[发明专利]一种基于车位特征的完整车位推断方法

说明书

本发明涉及一种基于车位特征的完整车位推断方法，包括步骤1：获取车辆周围的全景图像并将全景图像输入特征检测器；步骤2：依据车位入口线边界框中近端车位标志点个数对入口线与近端车位标志点配对；步骤3：根据车位入口线类型和配对的近端车位标志点之间的距离，确定车位类型；步骤4：生成分别位于车辆的相对两侧的两组远端车位标志点；步骤5：计算两个车位与车辆的交并比，确定实际车位的远端车位标志点坐标；步骤6：根据车位的近端标志点和远端标志点对车位进行定位，获取完整车位。本发明只需要检测器检测出车位入口线和标志点，就可以通过简单的计算推断出完整车位。该方法精度高，计算量小。

技术领域

本发明涉及汽车车位识别技术领域，具体地，涉及一种基于车位特征的完整车位推断方法。

背景技术

自动泊车技术是指汽车智能识别出可利用的车位后，汽车控制系统计算出车辆进入泊位的运动轨迹，然后车辆控制单元不断调整汽车的行驶角度、速度，使车辆可以沿着设定的轨迹行驶，进入停车泊位。车辆泊车过程不需要驾驶人员参与，提升驾驶人员的驾驶感。随着汽车行业的发展，对自动泊车技术应用的安全性和准确性要求不断提高，使得对车位识别的精度要求更高，为了提高车位识别的准确率，采用了多种技术手段。如现有的一种基于图像的停车位识别方法，采用卷积神经网络技术提取停车位的角点坐标、停车位分隔线方向和停车位入库线中点坐标作为停车位特征，并通过上述特征推理出停车位，实现了检测车位特征的功能。该方案通过采集数以万计的环视图像训练神经网络模型，卷积神经网络技术相比传统图像处理技术，提高了停车位检测的识别准确率。但是该方案并没有对车位的形状进行一个完整的推断，仅识别车位的入口，对车位的形状没有预估。

发明内容

本发明为解决上述技术方案中没有对车位的形状进行一个完整的推断的问题，提供了一种基于车位特征的完整车位推断方法。本方案中的方法在识别车位入口的基础上还可以准确的推断出车位的完整形状。

本发明采用的技术方案是：一种基于车位特征的完整车位推断方法，包括如下步骤：

步骤1：获取车辆周围的全景图像并将全景图像输入特征检测器，特征检测器框选获取全景图像中的车位特征，车位特征包括入口线和车位上的标志点，并在标志点中识别车位上靠近车辆的角点，该角点为近端车位标志点；

步骤2：特征检测器依据车位入口线边界框中出现的近端车位标志点个数，进行入口线与近端车位标志点的配对，完成车位的识别并确定车位入口线类型；

步骤3：根据步骤2中得到的车位入口线类型和配对的近端车位标志点之间的距离，确定车位类型；

步骤4：根据步骤3确定的车位类型生成车位上远离车辆一端的角点，该角点为远端车位标志点，远端车位标志点有两组，分别位于车辆的相对两侧；

步骤5：计算步骤4中两组远端车位标志点与近端车位标志点形成的两个车位与车辆的交并比，确定实际车位的远端车位标志点坐标；

步骤6：根据车位的两个近端标志点和两个远端标志点对车位进行定位，获取完整车位。

本发明基于车位的特征信息，提出了一种完整车位的推断方法。只需要检测器检测出车位入口线和标志点，就可以通过简单的计算推断出完整车位。该方法不仅精度高，计算量小，解决了较多情况下的车位识别问题，可以应用于更为广泛的场景，且不依赖于相邻车辆或额外通信设备的信息，鲁棒性极强。

优选的，在步骤1中通过汽车上的全景摄像头获取汽车周围景象，然后通过图像处理单元将全景摄像头的景象进行处理，获得汽车周围全景图像。汽车的全景摄像头的核心在于在车头、车侧增加了多个摄像头，然后通过图像处理单元将多个摄像头的景象进行拼接、变形处理，进而达到汽车四周360°视角的全景融合。

优选的，在步骤2中，入口线边界框中近端车位标志点的个数匹配包括如下情况：

(1)若入口线边界框中包含两个近端车位标志点和，则和是成对的近端车位标志点，直接配对；