[发明专利]车位检测方法、装置、电子设备及存储介质

说明书

本发明公开了一种车位检测方法、装置、电子设备及存储介质，所述方法包括：获取目标车辆的周围环境的环视图像；将所述环视图像输入预先训练的神经网络模型，得到所述环视图像中车位对应的属性热图；对所述属性热图进行处理，并基于处理的结果确定所述周围环境中的车位检测结果。本发明由于将所述环视图像输入预先训练的神经网络模型，得到所述环视图像中车位对应的属性热图，并基于对属性热图进行处理的结果确定所述周围环境中的车位检测结果，相比于相关技术中直接向神经网络模型输入环视图像的方案，可以实现基于环视图像的热图特征提高停车位检测的准确度，并且可以降低对神经网络模型的训练要求，提高停车位检测的效率。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种车位检测方法、装置、电子设备及存储介质。

背景技术

相关技术中可以基于深度学习的方式实现停车位的检测，例如可以采集车辆周围环境的图像，并将该图像直接输入训练好的神经网络模型中进行车位检测。

然而，上述技术方案中由于是直接向训练好的神经网络模型中输入获取的图像，这对神经网络模型的训练要求很高，否则会影响车位检测的准确度和检测效率。

发明内容

有鉴于此，本发明提出一种车位检测方法、装置、电子设备及存储介质以解决上述技术问题。

为了达到上述目的，本发明所采用的技术方案为：

根据本发明实施例的第一方面，提出了一种车位检测方法，包括：

获取目标车辆的周围环境的环视图像；

将所述环视图像输入预先训练的神经网络模型，得到所述环视图像中车位对应的属性热图；

对所述属性热图进行处理，并基于处理的结果确定所述周围环境中的车位检测结果。

在一实施例中，所述获取目标车辆的周围环境的环视图像，包括：

采集所述目标车辆的各个设定方向的环境图像；

对所述各个设定方向的环境图像进行拼接处理，得到所述目标车辆的周围环境的环视图像。

在一实施例中，所述对所述属性热图进行处理，并基于处理的结果确定所述周围环境中的车位检测结果，包括：

提取所述属性热图中的车位属性，以及基于所述车位属性确定所述周围环境中的车位检测结果，其中，所述车位属性包括以下至少一种：

停车位内圈的可见停车区域；

停车位内圈的边框；

停车位内圈的四个顶点；

停车位的中心点。

在一实施例中，所述方法还包括预先基于以下步骤训练所述深度网络模型：

获取车辆周围环境的样本环视图像；

确定所述样本环视图像中车位对应的属性热图；

将所述样本环视图像和所述属性热图输入至目标卷积神经网络进行训练，得到训练后的神经网络模型。

在一实施例中，所述确定所述样本环视图像中车位对应的属性热图，包括：

标记所述样本环视图像中停车位的内角点；

采用设定类型的文档保存所述内角点的坐标；

基于所述坐标确定所述属性热图。

在一实施例中，所述对所述属性热图进行处理，并基于处理的结果确定所述周围环境中的车位检测结果，包括：