CN105869432A - 基于多传感器融合的车位场景识别方法 - Google Patents

Abstract

本发明涉及一种基于多传感器的车位场景识别方法，该方法针对现有技术存在的不足，利用激光雷达来检测车位边缘点，利用摄像头拍摄的车位场景照片提取出车位边缘的轮廓，将激光雷达探测出的库长与照片中提取的车位边缘的轮廓进行融合，判断车位是否满足要求；本发明能够进一步识别出更复杂场景的停车位，提高停车位资源的利用率。

Description

基于多传感器融合的车位场景识别方法

技术领域

本发明属于汽车电子领域，具体涉及一种基于多传感器的车位场景识别方法。

背景技术

随着城市汽车保有量的持续增多，停车位资源越来越紧张。市场目前主流采用单一的超声波雷达传感器探测库位，实际生活中，人们停车的时候比较随意，经常会将车停歪，这给车位的准确识别带来了难度，容易将其实满足停车条件的库位误判为不满足停车要求，造成了停车位资源的浪费。

发明内容

为了克服现有技术存在的不足，本发明提出一种基于多传感器融合的车位场景识别方法，通过摄像头和激光雷达多传感器的融合，识别出更多复杂的垂直泊车位场景。

为了实现上述目的，本发明具体技术方案如下：一种基于多传感器融合的车位场景识别方法，包括如下步骤：

1)汽车进入寻找垂直车位模式，启动右侧激光雷达探测车位边缘，启动摄像头拍摄下整个车位图像，其中，激光雷达的探测方向垂直于车的侧身，摄像头安装在车的顶部；

2)探测车位边缘点；

3)计算车位的长度L_park，通过控制器读里程表并计算车位长度，即车位两个边缘临界点a和b之间汽车走过的距离；

4)判断车位是否满足停车要求，当L_park≥D_car+ΔD时，认为车位满足停车要求，而且汽车进入车位后车门能打开，转步骤6)，否则转步骤5)，其中，D_car指的是汽车车宽，ΔD指垂直停车位的最小预留宽度，即停车后能打开两侧车门预留的长度；

5)判断汽车进入车位后车门是否能打开，当L_park≤D_car时，车位不满足停车要求，转步骤1)，否则，通过控制器分析摄像头拍摄的图像，提取车位的临界信息，判断汽车进入车位后车门是否能打开，如果能打开，认为车位满足停车要求，转步骤6)，否则认为车位不满足停车要求，转步骤1)；

6)车位识别结束。

进一步地，上述步骤2)中，所述探测车位边缘点的方法包含如下步骤：

2.1)汽车在前进的过程中，每隔Δt时间，激光雷达扫描一次距离，得到每一次的距离信息L_i；

2.2)求出相邻两次的距离差，即ΔL＝L_i-L_i-1；

2.3)如果ΔL大于距离阈值k时，则探测到车位第一个边缘点a，如果ΔL小于距离阈值k的相反数时，则探测到车位第二个边缘点b。

进一步地，上述步骤5)中，判断汽车进入车位后车门是否能打开的方法包括如下步骤：

5.1)提取图像中车位临界两辆参照车的轮廓形状，连接成一个四边形；

5.2)以激光雷达采集到的车位长度L_park为宽，生成一个矩形，其中，矩形一条宽的两个边点与四边形上对应的两个车位检测临界点融合；

5.3)针对矩形和四边形，分别计算出矩形左侧长边3/4处距离左侧汽车的距离矩形左侧长边1/4处距离左侧汽车的距离L_{compare_left_2}、矩形右侧长边3/4处距离右侧汽车的距离L_{compare_right_1}、左侧长边1/4处距离左侧汽车的距离L_{compare_right_2}；并设汽车进入停车位后距矩形左侧距离为x,距矩形右侧距离为L_park-x；

5.4)判断汽车进入车位后车门是否能打开，当同时满足时，认为车门能打开，满足停车要求，转步骤6)，否则转步骤1)。

与现有技术相比，本发明通过激光雷达和摄像头多传感器的数据融合，能够识别出更复杂场景的停车位，提高了停车位资源的利用率。

附图说明

图1是基于多传感器的车位场景识别方法流程图。

图2是具体场景激光雷达数据与摄像头数据融合示意图(1)。

图3是具体场景激光雷达数据与摄像头数据融合示意图(2)。

图4是具体场景激光雷达数据与摄像头数据融合示意图(3)。

图5是具体场景激光雷达数据与摄像头数据融合示意图(3)。

图6是具体场景激光雷达数据与摄像头数据融合示意图(5)。

具体实施方式

下面结合附图和实施实例对本发明作进一步描述，本实施例中，控制器采用英飞凌32位TC系列单片机，激光雷达采用LMS系列，摄像头采用TMS320系列。

图1所示为基于多传感器的车位场景识别方法流程图，该方法包括以下步骤：

1)汽车进入寻找垂直车位模式，启动右侧激光雷达探测车位边缘，启动摄像头拍摄下整个车位图像，其中，激光雷达的探测方向垂直于车的侧身，摄像头安装在车的顶部；

2)探测车位边缘点,其中，探测车位边缘点的方法包含如下步骤：

2.1)汽车在前进的过程中，每隔Δt时间，激光雷达扫描一次距离，得到每一次的距离信息L_i，本实施例中Δt取值为10ms；

2.2)求出相邻两次的距离差，即ΔL＝L_i-L_i-1；

2.3)如果ΔL大于距离阈值k时，则探测到车位第一个边缘点a，如果ΔL小于距离阈值k的相反数时，则探测到车位第二个边缘点b，本实施例中距离阈值k取值为0.5米。

3)计算车位的长度L_park，通过控制器读里程表并计算车位长度，即车位两个边缘临界点a和b之间汽车走过的距离；

4)判断车位是否满足停车要求，当L_park≥D_car+ΔD时，认为车位满足停车要求，而且汽车进入车位后车门能打开，转步骤6)，否则转步骤5)，其中，D_car指的是汽车车宽，ΔD指垂直停车位的最小预留宽度，即停车后能打开两侧车门预留的长度；

5)判断汽车进入车位后车门是否能打开，当L_park≤D_car时，车位不满足停车要求，转步骤1)，否则，通过控制器分析摄像头拍摄的图像，提取车位的临界信息，判断汽车进入车位后车门是否能打开，如果能打开，认为车位满足停车要求，转步骤6)，否则认为车位不满足停车要求，转步骤1)；其中，判断汽车进入车位后车门是否能打开的方法包括如下步骤：

5.1)提取图像中车位临界两辆参照车的轮廓形状，连接成一个四边形；

5.2)以激光雷达采集到的车位长度L_park为宽，生成一个矩形，其中，矩形一条宽的两个边点与四边形上对应的两个车位检测临界点融合；四边形和矩形示意图如图2、图3、图4、图5、图6所示；

5.3)针对矩形和四边形，分别计算出矩形左侧长边3/4处距离左侧汽车的距离L_{compare_left_1}、矩形左侧长边1/4处距离左侧汽车的距离L_{compare_left_2}、矩形右侧长边3/4处距离右侧汽车的距离L_{compare_right_1}、左侧长边1/4处距离左侧汽车的距离L_{compare_right_2}；并设汽车进入停车位后距矩形左侧距离为x,距矩形右侧距离为L_park-x；

5.4)判断汽车进入车位后车门是否能打开，当同时满足时，认为车门能打开，满足停车要求，转步骤6)，否则转步骤1)；

6)车位识别结束。

Claims (3)

1.一种基于多传感器的车位场景识别方法，其特征在于包括如下步骤：

1)汽车进入寻找垂直车位模式，启动右侧激光雷达探测车位边缘，启动摄像头拍摄下整个车位图像，其中，激光雷达的探测方向垂直于车的侧身，摄像头安装在车的顶部；

2)探测车位边缘点；

3)计算车位的长度L_park，通过控制器读里程表并计算车位长度，即车位两个边缘临界点a和b之间汽车走过的距离；

4)判断车位是否满足停车要求，当L_park≥D_car+ΔD时，认为车位满足停车要求，而且汽车进入车位后车门能打开，转步骤6)，否则转步骤5)，其中，D_car指的是汽车车宽，ΔD指垂直停车位的最小预留宽度，即停车后能打开两侧车门预留的长度；

5)判断汽车进入车位后车门是否能打开，当L_park≤D_car时，车位不满足停车要求，转步骤1)，否则，通过控制器分析摄像头拍摄的图像，提取车位的临界信息，判断汽车进入车位后车门是否能打开，如果能打开，认为车位满足停车要求，转步骤6)，否则认为车位不满足停车要求，转步骤1)；

6)车位识别结束。

2.如权利要求1所述的基于多传感器的车位场景识别方法，其特征在于所述步骤2)中，探测车位边缘点的方法包含如下步骤：

2.1)汽车在前进的过程中，每隔Δt时间，激光雷达扫描一次距离，得到每一次的距离信息L_i；

2.2)求出相邻两次的距离差，即ΔL＝L_i-L_i-1；

2.3)如果ΔL大于距离阈值k时，则探测到车位第一个边缘点a，如果ΔL小于距离阈值k的相反数时，则探测到车位第二个边缘点b。

3.如权利要求1所述的基于多传感器的车位场景识别方法，其特征在于所述步骤5)中，判断汽车进入车位后车门是否能打开的方法包括如下步骤：

5.1)提取图像中车位临界两辆参照车的轮廓形状，连接成一个四边形；

5.2)以激光雷达采集到的车位长度L_park为宽，生成一个矩形，其中，矩形一条宽的两个边点与四边形上对应的两个车位检测临界点融合；5.3)针对矩形和四边形，分别计算出矩形左侧长边3/4处距离左侧汽车的距离矩形左侧长边1/4处距离左侧汽车的距离L_{compare_left_2}、矩形右侧长边3/4处距离右侧汽车的距离L_{compare_right_1}、左侧长边1/4处距离左侧汽车的距离L_{compare_right_2}；并设汽车进入停车位后距矩形左侧距离为x,距矩形右侧距离为L_park-x；

5.4)判断汽车进入车位后车门是否能打开，当同时满足时，认为车门能打开，满足停车要求，转步骤6)，否则转步骤1)。