一种车位轮挡检测模型的训练方法及训练系统技术方案

本发明专利技术提供了一种车位轮挡检测模型的训练方法及训练系统，涉及车辆泊车技术领域

【技术实现步骤摘要】
一种车位轮挡检测模型的训练方法及训练系统


[0001]本专利技术涉及车辆泊车
，特别是涉及一种车位轮挡检测模型的训练方法及训练系统
。

技术介绍

[0002]随着汽车产业的高速发展和城市交通的日趋复杂化，自动泊车技术越来越受到人们的广泛关注
。
由于汽车数量的几何式增长，如何高效便捷地停车一直是广大车主们的老大难问题
。
自动泊车技术就是通过传感器感知周围环境，然后进行智能化判断自动泊车的技术
。
其中关键一环就是视觉感知技术，如何精准地感知周围环境是前提和基础
。
传统的视觉感知是通过数字图像处理的方式，这种方式严重依赖于固定的参数和阈值，鲁棒性很差
。
近年来深度学习在视觉领域的广泛应用，基于深度学习的泊车感知技术是人们关注的重点
。
[0003]现有技术中，集成车位检测和障碍物检测的多任务网络模型，一般在检测到结果之后会直接输出结果，在车位和障碍物两个任务上没有挖掘两者之间的空间位置关联，从而导致了一定程度上的误检，并且不会根据两者的位置关系对检测结果进行调整，从而降低了检测的准确率
。

技术实现思路

[0004]本专利技术第一方面的一个目的是要提供一种车位轮挡检测模型的训练方法，解决现有技术中车位轮挡检测不准确的技术问题
。
[0005]本专利技术第一方面的另一个目的是要进一步提高车位轮挡检测的准确性
。
[0006]本专利技术第二方面的目的是要提供一种车位轮挡检测模型的训练系统
。
[0007]根据本专利技术第一方面的目的，本专利技术提供了一种车位轮挡检测模型的训练方法，包括以下步骤：
[0008]获取停车场的样本环视图，并将所述样本环视图输入至预设建立的初始模型中，以得到具有所有车位预测参数的车位预测结果和具有所有轮挡预测参数的轮挡预测结果，所述样本环视图标注有真实车位数据和真实轮挡数据；
[0009]根据所述车位预测结果和所述轮挡预测结果选择性地对所述轮挡预测参数进行调整，以得到调整后的轮挡预测参数；
[0010]根据所述调整后的轮挡预测参数
、
所述车位预测结果
、
所述真实车位数据和所述真实轮挡数据对所述初始模型的参数进行调整，以训练所述初始模型
。
[0011]可选地，根据所述车位预测结果和所述轮挡预测结果选择性地对所述轮挡预测参数进行调整，以得到调整后的轮挡预测参数的步骤，具体包括以下步骤：
[0012]将所述车位预测结果与所述轮挡预测结果进行匹配，以得到多个车位组，每个所述车位组包括一个车位和位于该车位内的轮挡；
[0013]根据多个所述车位组中车位的入口线的斜率选择性地对该车位内的轮挡的轮挡
预测参数进行调整，以得到调整后的轮挡预测参数
。
[0014]可选地，根据多个所述车位组中车位的入口线的斜率选择性地对该车位内的轮挡的轮挡预测参数进行调整，以得到调整后的轮挡预测参数的步骤，具体包括以下步骤：
[0015]在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线；
[0016]根据所述基准线和预设宽度进行扩展，得到新的融合框；
[0017]将所述新的融合框的四个角点坐标作为所述调整后的轮挡预测参数
。
[0018]可选地，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：
[0019]在所述车位的入口线的斜率小于或等于预设值，且所述车位内存在一个所述轮挡时，选取所述轮挡对应的轮挡框的对角线作为新的融合框的基准线，所述轮挡框形成所述对角线的两个角点分别位于所述轮挡的左右两侧
。
[0020]可选地，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：
[0021]在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在两个所述轮挡时，将两个所述轮挡对应的轮挡框进行融合，得到融合后的轮挡框；
[0022]选取所述融合后的轮挡框的对角线作为所述新的融合框的基准线，所述融合后的轮挡框形成所述对角线的两个角点分别位于两个所述轮挡的左右两侧
。
[0023]可选地，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：
[0024]在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在一个所述轮挡时，选取所述轮挡对应的轮挡框的中心点作为新的融合框的中心点；
[0025]以所述新的融合框的中心点为基准点，根据所述车位的入口线的角度和长度进行延伸，得到所述新的融合框的基准线
。
[0026]可选地，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：
[0027]在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在两个所述轮挡时，将两个所述轮挡对应的轮挡框的中心点的中点作为所述新的融合框的中心点；
[0028]以所述新的融合框的中心点为基准点，根据所述车位的入口线的角度和长度进行延伸，得到所述新的融合框的基准线
。
[0029]可选地，根据所述调整后的轮挡预测参数
、
所述车位预测结果
、
所述真实车位数据和所述真实轮挡数据对所述初始模型的参数进行调整，以训练所述初始模型的步骤，具体包括以下步骤：
[0030]计算所述调整后的轮挡预测参数与所述真实轮挡数据的第一交并比值
、
所述车位预测结果与所述真实车位数据的第二交并比值
、
所述轮挡与对应的车位位置关联的关联值；
[0031]根据所述第一交并比值
、
所述第二交并比值和所述关联值计算最终的交并比值，以根据所述最终的交并比值对所述初始模型的参数进行调整，以训练所述初始模型
。
[0032]可选地，根据公式
(1)
计算所述最终的交并比值：
[0033]Loss
＝
λ
*L
slot
+
μ
*L
obstacle
+v*L
so
ꢀꢀꢀꢀꢀꢀꢀ
公式
(1)
；
[0034]其中，
Loss
表示所述最终的交并比值，
L
slot
表示所述第二交并比值，
L
obstacle
表示所述第一交并比值，
L
so
表示所述关联值，
λ
、
μ
和
v
均表示权重；
[0035]根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种车位轮挡检测模型的训练方法，其特征在于，包括以下步骤：获取停车场的样本环视图，并将所述样本环视图输入至预设建立的初始模型中，以得到具有所有车位预测参数的车位预测结果和具有所有轮挡预测参数的轮挡预测结果，所述样本环视图标注有真实车位数据和真实轮挡数据；根据所述车位预测结果和所述轮挡预测结果选择性地对所述轮挡预测参数进行调整，以得到调整后的轮挡预测参数；根据所述调整后的轮挡预测参数
、
所述车位预测结果
、
所述真实车位数据和所述真实轮挡数据对所述初始模型的参数进行调整，以训练所述初始模型
。2.
根据权利要求1所述的训练方法，其特征在于，根据所述车位预测结果和所述轮挡预测结果选择性地对所述轮挡预测参数进行调整，以得到调整后的轮挡预测参数的步骤，具体包括以下步骤：将所述车位预测结果与所述轮挡预测结果进行匹配，以得到多个车位组，每个所述车位组包括一个车位和位于该车位内的轮挡；根据多个所述车位组中车位的入口线的斜率选择性地对该车位内的轮挡的轮挡预测参数进行调整，以得到调整后的轮挡预测参数
。3.
根据权利要求2所述的训练方法，其特征在于，根据多个所述车位组中车位的入口线的斜率选择性地对该车位内的轮挡的轮挡预测参数进行调整，以得到调整后的轮挡预测参数的步骤，具体包括以下步骤：在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线；根据所述基准线和预设宽度进行扩展，得到新的融合框；将所述新的融合框的四个角点坐标作为所述调整后的轮挡预测参数
。4.
根据权利要求3所述的训练方法，其特征在于，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：在所述车位的入口线的斜率小于或等于预设值，且所述车位内存在一个所述轮挡时，选取所述轮挡对应的轮挡框的对角线作为新的融合框的基准线，所述轮挡框形成所述对角线的两个角点分别位于所述轮挡的左右两侧
。5.
根据权利要求4所述的训练方法，其特征在于，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在两个所述轮挡时，将两个所述轮挡对应的轮挡框进行融合，得到融合后的轮挡框；选取所述融合后的轮挡框的对角线作为所述新的融合框的基准线，所述融合后的轮挡框形成所述对角线的两个角点分别位于两个所述轮挡的左右两侧
。6.
根据权利要求3所述的训练方法，其特征在于，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在一个所述轮挡
时，选取所述轮挡对应的轮挡框的中心点作为新的融合框的中心点；以所述新的融合框的中心点为基准点，根据所述车位的入口线的角度和长度进行延伸，得到所述新的融合框的基准线
。7.
根据权利要求6所述的训练方法，其特征在于，在所述车位的入口线的斜率小于或等于预设值时根据所述轮挡对应的轮挡框确定新的融合框的基准线的步骤，还包括以下步骤：在所述车位的入口线的斜率小于或等于所述预设值，且所述车位内存在两个所述轮挡时，将两个所述轮挡对应的轮挡框的中心点的中点作为所述新的融合框的中心点；以所述...

【专利技术属性】
技术研发人员：彭肖肖，陈大宇，杜卓，许靖，俞圣杰，杨威，王坤昱，许倩，
申请(专利权)人：智马达上海机器人科技有限公司，
类型：发明
国别省市：