停车位定位方法、系统、介质以及无人驾驶环卫机器人技术方案

本发明专利技术公开了一种停车位定位方法、系统、介质以及无人驾驶环卫机器人，本发明专利技术将停车位区域的中点设置在检测边框的中点上，将停车位边线设置在检测边框的对角线或中线上，这样的标签生成方法使训练好的模型能直接检测出停车位边线及其在图像中的位置，对于停车位边角位不清晰或有污渍的环境，特别对于停车位边角位不清晰或有污渍的环境，可有效地提取出停车位边线的整体信息进行识别，保留停车位边角点的空间关系，有较高的稳定性，也提高了计算效率。还根据模型的识别结果并利用停车位的空间结构进行条件约束，生成具备完整四边的停车位，无需考虑停车位的角度，无需再进行直线检测，能够提高检测精度，降低漏检率，在通用性方面也有很大提升。面也有很大提升。面也有很大提升。

【技术实现步骤摘要】
停车位定位方法、系统、介质以及无人驾驶环卫机器人


[0001]本专利技术涉及停车位识别
，特别涉及一种停车位定位方法、系统、介质以及无人驾驶环卫机器人。

技术介绍

[0002]目前市面上的停车位空间位置检测主要包括基于传统视觉算法的边缘直线检测、基于固定模板匹配以及关键点检测：
[0003]基于传统视觉算法的边缘直线检测受场景的干扰大，例如传统视觉算法来检测停车位位置会受到环境光照、地面污渍等未知因素的影响，如图1所示，停车位的检测边框若因常年使用对比度下降时会导致识别失败。如图2所示，固定模板匹配会导致识别的通用性差，即只能识别单种停车位。如图3和图4所示，利用深度学习关键点检测的方法难以获得检测到的点之间的空间关系，从而需要依赖其他算法的辅助，导致准确率受限制。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种停车位定位方法、系统、介质以及无人驾驶环卫机器人，能够提取出停车位边线的整体信息并对此进行识别，保留了停车位边角点的空间关系，有较高的稳定性，也能够提高检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停车位定位方法，其特征在于，包括以下步骤：获取位于停车位图像中的停车位区域，标注停车位入口角点、所述停车位区域的内角点和中点，所述停车位区域的内角点是指停车位内侧角点或停车位区域的边线靠近所述停车位内侧角点的端点；根据标注的所述停车位入口角点、所述停车位区域的内角点和中点生成训练标签，其中，将所述停车位区域的中点设置在检测边框的中点上，根据所述停车位入口角点和所述停车位区域的内角点的坐标变换将相应停车位边线设置在检测边框的对角线或中线上；通过标注的所述停车位图像和所述训练标签训练深度卷积神经网络模型，得到所述深度卷积神经网络模型输出的识别结果；根据所述识别结果生成具备完整四边的停车位。2.根据权利要求1所述的停车位定位方法，其特征在于，所述根据所述停车位入口角点和所述停车位区域的内角点的坐标变换将停车位边线设置在检测边框的对角线或中线上，包括：根据所述停车位入口角点和所述停车位区域的内角点，计算相应的停车位边线与所述停车位图像底边之间的角度；当停车位边线与所述停车位图像底边垂直或平行时，通过坐标变换将停车位边线设置在检测边框的对边中点上；当停车位边线与所述停车位图像底边不垂直且不平行时，通过坐标变换将停车位边线设置在检测边框的对角线上。3.根据权利要求2所述的停车位定位方法，其特征在于，所述深度卷积神经网络模型为YoloV5网络模型。4.根据权利要求2所述的停车位定位方法，其特征在于，所述通过标注的所述停车位图像和所述训练标签训练深度卷积神经网络模型，包括：获取识别出的所有停车位边线；计算当前停车位边线与其余每条停车位边线之间的欧式距离，得到集合D
e
＝{d
n
|n＝1,2,
…
,m}，其中，d
n
表示当前停车位边线与其余一个停车位边线之间的欧式距离，m表示停车位边线的数量；从集合D
s
＝{d
n
|d
n
＜d
min
,d
n
∈D
e
}中选取可信度最高的元素作为所述停车位图像中的一个区域位置相应的停...

【专利技术属性】
技术研发人员：陈凯，冯迪生，张岁寒，胡小林，廖伟杨，刘磊振，熊道云，陈积勇，
申请(专利权)人：长沙中联重科环境产业有限公司，
类型：发明
国别省市：