CN104916163B - 泊车位检测方法 - Google Patents

Abstract

本发明公开了一种泊车位检测方法，包括：采集行驶车辆侧边的双目图像，图像采集的光轴方向与行驶方向垂直，且与车辆底面平行；检测出双目图像中所包含的特征像素点及其分布，所述特征像素点用于表征泊车位画线或者车辆形状的特征；判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点，若是则提示检测到泊车位；根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位。本发明技术方案，可以在泊车位上车辆较少的情况下也能够检测到泊车位，并且检测的范围比较大。

Description

泊车位检测方法

技术领域

本发明涉及车载电子技术领域，特别是涉及一种泊车位检测方法。

背景技术

目前，大多数的停车场提供垂直泊车模式(图1A)和水平泊车模式(图1B)。在传统技术中，垂直泊车模式或水平泊车模式中的泊车位检测主要是通过超声波测距雷达测量行驶的车辆距离泊车位上障碍车的距离的变化，从而识别出障碍车辆之间的泊车位。

发明人在研究中发现，传统技术的缺陷在于超声波测距依赖于障碍车辆的存在，如果泊车位上很少有障碍车辆或者完全没有障碍车辆，该方法就会失效。并且，超声波雷达探测的范围通常比较小。

发明内容

基于此，有必要提供一种泊车位检测方法，应用本发明技术方案可以在泊车位上车辆较少的情况下也能够检测到泊车位，并且检测的范围比较大。

一种泊车位检测方法，包括：

采集行驶车辆侧边的双目图像，图像采集的光轴方向与行驶方向垂直，且与车辆底面平行；

检测出双目图像中所包含的特征像素点及其分布，所述特征像素点用于表征泊车位画线或者车辆形状的特征；

判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点，若是则提示检测到泊车位；

根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位。

在一个实施例中，在所述采集行驶车辆侧边的双目图像的步骤中，包括：

采用双目摄像头采集行驶车辆侧边的图像，其中两摄像头的光轴相互平行，两光轴之间距离固定且距车辆底面等高，两摄像头光心及成像面处于光轴上对应的位置，两摄像头成像视角相同；

在所述采集行驶车辆侧边的双目图像的步骤中，还包括：

当检测环境光强低于预定值，开启补光装置增强双目摄像头采集图像的环境光强。

在一个实施例中，所述检测出双目图像中所包含的特征像素点及其分布的步骤，包括：

采用canny算法对双目图像中两幅图像执行边缘检测，再利用hilditch算法进一步得到精细化的泊车位画线及车辆形状的轮廓线；

采用harris角点检测算法提取四种类型的折线角点，分为左上角点、右上角点、左下角点以及右下角点，并记录在两幅图像上的位置；

提取轮廓线中圆弧线对应的中心作为轮毂特征像素点，并记录在两幅图像上的位置。

在一个实施例中，所述判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点的步骤，包括：

在双目图像任一图像中，所有类型的折线角点均处于图像中心的下方，且存在一左上角点、一右上角点、一右下角点、一左下角点能沿顺时针连成梯形，则对应于一泊车位画线的所有特征像素点，并提示检测到泊车位。

在一个实施例中，所述根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位的步骤，包括：

识别双目图像中两幅图像所含有的每一障碍车，及每一障碍车所对应的全部特征像素点；

由任一障碍车的折线角点与轮毂特征像素点的位置关系，确定泊车模式为水平泊车模式或垂直泊车模式；

进行特征匹配，确定同一辆障碍车的在两幅图像中所对应的特征像素点，并获取两点的位置差；

基于双目立体视觉，由所述位置差确定障碍车辆的成像深度；

在一幅图像中获取两障碍车相邻的两特征像素点的像素距离，并结合所述成像深度计算两障碍车之间的间距；

若泊车模式为水平泊车模式，则将所述间距与第一阀值相比，若泊车模式为垂直泊车模式，则将所述间距与第二阀值相比，当所述间距不小于第一阀值或第二阀值，则提示两障碍车之间为泊车位。

上述泊车位检测方法，采集行驶车辆侧边的双目图像，检测出其中两幅图像中所包含的特征像素点，如果能够判断出其中含有对应于一个泊车位画线的几个特征像素点，就可以提示检测到泊车位，由此相比于传统技术，在停车场上无障碍车或者只有较少障碍车的情况下，通过识别泊车位画线就可以检测到泊车位，此外上述泊车位检测方法可以根据双目图像中的特征像素点及其分布，确定已经停泊的两障碍车之间的间距，若间距不小于预设阀值，则提示为泊车位，这种检测方法相比于传统技术中的超声波探测，改用图像识别的方法，一般可以检测较大的范围。

附图说明

图1A和图1B分别为垂直泊车模式和水平泊车模式的示意图；

图2为一个实施例中的泊车位检测方法的流程示意图；

图3A为一个实施例中采集双目图像的立体示意图；

图3B为一个实施例中采集双目图像的俯视视图；

图3C为一个实施例中采集双目图像的侧视视图；

图4A和图4B为一个实施例中障碍车轮廓线中的角点和轮毂特征像素点的示意图；

图4C为一个实施例中泊车位画线中的角点示意图；

图5A为一个实施例中同一辆障碍车的特征像素点处在两幅图像中不同位置的示意图；

图5B为一个实施例中基于双目视觉计算成像深度的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参见图1A和图1B，分别为垂直泊车模式和水平泊车模式的示意图。在本发明的后续实施例中，行驶车辆是指进入停车场后需要找寻泊车位的车辆，障碍车是指已经停靠在停车场泊车位上的车辆。当行驶车辆的在泊车前的行驶方向与泊车后的车辆前后方向相互垂直，则为垂直泊车模式，若相互平行，则为水平泊车模式。

参见图2，在一个实施例中提供了一种泊车位检测方法，包括：

步骤201，采集行驶车辆侧边的双目图像。

具体的，在实施例中，泊车模式可以是垂直泊车模式或水平泊车模式，图像采集的光轴方向与行驶方向垂直，且与车辆底面平行。在一个实施例中，采用双目摄像头采集行驶车辆侧边的图像，其中两摄像头的光轴相互平行，两光轴之间距离固定且距车辆底面等高，两摄像头光心及成像面处于光轴上对应的位置，两摄像头成像视角相同，具体参见图3A至图3C，以光轴方向建立z轴，成像平面为xy平面，左摄像头光轴z_l与右摄像头光轴z_r相互平行，且之间相距为b，左光心O_l与右光心O_r、左成像平面与右成像平面对应于z轴上相同的刻度，光轴距离车辆地面的距离为h，左右摄像头的成像视角为β，由此可见，在图3A中同一点A在两幅图像中对应点a_l(u_l,v_l)与a_r(u_r,v_r)，其y坐标是相同的，它们之间的位置差可以用x坐标来表示。

此外，可选的，在一个实施例中，当检测环境光强低于预定值，开启补光装置增强双目摄像头采集图像的环境光强。具体可以通过光感应传感器来检测光强，当处于夜晚等环境中时，就可以开启补光装置，例如LED灯来进行补光。

步骤202，检测出双目图像中所包含的特征像素点及其分布。

具体的，特征像素点用于表征泊车位画线或者车辆形状的特征。

在一个实施例中，本步骤具体包括下列(1)至(3)：

(1)采用canny算法对双目图像中两幅图像执行边缘检测，再利用hilditch算法进一步得到精细化的泊车位画线及车辆形状的轮廓线。具体的，采用双摄像头采集双目图像，可以对两幅图像预先进行相同的平滑滤波等处理。再经过边缘检测以及精细优化处理的两幅图像只含有轮廓线，而不含其中的纹理细节，其中精细化的泊车位画线及车辆形状的轮廓线(以水平泊车模式为例)可以参见图4A至图4C。

(2)采用harris角点检测算法提取四种类型的折线角点，分为左上角点、右上角点、左下角点以及右下角点，并记录在两幅图像上的位置。具体的，折线角点可视为折线轮廓线上弯折处的像素点，具体分为四种类型：左上角点右上角点左下角点“L”以及右下角点参见图4A中，一幅图像401中的A₁至A₈为有后备箱的车辆轮廓线中的折线角点。图4B中，图像402中的B₁至B₆为无后备箱的车辆轮廓线中的折线角点。图4C中，图像403中的C₁至C₄为泊车位画线中的折线角点。更为具体的，A₆、C₁为左上角点A₃、C₂为右上角点B₃、C₄为左下角点“L”，B₂、C₃为右下角点等等。这些折线角点可以对经过边缘检测的图像作二值化处理，再用十字形像素模板作与运算来快速获取。

(3)提取轮廓线中圆弧线对应的中心作为轮毂特征像素点，并记录在两幅图像上的位置。可参见图4A和图4B，障碍车辆的轮毂的轮廓线为圆形或者具有一些弧度(包括垂直泊车模式中，某些视角下的轮毂为圆弧)。采用模板匹配，提取这些弧度特征，并确定这些弧度对应的中心作为轮毂特征像素点，如A₉、A₁₀、B₇、B₈，并记录这些点在成像平面上的坐标位置。

步骤203，判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点，若是则提示检测到泊车位。

具体的，传统技术中，通过超声波测距，当距离值发生变化时，则可能检测到泊车位，由此可见，传统技术是依赖障碍车的存在。而本实施例中，在停车场上无障碍车或障碍车较少的情况下，是通过图像中泊车位划线对应的特征像素点来检测泊车位。可以参见图4C中的示意，由于双目图像的光轴与车底平面平行，因此图像中如果有泊车位划线，一定处在图像中心以下的区域中，在双目图像任一图像中，四种类型的折线角点均处于图像中心的下方，且存在一左上角点C₁、一右上角点C₂、一右下角点C₃、一左下角点C₄能沿顺时针连成梯形，则对应于一泊车位画线的所有特征像素点，并提示检测到泊车位。

步骤204，根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若间距不小于预设阀值，则提示两障碍车之间为泊车位。

具体的，本步骤包括下列(a)至(f)：

(a)识别双目图像中两幅图像所含有的每一障碍车，及每一障碍车所对应的全部特征像素点。

不论障碍车是以垂直泊车模式进行泊车，还是以水平泊车模式进行泊车，车辆的轮廓线都具有对应的分布特征。这里以水平泊车模式为例，如图4A和图4B所示，在有后备箱和无后备箱的车辆轮廓线中，车身后半部分从上往下依次是“L”，(有后备箱)，或者是(无后备箱)，且两个角点(A₃、A₄)必然在同一条竖线上或附近，且必然一个在图像中心的上边，一个在图像中心的下边，车身前半部分，必然有“L”两个角点(A6、A5或B₄、B₃)，分布于同一竖线上且分别在图像水平中心线的上和下，等等。依据这些类似的分布规则来进行识别，就可以得到图像中的每一辆障碍车，及其对应的全部特征像素点。

(b)由任一障碍车的折线角点与轮毂特征像素点的位置关系，确定泊车模式为水平泊车模式或垂直泊车模式。

具体的，水平泊车模式和垂直泊车模式，折线角点与轮毂特征像素点的分布规律是不同，根据该不同点就可以确定泊车模式。对于水平泊车模式的车辆，轮毂特征像素点必然和“L”角点在同一水平位置，且在“L”的右边，而对于垂直泊车模式的车辆，主要的区别就是轮毂特征像素点和“L”角点不在同一条水平线上。

(c)进行特征匹配，确定同一辆障碍车的在两幅图像中所对应的特征像素点，并获取两点的位置差。

具体的，同一辆障碍车在两幅图像中的成像位置不同，本步骤执行的目的就是首先确定同一障碍车同一点在两幅图像上所分别对应的两点。在前述步骤中，已经可以按车辆为单位识别该单位所对应的全部特征像素点，在本步骤中，只需根据这些像素点前后左右的间隔关系在这两幅图中的相似度，就可以确定两幅图中的两点其实对应于同一障碍车上一点。更为复杂一点，可以取车辆的特征像素点与周围像素点的灰度均方差来计算置信度，当置信度高于定义值时，就可以更准确的确定两幅图中的车辆其实为同一辆车辆。参见图5A为例，左目图像501中含有特征像素点D₁至D₄等等，该障碍车在右目图像502中也含有特征像素点D₁至D₄等等，两幅图中D1为同一特征，可以理解的是，图像501中的D1点距离成像平面的左边缘更远。

在确定两幅图像中的两点其实为同一车辆上的同一点后，在图3A的坐标系中，可以利用两点x坐标来确定两点的位置差。

(d)基于双目立体视觉，由位置差确定障碍车辆的成像深度。

具体如图5B，双目图像的两光轴相距为b，光心距离成像平面距离为f，左右两点的x坐标为l_b和l_a，则成像深度d＝fb/(l_b-l_a)，其中成像深度定义为实际成像点到光心的距离在z轴上的投影。

(e)在一幅图像中获取两障碍车相邻的两特征像素点的像素距离，并结合成像深度计算两障碍车之间的间距。

本步骤与上一步骤的原理相类似，都是基于相似三角形来进行运算，差别在于本步骤只取其中一幅图像来进行运算，而上一步骤计算成像深度需要结合同一实际成像点在两幅图像上的不同位置来运算。在本步骤中，取同一图像在左右相邻的两障碍车在同一高度上的两特征像素点，如左车的和右车的或者左车的和右车的“L”，来计算两点之间像素距离。得到像素距离再结合成像深度，由相似三角形可以得到两车之间实际的间距。

(f)若泊车模式为水平泊车模式，则将间距与第一阀值相比，若泊车模式为垂直泊车模式，则将间距与第二阀值相比，当间距不小于第一阀值或第二阀值，则提示两障碍车之间为泊车位。

具体的，水平泊车模式的第一阀值可以设为车辆平均长度(可以预先测量多种类型的车辆，计算平均值获取)与一预定义参数的和，垂直泊车模式的第二阀值可以预先设为车辆平均宽度与一预定义参数的和，其中所说的预定义参数可以是1至1.5倍的两泊车位划线之间的间隙。很明显的，当上一步骤计算得到的间距不小于第一阀值或第二阀值，则两障碍车之间存在泊车位。

上述实施例中的泊车位检测方法，采集行驶车辆侧边的双目图像，检测出其中两幅图像中所包含的特征像素点，如果能够判断出其中含有对应于一个泊车位画线的几个特征像素点，就可以提示检测到泊车位，由此相比于传统技术，在停车场上无障碍车或者只有较少障碍车的情况下，通过识别泊车位画线就可以检测到泊车位，此外上述泊车位检测方法可以根据双目图像中的特征像素点及其分布，确定已经停泊的两障碍车之间的间距，若间距不小于预设阀值，则提示为泊车位，这种检测方法相比于传统技术中的超声波探测，改用图像识别的方法，一般可以检测较大的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (4)

1.一种泊车位检测方法，其特征在于，所述方法包括：

采集行驶车辆侧边的双目图像，图像采集的光轴方向与行驶方向垂直，且与车辆底面平行；

检测出双目图像中所包含的特征像素点及其分布，所述特征像素点用于表征泊车位画线或者车辆形状的特征；

判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点，若是则提示检测到泊车位；

根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位；

所述检测出双目图像中所包含的特征像素点及其分布的步骤，包括：

采用canny算法对双目图像中两幅图像执行边缘检测，再利用hilditch算法进一步得到精细化的泊车位画线及车辆形状的轮廓线；

采用harris角点检测算法提取四种类型的折线角点，分为左上角点、右上角点、左下角点以及右下角点，并记录在两幅图像上的位置；

提取轮廓线中圆弧线对应的中心作为轮毂特征像素点，并记录在两幅图像上的位置。

2.根据权利要求1所述的方法，其特征在于，在所述采集行驶车辆侧边的双目图像的步骤中，包括：

采用双目摄像头采集行驶车辆侧边的图像，其中两摄像头的光轴相互平行，两光轴之间距离固定且距车辆底面等高，两摄像头光心及成像面处于光轴上对应的位置，两摄像头成像视角相同；

在所述采集行驶车辆侧边的双目图像的步骤中，还包括：

当检测环境光强低于预定值，开启补光装置增强双目摄像头采集图像的环境光强。

3.根据权利要求1所述的方法，其特征在于，所述判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点的步骤，包括：

在双目图像任一图像中，所有类型的折线角点均处于图像中心的下方，且存在一左上角点、一右上角点、一右下角点、一左下角点能沿顺时针连成梯形，则对应于一泊车位画线的所有特征像素点，并提示检测到泊车位。

4.根据权利要求1所述的方法，其特征在于，所述根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位的步骤，包括：

识别双目图像中两幅图像所含有的每一障碍车，及每一障碍车所对应的全部特征像素点；

由任一障碍车的折线角点与轮毂特征像素点的位置关系，确定泊车模式为水平泊车模式或垂直泊车模式；

进行特征匹配，确定同一辆障碍车的在两幅图像中所对应的特征像素点，并获取两点的位置差；

基于双目立体视觉，由所述位置差确定障碍车辆的成像深度；

在一幅图像中获取两障碍车相邻的两特征像素点的像素距离，并结合所述成像深度计算两障碍车之间的间距；

若泊车模式为水平泊车模式，则将所述间距与第一阀值相比，若泊车模式为垂直泊车模式，则将所述间距与第二阀值相比，当所述间距不小于第一阀值或第二阀值，则提示两障碍车之间为泊车位。