一种基于深度学习和数据增强的车位检测方法及系统技术方案

本发明专利技术属于车辆自动驾驶技术领域，公开了一种基于深度学习和数据增强的车位检测方法及系统，包括：鱼眼摄像头感知车辆周围信息，拍摄画面经环视监视器处理生成拼接后的鸟瞰图；基于生成对抗算法，对数据集进行数据增强，改善图像的质量和多样性；进行车位检测算法改进；通过模型压缩和量化等技术，进一步减小模型体积和大小；进行高精度实时车位检测。本发明专利技术使用视觉传感器等低成本传感器感知驾驶环境，将感知车位，检测，识别，量化压缩等集成到一个上层计算单元中实现，可实现高精度、实时检测车位的相关功能，极大地减少了自动驾驶检测车位系统的运算量、耗时和减低了系统功耗，适用于结构特征鲜明、复杂环境下的停车场景或类似场景。

【技术实现步骤摘要】

本专利技术属于车辆自动驾驶，尤其涉及一种基于深度学习和数据增强的车位检测方法及系统。

技术介绍

1、无人驾驶已经成为新时代汽车发展的大趋势，其中自动泊车技术是新时代汽车的关键技术之一。近几年，随着激光雷达、摄像头、毫米波雷达等传感器技术的成熟，泊车辅助系统已经得到广泛应用，并为自动泊车系统发展提供了基础。自动泊车技术作为解决停车问题的最后一步，引起了众多学者的研究兴趣。在自动泊车系统开发中，有效的停车位检测是需要解决关键问题之一。

2、通过上述分析，现有技术存在的问题及缺陷为：

3、(1)基于传感器测距检测的思想，pohl等人设计了一种半自动停车辅助系统，他们试图利用车辆内置传感器和额外组件。超声波传感器连续检测车辆与周围的距离，检测是否有可用停车位。但由于车辆的转角不是规则的直角，根据声波反射的特性。在测量过程中，超声传感器在车辆转角处存在较大误差。然后pelaez等人探索了一种通过处理三维飞行时间(tof)相机获取数据并重建车辆周围物体的方法来辅助驾驶员停车。该方法解决了在明亮环境光(主要发生在室外停车场)下性能下降，导致图像出本文档来自技高网...

【技术保护点】

1.一种基于深度学习和数据增强的车位检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习和数据增强的车位检测方法，其特征在于，所述步骤一，鱼眼相机主要分布在车身的前、后、左、右四个方位来获取车辆周围信息，先先针环视相机系统的特点采用联合标定的方式标定摄像头消除畸变。然后对消除畸变的图像求出投射矩阵来进行角度变换。最后对前、后、左、右四路变换后的图像采用基于角度的加权融合算法，优化生成全景环视图，建立了全景视觉图像辅助系统处理，生成一个拼接后的鸟瞰图，车位检测在全景照片上进行。

3.根据权利要求1所述的基于深度学习和数据增强的车位检测方法，其特征在于，...

【技术特征摘要】

1.一种基于深度学习和数据增强的车位检测方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习和数据增强的车位检测方法，其特征在于，所述步骤一，鱼眼相机主要分布在车身的前、后、左、右四个方位来获取车辆周围信息，先先针环视相机系统的特点采用联合标定的方式标定摄像头消除畸变。然后对消除畸变的图像求出投射矩阵来进行角度变换。最后对前、后、左、右四路变换后的图像采用基于角度的加权融合算法，优化生成全景环视图，建立了全景视觉图像辅助系统处理，生成一个拼接后的鸟瞰图，车位检测在全景照片上进行。

3.根据权利要求1所述的基于深度学习和数据增强的车位检测方法，其特征在于，所述步骤二，引入了基于gan的数据增强方法，通过生成对抗网络改善了车位图像的质量和多样性，既增加数据样本的数量，又增加了真实且贴近现实的复杂环境的样本数据，上述数据处理部分在软件上实现，整个算法在硬件服务器上实现。

4.根据权利要求1所述的基于深度学习和数据增强的车位检测方法，其特征在于，所述步骤三，车位检测算法改进，通过神经网络思想，主要以paddlepaddle框架为主，以pp-yoloe为基础，针对停车位数据的特点，将主干网络中将resspp替换为ressimsppf模块，在颈端引入了simsppf结构，并将cbs基本结构中的silu替换为relu，最后在预测端加入了辅助检测头，来实现高精度和实时性的检测...

【专利技术属性】
技术研发人员：龚家元，任文博，朱政泽，毕栋，陈安庆，兰建平，邓召文，吕成志，
申请(专利权)人：湖北汽车工业学院，
类型：发明
国别省市：