[发明专利]识别停车位的方法和停车辅助系统

权利要求书

1.一种识别停车位的方法，包括以下步骤：

获取车辆移动时含有障碍物的连续图像帧并将含有所述障碍物的连续图像帧转变成鸟瞰图像；

从所述连续图像帧中辨识障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法产生所述障碍物边缘点，对所述障碍物边缘点合并和去噪后生成所述障碍物的第一边界；

利用至少一个超声波传感器检测所述车辆与所述障碍物之间的至少一个距离；

根据所述车辆与所述障碍物之间的至少一个距离，生成所述障碍物的第二边界；

调整所述第一边界与所述第二边界以界定所述障碍物的周边；

根据所述障碍物的周边来识别停车位。

2.根据权利要求1所述的识别停车位的方法，其特征在于，所述障碍物是相邻车辆。

3.根据权利要求1所述的识别停车位的方法，其特征在于，还包括：

生成所述车辆的停车轨迹。

4.根据权利要求3所述识别停车位的方法，其特征在于，还包括：

根据所述停车轨迹将所述车辆开到所述停车位。

5.根据权利要求1所述的识别停车位的方法，其特征在于，所述停车位包括可辨识的特性。

6.根据权利要求3所述的识别停车位的方法，其特征在于，所述停车轨迹包括所述停车位的轮廓和从所述车辆当前位置到所述停车位的路径。

7.根据权利要求4所述的识别停车位的方法，其特征在于，还包括：

将所述车辆从所述停车位沿着所述停车轨迹开到指定地点。

8.根据权利要求2所述的识别停车位的方法，其特征在于，还包括：

显示所述车辆的俯视图和/或相邻车辆的俯视图。

9.一种停车辅助系统，包括：

图像捕获模块，用于获取车辆移动时含有障碍物的连续图像帧并将含有所述障碍物的连续图像帧转变成鸟瞰图像；

辨识模块，用于从所述连续图像帧中辨识障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法产生所述障碍物边缘点，对所述障碍物边缘点合并和去噪后生成所述障碍物的第一边界；

至少一个超声波传感器，用于检测所述车辆与所述障碍物之间的至少一个距离；

距离修改模块，用于根据所述车辆与所述障碍物之间的至少一个距离，生成所述障碍物的第二边界；

周边界定模块，用于调整所述第一边界与所述第二边界以界定所述障碍物的周边；

停车位识别模块，用于根据所述障碍物的周边来识别停车位。

10.根据权利要求9所述的停车辅助系统，其特征在于，所述障碍物是相邻车辆。

11.根据权利要求9所述的停车辅助系统，其特征在于，还包括停车轨迹模块，用于生成所述车辆的停车轨迹。

12.根据权利要求11所述的停车辅助系统，其特征在于，还包括停车控制装置，根据所述停车轨迹将所述车辆开到所述停车位。

13.根据权利要求9所述的停车辅助系统，其特征在于，所述停车位包括可辨识的特性。

14.根据权利要求11所述的停车辅助系统，其特征在于，所述停车轨迹包括所述停车位的轮廓和从所述车辆当前位置到所述停车位的路径。

15.根据权利要求12所述的停车辅助系统，其特征在于，所述停车控制装置，还用于将所述车辆从所述停车位沿着所述停车轨迹开到指定地点。

16.根据权利要求10所述的停车辅助系统，其特征在于，还包括显示器，用于显示所述车辆的俯视图和/或相邻车辆的俯视图。