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】
本申请涉及图像处理技术,尤其涉及一种车位检测模型训练方法、车位检测方法和控制器。
技术介绍
1、自动泊车技术的应用,为车主泊车带来了极大的便利。车位检测是自动泊车技术中的核心环节,为车辆泊入提供了关键的车位的坐标信息。
2、车位检测首先需要实现根据2d图像检测到2d车位。其后,车位检测可以根据该2d车位,确定3d车位的坐标信息。现有技术中,该2d车位到3d车位的转换主要通过像素坐标反投影或者逆透视变换实现。
3、然而,该3d车位的计算需要借助相机标定信息以及依赖理想地平面假设,存在场景泛化能力差的问题。
技术实现思路
1、本申请提供一种车位检测模型训练方法、车位检测方法和控制器,用以解决现有技术场景泛化能力差的问题。
2、第一方面,本申请提供一种车位检测模型训练方法,包括:
3、从样本数据集中获取训练数据,所述样本数据集中每一样本数据对应于一个时刻的泊车场景下的多张场景图像和所述泊车场景中的真实空间车位的真实真值坐标和所述真实空间车位对应的真实平面车位的真实像素坐标;
4、将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标和每一所述预测空间车位对应的预测平面车位的预测像素坐标;
5、根据所述真实空间车位的所述真实真值坐标、所述真实平面车位的所述真实像素坐标、所述预测空间车位的所述预测真值坐标和所述预测平面车位的所述预测像素坐标,计算损失函数,并根据所述损失函数对所述
6、重复上述过程直至所述车位检测模型收敛或者迭代次数达到预设上限。
7、可选地,所述将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标和每一所述预测空间车位对应的预测平面车位的预测像素坐标,具体包括:
8、将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标;
9、使用相机和激光雷达标定信息,将所述预测空间车位投影到每一所述场景图像中,得到每一所述场景图像中,所述预测空间车位投影的所述预测平面车位;
10、根据所述场景图像的图像坐标系,确定所述场景图像中的所述预测平面车位的所述预测像素坐标。
11、可选地,所述样本数据集通过以下方式获取:
12、获取泊车场景数据,每一所述泊车场景数据中包括所述时刻的所述泊车场景下的多张所述场景图像和所述泊车场景的点云数据;
13、根据所述点云数据,确定所述泊车场景中的至少一个所述真实空间车位的所述真实真值坐标,所述真实真值坐标为自车坐标系中所述真实空间车位的角点坐标;
14、将所述真实空间车位投影到至少一张所述场景图像中,得到至少一个真实平面车位,以及所述真实平面车位的所述真实像素坐标,所述真实像素坐标为在所述真实平面车位所在场景图像的图像坐标系中,所述真实平面车位的所述角点坐标;
15、将所述泊车场景的多张所述场景图像、所述泊车场景的全部所述真实空间车位的真实真值坐标、每一所述真实空间车位对应的所述真实平面车位的所述真实像素坐标,添加到一个样本数据中。
16、可选地,所述根据所述点云数据,确定所述泊车场景中的至少一个所述真实空间车位的所述真实真值坐标,具体包括:
17、对所述点云数据进行分割处理,将所述点云数据中的数据点分为地面点和非地面点,并得到地面点集合;
18、识别所述地面点集合的地面点中,位于所述真实空间车位的角点位置的关键地面点;
19、根据所述关键地面点的坐标,确定所述真实空间车位的真实真值坐标。
20、可选地,所述方法,包括:
21、当所述真实空间车位对应的所述关键地面点的数量小于4时,根据预设几何约束规则。补充所述真实空间车位对应的所述关键地面点,以使所述真实空间车位对应的所述关键地面点的数量达到4个。
22、可选地,所述根据所述真实空间车位,在所述场景图像中投影得到至少一个真实平面车位,以及所述真实平面车位的所述真实像素坐标,具体包括:
23、使用相机传感器和雷达传感器标定信息,将所述真实空间车位投影到每一所述场景图像中,得到每一所述场景图像中,所述真实空间车位投影的所述真实平面车位;
24、根据所述场景图像的图像坐标系,确定所述场景图像中的所述真实平面车位的所述真实像素坐标。
25、第二方面,本申请提供一种车位检测方法,包括:
26、获取当前场景下的多张场景图像,所述当前场景下的所述场景图像的图像数量和采集角度与所述样本数据集中所述泊车场景下的所述场景图像相同;
27、将所述当前场景下的多张所述场景图像输入训练好的车位检测模型,预测得到所述当前场景下的至少一个预测空间车位的预测真值坐标;
28、输出所述预测空间车位。
29、第三方面,本申请提供一种车位检测模型训练装置,包括:
30、获取模块,用于从样本数据集中获取训练数据,所述样本数据集中每一样本数据对应于一个时刻的泊车场景下的多张场景图像和所述泊车场景中的真实空间车位的真实真值坐标和所述真实空间车位对应的真实平面车位的真实像素坐标;
31、训练模块,用于将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标和每一所述预测空间车位对应的预测平面车位的预测像素坐标;根据所述真实空间车位的所述真实真值坐标、所述真实平面车位的所述真实像素坐标、所述预测空间车位的所述预测真值坐标和所述预测平面车位的所述预测像素坐标,计算损失函数,并根据所述损失函数对所述车位检测模型进行迭代更新;重复上述过程直至所述车位检测模型收敛或者迭代次数达到预设上限。
32、可选地,所述训练模块,具体用于:
33、将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标;
34、使用相机和激光雷达标定信息,将所述预测空间车位投影到每一所述场景图像中,得到每一所述场景图像中,所述预测空间车位投影的所述预测平面车位;
35、根据所述场景图像的图像坐标系,确定所述场景图像中的所述预测平面车位的所述预测像素坐标。
36、可选地,所述获取模块,具体包括:
37、获取泊车场景数据,每一所述泊车场景数据中包括所述时刻的所述泊车场景下的多张所述场景图像和所述泊车场景的点云数据;
38、根据所述点云数据,确定所述泊车场景中的至少一个所述真实空间车位的所述真实真值坐标,所述真实真值坐标为自车坐标系中所述真实空间车位的角点坐标;
39、将所述真实空间车位投影到至少一张所述场景图像中,得到至少一个真实平面车位,以及所述真实平面车位的所述真实像素坐标,所述真实像素坐标为在所述真实平面车位所在本文档来自技高网...
【技术保护点】
1.一种车位检测模型训练方法,其特征在于,所述方法,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标和每一所述预测空间车位对应的预测平面车位的预测像素坐标,具体包括:
3.根据权利要求1或2所述的方法,其特征在于,所述样本数据集通过以下方式获取:
4.根据权利要求3所述的方法,其特征在于,所述根据所述点云数据,确定所述泊车场景中的至少一个所述真实空间车位的所述真实真值坐标,具体包括:
5.根据权利要求4所述的方法,其特征在于,所述方法,包括:
6.根据权利要求3所述的方法,其特征在于,所述根据所述真实空间车位,在所述场景图像中投影得到至少一个真实平面车位,以及所述真实平面车位的所述真实像素坐标,具体包括:
7.一种车位检测方法,其特征在于,所述方法,包括:
8.一种控制器,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
9.一种计算机可读存储介质,其特征在于,所述计算机可
10.一种计算机程序产品,其特征在于,包括计算机程序,该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法,或者,实现如权利要求7所述的方法。
...【技术特征摘要】
1.一种车位检测模型训练方法,其特征在于,所述方法,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述训练数据输入所述车位检测模型中,预测得到所述泊车场景下的至少一个预测空间车位的预测真值坐标和每一所述预测空间车位对应的预测平面车位的预测像素坐标,具体包括:
3.根据权利要求1或2所述的方法,其特征在于,所述样本数据集通过以下方式获取:
4.根据权利要求3所述的方法,其特征在于,所述根据所述点云数据,确定所述泊车场景中的至少一个所述真实空间车位的所述真实真值坐标,具体包括:
5.根据权利要求4所述的方法,其特征在于,所述方法,包括:
6.根据权利要求3所述的方法,其特征在于,所...
【专利技术属性】
技术研发人员:云一宵,彭凡,葛辰杰,
申请(专利权)人:亿咖通湖北技术有限公司,
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。