一种障碍物位置测定方法及存储介质技术

本发明专利技术涉及自动泊车技术领域，提供一种障碍物位置测定方法及存储介质，在进行现场应用测距之前，预先采集素材图片，进行识别获取其障碍物属性文件；随后采用自创的4点标注法对素材图片上的障碍物进行标注，以确定触地点坐标，整合为标注文件对深度学习网络进行训练；在采集到车位图像时，将其输入深度学习网络测定障碍物位置。本发明专利技术采用4点标注法，可提高障碍物的低像素识别效果(例如实际在图片显示10～30个像素点的效果)，进而在实际的障碍物识别中将准确率提高40％以上。别中将准确率提高40％以上。别中将准确率提高40％以上。

【技术实现步骤摘要】
一种障碍物位置测定方法及存储介质


[0001]本专利技术涉及自动泊车
，尤其涉及一种障碍物位置测定方法及存储介质。

技术介绍

[0002]目前，目前市面上自动泊车系统引进了视觉感知功能，其通过安装在车身前后左右四个鱼眼摄像头的图像拍摄，然后在鱼眼相机拍摄的原始画面中对所有类型的障碍物区以画矩形框的形式进行框选标注，并将矩形框底边中点作为障碍物的接地点。但在车载环视场景中，鱼眼相机拍摄的原始画面的边缘区域存在较大的畸变。
[0003]在现有技术中，这种在畸变处采用矩形框直接标注障碍物位置的方法无法很好贴合目标接地处，算法通过训练识别、计算车辆与障碍物的相对位置存在较大误差。并且，随着训练数据量的增加，鱼眼摄像头畸变处的障碍物的距离偏差也将逐渐增大；而在实际的应用场景中，畸变处的障碍物往往是超声波雷达识别不到或者不准的位置，最终导致障碍物距离识别误差较大。

技术实现思路

[0004]本专利技术提供一种障碍物位置测定方法及存储介质，解决了现有自动泊车系统中障碍物接地点标定准确率低，导致的障碍物距离识别误差大的技术问题。
[0005]为解决以上技术问题，本专利技术提供一种障碍物位置测定方法，包括步骤：
[0006]S1、采集包含障碍物的素材图片；
[0007]S2、识别所述素材图片，得到障碍物属性文件；
[0008]S3、采用4点标注法对所述素材图片进行标注，进而确定触地点坐标，并加载所述障碍物属性文件得到标注文件；
[0009]S4、根据所述标注文件对深度学习网络进行训练；
[0010]S5、实时采集车位图像，并输入所述深度学习网络测定障碍物位置。
[0011]本基础方案在进行现场应用测距之前，预先采集素材图片，进行识别获取其障碍物属性文件；随后采用自创的4点标注法对素材图片上的障碍物进行标注，以确定触地点坐标，整合为标注文件对深度学习网络进行训练；在采集到车位图像时，将其输入深度学习网络测定障碍物位置。本专利技术采用4点标注法，可提高障碍物的低像素识别效果(例如实际在图片显示10～30个像素点的效果)，进而在实际的障碍物识别中将准确率提高40％以上。
[0012]在进一步的实施方案中，所述步骤S1包括步骤：
[0013]S11、通过鱼眼摄像头采集若干包括各种类型障碍物的采集图像；
[0014]S12、对所述采集图像进行边缘剪裁，去除目标畸变区域，得到包含障碍物的素材图片。
[0015]本方案通过采集大量的包含各种类型障碍物的采集图像进行深度学习网络的训练，可有效提高其识别、计算准确度；而将采集图像进行边缘剪裁，去除目标畸变区域得到包含障碍物的素材图片，可进一步降低畸变图像的干扰，提高障碍物的位置测定准确度。
[0016]在进一步的实施方案中，所述步骤S2具体为：识别每一所述素材图片，确定其图像中障碍物的障碍物类型及障碍物属性，整合得到障碍物属性文件。
[0017]本方案以障碍物的障碍物类型为分类标准，进行针对性的识别训练，通过分类识别提高障碍物的位置测定准确度。
[0018]在进一步的实施方案中，所述步骤S3包括步骤：
[0019]S31、使用标注工具VGG
‑
VIA端导入所述素材图片；
[0020]S32、加载所述素材图片对应的所述障碍物属性文件；
[0021]S33、采用4点标注法对所述素材图片中障碍物的轮廓进行标注，选取4个标注点位中的底部中点作为触地点坐标，导出保存标注文件。
[0022]在进一步的实施方案中，所述步骤S33包括步骤：
[0023]A1、识别所述素材图片中的障碍物，从其图像轮廓边缘依次选取最左点、底部中点、最右点、最高点进行顺序标注；
[0024]A2、按照顺序依次连接所述最左点、底部中点、最右点和最高点，形成半封闭的连接框；
[0025]A3、使用最小外接矩形框选所述连接框形成封闭四边形的障碍物框；
[0026]A4、将底部中点确定为触地点坐标，进一步导出并保存标注文件。
[0027]本方案通过图像识别，确定障碍物的图像轮廓，并进一步在图像轮廓边缘依次选取最左点、底部中点、最右点、最高点进行顺序标注，以障碍物的实际姿态为基准，进行标注框选，将障碍物底部中点确定为触地点坐标(即作为障碍物的实际点位)，从而避免图片畸变的影响，使得位置测定更为精准。
[0028]在进一步的实施方案中，所述步骤S4包括步骤：
[0029]S41、将每一所述标注文件输入深度学习网络，获取对应的障碍物属性文件，确定其障碍物类型、障碍物属性；
[0030]S42、识别所述障碍物内的障碍物，以获取每一障碍物类型、每一障碍物属性的障碍物特征；
[0031]S43、以所述触地点为测距点，计算车辆与障碍物的相对距离。
[0032]本方案在进行深度学习网络的训练时，以其障碍物属性文件中的障碍物类型、障碍物属性进行分类训练，从而尽量里面其它干扰因素的干扰，在鱼眼摄像头畸变的情况下也能识别出2点位置(底部中点和最高点)的特征，以实现针对性的位置测定。
[0033]在进一步的实施方案中，所述障碍物属性为障碍物所处的场景，所述场景包括室内、室外、天气、地面材质中的一种或多种；所述障碍物类型包括柱子、地锁、限位器、雪糕筒、停车牌、车辆中的一种或多种。
[0034]本专利技术还提供一种存储介质，其上存储有计算机程序，所述计算机程序用于实现上述一种障碍物位置测定方法。其中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM)或者随机存取器(Random Access Memory，RAM)等。
附图说明
[0035]图1是本专利技术实施例提供的一种障碍物位置测定方法的工作流程图；
[0036]图2是本专利技术实施例提供的4点标注法的示意图。
具体实施方式
[0037]下面结合附图具体阐明本专利技术的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本专利技术的限定，包括附图仅供参考和说明使用，不构成对本专利技术专利保护范围的限制，因为在不脱离本专利技术精神和范围基础上，可以对本专利技术进行许多改变。
[0038]实施例1
[0039]本专利技术实施例提供的一种障碍物位置测定方法，如图1、图2所示，在本实施例中，包括步骤S1～S5：
[0040]S1、采集包含障碍物的素材图片，包括步骤S11～S12：
[0041]S11、通过鱼眼摄像头采集若干包括各种类型障碍物的采集图像；
[0042]S12、对采集图像进行边缘剪裁，去除目标畸变区域，得到包含障碍物的素材图片。
[0043]其中，目标畸变区域为畸变严重的图像内容。
[0044]本实施例通过采集大量的包含各种类型障碍物的采集图像进行深度学习网络的训练，可有效提高其识别、计算准确度；而将采集图像进行边缘剪裁，去除目标畸变区域得到包含障碍物的素材图片，可进一步降低畸变图像的干扰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种障碍物位置测定方法，其特征在，包括步骤：S1、采集包含障碍物的素材图片；S2、识别所述素材图片，得到障碍物属性文件；S3、采用4点标注法对所述素材图片进行标注，进而确定触地点坐标，并加载所述障碍物属性文件得到标注文件；S4、根据所述标注文件对深度学习网络进行训练；S5、实时采集车位图像，并输入所述深度学习网络测定障碍物位置。2.如权利要求1所述的一种障碍物位置测定方法，其特征在于，所述步骤S1包括步骤：S11、通过鱼眼摄像头采集若干包括各种类型障碍物的采集图像；S12、对所述采集图像进行边缘剪裁，去除目标畸变区域，得到包含障碍物的素材图片。3.如权利要求2所述的一种障碍物位置测定方法，其特征在于，所述步骤S2具体为：识别每一所述素材图片，确定其图像中障碍物的障碍物类型及障碍物属性，整合得到障碍物属性文件。4.如权利要求1所述的一种障碍物位置测定方法，其特征在于，所述步骤S3包括步骤：S31、使用标注工具VGG
‑
VIA端导入所述素材图片；S32、加载所述素材图片对应的所述障碍物属性文件；S33、采用4点标注法对所述素材图片中障碍物的轮廓进行标注，选取4个标注点位中的底部中点作为触地点坐标，导出保存标注文件。5.如权利要...

【专利技术属性】
技术研发人员：黄开平，姚雪飞，何庆，
申请(专利权)人：惠州华阳通用电子有限公司，
类型：发明
国别省市：