【技术实现步骤摘要】
一种基于全景视频的停车位检测方法
[0001]本申请涉及辅助驾驶技术，特别涉及一种全景拼接及停车位检测方法。
技术介绍
[0002]随着经济的迅猛发展和科学技术的不断进步，近几年城市车辆的人均持有量在不断增加，汽车在给人们生活带来较大便利的同时，也带来了诸多安全问题，其中，泊车是每次出行必须经历的环节，也是大部分经验不足的驾驶员最容易出事故的环节。辅助泊车系统能够帮助驾驶人员解决泊车困难的问题，而停车位检测是辅助泊车系统的关键环节。
[0003]目前的车位检测系统大多基于常规镜头所采集的图像，无法对车辆的全方位进行检测，部分基于全景图像的检测方式，所应用的全景图像中，相邻的两个方向间有明显的拼接缝，会影响车位出现在该位置时的检测效果。
[0004]在实际应用中，基于视觉的检测方法成本较低，对外界环境要求较小，适用范围更广。而在视觉检测方式中，传统的检测方法通过人工选取特征，工作量大、在实际应用中效果不佳。
技术实现思路
[0005]专利技术目的：
[0006]本申请设计了一种基于全景图...
【技术保护点】
【技术特征摘要】
1.一种基于全景视频的停车位检测方法，其特征在于：包括：第一步，采集车辆四周的图像，拼接为全景图像；第二步，提取全景图像的特征，检测车位关键点的坐标和角度；第三步，根据检测到的车位关键点坐标和角度拟合全景图像中的车位；第四步，从全景图像中提取车位所在的区域，使用神经网络判断车位是否被占用；第五步，计算停车位与车辆的距离；第六步，输出检测结果。2.根据权利要求1所述的一种基于全景视频的停车位检测方法，其特征在于：第一步的拼接全景图像过程中：所述车辆四周的图像为车辆前后左右四个方向安装的相机采集；使用基于角度过渡的加权融合算法，配置一组系数矩阵，用于表示图像重叠区域中每个像素的权重；系数矩阵内的值在0到1的区间内；系数矩阵的宽为255像素、高为180像素；对于左右两侧的图像，图像的上方大小为255像素
×
180像素的区域和下方大小为255像素
×
180像素的区域为融合区域，对于前后两侧图像，图像的左方大小为255像素
×
180像素的区域和右方大小为255像素
×
180像素的区域为融合区域，融合区域与系数矩阵大小相同，两者相乘后相加融合。3.根据权利要求1所述的一种基于全景视频的停车位检测方法，其特征在于：所述车辆前后左右四个方向安装的相机中：两侧相机与车身向下成15
‑
20度夹角(α)，前后的相机与车身向下成20
‑
25度夹角(β)。4.根据权利要求1所述的一种基于全景视频的停车位检测方法，其特征在于：第二步的车位关键点检测方法中，在第一步所述的全景图像的基础上，使用PSDK网络进行停车位关键点的坐标和角度检测。5.根据权利要求4所述的一种基于全景视频的停车位检测网络，其特征在于：PSDK网络的输入为全景图像，结构为3通道，大小为512像素
×
512像素；使用两个卷积层将图像下采样，输出结构为64通道，大小为128像素
×
128像素的特征图；PSDK网络的基本结构为卷积块，卷积块由四个残差结构串联而成；网络分为三个阶段，第一个阶段两个分支公用一个特征提取结构，此阶段由四个卷积块组成，特征图为256通道，大小为128像素
×
128像素；第一个阶段后网络分成两个分支，分别用于预测车位的关键点的坐标和车位关键点的角度；两个分支的主体结构相同，其中用于预测车位的关键点的坐标的分支为第一个分支，用于预测车位关键点的角度的分支为第二个分支，第一个分支后连接两个卷积层，第二个分支后连接三个卷积层；两个分支的主要作用是提取特征，每个分支包含两个子分支，分别维护一高一低两个分辨率的特征，使用多分辨率相融合的方式为两个子分支建立联系；子分支包含两个阶段，每个阶段由4个卷积块组成；在一个阶段结束后，两个分辨率的特征分别进行下采样和上采样，高分辨率的特征融合低分辨率特征的上采样结果，低分辨率的特征融合高分辨率特征的下采样结果；经过两个阶段后，选择高分辨率的结果，特征图结构为32通道，大小为128像素
×
128像素，关键点坐标分支使用两层卷积将特征图调整为2通道，大小为128像素
×
128像素，关键
点角度分支使用三层卷积将特征图...
【专利技术属性】
技术研发人员：桑海峰，单凯强，常睿，张志佳，王士显，王均峰，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：
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。