【技术实现步骤摘要】
本申请属于智能泊车，尤其涉及停车位识别方法、装置、终端设备及存储介质。
技术介绍
1、随着汽车保有量的逐年增加及智能化汽车的发展，人们对智能出行提出越来越高的要求，尤其是在停车场，"停车难"这一问题变得日益严峻，自动泊车的研究也就显得至关重要。整个自动泊车包括：停车位检测、地图定位、运动规划以及控制，而停车位检测是自动泊车的重要组成部分，直接影响到自动泊车的安全性和可靠性。
2、相关技术中，随着人工智能的发展，基于深度学习的停车位检测方法逐渐成为主流，该方法利用车载摄像头采集到的图像信息，经过网络模型处理分析来检测出停车位。但是随着网络模型的越来越大，导致停车位识别所耗费的车载芯片算力过高。
技术实现思路
1、本申请实施例提供了一种停车位识别方法、装置、终端设备及存储介质，可以解决停车位识别所耗费的车载芯片算力过高的问题。
2、本申请实施例的第一方面提供了一种停车位识别方法，所述停车位识别方法包括：
3、获取车辆中的图像采集设备采集的停车位图像；
4、将所述停车位图像输入预设的分类模型，以生成所述停车位图像中包括的每个停车位对应的停车位类别、及每个所述停车位对应的库位方向；
5、根据所述停车位图像与每个所述停车位对应的停车位类别，对所述停车位图像进行特征提取，以确定所述停车位图像中包括的可用停车位的特征图；
6、将所述可用停车位的特征图与所述可用停车位对应的库位方向输入预设的目标检测模型，以确定所述可用停车位与
7、可选的，所述根据所述停车位图像与每个所述停车位对应的停车位类别，对所述停车位图像进行特征提取，以确定所述停车位图像中包括的可用停车位的特征图，包括：
8、根据所述停车位图像与所述停车位对应的停车位类别，确定所述可用停车位对应的局部图像；
9、对所述可用停车位对应的局部图像进行特征提取，以生成所述可用停车位对应的特征图。
10、可选的，所述停车位包含四个角点，所述将所述可用停车位的特征图与所述可用停车位对应的库位方向输入预设的目标检测模型，以确定所述可用停车位与所述车辆的相对位置信息，包括：
11、对所述可用停车位的特征图进行下采样处理和卷积处理，以生成所述可用停车位的特征图对应的第一检测特征图；
12、对所述第一检测特征图进行上采样处理，以生成所述可用停车位的特征图对应的第二检测特征图；
13、根据预设的第一先验框与所述第一检测特征图进行目标检测，以确定所述第一检测特征图中的每个第一像素点为所述可用停车位对应的角点像素点的概率；
14、根据预设的第二先验框与所述第二检测特征图进行目标检测，以确定所述第二检测特征图中的每个第二像素点为所述可用停车位对应的角点像素点的概率；
15、根据每个所述第一像素点为所述可用停车位对应的角点像素点的概率与每个所述第二像素点为所述可用停车位对应的角点像素点的概率，确定所述可用停车位的至少一个角点在所述特征图中的坐标；
16、根据所述可用停车位的至少一个角点在所述特征图中的坐标与所述可用停车位对应的库位方向，确定所述可用停车位的至少一个角点与所述车辆的相对位置信息。
17、可选的，所述预设的分类模型包括全局特征提取模块、回归分支模块与分类分支模块，所述将所述停车位图像输入预设的分类模型，以生成所述停车位图像中包括的每个停车位对应的停车位类别、及每个所述停车位对应的库位方向，包括：
18、将所述停车位图像输入所述全局特征提取模块，以生成所述停车位图像对应的全局特征；
19、将所述全局特征输入所述分类分支模块，以生成每个所述停车位对应的停车位类别；
20、将所述全局特征输入所述回归分支模块，以生成每个所述停车位对应的库位方向。
21、可选的，所述将所述全局特征输入所述回归分支模块，以生成每个所述停车位对应的库位方向，包括：
22、将所述全局特征输入所述回归分支模块，以生成每个所述停车位的任一角点在所述车辆对应的预设坐标系中的坐标；
23、根据每个所述停车位的任一角点在所述车辆对应的预设坐标系中的坐标与所述预设坐标系的原点坐标，确定每个所述停车位在所述预设坐标系中的偏转角度；
24、将每个所述停车位在所述预设坐标系中的偏转角度，确定为每个所述停车位对应的库位方向。
25、可选的，所述停车位类别包括可用车位和不可用车位。
26、可选的，所述车辆中包括多个所述图像采集设备，所述获取车辆中的图像采集设备采集的停车位图像，包括：
27、获取每个所述图像采集设备采集的原始停车位图像；
28、对每个所述原始停车位图像进行环视拼接处理，以生成所述停车位图像。
29、本申请实施例的第二方面提供了一种停车位识别装置，所述停车位识别装置包括：
30、图像获取模块，用于获取车辆中的图像采集设备采集的停车位图像；
31、分类处理模块，用于将所述停车位图像输入预设的分类模型，以生成所述停车位图像中包括的每个停车位对应的停车位类别、及每个所述停车位对应的库位方向；
32、特征图确定模块，用于根据所述停车位图像与每个所述停车位对应的停车位类别，对所述停车位图像进行特征提取，以确定所述停车位图像中包括的可用停车位的特征图；
33、停车位识别模块，用于将所述可用停车位的特征图与所述可用停车位对应的库位方向输入预设的目标检测模型，以确定所述可用停车位与所述车辆的相对位置信息。
34、本申请实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的停车位识别方法。
35、本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的停车位识别方法。
36、本申请实施例的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述第一方面所述的停车位识别方法。
37、本申请实施例与现有技术相比存在的有益效果是：
38、本申请公开了一种停车位识别方法、装置、终端设备及存储介质，该方法首先获取车辆中图像采集设备中采集的停车位图像，并输入分类模型，生成每个停车位对应的停车位类别和库位方向，然后根据停车位图像和停车位类别，对停车位图像进行特征提取，确定图像中可用停车位的特征图，最后将特征图和可用停车位对应的库位方向输入目标检测模型，得到可用停车位与车辆的相对位置信息，完成停车位的识别。由此，通过对所述停车位图像进行特征提取确定可用停车位的特征图，过滤掉不可用车位，后续仅利用可用车位的特征图进行后续的停车位识别，可大幅度节省车端算本文档来自技高网...
【技术保护点】
1.一种停车位识别方法，其特征在于，包括：
2.如权利要求1所述的停车位识别方法，其特征在于，所述根据所述停车位图像与每个所述停车位对应的停车位类别，对所述停车位图像进行特征提取，以确定所述停车位图像中包括的可用停车位的特征图，包括：
3.如权利要求1所述的停车位识别方法，其特征在于，所述停车位包含四个角点，所述将所述可用停车位的特征图与所述可用停车位对应的库位方向输入预设的目标检测模型，以确定所述可用停车位与所述车辆的相对位置信息，包括：
4.如权利要求1所述的停车位识别方法，其特征在于，所述预设的分类模型包括全局特征提取模块、回归分支模块与分类分支模块，所述将所述停车位图像输入预设的分类模型，以生成所述停车位图像中包括的每个停车位对应的停车位类别、及每个所述停车位对应的库位方向，包括：
5.如权利要求4任一所述的停车位识别方法，其特征在于，所述将所述全局特征输入所述回归分支模块，以生成每个所述停车位对应的库位方向，包括：
6.如权利要求1-5任一所述的停车位识别方法，其特征在于，所述停车位类别包括可用车位和不可用车位
7.如权利要求1-5任一项所述的停车位识别方法，其特征在于，所述车辆中包括多个所述图像采集设备，所述获取车辆中的图像采集设备采集的停车位图像，包括：
8.一种停车位识别装置，其特征在于，包括：
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种停车位识别方法，其特征在于，包括：
2.如权利要求1所述的停车位识别方法，其特征在于，所述根据所述停车位图像与每个所述停车位对应的停车位类别，对所述停车位图像进行特征提取，以确定所述停车位图像中包括的可用停车位的特征图，包括：
3.如权利要求1所述的停车位识别方法，其特征在于，所述停车位包含四个角点，所述将所述可用停车位的特征图与所述可用停车位对应的库位方向输入预设的目标检测模型，以确定所述可用停车位与所述车辆的相对位置信息，包括：
4.如权利要求1所述的停车位识别方法，其特征在于，所述预设的分类模型包括全局特征提取模块、回归分支模块与分类分支模块，所述将所述停车位图像输入预设的分类模型，以生成所述停车位图像中包括的每个停车位对应的停车位类别、及每个所述停车位对应的库位方向，包括：
5.如权利要求4任一所述的停车位识...
【专利技术属性】
技术研发人员：陈磊，李睆，逄淑一，
申请(专利权)人：毫末智行科技有限公司，
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。