停车场柱子检测方法、检测装置、车辆及存储介质制造方法及图纸

本申请公开了一种停车场柱子检测方法、检测装置、车辆及存储介质，停车场柱子检测方法包括获取多个待检测停车场图像；将多个待检测停车场图像输入至预设的深度学习网络，得到对应的特征集，特征集至少包括停车场柱子对应的接地点位置集；对接地点位置集进行聚类，得到多个数据簇，每个数据簇对应一个停车场柱子；根据每个数据簇包括的多个接地点位置，确定每个停车场柱子的目标位置；输出停车场柱子的目标位置。本方法实现了通过深度学习网络自动检测待检测停车场图像中的停车场柱子，无需用户手动操作，提高了停车场柱子的检测效率和检测准确率。准确率。准确率。

【技术实现步骤摘要】
停车场柱子检测方法、检测装置、车辆及存储介质


[0001]本申请涉及无人驾驶
，更具体地，涉及一种停车场柱子检测方法、检测装置、车辆及存储介质。

技术介绍

[0002]停车场指的是供车辆临时或长期停放使用的场地，在现有的室内停车场中，均布设有停车场柱子。因此，车辆行驶在室内停车场时，需要对停车场柱子进行检测，以便控制车辆的行驶路径绕开停车场柱子，以免撞上停车场柱子导致车辆损坏。
[0003]现有技术通常先对采集的车位号图像进行手工特征提取，然后将提取的特征输入到分类器中进行字符识别得到车位号，然而，这种传统的图像处理方法存在检测速度慢和准确率低的技术问题。

技术实现思路

[0004]鉴于上述问题，本申请提出了一种停车场柱子检测方法、检测装置、车辆及存储介质，以克服或者至少部分地解决以上现有技术的问题。
[0005]第一方面，本申请实施例提供了一种停车场柱子检测方法，包括：获取多个待检测停车场图像；将多个待检测停车场图像输入至预设的深度学习网络，得到对应的特征集，特征集至少包括停车场柱子对应的接地点位置集；对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种停车场柱子检测方法，其特征在于，包括：获取多个待检测停车场图像；将多个所述待检测停车场图像输入至预设的深度学习网络，得到对应的特征集，所述特征集至少包括停车场柱子对应的接地点位置集；对所述接地点位置集进行聚类，得到多个数据簇，每个数据簇对应一个停车场柱子；根据每个所述数据簇包括的多个接地点位置，确定每个停车场柱子的目标位置；输出所述停车场柱子的目标位置。2.根据权利要求1所述的停车场柱子检测方法，其特征在于，所述特征集包括停车场柱子对应的接地点位置集，所述将多个所述待检测停车场图像输入至预设的深度学习网络，得到对应的特征集，包括：将多个所述待检测停车场图像输入至预设的深度学习网络，使得所述深度学习网络对停车场柱子的接地点位置进行检测，得到所述停车场柱子对应的接地点位置集；接收所述深度学习网络输出的所述接地点位置集。3.根据权利要求2所述的停车场柱子检测方法，其特征在于，所述特征集还包括所述停车场柱子对应的接地点位置的嵌入特征集，所述将多个所述待检测停车场图像输入至预设的深度学习网络，使得所述深度学习网络对停车场柱子的接地点位置进行检测，得到所述停车场柱子对应的接地点位置集，包括：将多个所述待检测停车场图像输入至预设的深度学习网络，使得所述深度学习网络对停车场柱子的接地点位置进行检测，得到所述停车场柱子对应的接地点位置集，并根据所述接地点位置集确定所述嵌入特征集；所述接收所述深度学习网络输出的所述接地点位置集，包括：接收所述深度学习网络输出的所述接地点位置集以及所述嵌入特征集。4.根据权利要求3所述的停车场柱子检测方法，其特征在于，所述对所述接地点位置集进行聚类，得到多个数据簇，每个数据簇对应一个停车场柱子，包括：根据预设规则以及所述嵌入特征集，对所述接地点位置集进行聚类，得到多个数据簇，每个数据簇对应一个停车场柱子，其中，所述预设规则用于表征不同停车场柱子上的任意两个接地点位置对应的嵌入特征差值大于第一阈值，同一停车场柱子上的任意两个接地点位置对应的嵌入特征差值小于第二阈值，所述第二阈值小于所述第一阈值。5.根据权利要求4所述的停车场柱子检测方法，其特征在于，每个数据簇包括多个子数据簇，每个所述子数据簇对应于一个接地点，所述预设规则包括预设子规则，所述预设子规则用于表征同一停车场柱子上任意两个接地点对应的嵌入特征差值大于第三阈值且小于第二阈值，同一停车场柱子上同一接地点对应的任意两个接地点位置的嵌入特征差值小于第四阈值，所述第三阈值小于第二阈值，所述第四阈值小于所述第三...

【专利技术属性】
技术研发人员：彭易锦，许凌云，刘兰个川，杨应彬，陈昊，
申请(专利权)人：广州小鹏自动驾驶科技有限公司，
类型：发明
国别省市：