一种车位检测点的后优化方法、系统及存储介质技术方案

本发明专利技术涉及一种车位检测点的后优化方法、系统及存储介质，所述方法包括：Q1.在同一个停车场内，采集世界坐标系下的车位点的数据信息，所述车位点的数据信息包括车位点的坐标数据信息和车位点的朝向角度数据信息，根据所述车位点的朝向角度数据信息对车位点进行聚类粗分组，输出车位点的粗分组数据信息；Q2.基于所述车位点的粗分组数据信息，将所述车位点的坐标数据信息输入车位点同排偏移距离算法对车位点进行精分组，输出车位点的精分组数据信息。本发明专利技术不仅在感知融合得到车位数据后，提供了多车位分组优化的方法，提供了更为准确、更为合理的车位输出，而且在泊车自动驾驶系统中给予路径规划等功能模块稳定、准确的车位数据支持。据支持。据支持。

【技术实现步骤摘要】
一种车位检测点的后优化方法、系统及存储介质


[0001]本专利技术涉及车辆自动驾驶
，尤其是涉及一种车位检测点的后优化方法、系统及存储介质。

技术介绍

[0002]自动驾驶中自动泊车系统更新迭代迅速从L2到L4，不断升级功能更高效更安全的替代人去完成泊车功能。主要的功能发展方向如下，APA 辅助泊车，这是是生活中常见的泊车辅助系统，低速巡航下利用环视相机所构成的BEV视角的图片进行车位点的检测，帮助驾驶员检测可泊入的未被占中的车位。驾驶员选择车位进行自动泊入，RPA 远程遥控泊车，此功能达到L2+的自动驾驶级别在APA的基础上添加有关车载蓝牙的应用或者4G远程手机操控，驾驶员可以不在车里远程操控泊车，AVP自动代客泊车，此功能达到L4级别的自动驾驶级别,在环视相机及超声波雷达的基础上增加前视摄像头。
[0003]自动泊车系统的发展日益成熟，而是逐步发展而来的。从简单的车周超声波雷达的应用，到引入手机和车载蓝牙提供更为丰富的泊车功能，再到视觉BEV技术的引入和深度学习的发展，最后到环视相机、超声波毫米、波雷达等多传感器的融合技术发展。每一次的功能迭代都离不开车载传感器技术、算力的加速、算法以及通信技术的成熟。随着通信协议、传感器技术、基础设施愈发成熟，汽车将会更加智能。未来，汽车也许不再只是一个简单的出行的伴侣，更是一个快捷生活的开始。
[0004]泊车场景中最为重要的就是车位的检测，目前针对车位检测的优化算法主要涉及滤波算法，主要将车位点进行平滑滤波等较为简单的优化算法如KALMAN算法，没有考虑车位整体的数据特征，车位间的内在关联去优化车位数据。
[0005]现有技术中，专利（申请号：202211012090.7）公开了一种车位检测方法及其跟踪方法、车位检测装置、车位检测设备及计算机可读存储介质，该车位检测方法及其跟踪方法包括S1，获取车位的环视图片，提取所述环视图片的低层语义特征和高层语义特征 ,对所述低层语义特征和高层语义特征进行融合，获取融合特征；S2，对所述融合特征进行解码操作，获取多组分支；S3，根据所述分支进行推理以获取全部的检出车位。但是该方案中BEV下的车位检测范围小并且因为环视相机一般都是鱼眼相机，因畸变等因素必然导致检测精度的误差过大，在搜寻车位的过程中车位精度的误差导致车位整体表现的并不一致，可明显看出车位的精度导致的车位整体的混乱。
[0006]现有技术，专利（申请号：201910566090.3）公开了基于视觉的右方位空停车位与泊车过程中车位线检测方法，该方法包括以下步骤：第一步、将检测车位摄像头采集到的图像，从正常视角转换为鸟瞰图的形式，便于车位检测。第二步、图像预处理；第三步、停车位特征提取；第四步、停车位检测；第五步、坐标转换及停车位信息输出。但是该方案中并没有考虑车位与车位之间，车位与多车位之间存在的内在关系，比如现实车位都是分组进行绘制，相同类型车位排列具有特定的结构与顺序，拥有内在的逻辑关系。

技术实现思路

[0007]鉴于以上现有技术的不足，本专利技术提供了一种车位监测点的后优化方法、系统及存储介质，不仅在感知融合得到车位数据后，提供了多车位分组优化的方法，提供了更为准确、更为合理的车位输出，而且在泊车自动驾驶系统中给予路径规划等功能模块稳定、准确的车位数据支持。
[0008]为了实现上述目的及其他相关目的，本专利技术提供的技术方案如下：一种车位检测点的后优化方法，所述方法包括：Q1.在同一个停车场内，采集世界坐标系下的车位点的数据信息，所述车位点的数据信息包括车位点的坐标数据信息和车位点的朝向角度数据信息，根据所述车位点的朝向角度数据信息对车位点进行聚类粗分组，输出车位点的粗分组数据信息；Q2.基于所述车位点的粗分组数据信息，将所述车位点的坐标数据信息输入车位点同排偏移距离算法对车位点进行精分组，输出车位点的精分组数据信息；Q3.基于所述车位点的精分组数据信息，对同一分组的所有车位的两个近车点进行直线最小二乘拟合，输出同一分组的车位的拟合直线数据信息；Q4.基于所述同一分组的车位的拟合直线数据信息，对车位点的坐标数据信息、车位点的朝向角度数据信息和车位点的中心点坐标数据信息进行优化，输出优化后的车位点数据信息。
[0009]进一步的，在步骤Q1中，所述根据所述车位点的朝向角度数据信息对车位点进行聚类粗分组为按照车位的朝向角度进行粗分组，同一车位类型的车位的朝向角度一致，所述车位类型包括垂直车位、水平车位和斜向车位。
[0010]进一步的，在步骤Q2中，所述车位点同排偏移距离算法包括：Q21.根据所述车位点的坐标数据信息，得到第i个车位点宽度方向上的两个近车点坐标P
i1
(X
i1
,Y
i1
,0)和P
i2
(X
i2
,Y
i2
,0)以及第j个车位点宽度方向上的两个近车点坐标P
j1
(X
j1
,Y
j1
,0)和P
j2
(X
j2
,Y
j2
,0)；Q22.基于所述第i个车位点宽度方向上的两个近车点坐标P
i1
和P
i2
以及第j个车位点宽度方向上的两个近车点坐标P
j1
和P
j2
，建立第j个车位点的两个近车点P
j1
和P
j2
分别到线段P
i1
和P
i2
的投影距离函数d
j1
和d
j2
，，，其中，W为两个近车点坐标P
i1
和P
i2
的距离，L
11
、L
12
、L
21
和L
22
分别为投影距离的参数，S1和S2为距离差分因子；Q23.基于所述投影距离函数d
j1
和d
j2
，设置预设阈值，若d
j1
和d
j2
的值都小于预设阈值，则第i个车位点和第j个车位点为同一排车位。
[0011]进一步的，所述车位点的精分组数据信息为同一分组中的车位点朝向角度一致且为同一排的车位数据信息。
[0012]进一步的，在步骤Q3中，所述对同一分组的车位的两个近车点进行直线最小拟合包括：Q31.基于所述车位点的精分组数据信息，获取同一分组的车位点的近车点坐标数据信息；Q32.基于所述同一分组的车位点的近车点坐标数据信息，采用最小二乘算法进行直线拟合，得到拟合直线的斜率k和截距b，，，其中N为同一分组的车位点的个数，(X
i1
,Y
i1
)和(X
i2
,Y
i2
)为第i个车位点的近车点坐标；Q33.基于所述拟合直线的斜率k和截距b，得到同一分组的车位的拟合直线数据信息。
[0013]进一步的，在步骤Q4中，所述优化后的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车位检测点的后优化方法，其特征在于，所述方法包括：Q1.在同一个停车场内，采集世界坐标系下的车位点的数据信息，所述车位点的数据信息包括车位点的坐标数据信息和车位点的朝向角度数据信息，根据所述车位点的朝向角度数据信息对车位点进行聚类粗分组，输出车位点的粗分组数据信息；Q2.基于所述车位点的粗分组数据信息，将所述车位点的坐标数据信息输入车位点同排偏移距离算法对车位点进行精分组，输出车位点的精分组数据信息；Q3.基于所述车位点的精分组数据信息，对同一分组的所有车位的两个近车点进行直线最小二乘拟合，输出同一分组的车位的拟合直线数据信息；Q4.基于所述同一分组的车位的拟合直线数据信息，对车位点的坐标数据信息、车位点的朝向角度数据信息和车位点的中心点坐标数据信息进行优化，输出优化后的车位点数据信息；在步骤Q2中，所述车位点同排偏移距离算法包括：Q21.根据所述车位点的坐标数据信息，得到第i个车位点宽度方向上的两个近车点坐标P
i1
(X
i1
,Y
i1
,0)和P
i2
(X
i2
,Y
i2
,0)以及第j个车位点宽度方向上的两个近车点坐标P
j1
(X
j1
,Y
j1
,0)和P
j2
(X
j2
,Y
j2
,0)；Q22.基于所述第i个车位点宽度方向上的两个近车点坐标P
i1
和P
i2
以及第j个车位点宽度方向上的两个近车点坐标P
j1
和P
j2
，建立第j个车位点的两个近车点P
j1
和P
j2
分别到线段P
i1
P
i2
的投影距离函数d
j1
和d
j2
；Q23.基于所述投影距离函数d
j1
和d
j2
，设置预设阈值，若d
j1
和d
j2
的值都小于预设阈值，则第i个车位点和第j个车位点为同一排车位。2.根据权利要求1所述的车位检测点的后优化方法，其特征在于，在步骤Q1中，所述根据所述车位点的朝向角度数据信息对车位点进行聚类粗分组为按照车位的朝向角度进行粗分组，同一车位类型的车位的朝向角度一致，所述车位类型包括垂直车位、水平车位和斜向车位。3.根据权利要求1所述的车位检测点的后优化方法，其特征在于，在步骤Q2中，所述建立第j个车位点的两个近车点P
j1

【专利技术属性】
技术研发人员：夏海鹏，杨志伟，曹科，孙梦成，张螣，曹恺，李凯，张利，王科未，王月，熊迹，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：