[发明专利]一种基于车位关键点实例检测的车位检测方法

说明书

本发明公开了一种基于车位关键点实例检测的车位检测方法，涉及车位检测领域，针对现有的部分车位检测很容易受到边缘完整性、光线亮暗、其他物体的干扰，导致车位检测失败，存在准确性差的问题，现提出如下方案，其包括一种基于车位关键点实例检测的车位检测方法，包括以下步骤：S1，先根据车位中心点顺时针对车位的四个点进行标记，并对四个点分别进行标注；S2，通过计算获取车位边线角度；S3，建立车位检测模型。本发明结构新颖，且相对于基于语义分割的标注方法本方法标注更为精简高效，受到外界因素影响小，车位检测成功率高，且可以通过顶点的位置快速计算出车位的入口位置和角度，减少车位后处理的难度，使车位后处理更为简单。

技术领域

本发明涉及车位检测领域，尤其涉及一种基于车位关键点实例检测的车位检测方法。

背景技术

随着车辆智能化程度的发展，人们对于车辆自动泊车功能的需求越来越普遍和旺盛，作为泊车功能的重要组成部分，如何高效准确的检测到车位成为整个泊车功能关键；

目前主流的视觉车位检测算法主要分为基于图像纹理传统算法和基于深度学习的车位检测方法，基于图像纹理的车位检测算法，主要通过提取图像中边缘通过车位边线之间垂直和平行等几何约束来完成车位检测工作，但传统算法一般是基于浅层的边缘或者角点信息作为车位检测的基础，很容易受到边缘完整性、光线亮暗、其他物体的干扰，导致车位检测失败，同时基于深度学习大多基于语义分割及车位顶点检测，然后通过后处理完成车位的组装，后处理往往比较复杂，开发难度较高且会提高cpu占用率提高，因此，为了解决此类问题，我们提出了一种基于车位关键点实例检测的车位检测方法。

发明内容

本发明提出的一种基于车位关键点实例检测的车位检测方法，解决了现有的部分车位检测很容易受到边缘完整性、光线亮暗、其他物体的干扰，导致车位检测失败，存在准确性差的问题。

为了实现上述目的，本发明采用了如下技术方案：

一种基于车位关键点实例检测的车位检测方法，包括以下步骤：

S1，先根据车位中心点顺时针对车位的四个点进行标记，并对四个点分别进行标注；

S2，通过计算获取车位边线角度；

S3，建立车位检测模型；

S4，对车位环视图进行拼接；

S5，对车位关键点heatmap检测；

S6，对车位中心点的检测；

S7，对车位信息进行回归，完成车位检测。

优选的，所述S1中的车位标注，标注内容为corner1、corner2、corner3、corner4，且每次标注都要确保corner2、corner3在入口侧。

优选的，所述S2中的车位边线角度通过计算获取corner1、corner2组成的边线的角度和corner3、corner4点组成的另一条边线的角度，取平均得出车位的角度。

优选的，所述S3中车位检测模型由input、backbone、upsample、heads组成。

优选的，所述bacbone采用mobilenet_v2作为特征提取网络提高网络的推导速度，upsample网络为三层反卷积层，heads由四个分支组成。

优选的，所述heads的四个分支分别为：Park classification分支完成车位中心点heatmap检测，Keypoints regression分支完成车位顶点的回归，Keypointsclassification完成车位关键点heatmap检测，Keypoints offset regression对Keypoints classification位置进行车位关键点回归。

优选的，所述车位顶点的回归和车位关键点回归损失函数的计算公式为：