[发明专利]自动泊车方法、系统、计算机可读存储介质及车机端

权利要求书

1.一种自动泊车方法，其特征在于，包括：

获取实时泊车环视图像数据，并于所述泊车环视图像数据中提取未占用车位，以形成车位待检测图像数据；

于所述车位待检测图像数据中提取车位轮廓的点云数据，并判断该车位轮廓的区域内是否存在障碍物；若是，则过滤掉存在障碍物的车位；若否，则表示该车位为可泊入车位；

控制车辆泊入所述可泊入车位内。

2.根据权利要求1所述的自动泊车方法，其特征在于，于所述泊车环视图像数据中提取未占用车位，并形成车位待检测图像数据的步骤包括：

利用预存目标检测模型于所述泊车环视图像数据中检测出包含车位的图像数据；

利用预存分类模型，于所述包含车位的图像数据中识别出占位的车辆，以判断所述车位图像数据中车位是否为已占用车位，若是，则剔除已占用车位；若否，则提取未占用车位；其中，所述未占用车位为立体车位。

3.根据权利要求1或2所述的自动泊车方法，其特征在于，于所述泊车环视图像数据中提取未占用，并形成车位待检测图像数据的步骤还包括：

从车位待检测图像数据中标注出立体车位于图像中的四个顶点坐标，以形成车位待检测图像数据；其中，车位待检测图像数据包括四个顶点坐标连接而成的矩形为每帧图像中车位的最大外接矩形。

4.根据权利要求1所述的自动泊车方法，其特征在于，于所述车位待检测图像数据中提取车位轮廓的点云数据的步骤包括：

于所述车位待检测图像数据中提取车位轮廓的点云数据，对所述点云数据进行云聚类和拟合，以形成立体车位的轮廓。

5.根据权利要求4所述的自动泊车方法，其特征在于，对所述点云数据进行云聚类和拟合，形成立体车位的轮廓的步骤包括：

在所有点云数据中，随机选取一点云，以该点云为中心，以预设半径阈值进行聚类；

循环聚类步骤，待遍历完所有点云后，形成多组聚类点云；

于所述多组聚类点云中选取聚类的点云数据最多的三组聚类点云，将这三组聚类点云定义为待处理聚类点云；其中，三组聚类点云中一组聚类点云为最接近道路的聚类点云；

从待处理聚类点云中分别随机选取两个点云进行拟合直线；

利用所述待处理聚类点云中剩余的点云对所拟合的直线进行评价，选取评价指标最小的直线定义为所述待处理聚类点云的拟合直线；

将被定义的拟合直线作为立体车位的两条侧向车位线及一条正向车位线，以形成车位的轮廓。

6.根据权利要求5所述的自动泊车方法，其特征在于，利用所述待处理聚类点云中剩余的点云对所拟合的直线进行评价，选取评价指标最小的直线定义为所述待处理聚类点云的拟合直线的步骤包括：

计算剩余的点云与随机选取两个点云所拟合的直线之间的距离；

计算的所有距离的平均值，将平均值作为直线的评价指标；

选取评价指标最小的直线作为所述待处理聚类点云的拟合直线。

7.根据权利要求4或5所述的自动泊车方法，其特征在于，判断该车位轮廓的区域内是否存在障碍物的步骤包括：

利用查找到的点云于立体车位的轮廓内进行检测，以判断出该车位轮廓的区域内是否存在障碍物。

8.根据权利要求5所述的自动泊车方法，其特征在于，待形成立体车位的轮廓后，所述自动泊车方法还包括计算立体车位的侧向车位线/正向车位线与立体车位表平面的高度差；

计算立体车位的侧向车位线/正向车位线与立体车位表平面的高度差的步骤包括：

提取组成侧向车位线的点云的高度；

按照预设比例提取高度最高的点云，并计算最高的高度平均值，作为侧向车位线的线棱上沿的高度；

按照预设比例提取高度最低的点云，并计算最低的高度平均值，作为立体车位表平面的高度；

侧向车位线的线棱上沿的高度与立体车位表平面的高度相减，以获取立体车位的侧向车位线与立体车位表平面的高度差；

提取组成正向车位线的点云的高度；

按照预设比例提取高度最高的点云，并计算最高的高度平均值，作为正向车位线的与立体车位表平面的高度。