基于航向角姿态的路侧停车管理方法以及系统技术方案

本申请公开一种基于航向角姿态的路侧停车管理方法以及系统。方法包括对每个车辆的车辆图像，依次进行尺寸变换、关键点数据重构、随机擦除数据增强，获得增强车辆图像；增强车辆图像输入至骨干网络中，获得骨干特征图；骨干特征图输入至特征聚合网络中，获得聚合特征图；聚合特征图输入至关键点预测网络中，获得每个车辆的预测姿态中心点与多个预测偏移量；聚合特征图输入至车辆航向角回归网络中，获得每个车辆的预测航向角正弦值与预测航向角余弦值；根据训练完成的关键点检测模型对待测交通场景图像中提取的每个待测车辆图像进行关键点预测，获得每个待测车辆的姿态中心点、多个偏移量、航向角正弦值以及航向角余弦值，进行路侧停车管理。行路侧停车管理。行路侧停车管理。

【技术实现步骤摘要】
基于航向角姿态的路侧停车管理方法以及系统


[0001]本申请涉及图像处理
，特别是涉及一种基于航向角姿态的路侧停车管理方法以及系统。

技术介绍

[0002]近年来，高位视频技术发展迅速，通过在路侧安装高位视频摄像头，可对车辆的泊车进行判断与管理，通过进行车辆的检测、车身姿态的检测，然后与已知的泊位位置进行数据分析，从而判断车辆的状态，如车辆是否位于泊位内、车辆是否压线停车、车辆是否在禁停区停车等。根据车辆的车身姿态判断车辆是否违停，从而对于城市的交通管理、行车安全等各个方面都具有积极地促进作用。
[0003]传统方法通过二维车辆矩形检测框进行车辆姿态估计来实现路侧停车管理。然而，受周围交通场景的影响会存在车辆被遮挡的情况，仅仅依靠二维车辆矩形检测框来判断车辆的位姿，无法准确判断车辆位置，使得路侧停车管理效率低。

技术实现思路

[0004]本申请的目的是解决传统方法无法准确判断车辆位置导致的路侧停车管理效率低的技术问题。为实现上述目的，本申请提供一种基于航向角姿态的路侧停车管理方法以及系统。/>[0005]本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于航向角姿态的路侧停车管理方法，其特征在于，包括：获取建模仿真交通场景图像数据集，所述建模仿真交通场景图像数据集包括多个交通场景图像，每个所述交通场景图像标注有每个车辆的二维检测框真实信息、每个所述车辆的三维包围框对应的多个真实姿态关键点、真实姿态中心点、所述多个真实姿态关键点分别到所述真实姿态中心点的多个真实偏移量、每个所述车辆的真实航向角、真实航向角正弦值以及真实航向角余弦值；根据所述二维检测框真实信息，对每个所述交通场景图像中每个所述车辆进行提取，获得每个所述车辆的车辆图像；对所述车辆图像进行尺寸变换与关键点数据重构，获得每个所述车辆的重构车辆图像，并对所述重构车辆图像进行随机擦除数据增强，获得每个所述车辆的增强车辆图像；将所述增强车辆图像输入至关键点检测模型的骨干网络中进行特征提取，获得骨干特征图数据集；将所述骨干特征图数据集中每个所述骨干特征图输入至所述关键点检测模型的特征聚合网络中进行特征融合，获得聚合特征图数据集；将所述聚合特征图数据集中每个所述聚合特征图输入至所述关键点检测模型的关键点预测网络中进行点位预测，获得每个所述车辆的预测姿态中心点与多个预测偏移量；将所述聚合特征图数据集中每个所述聚合特征图输入至所述关键点检测模型的车辆航向角回归网络中进行航向角预测，获得每个所述车辆的预测航向角正弦值与预测航向角余弦值，并根据所述预测航向角正弦值与所述预测航向角余弦值，获得每个所述车辆的预测航向角；根据所述预测航向角、所述预测姿态中心点、所述多个预测偏移量、所述真实航向角、所述真实姿态中心点以及所述多个真实偏移量构建所述关键点检测模型的损失函数，并根据所述损失函数对所述关键点检测模型进行训练优化，获得训练完成的关键点检测模型；获取待测交通场景图像，根据所述训练完成的关键点检测模型对所述待测交通场景图像中提取的每个待测车辆图像进行关键点预测，获得每个所述待测车辆的姿态中心点、多个偏移量、航向角正弦值以及航向角余弦值；根据所述姿态中心点与所述多个偏移量，获得每个待测车辆的多个姿态关键点，根据所述航向角正弦值与所述航向角余弦值，获得每个所述待测车辆的航向角，并根据所述多个姿态关键点与所述航向角进行路侧停车管理。2.根据权利要求1所述的基于航向角姿态的路侧停车管理方法，其特征在于，所述对所述车辆图像进行尺寸变换与关键点数据重构，获得每个所述车辆的重构车辆图像，并对所述重构车辆图像进行随机擦除数据增强，获得每个所述车辆的增强车辆图像，包括：将所述车辆图像的原长度设置为256像素，并根据长度变换比例对所述车辆图像的原宽度进行变换，获得所述车辆图像的新宽度；将所述车辆图像的所述新宽度进行0像素填充至256像素，获得尺寸变换图像；根据所述尺寸变换图像的尺寸与所述车辆图像的原尺寸的变换比例，对所述多个真实姿态关键点、所述真实姿态中心点以及所述多个真实偏移量进行变换，获得所述重构车辆图像。3.根据权利要求1所述的基于航向角姿态的路侧停车管理方法，其特征在于，所述根据
所述预测航向角、所述预测姿态中心点、所述多个预测偏移量、所述真实航向角、所述真实姿态中心点以及所述多个真实偏移量构建所述关键点检测模型的损失函数，并根据所述损失函数对所述关键点检测模型进行训练优化，获得训练完成的关键点检测模型，包括：根据每个所述车辆的所述预测航向角与所述真实航向角，构建车辆航向角的回归损失函数；根据每个所述车辆的所述预测姿态中心点与所述真实姿态中心点，构建车辆姿态中心点的回归损失函数；根据每个所述车辆的所述多个预测偏移量与所述多个真实偏移量，构建车辆姿态关键点的偏移量的回归损失函数；根据所述车辆航向角的回归损失函数、所述车辆姿态中心点的回归损失函数以及所述车辆姿态关键点的偏移量的回归损失函数，构建所述关键点检测模型的损失函数。4.根据权利要求1所述的基于航向角姿态的路侧停车管理方法，其特征在于，所述获取待测交通场景图像，根据所述训练完成的关键点检测模型对所述待测交通场景图像中提取的每个待测车辆图像进行关键点预测，获得每个所述待测车辆的姿态中心点、多个偏移量、航向角正弦值以及航向角余弦值，包括：根据车辆目标检测算法对所述待测交通场景图像进行车辆目标检测，获得每个所述待测车辆的二维检测框信息；根据所述二维检测框信息对所述待测交通场景图像进行抠取，获得每个所述待测车辆的待测车辆图像；对所述待测车辆图像进行尺寸变换与关键点数据重构，获得每个所述待测车辆的待测重构车辆图像，并对所述待测重构车辆图像进行随机擦除数据增强，获得每个所述待测车辆的待测增强车辆图像；将所述待测增强车辆图像输入至所述训练完成的关键点检测模型中，输出每个所述待测车辆的所述姿态中心点、所述多个偏移量、所述航向角正弦值以及所述航向角余弦值。5.根据权利要求1所述的基于航向角姿态的路侧停车管理方法，其特征在于，所述根据所述姿态中心点与所述多个偏移量，获得每个所述待测车辆的多个姿态关键点，根据所述航向角正弦值与所述航向角余弦值，获得每个所述待测车辆的航向角，并根据所述多个姿态关键点与所述航向角进行路侧停车管理，包括：对每个所述待测车辆的多个姿态关键点...

【专利技术属性】
技术研发人员：冯澍，闫昊，丁丽珠，王艳清，
申请(专利权)人：智慧互通科技股份有限公司，
类型：发明
国别省市：