基于域控制器的停车位追踪方法、电子设备及存储介质技术

本发明专利技术公开了一种基于域控制器的停车位追踪方法，包括以下步骤:根据车位坐标和车辆姿态得到车辆与车位之间的相对位置信息,通过所述相对位置信息选择车辆的全景影像系统中能够观察到停车位面积最大的目标摄像头，目标摄像头采集环境图像,使用神经网络模型对环境图像进行停车框边线识别，得到第一停车框信息；本发明专利技术在获知车位坐标和车辆姿态后，可计算得到车辆与停车位之间的相对位置，由此可判断出当前自动泊车系统中哪个泊车摄像头能够观察到相对完整的停车位图像，并基于被选择的泊车摄像头所采集的图像进行停车位的边框识别。别。别。

【技术实现步骤摘要】
基于域控制器的停车位追踪方法、电子设备及存储介质


[0001]本专利技术涉及自动泊车
，尤其涉及一种基于域控制器的停车位追踪方法、电子设备及存储介质。

技术介绍

[0002]自动泊车是不用人工干预、自动停车入位的系统，降低驾驶员的驾驶负担。对于视觉识别方式的自动泊车系统，当机器视觉识别检测到的停车位离开了原本采集图像的泊车摄像头的拍摄范围，停车位的坐标只能通过估算车辆姿态的方式来推算。然而，车辆姿态的采集本身就有一定的误差，随车车辆的运动，误差会不断积累，导致推算得到的停车位坐标根本无法满足自动泊车的需求，自动泊车的泊入率极低。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术的目的在于提供一种基于域控制器的停车位追踪方法、电子设备及存储介质，以解决目前目标停车位离开泊车摄像头的拍摄范围后难以精确推算停车位坐标的问题。
[0004]本专利技术的目的采用如下技术方案实现：
[0005]一种基于域控制器的停车位追踪方法，包括以下步骤：
[0006]相对位置计算步骤：根据车位坐标和车辆姿态得到车辆与车位之间的相对位置信息；
[0007]判断步骤：通过所述相对位置信息选择所述车辆的全景影像系统中能够观察到停车位面积最大的目标摄像头，所述目标摄像头采集环境图像；
[0008]识别步骤：使用神经网络模型对所述环境图像进行停车框边线识别，得到第一停车框信息。
[0009]在某些可选的实施例中，在所述识别步骤之后，还包括：
[0010]补全步骤：通过停车框尺寸信息和所述第一停车框信息计算得到第二停车框信息。
[0011]在某些可选的实施例中，所述判断步骤和识别步骤之间还包括：图像处理步骤：在所述环境图像中映射虚拟停车区域，提取所述环境图像中所观察到的停车框与所述虚拟停车区域相重叠的重叠图像；
[0012]在所述识别步骤中，使用所述神经网络模型对所述重叠图像进行停车框边线识别。
[0013]在某些可选的实施例中，所述图像处理步骤还包括：对所述重叠图像进行扩边；
[0014]在所述识别步骤中，使用所述神经网络模型对扩边后的所述重叠图像进行停车框边线识别。
[0015]在某些可选的实施例中，所述图像处理步骤还包括：对扩边后的所述重叠图像进行掩膜处理以得到掩膜图像，对所述掩膜图像之外的区域进行置黑处理；
[0016]在所述识别步骤中，使用所述神经网络模型对所述掩膜图像进行停车框边线识别。
[0017]在某些可选的实施例中，所述图像处理步骤还包括：将所述环境图像转换为环境鸟瞰图像，在所述环境鸟瞰图像中映射所述虚拟停车区域，提取所述环境鸟瞰图像中所观察到的停车框与所述虚拟停车区域相重叠的所述重叠图像。
[0018]在某些可选的实施例中，在所述相对位置计算步骤之前，还包括：
[0019]数据采集步骤：采集车辆的轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，根据所述轮速脉冲数据及其时间戳以及所述方向盘转角数据及其时间戳计算得到所述车辆姿态。
[0020]在某些可选的实施例中，在所述补全步骤之后，还包括：
[0021]校正步骤：对多个所述第二停车框信息进行平均计算，得到第三停车框信息。
[0022]为了解决相同的技术问题，本专利技术还提供了一种电子设备，包括存储器和处理器；
[0023]所述存储器用于存储可执行的计算机指令；
[0024]所述处理器用于执行所述计算机指令时实现上述方法的步骤。
[0025]为了解决相同的技术问题，本专利技术还提供了一种计算机可读存储介质，其存储有计算机指令，所述计算机指令被处理器执行时实现上述方法的步骤。
[0026]相比现有技术，本专利技术的有益效果在于：
[0027]在获知车位坐标和车辆姿态后，可计算得到车辆与停车位之间的相对位置，由此可判断出当前自动泊车系统中哪个泊车摄像头能够观察到相对完整的停车位图像，并基于被选择的泊车摄像头所采集的图像进行停车位的边框识别。
附图说明
[0028]图1为专利技术的基于域控制器的停车位追踪方法的步骤流程示意图；
具体实施方式
[0029]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳的实施例。但是，本专利技术可以用许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容的理解更加透彻全面。
[0030]需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0031]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0032]实施例一
[0033]结合图1所示，示意性地显示了本专利技术的一种基于域控制器的停车位追踪方法，包
括以下步骤：
[0034]步骤S10、数据采集步骤：采集车辆的轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，根据轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳计算得到车辆姿态。
[0035]采集轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，可在同一时刻下计算出当前的车辆姿态。例如，在需要计算04:37:26这一时刻的车辆姿态时，则要调取在04:37:26这一时刻的轮速脉冲数据及方向盘转角数据，根据轮速脉冲数据可计算得到车辆每个车轮的转速，根据方向盘转角数据可计算得到车辆的转向情况，由每个车轮的转速及转向情况即可计算得到在04:37:26这一时刻的车辆姿态。
[0036]步骤S20、相对位置计算步骤：根据车位坐标和车辆姿态得到车辆与车位之间的相对位置信息；
[0037]在自动泊车开始前，自动泊车系统已大致确认停车位的车位坐标，然而该车位坐标的定位精度较低，仍无法满足自动泊车的需求，但基于该车位坐标以及步骤S10中计算得到的车辆姿态，可得到车辆与车位之间的相对位置信息，相对位置信息反映了车位相对于车辆的方向、距离。
[0038]步骤S30、判断步骤：通过相对位置信息选择车辆的全景影像系统中能够观察到停车位面积最大的目标摄像头，目标摄像头采集环境图像。
[0039]车辆的全景影像系统包括前泊车摄像头、后泊车摄像头、左泊车摄像头和右泊车摄像头。通过步骤S20中得到的相对位置信息，可获知哪个泊车摄像头所能观察到相对完整的停车位。具体地，通过相对位置信息选择全景影像系统中能够观察到停车位面积超过30％的目标摄像头，目标摄像头指的是前泊车摄像头、后泊车摄像头本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于域控制器的停车位追踪方法，其特征在于，包括以下步骤：相对位置计算步骤：根据车位坐标和车辆姿态得到车辆与车位之间的相对位置信息；判断步骤：通过所述相对位置信息选择所述车辆的全景影像系统中能够观察到停车位面积最大的目标摄像头，所述目标摄像头采集环境图像；识别步骤：使用神经网络模型对所述环境图像进行停车框边线识别，得到第一停车框信息。2.根据权利要求1所述的基于域控制器的停车位追踪方法，其特征在于，在所述识别步骤之后，还包括：补全步骤：通过停车框尺寸信息和所述第一停车框信息计算得到第二停车框信息。3.根据权利要求1所述的基于域控制器的停车位追踪方法，其特征在于，所述判断步骤和识别步骤之间还包括：图像处理步骤：在所述环境图像中映射虚拟停车区域，提取所述环境图像中所观察到的停车框与所述虚拟停车区域相重叠的重叠图像；在所述识别步骤中，使用所述神经网络模型对所述重叠图像进行停车框边线识别。4.根据权利要求3所述的基于域控制器的停车位追踪方法，其特征在于，所述图像处理步骤还包括：对所述重叠图像进行扩边；在所述识别步骤中，使用所述神经网络模型对扩边后的所述重叠图像进行停车框边线识别。5.根据权利要求4所述的基于域控制器的停车位追踪方法，其特征在于，所述图像处理步骤还包括：对扩边后的所述重叠图像进行...

【专利技术属性】
技术研发人员：董昱威，罗喜庆，钟晨，蒋芳，
申请(专利权)人：深圳市德驰微视技术有限公司，
类型：发明
国别省市：