[发明专利]基于鱼眼相机的车位信息生成方法、装置、设备和介质

说明书

本公开的实施例公开了基于鱼眼相机的车位信息生成方法、装置、设备和介质。该方法的一具体实施方式包括：获取目标车位鱼眼图像；将目标车位鱼眼图像输入至预先训练的车位检测模型包括的骨干网络层，得到多尺度特征图集合；将多尺度特征图集合输入至特征融合层，得到多尺度融合特征图集合；将多尺度融合特征图集合输入至检测头层，得到车位检测信息集合；根据车位检测信息集合，生成车位拓扑结构信息集合；根据车位拓扑结构信息集合，生成车位信息集合。该实施方式提高了提取的车位信息的完整度，从而提高了生成的车位信息的准确率，进而减少了引发的停车事故的数量和提高了车辆停车时的安全性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及基于鱼眼相机的车位信息生成方法、装置、设备和介质。

背景技术

随着计算机技术和自动驾驶技术的发展，自动车位检测和自动泊车技术日渐成熟。目前，在生成车位信息时，通常采用的方式为：采用通用车位检测模型（例如YOLOV5）对车位图片信息进行检测，得到车位检测结果，以对车辆进行泊车。

然而，发明人发现，当采用上述方式生成车位信息时，经常会存在如下技术问题：

第一，在生成车位信息的过程中，未对车位图片进行多尺度的特征提取和多尺度的特征融合。导致车位图像中的车位较大或较小时提取的车位信息的完整度较低。从而导致生成的车位信息的准确率较低，进而导致引发的停车事故数量较多，车辆停车时的安全性较低。

第二，在生成车位信息的过程中，未对预测的车位进行车位类型细分和车位区域条件判断，以及未基于判断的结果进行相关车位信息的筛选，导致生成的车位信息的准确率较低，进而导致引发的停车事故数量较多，车辆停车时的安全性较低。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了基于鱼眼相机的车位信息生成方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种基于鱼眼相机的车位信息生成方法，该方法包括：获取目标车位鱼眼图像，其中，上述目标车位鱼眼图像是装载在目标车辆上的鱼眼相机拍摄的车位图像；将上述目标车位鱼眼图像输入至预先训练的车位检测模型包括的骨干网络层，得到多尺度特征图集合，其中，上述车位检测模型还包括特征融合层和检测头层；将上述多尺度特征图集合输入至上述特征融合层，得到多尺度融合特征图集合；将上述多尺度融合特征图集合输入至上述检测头层，得到车位检测信息集合；根据上述车位检测信息集合，生成车位拓扑结构信息集合；根据上述车位拓扑结构信息集合，生成车位信息集合。

第二方面，本公开的一些实施例提供了一种基于鱼眼相机的车位信息生成装置，装置包括：获取单元，被配置成获取目标车位鱼眼图像，其中，上述目标车位鱼眼图像是装载在目标车辆上的鱼眼相机拍摄的车位图像；第一输入单元，被配置成将上述目标车位鱼眼图像输入至预先训练的车位检测模型包括的骨干网络层，得到多尺度特征图集合，其中，上述车位检测模型还包括特征融合层和检测头层；第二输入单元，被配置成将上述多尺度特征图集合输入至上述特征融合层，得到多尺度融合特征图集合；第三输入单元，被配置成将上述多尺度融合特征图集合输入至上述检测头层，得到车位检测信息集合；第一生成单元，被配置成根据上述车位检测信息集合，生成车位拓扑结构信息集合；第二生成单元，被配置成根据上述车位拓扑结构信息集合，生成车位信息集合。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。