【技术实现步骤摘要】
本专利技术涉及泊车，尤其涉及一种泊车场景的前视感知确定方法、系统、设备及存储介质。
技术介绍
1、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障碍物坐标位置信息和可行驶区域信息，规划模块再根据感知模块分析的障碍物和可行驶区域计算泊车轨迹，最后通过控制模块控制车辆泊入车位中。
2、由于泊车中采用环视传感器获取的障碍物信息范围在5m内，只依靠环视获取5米范围内还不能达到及时避障功能，自动泊车过程中需要感知到更远的障碍物范围来进行泊车规划。因此，如何快速精准感知车辆周边环境信息成为一个亟待解决的问题。
3、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供了一种泊车场景的前视感知确定方法、系统、设备及存储介质，旨在解决如何快速精准感知车辆周边环境信息的技术问题。
2、为实现上述目的，本专利技术提供了一种泊车场景的前视感知确定方法，所述泊车场景的前视感知确定方法包括：
3、通过前视相机获取前帧周围环境图像和当前周围环境图像；
4、将所述周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息；
5、根据所述车道线信息和所述可行驶区域信息分别确定车道线边界框和可行驶区域边界框；
6、基于所述车道线边界框和所述可行驶区域边界框建立所述前帧周围环境图像与所述当前周围环境
7、根据所述目标关联关系对所述障碍物关键点信息、所述车道线边界框及所述可行驶区域边界框进行坐标转换处理，得到泊车场景的前视感知信息。
8、可选地，所述将所述周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
9、将所述周围环境图像进行图像格式转化，获得预设格式环境图像；
10、对所述预设格式环境图像进行缩放和补边处理，得到前视环境图像；
11、将所述前视环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息。
12、可选地，所述将所述前视环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
13、将所述前视环境图像输入至多任务网络模型中泊车目标检测模块获得多张障碍物特征图，所述泊车目标检测模块包括空间金字塔模块和特征金字塔网络模块；
14、对多张障碍物特征图进行融合，获得障碍物关键点信息，所述障碍物关键点信息包括2.5d障碍物关键点、障碍物类别、障碍物坐标及障碍物朝向信息；
15、将所述前视环境图像输入至多任务网络模型中泊车目标分割模块，获得车道线信息及可行驶区域信息，所述车道线信息包括车道线mask图及车道线类别，所述可行驶区域信息包括可行驶区域mask图及可行驶区域类别。
16、可选地，所述基于所述车道线边界框和所述可行驶区域边界框建立所述前帧周围环境图像与所述当前周围环境图像之间的目标关联关系的步骤，包括：
17、分别确定所述车道线边界框和所述可行驶区域边界框对应的车道线位置信息及可行驶区域位置信息；
18、通过卡尔曼滤波器分别对所述车道线边界框和所述可行驶区域边界框进行滤波处理，获得滤波后的车道线边界框和滤波后的可行驶区域边界框；
19、根据所述车道线位置信息、所述滤波后的车道线边界框、所述可行驶区域位置信息及所述滤波后的可行驶区域边界框通过跟踪算法建立所述前帧周围环境图像与所述当前周围环境图像之间的目标关联关系。
20、可选地，所述根据所述目标关联关系对所述障碍物关键点信息、所述车道线边界框及所述可行驶区域边界框进行坐标转换处理，得到泊车场景的前视感知信息的步骤，包括：
21、根据所述目标关联关系将所述障碍物关键点信息、所述车道线边界框及所述可行驶区域边界框进行场景融合，获得场景融合信息；
22、根据相机标定外参建立所述当前周围环境图像中像素点与3d空间地面点之间的坐标映射关系；
23、基于所述坐标映射关系对所述场景融合信息进行坐标转换处理，得到泊车场景的前视感知信息。
24、此外，为实现上述目的，本专利技术还提出一种泊车场景的前视感知确定系统，所述泊车场景的前视感知确定系统包括：
25、获取模块，用于通过前视相机获取前帧周围环境图像和当前周围环境图像；
26、输出模块，用于将所述周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息；
27、确定模块，用于根据所述车道线信息和所述可行驶区域信息分别确定车道线边界框和可行驶区域边界框；
28、建立模块，用于基于所述车道线边界框和所述可行驶区域边界框建立所述前帧周围环境图像与所述当前周围环境图像之间的目标关联关系；
29、转换模块，用于根据所述目标关联关系对所述障碍物关键点信息、所述车道线边界框及所述可行驶区域边界框进行坐标转换处理，得到泊车场景的前视感知信息。
30、此外，为实现上述目的，本专利技术还提出一种泊车场景的前视感知确定设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的泊车场景的前视感知确定程序，所述泊车场景的前视感知确定程序配置为实现如上文所述的泊车场景的前视感知确定方法的步骤。
31、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有泊车场景的前视感知确定程序，所述泊车场景的前视感知确定程序被处理器执行时实现如上文所述的泊车场景的前视感知确定方法的步骤。
32、本专利技术首先通过前视相机获取前帧周围环境图像和当前周围环境图像，然后将周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息，并根据车道线信息和可行驶区域信息分别确定车道线边界框和可行驶区域边界框，之后基于车道线边界框和可行驶区域边界框建立前帧周围环境图像与当前周围环境图像之间的目标关联关系，最后基于目标关联关系根据障碍物关键点信息、车道线边界框及可行驶区域边界框通过坐标转换处理，得到泊车场景的前视感知信息。本专利技术通过多任务网络模型得到障碍物关键点信息、车道线信息及可行驶区域信息，之后根据目标关联关系对障碍物关键点信息、车道线边界框及可行驶区域边界框进行精准修正，之后对修正后的障碍物关键点信息、修正后的车道线边界框及修正后的可行驶区域边界框进行坐标转换处理，从而快速精准得到远距离的泊车场景的前视感知信息。
本文档来自技高网...【技术保护点】
1.一种泊车场景的前视感知确定方法，其特征在于，所述泊车场景的前视感知确定方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述将所述周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述将所述前视环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
4.如权利要求1-3任一项所述的方法，其特征在于，所述基于所述车道线边界框和所述可行驶区域边界框建立所述前帧周围环境图像与所述当前周围环境图像之间的目标关联关系的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述目标关联关系对所述障碍物关键点信息、所述车道线边界框及所述可行驶区域边界框进行坐标转换处理，得到泊车场景的前视感知信息的步骤，包括：
6.一种泊车场景的前视感知确定系统，其特征在于，所述泊车场景的前视感知确定系统包括：
7.一种泊车场景的前视感知确定设备，其特征在于，所述设备包括：存储器、处理器及存
8.一种存储介质，其特征在于，所述存储介质上存储有泊车场景的前视感知确定程序，所述泊车场景的前视感知确定程序被处理器执行时实现如权利要求1至5任一项所述的泊车场景的前视感知确定方法的步骤。
...【技术特征摘要】
1.一种泊车场景的前视感知确定方法，其特征在于，所述泊车场景的前视感知确定方法包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述将所述周围环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述将所述前视环境图像输入至多任务网络模型中，获得障碍物关键点信息、车道线信息及可行驶区域信息的步骤，包括：
4.如权利要求1-3任一项所述的方法，其特征在于，所述基于所述车道线边界框和所述可行驶区域边界框建立所述前帧周围环境图像与所述当前周围环境图像之间的目标关联关系的步骤，包括：
5.如权利要求4所述的方法，其特征在于，所述根据所述目标关联关系对...
【专利技术属性】
技术研发人员：张龙，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：
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。