【技术实现步骤摘要】
一种停车场地面中文标志识别方法及其系统、存储介质
本专利技术涉及智能驾驶感知
，具体涉及一种停车场地面中文标志识别方法及其系统、存储介质。
技术介绍
对于自主代客泊车等停车场场景内的自动驾驶功能来说，车辆对停车场周围环境（车位、车道线、障碍物以及各类的交通标识和地面标志）的感知能力将直接决定泊车的成功率和准确率。在这些环境信息中，地面标志是最容易令人忽略的重要信息之一。对于国内许多停车场而言，地面标志经常用于提供车辆行驶与停靠的一些限制条件，且种类五花八门，尤其是一些带有中文字体的地面标志，例如图1所示的残疾人士专用车位，图2所示的电动汽车充电车位，图3所示的共享汽车专用车位，等等；现有的识别模型往往没有对这些中文地面标志的场景进行针对性的优化，导致泊车时将车停到不恰当的区域。
技术实现思路
本专利技术的目的在于提出一种停车场地面中文标志识别方法及其系统、计算机可读存储介质，以对停车场的地面中文标志进行识别，避免泊车时将车停到不恰当的区域。为实现上述目的，根据第一方面，本专利技术的实施例提出...
【技术保护点】
1.一种停车场地面中文标志识别方法，其特征在于，包括：/n获取停车位图像，并对所述停车位图像进行预处理；/n利用预先设置的神经网络模型对预处理后的图像进行中文字符识别；其中，当图像中不存在中文字符时，所述神经网络模型输出无中文字符的识别结果；当图像中存在中文字符时，所述神经网络模型提取包含中文字符的文本区域图像，并输出；/n当所述神经网络模型输出无中文字符的识别结果，结束当前停车场地面中文标志识别流程；/n当所述神经网络模型输出文本区域图像时，对所述文本区域图像进行文本校正，对校正后的文本区域图像进行字符分割得到多个字符区域图像，并对所述多个字符区域图像输入预先设置的中文字...
【技术特征摘要】
1.一种停车场地面中文标志识别方法，其特征在于，包括：
获取停车位图像，并对所述停车位图像进行预处理；
利用预先设置的神经网络模型对预处理后的图像进行中文字符识别；其中，当图像中不存在中文字符时，所述神经网络模型输出无中文字符的识别结果；当图像中存在中文字符时，所述神经网络模型提取包含中文字符的文本区域图像，并输出；
当所述神经网络模型输出无中文字符的识别结果，结束当前停车场地面中文标志识别流程；
当所述神经网络模型输出文本区域图像时，对所述文本区域图像进行文本校正，对校正后的文本区域图像进行字符分割得到多个字符区域图像，并对所述多个字符区域图像输入预先设置的中文字符分类器进行分类，输出地面中文标志的识别结果。
2.根据权利要求1所述的停车场地面中文标志识别方法，其特征在于，所述神经网络模型包括：依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层、第三池化层、第一全连接层以及第二全连接层；
其中，所述预处理后的图像依次经第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层、第三池化层、第一全连接层以及第二全连接层进行处理，输出图像识别结果。
3.根据权利要求2所述的停车场地面中文标志识别方法，其特征在于，所述对所述停车位图像进行预处理，包括：
将所述停车位图像转换为灰度图像；
利用低通滤波器去除所述灰度图像中的高频噪声部分，并将图像尺寸调整为预设大小。
4.根据权利要求1所述的停车场地面中文标志识别方法，其特征在于，所述对所述文本区域图像进行文本校正，包括：
对所述文本区域图像进行边缘检测，得到二值化后的边缘轮廓图像；
检测所述边缘轮廓图像内的直线，并统计检测到的所有直线的斜率平均值；
根据所述斜率平均值计算对应的旋转矩阵，并根据所述旋转矩阵对所述文本区域图像进行仿射变换，得到校正后的文本区域图像。
5.根据权利要求1至4任一项所述的停车场地面中文标志识别方法，其特征在于，所述对校正后的文本区域图像进行字符分割得到多个字符区域图像，包括：
对校正后的文本区域图像的每一行像素点进行统计，根据统计结果确定水平分界线，并根据所述水平分界线对校正后的文本区域图像进行水平划分得到一个或多个单行文本区域图像；其中，若某一行像素值为1的像素点个数小于预设的第一阈值，则该行为水平分界线；
对所述一个或多个单行文本区域图像的每一列像素点进行统计，根据统计结果确定所述一个或多个单行文本区域图像的垂直分界线，并根据所述垂直分界线对所述一个或多个单行文本区域图像进行垂直划分得到多个字符区域图像，每个字符区域图像有且仅有一个字符；其中，若单行文本区域图像中的某一列像素值为1的像素点个数小于预设的第二阈值，则该列为垂...
【专利技术属性】
技术研发人员：钟力阳，何俏君，王薏，付颖，郭继舜，张志德，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：广东;44
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。