车位检测方法、装置、电子设备及机器可读存储介质制造方法及图纸

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，该方法包括：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。该方法可以提高车位检测的可靠性和准确性。性和准确性。性和准确性。

【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检测结果；
[0011]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；
[0012]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。
[0013]根据本申请实施例的第二方面，提供一种车位检测装置，包括：
[0014]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；
[0015]目标检测单元，用于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；
[0016]分析单元，用于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；
[0017]融合单元，用于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。
[0018]根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的方法。
[0019]根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。
[0020]本申请提供的技术方案至少可以带来以下有益效果：
[0021]通过对利用车载毫米波获取到的车身四周的点云数据进行栅格化处理，得到栅格密度图，并利用深度学习算法，对栅格密度图进行目标检测，得到车位检测结果和车辆检测结果，提高了依据毫米波雷达的点云数据进行目标检测的结果的准确性；此外，还可以依据目标检测得到的车辆检测结果，对相邻车辆之间的区域尺寸进行分析，得到车位分析结果，并对该车位分析结果与目标检测得到的车位检测结果进行融合，得到车位检测最终结果，提高了车位检测的可靠性和准确性。
附图说明
[0022]图1是本申请示例性实施例示出的一种车位检测方法的流程示意图；
[0023]图2是本申请示例性实施例示出的一种在车辆四角安装毫米波雷达的示意图；
[0024]图3是本申请示例性实施例示出的一种车位检测系统框架的示意图；
[0025]图4是本申请示例性实施例示出的一种检测模型效果示意图；
[0026]图5是本申请示例性实施例示出的一种车位分析模块的结构示意图；
[0027]图6是本申请示例性实施例示出的一种邻近目标匹配对的确定示意图；
[0028]图7是本申请示例性实施例示出的一种候选区域的示意图；
[0029]图8是本申请示例性实施例示出的一种车位融合模块的结构示意图；
[0030]图9是本申请示例性实施例示出的一种排除障碍物的示意图；
[0031]图10是本申请示例性实施例示出的一种车位检测装置的结构示意图；
[0032]图11是本申请示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
[0033]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0034]在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
[0035]为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方
案作进一步详细的说明。
[0036]需要说明的是，本申请实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0037]请参见图1，为本申请实施例提供的一种车位检测方法的流程示意图，如图1所示，该车位检测方法可以包括以下步骤：
[0038]步骤S100、利用车载毫米波雷达获取车身四周的点云数据，并对点云数据进行栅格化处理，得到栅格密度图。
[0039]本申请实施例中，为了实现车位检测，可以在车辆上部署多个毫米波雷达(可以称为车载毫米波雷达)，该多个毫米波雷达的扫描范围可以覆盖车身四周。
[0040]例如，可以在车辆四个角分别安装毫米波雷达(可以称为车载角毫米雷达)，或者，可以在车辆前后左右分别安装毫米波雷达。
[0041]示例性的，可以通过毫米波雷达获取车身四周的点云数据，并依据毫米波雷达与车身坐标系的标定参数，将点云数据转换到车身坐标系，得到车身周围的物体信息。
[0042]本申请实施例中，对于利用车载毫米波雷达获取到的车身四周的点云数据，可以通过对点云数据进行栅格化处理，得到栅格密度图。
[0043]步骤S110、依据栅格密度图，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。
[0044]本申请实施例中，对于步骤S100中得到的栅格密度图，可以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。
[0045]例如，可以将栅格密度图输入到本文档来自技高网...

【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：