【技术实现步骤摘要】
车位检测方法、装置、电子设备及机器可读存储介质
[0001]本申请涉及目标检测
,尤其涉及一种车位检测方法、装置、电子设备及机器可读存储介质。
技术介绍
[0002]车位目标的检测性能对于自动泊车的实现十分关键。目前,车位检测常用的传感器包含相机、超声波雷达和毫米波雷达。
[0003]相机是自动驾驶应用最广泛的传感器之一。基于视觉的车位检测目前较为成熟,很多是基于深度学习的方法。利用深度学习网络对相机获取到的图像进行车位线检测,再进行车位的后处理。但相机获取图像易受天气的干扰,不同的光照条件对检测结果影响较大。
[0004]超声波雷达也是泊车常用传感器。但超声波的探测距离较短,探测点云较为稀疏,制约了产品应用。
[0005]毫米波雷达克服了相机易受环境干扰的特点,鲁棒性较强。此外,毫米波雷达可以生成较超声波更稠密的点云,探测距离远,在车位检测上的潜力更大。如何利用毫米波雷达实现车位检测成为热门研究方向。
技术实现思路
[0006]有鉴于此,本申请提供一种车位检测方法、装置、电子设备及机器可读存储介质,以实现基于毫米波雷达的车位检测。
[0007]具体地,本申请是通过如下技术方案实现的:
[0008]根据本申请实施例的第一方面,提供一种车位检测方法,包括:
[0009]利用车载毫米波雷达获取车身四周的点云数据,并对所述点云数据进行栅格化处理,得到栅格密度图;
[0010]依据所述栅格密度图,利用深度学习算法进行目标检测,得到车位检测结果和车辆 ...
【技术保护点】
【技术特征摘要】
1.一种车位检测方法,其特征在于,包括:利用车载毫米波雷达获取车身四周的点云数据,并对所述点云数据进行栅格化处理,得到栅格密度图;依据所述栅格密度图,利用深度学习算法进行目标检测,得到车位检测结果和车辆检测结果;依据所述车辆检测结果,对相邻车辆之间的区域尺寸进行分析,得到车位分析结果;对所述车位检测结果和所述车位分析结果进行融合,得到车位检测最终结果。2.根据权利要求1所述的方法,其特征在于,所述车辆检测结果包括车辆目标框的位置信息、尺寸信息以及旋转角度信息;所述依据所述车辆检测结果,对相邻车辆之间的区域尺寸进行分析,得到车位分析结果,包括:对于旋转角度匹配,且中心距离最近的两个车辆目标框,依据该两个车辆目标框的相邻边之间的区域的尺寸,得到车位分析结果。3.根据权利要求2所述的方法,其特征在于,所述依据该两个车辆目标框的相邻边之间的区域的尺寸,得到车位分析结果,包括:对于该两个车辆目标框中的任一车辆目标框,生成以该车辆目标框中与另一车辆目标框相邻的边为边,且与该另一车辆目标不重叠的最大矩形框,并以该最大矩形框作为候选车位分析框;在该两个车辆目标框对应的候选车位分析框中的面积较大者满足预设尺寸要求的情况下,将该两个车辆目标框对应的候选车位分析框中的面积较大者确定为车位分析框。4.根据权利要求1所述的方法,其特征在于,所述对所述车位检测结果和所述车位分析结果进行融合,得到车位检测最终结果,包括:对于任一车位分析框,分别确定各车位检测框与该车位分析框的交并比;在存在与该车位分析框的交并比大于预设阈值的目标车位检测框的情况下,将该车辆分析框与该目标车位检测框中面积较大者确定为候选车位区域。5.根据权利要求4所述的方法,其特征在于,在存在与该车位分析框的交并比大于预设阈值的目标车位检测框的情况下,所述方法还包括:为该车辆分析框与该目标车位检测框中面积较大者设置第一置信度标签;所述方法还包括:在不存在与该车位分析框的交并比大于预设阈值的目标车位检测框的情况下,将该车位分析框确定为候选车位区域,并为该候选车位区域设置第二置信度标签;对于任一车位检测框,在不存在与该车位检测框的交并比大于预设阈值的目标车位分析框的情况下,将该车位检测框确定为候选车位区域,并为该候选车位区域设置第三置信度标签;其中,所述第一置信度标签、所述第二置信度标签以及所述第三置信度标签对应的置信度依次降低。6.根据权利要求4或5所述的方法,其特征在于,所述方法还包括:对于任一候选车位区域,在该候选车位区域中存在障碍物检测结果的情况下,依据障碍物的检测位置信息,确定该候选车位区域的待调整关键边;
对该候选车位区域的待调整关键边进行平移,得到不覆盖该障碍物的矩形框;在该矩形框满足预设尺寸要求的情况下,将该候选车位区域更新为该矩形框区域;在该矩形框不满足预设尺寸要求的情况下,删除该候选车位区域。7.一种车位检测装置,其特征在于,包括:数据预处理单元,用于利用车载毫米波雷达获取车身四周的点云数据,并对所述点云数据进行栅格化处理,得到栅格密度图;目标检测单元,用于依据所述栅...
【专利技术属性】
技术研发人员:张经纬,方梓成,赵显,
申请(专利权)人:上海高德威智能交通系统有限公司,
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。