本发明专利技术实施例公开了一种不完整车位识别方法、装置和自动泊车方法。该不完整车位识别方法包括获取泊车过程中的倒车影像图像，通过车位角点识别模型识别倒车影像图像中的车位角点；对倒车影像图像进行边缘检测，得到边缘信息；确定倒车影像图像中的多条直线，并基于车位角点，对多条直线进行筛选；计算各直线的斜率，根据斜率确定车位边线和车位底线以及确定待泊车位的边线。本发明专利技术实施例通过车辆本身的倒车影像摄像头所拍摄的倒车影像图像，低成本地解决了车辆在泊车过程中车身部分进入车位后，无法看到完整车位导致的泊车失败或车身不正的问题，提高了泊车入位的精确度。提高了泊车入位的精确度。提高了泊车入位的精确度。
【技术实现步骤摘要】
不完整车位识别方法、装置和自动泊车方法
[0001]本专利技术涉及车位识别领域，尤其涉及一种不完整车位识别方法、装置和自动泊车方法。
技术介绍
[0002]随着城市车辆的逐年增加，人们不得不面对越来越棘手的停车问题，例如，难以找到停车位、停车位狭窄导致泊车困难，或泊车过程中不能准确的泊入车位进而多次泊车，从而导致在泊车的过程中需要花费大量的时间；更有甚者，与邻近车位或墙体之间发生剐蹭等；这些问题无疑给驾驶员带来很大的困扰。
[0003]现在的自动泊车系统被应用于越来越多的车辆中，自动泊车系统可以自动识别车位，并依靠精准控制从而使车辆准确的泊入车位。自动泊车避免了新手司机由于泊车经验缺乏造成的碰撞事故，同时由于泊车可以准确的泊入车位中央，也改善了杂乱的泊车环境。与此同时，车位识别的准确性和车辆控制、定位的精准度决定了整个自动泊车的成败。
[0004]自动泊车中车位识别通常采用最近位置识别的方法，也就是在车辆较靠近车位时进行识别，在该位置可以获得较高的精度。车辆泊入过程中，尤其是车身部分进入车位后，由于看不到完整车位，车位不再更新。但是泊车过程中，车辆运动会导致定位累计误差，最终导致车辆泊入失败或者导致车身不正。因此，如何在泊车过程中通过识别不完整车位来提高泊车准确度是个亟需解决的问题。
技术实现思路
[0005]第一方面，本专利技术提供一种不完整车位识别方法，包括：
[0006]获取泊车过程中的倒车影像图像，通过车位角点识别模型识别所述倒车影像图像中的车位角点；
[0007]对所述倒车影像图像进行边缘检测，得到边缘信息；
[0008]确定所述倒车影像图像中的多条直线，并基于所述车位角点，对所述多条直线进行筛选；
[0009]计算保留的各所述直线的斜率，根据所述斜率确定各所述直线的属性，所述属性包括车位边线和车位底线；
[0010]根据所述车位边线，确定待泊车位的边线。
[0011]在可选的实施方式中，所述根据所述车位边线，确定待泊车位的边线包括：
[0012]在所述倒车影像图像中，判断各所述车位边线相对于所述待泊车辆的方向；
[0013]在所述倒车影像图像中建立直角坐标系，并标记各所述车位边线与所述直角坐标系中横轴的交点；
[0014]计算各所述交点与所述倒车影像图像的中轴线之间的第二距离；
[0015]若所述第二距离小于预定阈值，则确定所述交点所对应的车位边线为待泊车位对应方向的边线。
[0016]在可选的实施方式中，所述根据所述车位边线，确定待泊车位的边线包括：
[0017]在所述倒车影像图像中建立直角坐标系，并计算各所述车位边线在所述直角坐标系中的第一横截距，以及计算所述倒车影像图像的中轴线在所述直角坐标系中的第二横截距；
[0018]若所述第一横截距与所述第二横截距之间的距离差值落在预定距离区间内，则将所述第一横截距对应的车位边线作为待泊车位的边线。
[0019]在可选的实施方式中，所述根据所述斜率确定各所述直线的属性包括：
[0020]定位泊车过程中的实时车位底线，并计算所述实时车位底线与所述待泊车辆的中轴线之间的夹角；
[0021]计算保留的各所述直线的斜率与所述夹角之间的角度差值；
[0022]若所述角度差值处于第一预设角度区间内，则将对应的直线作为车位底线；
[0023]若所述角度差值处于第二预设角度区间内，则将对应的直线作为车位边线。
[0024]在可选的实施方式中，所述确定所述倒车影像图像中的多条直线，并基于所述车位角点，对所述多条直线进行筛选包括：
[0025]对所述边缘信息进行霍夫变换处理，得到所述倒车影像图像中的多条直线；
[0026]比较所述车位角点与各所述直线之间的第一距离，删除所述第一距离大于预定距离阈值的直线。
[0027]在可选的实施方式中，所述车位角点识别模型的获取过程包括：
[0028]获取历史泊车影像图像；
[0029]对所述历史泊车影像图像进行预处理，并在所述历史泊车影像图像中标记车位角点的位置；
[0030]将标记好的历史泊车影像图像作为训练语料，采用卷积神经网络对训练语料进行模型训练，得到车位角点识别模型。
[0031]第二方面，本专利技术提供一种自动泊车方法，包括：
[0032]根据前述的不完整车位识别方法，获取待泊车位的边线和车位底线；
[0033]实时计算所述待泊车位的边线和所述车位底线与待泊车辆之间的距离和角度，生成反馈信息；
[0034]根据所述反馈信息实时调整泊车路径，并按照调整后的泊车路径进行泊车。
[0035]第三方面，本专利技术提供一种不完整车位识别装置，包括：
[0036]角点识别模块，用于获取泊车过程中的倒车影像图像，通过车位角点识别模型识别所述倒车影像图像中的车位角点；
[0037]边缘检测模块，用于对所述倒车影像图像进行边缘检测，得到边缘信息；
[0038]筛选模块，用于确定所述倒车影像图像中的多条直线，并基于所述车位角点，对所述多条直线进行筛选；
[0039]斜率计算模块，用于计算保留的各所述直线的斜率，根据所述斜率确定各所述直线的属性，所述属性包括车位边线和车位底线；
[0040]确定模块，用于根据所述车位边线，确定待泊车位的边线。
[0041]第四方面，本专利技术提供一种计算机设备，所述计算机设备包括存储器和至少一个处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序以实施前述
的不完整车位识别方法。
[0042]第五方面，本专利技术提供一种计算机存储介质，其存储有计算机程序，所述计算机程序被执行时，实施前述的不完整车位识别方法。
[0043]本专利技术实施例具有如下有益效果：
[0044]本专利技术实施例通过车辆本身的倒车影像摄像头所拍摄的倒车影像图像，识别不完整车位，低成本地解决了车辆在泊车过程中汽车部分进入车位后，无法看到完整车位导致的泊车失败或车身不正的问题；并且通过车位角点识别模型识别车位角点，提高了识别效率和准确度；在车位线的识别过程中，通过车位线与角点的依赖关系来识别车位线，可以避免环境中其他因素对车位线识别的影响，提高识别的准确度，进而提高不完整车位识别的准确度和泊车入位的精确度。
附图说明
[0045]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0046]图1为本专利技术实施例中不完整车位识别方法的第一个实施方式示意图；
[0047]图2为本专利技术实施例中不完整车位识别方法的第二个实施方式示意图；
[0048]图3为本专利技术实施例中车位识别示意图；
[0049]图4为本专利技术实施例中不完整车位识别方法的第三个实施方式示意本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种不完整车位识别方法，其特征在于，包括：获取泊车过程中的倒车影像图像，通过车位角点识别模型识别所述倒车影像图像中的车位角点；对所述倒车影像图像进行边缘检测，得到边缘信息；确定所述倒车影像图像中的多条直线，并基于所述车位角点，对所述多条直线进行筛选；计算保留的各所述直线的斜率，根据所述斜率确定各所述直线的属性，所述属性包括车位边线和车位底线；根据所述车位边线，确定待泊车位的边线。2.根据权利要求1所述的不完整车位识别方法，其特征在于，所述根据所述车位边线，确定待泊车位的边线包括：在所述倒车影像图像中，判断各所述车位边线相对于待泊车辆的方向；在所述倒车影像图像中建立直角坐标系，并标记各所述车位边线与所述直角坐标系中横轴的交点；计算各所述交点与所述倒车影像图像的中轴线之间的第二距离；若所述第二距离小于预定阈值，则确定所述交点所对应的车位边线为待泊车位对应方向的边线。3.根据权利要求1所述的不完整车位识别方法，其特征在于，所述根据所述车位边线，确定待泊车位的边线包括：在所述倒车影像图像中建立直角坐标系，并计算各所述车位边线在所述直角坐标系中的第一横截距，以及计算所述倒车影像图像的中轴线在所述直角坐标系中的第二横截距；若所述第一横截距与所述第二横截距之间的距离差值落在预定距离区间内，则将所述第一横截距对应的车位边线作为待泊车位的边线。4.根据权利要求1所述的不完整车位识别方法，其特征在于，所述根据所述斜率确定各所述直线的属性包括：定位泊车过程中的实时车位底线，并计算所述实时车位底线与待泊车辆的中轴线之间的夹角；计算各所述直线的斜率与所述夹角之间的角度差值；若所述角度差值处于第一预设角度区间内，则将对应的直线作为车位底线；若所述角度差值处于第二预设角度区间内，则将对应的直线作为车位边线。5.根据权利要求1所述的不完整车位识别方法，其特征在于，所述确定所述倒车影像图像中的多条直线，并基于所述车位角点，对所述多条直线...
【专利技术属性】
技术研发人员：许兰帅，郭素光，
申请(专利权)人：润光智能深圳有限公司，
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。