述多点回归网络为：以4个顶点为基础，在车位框长边为22个线性点，短边为10个线性点作为回归点的多点回归网络。可选地，所述获取停车区域图像，包括：获取停车场监控摄像机拍摄的车位图片；对所述车位图片进行格式预处理，将预处理后的图像作为所述停车区域图像。可选地，所述通过多点回归网络对所述初始定位图像进行精确定位，包括：通过多点回归网络提取图像特征进行回归，得到透视变换系数；将标准车位框按照所述透视变换系数进行透视变换处理，得到车位框多点位置坐标；根据所述车位框多点位置坐标生成车位框线。本申请公开一种车位框检测装置，包括：图像获取单元，用于获取停车区域图像；语义分割单元，用于通过语义分割网络对所述停车区域图像进行车位框区域初始检测，得到初始定位图像；多点回归单元，用于通过多点回归网络对所述初始定位图像进行精确定位，得到精准定位框线，并将所述精准定位框线作为待输出的车位框线。本申请公开一种车位框检测设备，包括：存储器，用于存储程序；处理器，用于执行所述程序时实现所述车位框检测方法的步骤。本申请公开一种可读存储介质，所述可读存储介质上存储有程序，所述程序被处理器执行时实现所述车位框检测方法的步骤。本申请所提供的车位框检测方法，包括：获取停车区域图像；通过语义分割网络对停车区域图像进行车位框区域初始检测，得到初始定位图像；通过多点回归网络对初始定位图像进行精确定位，得到精准定位框线，并将精准定位框线作为待输出的车位框线。该方法基于深度学习实现车位框检测，避免了侵入式检测带来的设备安装以及维护成本，同时该方法通过语义分割网络预测进行无关背景剔除，提取车位框的大致区域，得到二值化的车位区域，简化回归任务，有效避免光照不足、行人、杂物遮挡等影响，又进一步通过多点回归网络对初始定位图像进行精确定位，通过多点回归网络增加了对车位形状的拟合能力，可以实现高精准度的车位框检测，提升了检测的准确率。本申请还公开了一种车位框检测装置、设备及一种可读存储介质，具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的一种车位框检测方法的流程图；图2为本申请实施例提供的一种停车区域示意图；图3为本申请实施例提供的另一种停车区域示意图；图4为本申请实施例提供的一种语义分割网络分割结果示意图；图5为本申请实施例提供的一种提取的车位框区域示意图；图6为本申请实施例提供的另一种语义分割网络分割结果示意图；图7为本申请实施例提供的另一种提取的车位框区域示意图；图8为本申请实施例提供的一种对称网络结构示意图；图9为本申请实施例提供的一种标注样本示意图；图10为本申请实施例提供的另一种标注样本示意图；图11为本申请实施例提供的一种多点标注示意图；图12为本申请实施例提供的另一种多点标注示意图；图13为本申请实施例提供的一种基于多点回归网络进行车位框预测过程示意图；图14为本申请实施例提供的一种车位框检测装置的结构框图；图15为本申请实施例提供的一种车位框检测设备的结构框图；图16为本申请实施例提供的一种车位框检测设备的结构示意图。具体实施方式本申请的核心是提供一种车位框检测方法，该方法装置简单，能够有效避免光照不足、行人、杂物遮挡等影响，具有较高准确率；本申请的另一核心是提供一种车位框检测装置、设备及可读存储介质。为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请提出了一种车位框检测方法，适用于但不限于室本文档来自技高网...

【技术保护点】
1.一种车位框检测方法，其特征在于，包括：/n获取停车区域图像；/n通过语义分割网络对所述停车区域图像进行车位框区域初始检测，得到初始定位图像；/n通过多点回归网络对所述初始定位图像进行精确定位，得到精准定位框线，并将所述精准定位框线作为待输出的车位框线。/n

【技术特征摘要】
1.一种车位框检测方法，其特征在于，包括：
获取停车区域图像；
通过语义分割网络对所述停车区域图像进行车位框区域初始检测，得到初始定位图像；
通过多点回归网络对所述初始定位图像进行精确定位，得到精准定位框线，并将所述精准定位框线作为待输出的车位框线。


2.如权利要求1所述的车位框检测方法，其特征在于，在通过多点回归网络对所述初始定位图像进行精确定位之前，还包括：
对所述初始定位图像进行形态学后处理，得到优化图像；
其中，所述形态学后处理包括：去除所述初始定位图像中小区域的斑点，和/或，连接所述初始定位图像中隔断的车位区域，和/或，去除所述初始定位图像中虚检；
则相应地，通过多点回归网络对所述初始定位图像进行精确定位，包括：通过多点回归网络对所述优化图像进行精确定位。


3.如权利要求1所述的车位框检测方法，其特征在于，在通过多点回归网络对所述初始定位图像进行精确定位之前，还包括：
按照预设图像外扩比例对初始定位图像进行区域外扩，得到外扩图像；
则相应地，通过多点回归网络对所述初始定位图像进行精确定位，包括：通过多点回归网络对所述外扩图像进行精确定位。


4.如权利要求3所述的车位框检测方法，其特征在于，所述按照预设图像外扩比例对初始定位图像进行区域外扩，包括：
确定所述初始定位图像中分割的车位框区域的最小包围框；
将所述包围框的上下边界外扩高度的0.05倍，左右边界外扩宽度的0.1倍，得到新包围框；
根据所述新包围框进行图像截取，并将截取得到的图像作为所述外扩图像。
<...

【专利技术属性】
技术研发人员：唐健，吴鹏，黎明，王浩，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：广东;44