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】
本申请属于自动泊车,尤其涉及一种泊车车位判断实现方法、系统、车辆及存储介质。
技术介绍
1、随着汽车行业的蓬勃发展,自动泊车系统是最近几年来受大家追捧的驾驶辅助系统功能,自动泊车的智能性也越来越重要,其中,自动泊车系统泊车过程的准确性尤为重要。现在市面上的各种自动泊车辅助系统都需要使用视觉传感器的车位检测算法。在现有的大多数自动泊车辅助技术中,常用一些流行的特征检测器用于检测停车位,如哈里斯角或霍夫线检测器。然而,这些算法最初旨在寻找人们认为的传统车位应该具有的特征,例如垂直的车位角点或有明显直线和矩形框的区域。在真实世界的环境中,常常遇到车位线形状不严格为矩形,或车位线被抹掉造成的显示在图像中短、弯曲、微弱和失真的停车线,尤其是在avm(around view monitoring,环视监控影像系统)输出的图像中;并且往往很依赖对摄像头的标定,若摄像头畸变未校正得较好,则线检测、角点检测等算法都会有较大的误差。
技术实现思路
1、针对上述现有技术的缺陷,本申请提供了一种泊车车位判断实现方法、系统、车辆及存储介质,所述方法通过空间密度聚类算法在时间与空间域上随汽车行驶追踪目标车位线,既能识别不规则、形状不典型的车位,还能补全不完整的车位线以形成完整车位,并通过不规则多边形内接矩形计算面积是否可泊的方法,提高了泊车车位判断的准确性、适应性和可用性。
2、为实现上述目的,本申请提供了一种泊车车位判断实现方法,所述方法包括:
3、s1:根据当前车位线像素点所在的图
4、s2:对所述三维特征点进行空间密度聚类,生成点云数据特征图;其中,所述点云数据特征图中包括若干条线段。
5、s3:对所述点云数据特征图按照预设规则补全成多边形车位,并从所述多边形车位中提取最大有效内接矩形区域作为目标泊车车位。
6、s4:仅当所述目标泊车车位满足预设车位参数特征阈值范围时,则判断所述目标泊车车位为可泊车车位。
7、在本申请中,在所述步骤s1之前,还包括:
8、获取当前车位俯视视角的环视全景图中的车位线图像帧;其中,车位线图像帧的特征至少包括车位线颜色特征和车位线角点特征;根据所述车位线颜色特征和车位线角点特征提取像素点。
9、在本申请中,在所述车位线图像帧中还包括图像的横坐标和图像的纵坐标。
10、通过所述像素点、图像的横坐标和图像的纵坐标生成所述三维特征点;其中,所述三维特征点在维度上包括空间维度特征和时间维度特征。
11、在本申请中,所述空间密度聚类,具体为:
12、将所述三维特征点通过空间密度聚类算法分别在所述空间维度特征和时间维度特征上连成若干条线段。
13、在本申请中,所述对所述点云数据特征图按照预设规则补全成多边形车位,具体为:
14、提取所述点云数据特征图中的点云数据;根据所述点云数据通过计算和补全获得所述多边形车位。
15、在本申请中,所述从所述多边形车位中提取最大有效内接矩形区域作为目标泊车车位,具体为:
16、获取所述多边形车位中的顶点信息;根据所述顶点信息,通过预设几何算法计算得到最大有效内接矩形的参数特征;根据所述参数特征获得最大有效内接矩形区域。
17、在本申请中,在所述判断所述目标泊车车位为可泊车车位之前,还包括:
18、判断所述目标泊车车位内是否存在障碍物。
19、其中,仅当所述障碍物不存在时,判断所述目标泊车车位为可泊车车位;若当所述障碍物存在时,则发出警报指示。
20、为实现上述目的,本申请还提供了一种泊车车位判断实现系统,所述系统主要包括:
21、特征点获取单元、第一处理单元、第二处理单元和判断单元。
22、其中,所述特征点获取单元,用于根据当前车位线像素点所在的图像帧获得三维特征点。
23、所述第一处理单元,用于对所述三维特征点进行空间密度聚类,生成点云数据特征图;其中,所述点云数据特征图中包括若干条线段。
24、所述第二处理单元,用于对所述点云数据特征图按照预设规则补全成多边形车位,并从所述多边形车位中提取最大有效内接矩形区域作为目标泊车车位。
25、以及,所述判断单元,用于仅当所述目标泊车车位满足预设车位特征阈值范围时,则判断所述目标泊车车位为可泊车车位。
26、为实现上述目的,本申请还提供了一种车辆,所述车辆至少包括如上所述的泊车车位判断实现系统。
27、为实现上述目的,本申请还提供了一种存储介质,为计算机可读存储介质中的一种,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上任一所述的泊车车位判断实现方法。
28、与现有技术相比,本申请有益效果在于:
29、本申请提出的一种泊车车位判断实现方法、系统、车辆及存储介质,所述方法通过空间密度聚类算法在时间与空间域上随汽车行驶追踪目标车位线,既能识别不规则、形状不典型的车位,还能补全不完整的车位线以形成完整车位,并通过不规则多边形内接矩形计算面积是否可泊的方法,提高了泊车车位判断的准确性、适应性和可用性;并且,相比于传统的线检测、角点检测等方法,本申请对车辆相机标定准确度的依赖性更小,提高了用户驾驶体验的舒适感。
本文档来自技高网...【技术保护点】
1.一种泊车车位判断实现方法,其特征在于,包括:
2.根据权利要求1所述的一种泊车车位判断实现方法,其特征在于,在所述步骤S1之前,还包括:
3.根据权利要求2所述的一种泊车车位判断实现方法,其特征在于,
4.根据权利要求3所述的一种泊车车位判断实现方法,其特征在于,所述空间密度聚类,具体为:
5.根据权利要求4所述的一种泊车车位判断实现方法,其特征在于,所述对所述点云数据特征图按照预设规则补全成多边形车位,具体为:
6.根据权利要求5所述的一种泊车车位判断实现方法,其特征在于,所述从所述多边形车位中提取最大有效内接矩形区域作为目标泊车车位,具体为:
7.根据权利要求6所述的一种泊车车位判断实现方法,其特征在于,在所述判断所述目标泊车车位为可泊车车位之前,还包括:
8.一种泊车车位判断实现系统,其特征在于,包括:
9.一种车辆,其特征在于,所述车辆至少包括权利要求8所述的泊车车位判断实现系统。
10.一种存储介质,为计算机可读存储介质中的一种,其特征在于,其上存储有计算机程
...【技术特征摘要】
1.一种泊车车位判断实现方法,其特征在于,包括:
2.根据权利要求1所述的一种泊车车位判断实现方法,其特征在于,在所述步骤s1之前,还包括:
3.根据权利要求2所述的一种泊车车位判断实现方法,其特征在于,
4.根据权利要求3所述的一种泊车车位判断实现方法,其特征在于,所述空间密度聚类,具体为:
5.根据权利要求4所述的一种泊车车位判断实现方法,其特征在于,所述对所述点云数据特征图按照预设规则补全成多边形车位,具体为:
6.根据权利要求5所述的一种泊车车位判断实现方法,其特征在...
【专利技术属性】
技术研发人员:黄逸林,
申请(专利权)人:惠州市德赛西威汽车电子股份有限公司,
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。