System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及车位检测技术,具体涉及一种空间车位检测方法。
技术介绍
1、目前,高阶智能驾驶技术正在飞速发展,自动泊车作为智能驾驶一个重要分支,得到了空前的发展。现有的自动泊车车位类型主要有:视觉车位和空间车位两大类,而主流和成熟的自动泊车车位检测使用的传感器主要是鱼眼摄像头和超声波雷达,一般鱼眼摄像头通过环视拼接得到环视图,主要用于视觉车位检测,超声波雷达一般用于空间车位检测。因此,基于鱼眼环视拼接和超声波雷达后融合的车位检测方法是目前自动泊车领域使用较为广泛的车位检测方法,但是现有方法对于空间车位检测存在难点。
2、现有技术一公开了一种基于多传感器前融合的自动泊车系统、方法及装置,包括:多个广角摄像头采集的当前帧图像,使用全景拼接映射表映射成全景拼接图像;将超声波信息射成超声波点阵;将全景拼接图像与超声波点阵在通道维度进行拼接联合,得到当前帧的感知融合信息;感知融合信息序列,输入至停车位识别算法中,获取目标停车位。现有技术一的缺点是:1)需要对鱼眼相机的图像进行拼接,导致空间车位中的障碍物畸变较大;2)由于拼接图中障碍物畸变较大,拼接图中空间车位边界信息不准确,直接在通道上对两种传感器进行信息融合,无法实现车位检测。
3、现有技术二公开了一种基于视觉和超声波融合的车位识别方法,所述方法包括:车位筛选,当视觉摄像头识别到车位后,对目标车位的车位信息进行判断筛选;车位重叠量计算,计算目标车位与内存中现有车位之间的重叠情况,若不符合要求,则结束计算并舍弃该目标车位;车位的储存与更新,按照车位存储与更新的判断
技术实现思路
1、本专利技术的目的在于提供一种空间车位检测方法,以实现对空间车位的精确检测。
2、为解决上述技术问题,本专利技术提供了一种技术方案:一种空间车位检测方法,包括,基于不同鱼眼相机与空间车位之间的远近关系以及空间车位在鱼眼图像中的位置,对拍摄有空间车位的鱼眼图像进行筛选,得到最优鱼眼图像;所述鱼眼图像通过车载的鱼眼相机获取;
3、将最优鱼眼图像输入鱼眼图像边界特征识别模型,获取空间车位的鱼眼图像边界特征;
4、基于鱼眼相机的内外参,将空间车位的鱼眼图像边界特征转换为空间车位的鸟瞰视图边界特征;
5、基于roi过滤空间车位的鸟瞰视图边界特征;
6、对过滤后的空间车位的鸟瞰视图边界特征依据预设的自适应权重进行自适应增强;
7、将自适应增强后的空间车位的鸟瞰视图边界特征与超声波点云通过通道数据叠加进行前融合,得到融合特征;所述超声波点云通过车载的超声波雷达获取;
8、将融合特征输入训练好的车位检测模型中,得到作为车位检测结果的空间车位属性。
9、按上述方案,对鱼眼图像的筛选方法包括第一次筛选和第二次筛选,第一次筛选仅保留与空间车位距离最近的鱼眼相机的鱼眼图像,第二次筛选仅保留满足“鱼眼图像中空间车位边缘与鱼眼图像左右两侧边缘的距离大于预设的像素距离”的条件的鱼眼图像。
10、按上述方案,空间车位的鱼眼图像边界特征是通过将鱼眼图像输入训练好的鱼眼图像边界特征识别模型得到的;鱼眼图像边界特征识别模型在模型训练过程中,获取边界特征损失。
11、按上述方案,鱼眼图像边界特征转换为鸟瞰视图边界特征的方法包括,
12、获取鱼眼相机的内参矩阵和外参矩阵;所述外参矩阵包含深度标定矩阵;
13、根据鱼眼相机的内参矩阵、外参矩阵、深度标定矩阵以及边界特征在鱼眼图像中的像素坐标,将鱼眼图像的边界特征映射到车辆坐标系下的鸟瞰视图中,进而得到空间车位的鸟瞰视图边界特征。
14、按上述方案,基于roi过滤空间车位的鸟瞰视图边界特征的方法为,
15、根据超声波点云构建鸟瞰视图中边界特征的初始roi;
16、将初始roi向四周膨胀一定范围,形成膨胀roi;
17、剔除膨胀roi以外的边界特征。
18、按上述方案,对鸟瞰视图边界特征进行自适应增强的方法为,
19、将鸟瞰视图边界特征中各边界特征的x轴坐标值和y轴坐标值分别与第一权重自适应系数和第二权重自适应系数相乘后求和,将求得的和作为各边界特征的自适应权重;
20、将各边界特征的自适应权重与边检特征的初始值相乘,将求得的乘积作为鸟瞰视图边界特征的自适应增强结果。
21、按上述方案,融合特征的获取方法为,
22、将膨胀roi进行网格划分并建立通道,得到多通道网格图;
23、将超声波点云和鸟瞰视图边界特征映射到多通道网格图内,将多通道网格图中位置匹配的超声波点云和鸟瞰视图边界特征进行通道数据叠加。
24、按上述方案,车位检测模型设置有两层空洞卷积层和多层感知器;两层空洞卷积层用于对融合特征进行空洞卷积,多层感知器用于根据两层空洞卷积层的输出进行空间车位属性的回归,空间车位属性包括置信度和空间车位内角点。
25、按上述方案,车位检测模型的训练方法为,
26、根据用于训练车位检测模型的训练集中标注的空间车位属性标签以及车位检测模型预测的空间车位属性,计算空间车位属性损失;
27、将空间车位属性损失与边界特征损失进行加权计算;
28、根据空间车位属性损失与边界特征损失的加权计算结果对车位检测模型进行参数优化。
29、一种自动泊车的方法,该方法利用上文所述的空间车位检测方法所获得的车位检测结果进行自动泊车。
30、本专利技术的有益效果是:相较于现有技术对中对鱼眼图像进行拼接的方式,本方案采取筛选而不拼接的预处理方法,避免了由于鱼眼相机拼接导致的障碍物畸变,使得图像中的空间车位边界信息更为准确。相较于现有技术仅利用超声波信息对视觉检测车位可用性筛选的方案,本方案还将超声波信息与视觉信息进行融合,作为车位检测模型的输入,使对于空间车位的检测精度更高,能够完成对空间斜车位的检测。
31、进一步地,车位检测模型通过设置两层空洞卷积层,提高了感受野,且由于该模型结构简单,降低了空间车位检测的计算量。
本文档来自技高网...【技术保护点】
1.一种空间车位检测方法,其特征在于:包括,
2.根据权利要求1所述的空间车位检测方法,其特征在于:对鱼眼图像的筛选方法包括第一次筛选和第二次筛选,第一次筛选仅保留与空间车位距离最近的鱼眼相机的鱼眼图像,第二次筛选仅保留满足“鱼眼图像中空间车位边缘与鱼眼图像左右两侧边缘的距离大于预设的像素距离”的条件的鱼眼图像。
3.根据权利要求1所述的空间车位检测方法,其特征在于:空间车位的鱼眼图像边界特征是通过将鱼眼图像输入训练好的鱼眼图像边界特征识别模型得到的;鱼眼图像边界特征识别模型在模型训练过程中,获取边界特征损失。
4.根据权利要求1所述的空间车位检测方法,其特征在于:鱼眼图像边界特征转换为鸟瞰视图边界特征的方法包括,
5.根据权利要求1所述的空间车位检测方法,其特征在于:基于ROI过滤空间车位的鸟瞰视图边界特征的方法为,
6.根据权利要求1所述的空间车位检测方法,其特征在于:对鸟瞰视图边界特征进行自适应增强的方法为,
7.根据权利要求6所述的空间车位检测方法,其特征在于:融合特征的获取方法为,
8.
9.根据权利要求8所述的空间车位检测方法,其特征在于:车位检测模型的训练方法为,
10.一种自动泊车的方法,其特征在于:该方法利用权利要求1-9任一所述的空间车位检测方法所获得的车位检测结果进行自动泊车。
...【技术特征摘要】
1.一种空间车位检测方法,其特征在于:包括,
2.根据权利要求1所述的空间车位检测方法,其特征在于:对鱼眼图像的筛选方法包括第一次筛选和第二次筛选,第一次筛选仅保留与空间车位距离最近的鱼眼相机的鱼眼图像,第二次筛选仅保留满足“鱼眼图像中空间车位边缘与鱼眼图像左右两侧边缘的距离大于预设的像素距离”的条件的鱼眼图像。
3.根据权利要求1所述的空间车位检测方法,其特征在于:空间车位的鱼眼图像边界特征是通过将鱼眼图像输入训练好的鱼眼图像边界特征识别模型得到的;鱼眼图像边界特征识别模型在模型训练过程中,获取边界特征损失。
4.根据权利要求1所述的空间车位检测方法,其特征在于:鱼眼图像边界特征转换为鸟瞰视图边界特征的方法包括,
5.根据权利要求1所述的空间车位检测方法,其特征在于:基于r...
【专利技术属性】
技术研发人员:余杰,朱亚坤,李咏旭,余昊,严义雄,
申请(专利权)人:东风汽车集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。