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】
本申请涉及计算机,特别是涉及一种基于bev视角的车位检测方法、装置和计算机设备。
技术介绍
1、随着计算机技术的发展,出现了越来越多车位检测技术。然而现有的车位检测技术是基于车位转角的局部特征进行车位的检测,使得通过局部特征进行车位匹配的准确性较低,从而降低了车位整体检测的精度。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够检测车位的基于bev视角的车位检测方法、装置和计算机设备,提高了车位整体检测的精度。
2、第一方面,本申请提供了一种基于bev视角的车位检测方法。所述方法包括:
3、获取车位表示方式集和车位几何约束关系集,所述车位表示方式集中的车位表示方式包括通过对经过特征化处理的车位中的车位位置点的位置信息和车位位置点之间构建的方向向量进行组合得到的表示方式;
4、从所述车位表示方式集中任意选取一种车位表示方式作为目标车位表示方式,从所述车位几何约束关系集中任意选取几何约束关系作为目标几何约束关系;
5、获取待处理图像集,所述待处理图像集中的各待处理图像包括待处理车位,所述各待处理图像包括对应的各待处理车位对应的车位图像位置信息;
6、基于各待处理车位对应的车位图像位置信息、所述目标车位表示方式和所述目标几何约束关系,构建所述待处理图像集中各待处理图像对应的训练标签,得到所述待处理图像集对应的待训练图像集;
7、获取初始车位检测模型,基于待训练图像集对初始车位检测模型进行训练,得到目标车
8、在其中一个实施例中,基于各待处理车位对应的车位图像位置信息、目标车位表示方式和目标几何约束关系,构建待处理图像集中各待处理图像对应的训练标签,得到待处理图像集对应的待训练图像集包括:
9、基于目标车位表示方式和目标几何约束关系,从各待处理车位对应的车位图像位置信息中,确定各待处理车位对应的待处理点的坐标信息;
10、基于目标车位表示方式、目标几何约束关系和各待处理车位对应的待处理点的坐标信息,构建各待处理图像中各待处理车位对应的目标数学表示信息;
11、基于各待处理车位对应的目标数学表示信息,构建各待处理图像对应的训练标签,得到待处理图像集对应的待训练图像集。
12、在其中一个实施例中,目标数学表示信息包括目标车位位置点表示信息、目标方向向量表示信息或目标几何约束表示信息;基于目标车位表示方式、目标几何约束关系和各待处理车位对应的待处理点的坐标信息,构建各待处理图像中各待处理车位对应的目标数学表示信息包括:
13、若目标车位表示方式中存在目标车位位置点,则将待处理车位对应的待处理点中,与目标车位位置点对应的待处理点的坐标信息作为待处理车位对应的目标车位位置点表示信息;
14、若目标车位表示方式中存在目标方向向量,则基于待处理车位对应的待处理点中,与目标方向向量的表示点对应的待处理点的坐标信息,确定待处理车位对应的目标方向向量表示信息;
15、基于待处理车位对应的待处理点中,与目标几何约束关系的表示点对应的待处理点的坐标信息,确定待处理车位对应的目标几何约束表示信息。
16、在其中一个实施例中,车位几何约束关系集中的几何约束关系包括从经过特征化处理的车位对应的向量约束方式集、点约束方式集和夹角约束方式集中,任意选择任意数量的向量约束方式、点约束方式或夹角约束方式组合得到的约束关系。
17、在其中一个实施例中,基于待训练图像集对初始车位检测模型进行训练,得到目标车位表示方式对应的目标车位检测模型之后,还包括:
18、获取待检测图像,待检测图像中包括待检测车位;
19、将待检测车位输入目标车位检测模型进行处理,输出待检测车位在待检测图像中的车位相关信息。
20、在其中一个实施例中,基于各待处理车位对应的车位图像位置信息、目标车位表示方式和目标几何约束关系,构建待处理图像集中各待处理图像对应的训练标签之后,还包括:
21、基于模型锚点最优选择规则,确定各待处理图像中各待处理车位对应的目标模型锚点信息;
22、基于各待处理车位对应的目标模型锚点信息和训练标签,构建待处理图像集对应的待训练图像集。
23、第二方面,本申请还提供了一种基于bev视角的车位检测装置。所述装置包括:
24、第一获取模块,用于获取车位表示方式集和车位几何约束关系集,车位表示方式集中的车位表示方式包括通过对经过特征化处理的车位中的车位位置点的位置信息和车位位置点之间构建的方向向量进行组合得到的表示方式;
25、选取模块,用于从车位表示方式集中任意选取一种车位表示方式作为目标车位表示方式,从车位几何约束关系集中任意选取几何约束关系作为目标几何约束关系;
26、第二获取模块,用于获取待处理图像集,待处理图像集中的各待处理图像包括待处理车位,各待处理图像包括对应的各待处理车位对应的车位图像位置信息;
27、构建模块,用于基于各待处理车位对应的车位图像位置信息、目标车位表示方式和目标几何约束关系,构建待处理图像集中各待处理图像对应的训练标签,得到待处理图像集对应的待训练图像集;
28、训练模块,用于获取初始车位检测模型,基于待训练图像集对所述初始车位检测模型进行训练,得到所述目标车位表示方式对应的目标车位检测模型;所述目标车位检测模型用于检测车位。
29、在其中一个实施例中,基于bev视角的车位检测装置还包括使用模块,用于获取待检测图像,待检测图像中包括待检测车位;将待检测车位输入目标车位检测模型进行处理,输出待检测车位在待检测图像中的车位相关信息。
30、一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
31、获取车位表示方式集和车位几何约束关系集,车位表示方式集中的车位表示方式包括通过对经过特征化处理的车位中的车位位置点的位置信息和车位位置点之间构建的方向向量进行组合得到的表示方式;
32、从车位表示方式集中任意选取一种车位表示方式作为目标车位表示方式,从车位几何约束关系集中任意选取几何约束关系作为目标几何约束关系;
33、获取待处理图像集,待处理图像集中的各待处理图像包括待处理车位,各待处理图像包括对应的各待处理车位对应的车位图像位置信息;
34、基于各待处理车位对应的车位图像位置信息、目标车位表示方式和目标几何约束关系,构建待处理图像集中各待处理图像对应的训练标签,得到待处理图像集对应的待训练图像集;
35、获取初始车位检测模型,基于待训练图像集对初始车位检测模型进行训练,得到目标车位表示方式对应的目标车位检测模型;目标车位检测模型用于检测车位。
36、一种计算机可读存储介质,其上存储有计算机程序,所述本文档来自技高网...
【技术保护点】
1.一种基于BEV视角的车位检测方法,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,所述基于各待处理车位对应的车位图像位置信息、所述目标车位表示方式和所述目标几何约束关系,构建所述待处理图像集中各待处理图像对应的训练标签,得到所述待处理图像集对应的待训练图像集包括:
3.根据权利要求2所述的方法,其特征在于,所述目标数学表示信息包括目标车位位置点表示信息、目标方向向量表示信息或目标几何约束表示信息;所述基于所述目标车位表示方式、所述目标几何约束关系和各待处理车位对应的待处理点的坐标信息,构建各待处理图像中各待处理车位对应的目标数学表示信息包括:
4.根据权利要求1所述的方法,其特征在于,所述车位几何约束关系集中的几何约束关系包括从经过特征化处理的车位对应的向量约束方式集、点约束方式集和夹角约束方式集中,任意选择任意数量的向量约束方式、点约束方式或夹角约束方式组合得到的约束关系。
5.根据权利要求1所述的方法,其特征在于,所述基于所述待训练图像集对所述初始车位检测模型进行训练,得到所述目标车位表示方式对应的目标
6.根据权利要求1所述的方法,其特征在于,所述基于各待处理车位对应的车位图像位置信息、所述目标车位表示方式和所述目标几何约束关系,构建所述待处理图像集中各待处理图像对应的训练标签之后,还包括:
7.一种基于BEV视角的车位检测装置,其特征在于,所述装置包括:
8.根据权利要求1所述的装置,其特征在于,所述车位检测装置还包括使用模块,用于获取待检测图像,所述待检测图像中包括待检测车位;将所述待检测车位输入所述目标车位检测模型进行处理,输出所述待检测车位在所述待检测图像中的车位相关信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种基于bev视角的车位检测方法,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,所述基于各待处理车位对应的车位图像位置信息、所述目标车位表示方式和所述目标几何约束关系,构建所述待处理图像集中各待处理图像对应的训练标签,得到所述待处理图像集对应的待训练图像集包括:
3.根据权利要求2所述的方法,其特征在于,所述目标数学表示信息包括目标车位位置点表示信息、目标方向向量表示信息或目标几何约束表示信息;所述基于所述目标车位表示方式、所述目标几何约束关系和各待处理车位对应的待处理点的坐标信息,构建各待处理图像中各待处理车位对应的目标数学表示信息包括:
4.根据权利要求1所述的方法,其特征在于,所述车位几何约束关系集中的几何约束关系包括从经过特征化处理的车位对应的向量约束方式集、点约束方式集和夹角约束方式集中,任意选择任意数量的向量约束方式、点约束方式或夹角约束方式组合得到的约束关系。
5.根据权利要求1所述的方法,其特征在于,所述基于所述待训练图像集对所...
【专利技术属性】
技术研发人员:裴朝科,周涤非,
申请(专利权)人:深圳市欧冶半导体有限公司,
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。