一种库位号确定方法、车辆以及计算机可读存储介质技术

本发明专利技术实施例公开了一种库位号确定方法、车辆以及计算机可读存储介质，用于提高车辆确定目标库位号的准确性。本发明专利技术实施例包括：获取泊车位对应的库位图和所述库位图中库位号对应的单字符数量；对所述库位图进行分割，得到所述单字符数量的分割图；将所述单字符数量的分割图向预设字符识别模型输入，得到每个分割图对应的单字符；根据所述每个分割图对应的单字符，确定所述泊车位对应的目标库位号。确定所述泊车位对应的目标库位号。确定所述泊车位对应的目标库位号。

【技术实现步骤摘要】
一种库位号确定方法、车辆以及计算机可读存储介质


[0001]本专利技术涉及车辆应用领域，尤其涉及一种库位号确定方法、车辆以及计算机可读存储介质。

技术介绍

[0002]车辆在识别库位号的过程中，通常情况下会使用光学字符识别(Optical Character Recognition，OCR)算法来识别车库中泊车位对应的库位号。但是，该OCR算法具有识别精度差和/或场景泛化能力不足等缺陷，会出现车辆最终得到的库位号的准确性较低的问题。

技术实现思路

[0003]本专利技术实施例提供了一种库位号确定方法、车辆以及计算机可读存储介质，用于提高车辆确定目标库位号的准确性。
[0004]本专利技术实施例第一方面提供了一种库位号确定方法，可以包括：
[0005]获取泊车位对应的库位图和该库位图中库位号对应的单字符数量；
[0006]对该库位图进行分割，得到该单字符数量的分割图；
[0007]将该单字符数量的分割图向预设字符识别模型输入，得到每个分割图对应的单字符；
[0008]根据该每个分割图对应的单字符，确定该泊车位对应的目标库位号。
[0009]在本专利技术实施例中，车辆在识别库位号的过程中，可以将库位图中库位号对应的每个字符进行逐个识别，以确定这些字符对应的目标库位号。这种方法可以提高车辆确定目标库位号的准确性。
[0010]可选的，获取该库位图中库位号对应的单字符数量，包括：对该库位图进行二值化处理，得到二值化图像；对该二值化图像的列像素进行扫描，确定第一目标列像素和为零且第二目标列像素和不为零的第一次数，第一目标列像素与第二目标列像素相邻；根据该第一次数，确定该库位图中库位号对应的单字符数量；或，对该二值化图像的行像素进行扫描，确定第一目标行像素和为零且第二目标行像素和不为零的第二次数，第一目标行像素与第二目标行像素相邻；根据该第二次数，确定该库位图中库位号对应的单字符数量。
[0011]在本专利技术实施例中，车辆可以根据第一目标列像素和为零且相邻的第二目标列像素和不为零的次数，确定库位图中库位号对应的单字符数量，即有多少次，就有多少个单字符，从而使得该车辆能够准确判定单字符数量。
[0012]可选的，该对该库位图进行二值化处理，得到二值化图像，包括：对该库位图进行二值化处理，得到第一图像；获取该第一图像中的封闭区域，以及每个封闭区域的面积；在该库位图中将面积小于预设面积阈值的封闭区域置黑，得到二值化图像
[0013]在本专利技术实施例中，由于车辆对库位图的处理较为简略，所以，在白色的单字符中可能存在黑点，但这黑点不影响对单字符数量的确定，而在单字符以外的背景部分中可能
会存在白点，该白点可能会影响对单字符数量的确定，即在二值化图中的白点对于单字符数量的确定存在一定的干扰，不利于后续对库位图进行分割。于是，该车辆可以获取二值化处理后的第一图像中的封闭区域，将面积较小的封闭区域置黑，以减少第一图像的干扰，获取清晰度较高的二值化图像，利于后续对库位图进行分割。
[0014]可选的，该对该库位图进行二值化处理，得到二值化图像，包括：对该库位图进行第一预处理，得到预处理图像，该第一预处理包括按照第一预设尺寸缩放，和/或，滤波；对该预处理图像进行二值化处理，得到二值化图像。
[0015]在本实施例中，车辆对库位图按照第一预设尺寸缩放，便于车辆后续分割库位图；车辆对库位图进行滤波，可以过滤库位图中的图像杂质，得到清晰度较高的预处理图像。
[0016]可选的，该将该单字符数量的分割图向预设字符识别模型输入，得到每个分割图对应的单字符，包括：根据预设泊车位的公共数据集和/或针对库位号场景收集的专有数据集，利用深度学习处理方法进行数据训练，得到的一个卷积神经网络CNN分类器；将该单字符数量的分割图向所述CNN分类器输入，输出每个分割图对应的单字符。
[0017]在本专利技术实施例中，车辆利用预设字符识别模型对分割图进行逐个识别，可以较为准确地得到每个分割图对应的单字符。
[0018]可选的，该单字符数量为至少两个，该根据该每个分割图对应的单字符，得到该泊车位对应的目标库位号，包括：将该每个分割图对应的单字符按照预设顺序进行拼接，得到该泊车位对应的目标库位号。
[0019]在本专利技术实施例中，由于每个分割图对应的单字符都较为准确，所以，车辆根据这些分割图对应的单字符得到的目标库位号也是较为准确的。
[0020]可选的，该方法还包括：获取预设地图；根据该目标库位号和该预设地图，确定车辆的当前位置。
[0021]在本专利技术实施例中，根据该目标库位号在预设地图上的位置，对该车辆进行定位，以提高车辆确定该车辆的当前位置的准确性。
[0022]本专利技术实施例第二方面提供了一种车辆，可以包括：
[0023]获取模块，用于获取泊车位对应的库位图和该库位图中库位号对应的单字符数量；
[0024]处理模块，用于对该库位图进行分割，得到该单字符数量的分割图；将该单字符数量的分割图向预设字符识别模型输入，得到每个分割图对应的单字符；根据该每个分割图对应的单字符，确定该泊车位对应的目标库位号。
[0025]可选的，该处理模块，具体用于对该库位图进行二值化处理，得到二值化图像；对该二值化图像的列像素进行扫描，确定第一目标列像素和为零且第二目标列像素和不为零的第一次数，第一目标列像素与第二目标列像素相邻；根据该第一次数，确定该库位图中库位号对应的单字符数量；或，对该二值化图像的行像素进行扫描，确定第一目标行像素和为零且第二目标行像素和不为零的第二次数，第一目标行像素与第二目标行像素相邻；根据该第二次数，确定该库位图中库位号对应的单字符数量。
[0026]可选的，该处理模块，具体用于对该库位图进行二值化处理，得到第一图像；
[0027]该获取模块，具体用于获取该第一图像中的封闭区域，以及每个封闭区域的面积；
[0028]该处理模块，具体用于在该库位图中将面积小于预设面积阈值的封闭区域置黑，
得到二值化图像。
[0029]可选的，该处理模块，具体用于对该库位图进行第一预处理，得到预处理图像，该第一预处理包括按照第一预设尺寸缩放，和/或，滤波；对该预处理图像进行二值化处理，得到二值化图像。
[0030]可选的，该处理模块，具体用于根据预设泊车位的公共数据集和/或针对库位号场景收集的专有数据集，利用深度学习处理方法进行数据训练，得到的一个卷积神经网络CNN分类器；将该单字符数量的分割图向所述CNN分类器输入，输出每个分割图对应的单字符。
[0031]可选的，该处理模块，具体用于该单字符数量为至少两个，将该每个分割图对应的单字符按照预设顺序进行拼接，得到该泊车位对应的目标库位号。
[0032]可选的，该获取模块，具体用于获取预设地图；
[0033]该处理模块，具体用于根据该目标库位号和该预设地图，确定车辆的当前位置。
[0034]本专利技术实施例第三方面提供了一种车辆，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种库位号确定方法，其特征在于，包括：获取泊车位对应的库位图和所述库位图中库位号对应的单字符数量；对所述库位图进行分割，得到所述单字符数量的分割图；将所述单字符数量的分割图向预设字符识别模型输入，得到每个分割图对应的单字符；根据所述每个分割图对应的单字符，确定所述泊车位对应的目标库位号。2.根据权利要求1所述的方法，其特征在于，获取所述库位图中库位号对应的单字符数量，包括：对所述库位图进行二值化处理，得到二值化图像；对所述二值化图像的列像素进行扫描，确定第一目标列像素和为零且第二目标列像素和不为零的第一次数，第一目标列像素与第二目标列像素相邻；根据所述第一次数，确定所述库位图中库位号对应的单字符数量；或，对所述二值化图像的行像素进行扫描，确定第一目标行像素和为零且第二目标行像素和不为零的第二次数，第一目标行像素与第二目标行像素相邻；根据所述第二次数，确定所述库位图中库位号对应的单字符数量。3.根据权利要求2所述的方法，其特征在于，所述对所述库位图进行二值化处理，得到二值化图像，包括：对所述库位图进行二值化处理，得到第一图像；获取所述第一图像中的封闭区域，以及每个封闭区域的面积；在所述库位图中将面积小于预设面积阈值的封闭区域置黑，得到二值化图像。4.根据权利要求2所述的方法，其特征在于，所述对所述库位图进行二值化处理，得到二值化图像，包括：对所述库位图进行第一预处理，得到预处理图像，所述第一预处理包括按照第一预设尺寸缩放，和/或，滤波；对所述预处理图像进行二值化处理，得到二值化图像。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述将所述单字符数量的分割图向预...

【专利技术属性】
技术研发人员：关称心，徐青，张磊，许磊磊，
申请(专利权)人：上海欧菲智能车联科技有限公司，
类型：发明
国别省市：