一种基于智能视觉深度学习的自动泊车路径选择方法技术

本发明专利技术公开了一种基于智能视觉深度学习的自动泊车路径选择方法，包括如下步骤：车辆和车位信息采集、行驶路径规划、路径遇阻判断和车位信息更新；本发明专利技术的有益效果在于，本发明专利技术将智能视觉深度学习的方法植入自动泊车路径规划技术中，在车辆按照规划路径行驶过程中，实时采集车辆正前方的画面信息，如果遇阻则通过采集的画面和预设画面对比，判断车辆大小和位置是否完全阻挡规划的行驶路径，并以此为依据重新规划行驶路径。

Automatic parking path selection method based on intelligent vision deep learning

【技术实现步骤摘要】
一种基于智能视觉深度学习的自动泊车路径选择方法
本专利技术涉及自动泊车
，尤其涉及一种基于智能视觉深度学习的自动泊车路径选择方法。
技术介绍
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，并且使电脑处理结果成为更适合人眼观察或传送给仪器检测的图像。在医学领域，可应用计算机视觉技术从显微镜图像、X射线图像、血管造影图像等应用图像中提取用于对患者进行医疗诊断的特征信息，从而能够准确及时地对患者采取相应的救治措施；在工业领域，可应用计算机视觉技术对制造工序进行管理，从而实现对产品的质量控制；在军事领域，应用计算机视觉技术可探测敌方目标的具体位置，以进行精确打击；另外，计算机视觉技术在导航、监控和视觉特效制作等领域都有着广泛的应用。然而，现有的计算机视觉深度学习方法存在处理图像得到的结果不显著，并且不能处理源图像中的局部微小的特征信息等问题。自动泊车路径选择是根据停车场的车位状况和车辆所处的位置自动规划车辆到达停车位的路径，但是现有的自动泊车路径选择方法无法判断行驶路径上是否存在阻挡车辆。因此，本专利技术提出将智能视觉深度学习方法与车辆自动泊车技术结合，将采集画面与预设画面进行对比，并用对比结果指导车辆行驶路径，判断规划的车辆行驶路径是否遇阻，并以此为依据判断行驶路径重新规划，还是按照原行驶路径绕过阻挡车辆行驶。
技术实现思路
本专利技术的目的在于，提供一种基于智能视觉深度学习的自动泊车路径选择方法，利用云端处理技术和视觉深度学习方法，将采集的画面与预设画面进行对比，判断规划的车辆行驶路径是否遇阻，判断是否需要重新规划行驶路径。为了实现上述目的，本专利技术的技术方案是：一种基于智能视觉深度学习的自动泊车路径选择方法，包括如下步骤：步骤1，从云空间将若干不同类型车辆轮廓的预设画面提前下载、储存，并从云空间实时更新所述预设画面；步骤2，通过4G/5G流量从空间获取待停停车场的数据，提取每个停车位的空间位置信息和车位状况；步骤3，根据步骤2获取的停车位空间位置信息和车位状况，自动规划多个车辆行驶路径供用户选择；步骤4，车辆按步骤3的所述行驶路径行驶时，采集车辆正前方的画面信息，并与所述步骤1预存的车辆预设画面进行匹配计算；步骤5，根据步骤4的计算结果和车辆的空间位置信息，判断车辆行驶路径是否完全受阻；步骤6，如果所述车辆行驶路径完全受阻，重新计算并规划车辆行驶路径；如果所述车辆行驶路径没有完全受阻，则引导车辆转向并超越阻挡车辆后重新进入所述行驶路径；步骤7，车辆进入停车位且熄火后，将车辆的空间位置信息上传到所述云空间，与停车位空间位置信息匹配计算后更新车位状况。上述的基于智能视觉深度学习的自动泊车路径选择方法，其中，步骤4包括如下步骤：步骤4.1，根据采集的车辆前方画面信息，将采集的阻挡车辆轮廓分解为若干采集节点，将云空间下载的预设画面的车辆轮廓分解为若干预设节点；步骤4.2，将步骤4.1分解的采集节点和预设节点进行匹配计算和对比，将二者的计算结果进行融合并计算匹配值，如果匹配值高于预设值则确定阻挡车辆的类型和大小；步骤4.3，将步骤4.1分解的采集节点取几何中心作为阻挡车辆的空间位置信息，以确定阻挡车辆在停车场的具体位置。优选的是，所述步骤4.2中的匹配计算方法为卷积神经网络或基于遗传算法的神经网络。优选的是，所述步骤4采用车载摄像头或者超声波雷达采集车辆正前方的画面信息。综上所述，本专利技术的有益效果在于：本专利技术将智能视觉深度学习的方法植入自动泊车路径规划技术中，在车辆按照规划路径行驶过程中，实时采集车辆正前方的画面信息，如果遇阻则通过采集的画面和预设画面对比，判断车辆大小和位置是否完全阻挡规划的行驶路径，并以此为依据重新规划行驶路径。附图说明图1是本专利技术一种基于智能视觉深度学习的自动泊车路径选择方法的工作流程图。具体实施方式以下结合附图进一步说明本专利技术的实施例。请参见附图1所示，一种基于智能视觉深度学习的自动泊车路径选择方法，包括如下步骤：步骤1，从云空间将若干不同类型车辆轮廓的预设画面提前下载、储存，并从云空间实时更新所述预设画面；步骤2，通过4G/5G流量从空间获取待停停车场的数据，提取每个停车位的空间位置信息和车位状况；步骤3，根据步骤2获取的停车位空间位置信息和车位状况，自动规划多个车辆行驶路径供用户选择；步骤4，车辆按步骤3的所述行驶路径行驶时，采集车辆正前方的画面信息，并与所述步骤1预存的车辆预设画面进行匹配计算；步骤5，根据步骤4的计算结果和车辆的空间位置信息，判断车辆行驶路径是否完全受阻；步骤6，如果所述车辆行驶路径完全受阻，重新计算并规划车辆行驶路径；如果所述车辆行驶路径没有完全受阻，则引导车辆转向并超越阻挡车辆后重新进入所述行驶路径；步骤7，车辆进入停车位且熄火后，将车辆的空间位置信息上传到所述云空间，与停车位空间位置信息匹配计算后更新车位状况。上述的基于智能视觉深度学习的自动泊车路径选择方法，其中，步骤4包括如下步骤：步骤4.1，根据采集的车辆前方画面信息，将采集的阻挡车辆轮廓分解为若干采集节点，将云空间下载的预设画面的车辆轮廓分解为若干预设节点；步骤4.2，将步骤4.1分解的采集节点和预设节点进行匹配计算和对比，将二者的计算结果进行融合并计算匹配值，如果匹配值高于预设值则确定阻挡车辆的类型和大小；步骤4.3，将步骤4.1分解的采集节点取几何中心作为阻挡车辆的空间位置信息，以确定阻挡车辆在停车场的具体位置。优选的是，所述步骤4.2中的匹配计算方法为基于遗传算法的神经网络算法，其中，神经网络的层数为三层，输入层神经元包括采集节点和预设节点，隐层神经元数量为11个，输出层神经元为车辆匹配值。优选的是，所述步骤4采用车载摄像头采集车辆正前方的画面信息，车载摄像头以每秒2帧的速率对车辆正前方的画面进行采集，以获取实时的车辆正前方画面信息。以上所述仅为本专利技术的优选实施例，并非因此限制本专利技术的专利范围，凡是利用本专利技术说明书内容所作的等效结构变换，或直接或间接运用附属在其他相关产品的
，均同理包括在本专利技术的专利保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于，包括如下步骤：/n步骤1，从云空间将若干不同类型车辆轮廓的预设画面提前下载、储存，并从云空间实时更新所述预设画面；/n步骤2，通过4G/5G流量从空间获取待停停车场的数据，提取每个停车位的空间位置信息和车位状况；/n步骤3，根据步骤2获取的停车位空间位置信息和车位状况，自动规划多个车辆行驶路径供用户选择；/n步骤4，车辆按步骤3的所述行驶路径行驶时，采集车辆正前方的画面信息，并与所述步骤1预存的车辆预设画面进行匹配计算；/n步骤5，根据步骤4的计算结果和车辆的空间位置信息，判断车辆行驶路径是否完全受阻；/n步骤6，如果所述车辆行驶路径完全受阻，重新计算并规划车辆行驶路径；如果所述车辆行驶路径没有完全受阻，则引导车辆转向并超越阻挡车辆后重新进入所述行驶路径；/n步骤7，车辆进入停车位且熄火后，将车辆的空间位置信息上传到所述云空间，与停车位空间位置信息匹配计算后更新车位状况。/n

【技术特征摘要】
1.一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于，包括如下步骤：
步骤1，从云空间将若干不同类型车辆轮廓的预设画面提前下载、储存，并从云空间实时更新所述预设画面；
步骤2，通过4G/5G流量从空间获取待停停车场的数据，提取每个停车位的空间位置信息和车位状况；
步骤3，根据步骤2获取的停车位空间位置信息和车位状况，自动规划多个车辆行驶路径供用户选择；
步骤4，车辆按步骤3的所述行驶路径行驶时，采集车辆正前方的画面信息，并与所述步骤1预存的车辆预设画面进行匹配计算；
步骤5，根据步骤4的计算结果和车辆的空间位置信息，判断车辆行驶路径是否完全受阻；
步骤6，如果所述车辆行驶路径完全受阻，重新计算并规划车辆行驶路径；如果所述车辆行驶路径没有完全受阻，则引导车辆转向并超越阻挡车辆后重新进入所述行驶路径；
步骤7，车辆进入停车位且熄火后，将车辆的空间位置信息上传到所述云空间，与停车位空间位置信息匹配计算后更新车位状况。

【专利技术属性】
技术研发人员：周海生，别攀，
申请(专利权)人：东莞潜星电子科技有限公司，
类型：发明
国别省市：广东;44