一种自动泊车中障碍物检测方法及系统技术方案

本发明专利技术提供一种自动泊车中障碍物检测方法及系统，该方法包括：获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；将标注后的数据转换为预定格式后，划分为训练集和验证集；通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。通过该方案可以提升鱼眼图中目标检测框与障碍物的贴合效果，并能提高检测效率。能提高检测效率。能提高检测效率。

【技术实现步骤摘要】
一种自动泊车中障碍物检测方法及系统


[0001]本专利技术属于目标检测领域，尤其涉及一种自动泊车中障碍物检测方法及系统。

技术介绍

[0002]自动泊车是待泊车车辆使用车载传感器采集车辆周边信息，将采集的信息传给感知模块进行分析获取目标点，规划模块再根据感知模块分析的目标点计算泊车轨迹，最后通过控制模块控制车辆泊入车位中。
[0003]由于相机的成本较低且采集的车周边的信息较为丰富，所以目前大多数的感知识别算法方法都是依赖于视觉，现有视觉算法主要是采用深度学习的目标检测，把标注好的数据送入深度学习网络中，利用训练好的模型，进行障碍物的检测和识别，然而这种方式在普通相机拍摄的无畸变的图片上较为适用，车载鱼眼相机上。由于鱼眼相机边缘存在畸变，左右车载摄像头和障碍物的相对视角差，会加剧检测输出的坐标误差，生成的矩形框不能很好贴合障碍物。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种自动泊车中障碍物检测方法及系统，用于解决现有目标检测矩形框难以准确贴合障碍物的问题。
[0005]在本专利技术实施例的第一方面，提供了一种自动泊车中障碍物检测方法，包括：
[0006]获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；
[0007]将标注后的数据转换为预定格式后，划分为训练集和验证集；
[0008]通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。
[0009]在本专利技术实施例的第二方面，提供了一种自动泊车中障碍物检测系统，包括：
[0010]标注模块，用于获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；
[0011]转换模块，用于将标注后的数据转换为预定格式后，划分为训练集和验证集；
[0012]训练检测模块，用于通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。
[0013]在本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述方法的步骤。
[0014]在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。
[0015]本专利技术实施例中，通过直接在畸变的鱼眼图上进行标注、检测，避免图像去畸变过程，不仅障碍物识别效率高，而且能够保障检测矩形框能较好的贴合目标。
附图说明
[0016]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
[0017]图1为本专利技术一个实施例提供的一种自动泊车中障碍物检测方法的流程示意图；
[0018]图2为本专利技术一个实施例提供的一种自动泊车中障碍物检测系统的结构示意图；
[0019]图3为本专利技术的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
[0020]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0021]应当理解，本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。
[0022]请参阅图1，本专利技术实施例提供的一种自动泊车中障碍物检测方法的流程示意图，包括：
[0023]S101、获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；
[0024]车辆通过鱼眼相机采集周围场景图像，采用开源标注软件rolabelImg直接在鱼眼图上对障碍物进行斜框标注，标注障碍物的类别、中心坐标、宽度高度和旋转弧度。
[0025]S102、将标注后的数据转换为预定格式后，划分为训练集和验证集；
[0026]其中，将XML格式标注数据转换为dota格式数据。
[0027]标注后的数据为xml格式(t，x，yw，h，angle)，障碍物的类别t，中心点坐标(x，y)，宽度w，高度h，旋转弧度angle。需要将标注得到的数据转换为dota格式(x1，y1，x2，y2，x3，y3，x4，y4，t)。
[0028]对标注转换得到的数据进行随机划分得到训练集和验证集(比例为9：1或者8：2)，基于训练集和验证集进行检测模型训练验证。
[0029]S103、通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。
[0030]优选的，所述障碍物检测模型为基于YOLOX改进的YOLOX＿OBB旋转框检测模型。对检测模型进行训练验证，当模型验证达到一定的检测效果(如MAP＞75％)，则可以保存检测模型参数。基于该检测模型对输入的图像进行预测，得到图像上的障碍物的信息(x1，y1，x2，y2，x3，y3，x4，y4，t)。
[0031]其中，基于障碍物检测模型输出的障碍物信息，利用OPENCV在图片上框选出检测到的障碍物。
[0032]本实施例中，通过直接对鱼眼图上进行标记，训练深度学习模型，从而可以避免去畸变过程，检测效率高，且能保障检测框与障碍物准确贴合。采用旋转检测框，可以使得模式输出的障碍物坐标轮廓比较贴合障碍物
[0033]应理解，上述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，而不应对本专利技术实施例的实施过程构成任何限定。
[0034]图2为本专利技术实施例提供的一种自动泊车中障碍物检测系统的结构示意图，该系统包括：
[0035]标注模块210，用于获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；
[0036]转换模块220，用于将标注后的数据转换为预定格式后，划分为训练集和验证集；
[0037]其中，将XML格式标注数据转换为dota格式数据。
[0038]训练检测模块230，用于通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。
[0039]可选的，所述通过训练验证后的障碍物检测模型检测输出障碍物信息包括：
[0040]基于障碍物检测模型输出的障碍物信息，利用OPENCV在图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动泊车中障碍物检测方法，其特征在于，包括：获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；将标注后的数据转换为预定格式后，划分为训练集和验证集；通过训练集和验证集分别对障碍物检测模型进行训练、验证，并通过训练验证后的障碍物检测模型检测输出障碍物信息。2.根据权利要求1所述的方法，其特征在于，所述将标注后的数据转换为预定格式后，划分为训练集和验证集包括：将XML格式标注数据转换为dota格式数据。3.根据权利要求1所述的方法，其特征在于，所述通过训练验证后的障碍物检测模型检测输出障碍物信息包括：基于障碍物检测模型输出的障碍物信息，利用OPENCV在图片上框选出检测到的障碍物。4.一种自动泊车中障碍物检测系统，其特征在于，包括：标注模块，用于获取车辆采集的鱼眼图，在鱼眼图上对障碍物进行斜框标注；转换模块，用于将标注后的数据转换为预定格式后，划分为训练集和验证集；训练检测模块，用于通过训练集...

【专利技术属性】
技术研发人员：李森林，崔旭冰，
申请(专利权)人：武汉光庭信息技术股份有限公司，
类型：发明
国别省市：