【技术实现步骤摘要】
本申请涉及智能驾驶，尤其涉及一种停车位检测方法、装置、终端设备以及存储介质。
技术介绍
1、在智能驾驶的停车位检测领域检测停车位的方法有利用声波测距以及测距值的跳变的超声感知方法，现有的超声感知方案，有基于深度学习的，有基于传统规则的，各有利弊。基于深度学习的算法，准确率高，但研发的人工成本以及时间成本很高，而且深度学习的神经网络需要硬件加速。而基于传统规则的算法研发人工成本与时间成本较小，不需要考虑硬件加速，但感知效果不如深度学习。
2、因此，有必要提出一种能提高停车位检测感知准确性并降低研发成本的方案。
技术实现思路
1、本申请的主要目的在于提供一种停车位检测方法、装置、终端设备以及存储介质，旨在实现提高停车位检测感知准确性并降低研发成本。
2、为实现上述目的，本申请提供一种停车位检测方法，所述停车位检测方法包括以下步骤：
3、获取雷达数据和航迹推算数据；
4、对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征；
5、若所述雷达数据符合停车位特征，则根据所述雷达数据和所述航迹推算数据检测停车位。
6、可选地，所述对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征的步骤，包括：
7、对所述雷达数据进行跳变沿检测，得到跳变沿检测结果；
8、基于所述跳变沿检测结果，对所述雷达数据
9、根据所述聚类信息确定所述雷达数据是否符合停车位特征。
10、可选地，所述对所述雷达数据进行跳变沿检测，得到跳变沿检测结果的步骤，包括：
11、对所述雷达数据进行单个跳变沿检测，得到单个跳变沿检测结果；和/或
12、对所述雷达数据进行双跳变沿检测，得到双跳变沿检测结果。
13、可选地，所述基于所述跳变沿检测结果，对所述雷达数据进行聚类，得到聚类信息的步骤，包括：
14、基于所述单个跳变沿检测结果，对所述雷达数据进行聚类，得到单个跳变沿聚类信息；或
15、基于所述双跳变沿检测结果，对所述雷达数据进行聚类，得到双跳变沿聚类信息。
16、可选地，所述根据所述聚类信息确定所述雷达数据是否符合停车位特征的步骤，包括：
17、判断所述单个跳变沿聚类信息是否满足预设的单个跳变沿聚类阈值要求；
18、若所述单个跳变沿聚类信息满足所述单个跳变沿聚类阈值，则判定所述雷达数据符合停车位特征；
19、若所述单个跳变沿聚类信息不满足所述单个跳变沿聚类阈值，则根据预先获取的车头拟合数据进行障碍物分析，确定障碍物类型；
20、若所述障碍物为车头，则判定所述雷达数据符合停车位特征；或
21、判断所述双跳变沿聚类信息是否满足预设的双跳变沿聚类阈值要求；
22、若所述双跳变沿聚类信息满足所述双跳变沿聚类阈值，则判定所述雷达数据符合停车位特征；
23、若所述双跳变沿聚类信息不满足所述双跳变沿聚类阈值，则根据预先获取的车头拟合数据进行障碍物分析，确定障碍物类型；
24、若所述障碍物为车头，则判定所述雷达数据符合停车位特征。
25、可选地，所述若所述雷达数据符合停车位特征，则根据所述雷达数据和所述航迹推算数据检测停车位的步骤，包括：
26、获取预设帧数的雷达数据及其对应的跳变沿检测结果；
27、判断所述预设帧数的雷达数据及其对应的跳变沿检测结果是否符合预设的跳变沿要求；
28、若所述预设帧数的雷达数据及其对应的跳变沿检测结果符合所述跳变沿要求，则根据所述航迹推算数据得到停车位的宽度与深度；
29、根据所述宽度与所述深度，确定停车位位置信息。
30、可选地，所述判断所述预设帧数的雷达数据及其对应的跳变沿检测结果是否符合预设的跳变沿要求的步骤之后，还包括：
31、若所述预设帧数的雷达数据及其对应的跳变沿检测结果不符合所述跳变沿要求，则根据所述航迹推算数据得到起始位置、车辆长度和车辆宽度；
32、根据所述起始位置、所述车辆长度和所述车辆宽度，计算出停车位位置信息。
33、本申请实施例还提出一种停车位检测装置，所述停车位检测装置包括：
34、获取模块，用于获取雷达数据和航迹推算数据；
35、雷达数据处理模块，用于对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征；
36、停车位检测模块，用于若所述雷达数据符合停车位特征，则根据所述雷达数据和所述航迹推算数据检测停车位。
37、本申请实施例还提出一种终端设备，所述终端设备包括存储器、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停车位检测程序，所述停车位检测程序被所述处理器执行时实现如上所述的停车位检测方法的步骤。
38、本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有停车位检测程序，所述停车位检测程序被处理器执行时实现如上所述的停车位检测方法的步骤。
39、本申请实施例提出的停车位检测方法、装置、终端设备以及存储介质，通过获取雷达数据和航迹推算数据；对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征；若所述雷达数据符合停车位特征，则根据所述雷达数据和所述航迹推算数据检测停车位。利用雷达数据和航迹推算数据进行停车位检测可以更全面地了解车辆的行为和环境情况。跳变沿检测可以捕获雷达数据中的跳跃变化，而聚类分析可以雷达数据进行分组，以便更好地理解雷达数据的结构和特征，从而快速筛选出可能的停车位区域，减少了后续计算和判断的范围，提高了检测效率，实现对停车位的准确定位和判别，并降低了的停车位检测算法的研发成本。
本文档来自技高网...【技术保护点】
1.一种停车位检测方法，其特征在于，所述停车位检测方法包括：
2.根据权利要求1所述的停车位检测方法，其特征在于，所述对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征的步骤，包括：
3.根据权利要求2所述的停车位检测方法，其特征在于，所述对所述雷达数据进行跳变沿检测，得到跳变沿检测结果的步骤，包括：
4.根据权利要求3所述的停车位检测方法，其特征在于，所述基于所述跳变沿检测结果，对所述雷达数据进行聚类，得到聚类信息的步骤，包括：
5.根据权利要求4所述的停车位检测方法，其特征在于，所述根据所述聚类信息确定所述雷达数据是否符合停车位特征的步骤，包括：
6.根据权利要求2所述的停车位检测方法，其特征在于，所述若所述雷达数据符合停车位特征，则根据所述雷达数据和所述航迹推算数据检测停车位的步骤，包括：
7.根据权利要求6所述的停车位检测方法，其特征在于，所述判断所述预设帧数的雷达数据及其对应的跳变沿检测结果是否符合预设的跳变沿要求的步骤之后，还包括：
<...【技术特征摘要】
1.一种停车位检测方法，其特征在于，所述停车位检测方法包括：
2.根据权利要求1所述的停车位检测方法，其特征在于，所述对所述雷达数据进行跳变沿检测和聚类分析，得到分析结果，并根据所述分析结果确定所述雷达数据是否符合停车位特征的步骤，包括：
3.根据权利要求2所述的停车位检测方法，其特征在于，所述对所述雷达数据进行跳变沿检测，得到跳变沿检测结果的步骤，包括：
4.根据权利要求3所述的停车位检测方法，其特征在于，所述基于所述跳变沿检测结果，对所述雷达数据进行聚类，得到聚类信息的步骤，包括：
5.根据权利要求4所述的停车位检测方法，其特征在于，所述根据所述聚类信息确定所述雷达数据是否符合停车位特征的步骤，包括：
6.根据权利要求2所述的停车位检测方法，其特征在于，所述若所述雷...
【专利技术属性】
技术研发人员：张化涛，钱慧佳，刘博，
申请(专利权)人：浙江吉利控股集团有限公司，
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。