基于视觉模型SAM的停车区域检测方法及装置制造方法及图纸

本发明专利技术提出一种基于视觉模型SAM的停车区域检测方法，包括：通过视觉模型SAM将车辆周边的俯视环视图像分割为具有多个掩码的分割结果；对该分割结果进行过滤，筛选出包含停车区域信息的有效掩码；使用预定义规则获取该有效掩码中的标记点，根据该标记点获取该停车区域信息。本发明专利技术还提出一种基于视觉模型SAM的停车区域检测装置，以及一种计算机可读存储介质和一种电子设备。本发明专利技术的停车区域检测方法，通过利用SAM模型的强大零样本迁移能力，在多样化的环境和复杂的背景条件下，对环视图像进行智能分析与处理，无需特定的停车区域标注数据和额外的训练数据，即可实现对停车区域的有效检测与定位，适用于自动驾驶系统中的泊车辅助功能。

【技术实现步骤摘要】

本专利技术属于自动驾驶环境感知领域，具体涉及一种利用大型视觉模型(sam)实现零样本停车区域检测的方法及装置。

技术介绍

1、近年来，利用传统计算机视觉技术进行停车区域检测的方法经历了广泛的研究。这些方法可以分为基于线条的方法和基于角点的方法。在基于线条的方法中，首先使用各种边缘检测算法在环视图像中检测停车线，然后使用线检测算法预测线条参数以拟合线条，接着利用手动制定的几何约束来推断停车区域。类似地，基于角点的方法首先通过harris角点检测器在环视图像中识别角点，然后使用模板匹配技术进行停车区域定位。虽然这些传统方法经常能够产生有效的结果，但它们对环境变化敏感，不太适合复杂和多变的真实世界环境。

2、随着深度学习技术在图像识别、图像分割和目标检测等计算机视觉任务中取得显著进展，基于深度卷积神经网络(cnn)的停车区域检测方法展现出了高准确率，成为自动驾驶感知系统中的首选方法。这些基于深度学习的方法主要分为两种类型：一种是两阶段过程，首先通过cnn检测标记点，然后使用人工设计的几何约束进行后处理以预测停车区域；另一种是端到端方法，使用模型整合特本文档来自技高网...

【技术保护点】

1.一种基于视觉模型SAM的停车区域检测方法，其特征在于，包括：

2.如权利要求1所述的停车区域检测方法，其特征在于，使用多掩码过滤器对该分割结果进行过滤，以获得该有效掩码；

3.如权利要求2所述的停车区域检测方法，其特征在于，获取该有效掩码的边缘，并将该边缘变换为直线，以该直线之间的相交关系与对称性，提取该标记点；根据该标记点的几何规则匹配关系，获取该停车区域的位置和形状。

4.如权利要求1所述的停车区域检测方法，其特征在于，该视觉模型SAM的掩码解码器将该俯视环视图像划分为均匀间隔的网格，根据该网格内的所有点位提示，将该俯视环视图像的嵌入和输出标记...

【技术特征摘要】

1.一种基于视觉模型sam的停车区域检测方法，其特征在于，包括：

2.如权利要求1所述的停车区域检测方法，其特征在于，使用多掩码过滤器对该分割结果进行过滤，以获得该有效掩码；

3.如权利要求2所述的停车区域检测方法，其特征在于，获取该有效掩码的边缘，并将该边缘变换为直线，以该直线之间的相交关系与对称性，提取该标记点；根据该标记点的几何规则匹配关系，获取该停车区域的位置和形状。

4.如权利要求1所述的停车区域检测方法，其特征在于，该视觉模型sam的掩码解码器将该俯视环视图像划分为均匀间隔的网格，根据该网格内的所有点位提示，将该俯视环视图像的嵌入和输出标记映射成掩码，生成对该俯视环视图像的分割结果。

5.一种基于视觉模型sam的停车区域检测装置，其特征在于，包括：

6.如权利...

【专利技术属性】
技术研发人员：梅继林，翟恒，胡瑜，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：