CN109544981B - 图像处理方法、装置、设备和介质 - Google Patents
图像处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN109544981B CN109544981B CN201811638484.7A CN201811638484A CN109544981B CN 109544981 B CN109544981 B CN 109544981B CN 201811638484 A CN201811638484 A CN 201811638484A CN 109544981 B CN109544981 B CN 109544981B
- Authority
- CN
- China
- Prior art keywords
- parking
- parking area
- image
- determining
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像处理方法、装置、设备和介质,涉及电子地图技术领域。该方法包括:获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。本发明实施例提供了一种图像处理方法、装置、设备和介质,实现了停车区域内停车位信息的确定。
Description
技术领域
本发明实施例涉及电子地图技术领域,尤其涉及一种图像处理方法、装置、设备和介质。
背景技术
在私家车保有量较高的大城市,道路两侧通常会规划有一定数量的停车位。
为将道路两侧的停车位呈现在电子地图中,供车主停车参考。现有技术中通过图像采集车沿路采集道路两侧的图像,然后基于采集的道路两侧的图像识别道路两侧的停车区域。
上述方法中并没有对停车区域内停车位信息的确定。然而,基于停车区域的一些业务需要基于停车区域内停车位信息实现。
发明内容
本发明实施例提供一种图像处理方法、装置、设备和介质,以实现停车区域内停车位信息的确定。
第一方面,本发明实施例提供了一种图像处理方法,该方法包括:
获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
第二方面,本发明实施例还提供了一种图像处理装置,所述装置包括:
图像获取模块,用于获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
信息确定模块,用于识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的图像处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的图像处理方法。
本发明实施例通过识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。从而实现停车区域内停车位信息的确定。
附图说明
图1为早期对停车区域的展示示意图;
图2为本发明实施例一提供的一种图像处理方法的流程图;
图3是本发明实施例二提供的一种图像处理方法的流程图;
图4是本发明实施例三提供的一种图像处理方法的流程图;
图5是本发明实施例四提供的一种图像处理方法的流程图;
图6是本发明实施例四提供的一种路面图像截取示意图;
图7是本发明实施例四提供的一种路边停车线确定效果示意图;
图8是本发明实施例四提供的一种横向停车示意图;
图9是本发明实施例四提供的一种纵向停车示意图;
图10是本发明实施例四提供的一种停车区域展示效果示意图;
图11a是本发明实施例四提供的一种目的地附近停车区域展示效果示意图;
图11b是本发明实施例四提供的一种目标停车区域展示效果示意图;
图11c是本发明实施例四提供的一种对目标停车区域的导航示意图;
图12是本发明实施例五提供的一种图像处理装置的结构示意图;
图13为本发明实施例六提供的一种设备的结构示意图。
具体实施方式
早期路边停车位数据主要依托人工的方式进去制作。依托图像处理的基本方法,通过HAAR等图像特征提取算子,对街景影像进行初步筛选。再由人进行是否有停车位的判断,最终生成路边停车位数据。
参见图1,早期对停车区域的展示为:若当前地图显示比例尺大于等于设定比例尺阈值,则在道路两边对应的位置以方格纹理和“P”标识的形式对停车区域进行展示。
然而发明人发现上述方法存在如下缺陷:
1.基于图像基本特征的停车位识别,只能计算基本的停车位特征,无法完全适配不同光照条件、不同路面条件、停车线磨损、街景照片角度不一致,以及停车线截断等多种停车位的特征。从而直接导致停车线精度难以提升。
2.基于人工的停车位确认的方法,一定程度上解决停车位精度得问题。但是需要维持大量的人力投入,只能针对重点城市、重点地区开展,无法满足数据的全国范围应用,也无法保证数据得实时更新。此外,人工判读得准确率会因人而已,难以保证最终数据的准确率。
3.路边停车位数据无法提供停车位数量以及占用信息,用户前往停车位区域后,依然无法满足停车的实际需求。
4.路边停车位展示比较隐蔽、不够直接。没有根据车主用户的地图产品使用习惯进行专门推荐。从而导致车主很难关注到路边停车位。并且路边停车位也无法与驾车导航相结合,解决不了用户停车难的具体痛点。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2为本发明实施例一提供的一种图像处理方法的流程图。本实施例可适用于确定停车区域内停车位信息的情况。该方法可以由一种图像处理装置来执行,该装置可以由软件和/或硬件的方式实现。参见图2,本实施例提供的图像处理方法包括:
S110、获取停车区域内停放车辆的车辆图像和车辆图像的采集方向。
其中,车辆图像的采集方向是采集车辆图像的时图像采集设备的采集角度。
具体地,采集方向可以是与停车区域的正面垂直的方向;采集方向也可以是与停车区域的正面平行或呈一定角度的方向。
停车区域可以由人工采集得到,或根据采集的图像识别得到。
S120、识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
其中,停车位信息可以是停车位数量和停车位的方向等。
具体地,所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息,包括:
根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向。
具体地,停车位的方向可以是横向,也可以是纵向。
所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向,包括:
若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车头,则确定停车区域内停车位的方向是纵向;
若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车辆侧面,则确定停车区域内停车位的方向是横向。
进一步地,所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向之后,还包括:
根据停车区域内停车位的方向确定停车位尺寸;
根据停车区域的尺寸和停车位尺寸,确定停车区域内停车位的数量。
本发明实施例的技术方案,通过识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。从而实现停车区域内停车位信息的确定。
进一步地,所述方法还包括:
获取停车区域不同时间的停车图像;
识别所述停车图像,根据识别结果确定不同时间停车区域的使用状态;
根据停车区域不同时间的使用状态和目标使用时间确定空闲状态的停车区域。
实施例二
图3是本发明实施例二提供的一种图像处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3,本实施例提供的图像处理方法,包括:
S210、获取停车区域内停放车辆的车辆图像和车辆图像的采集方向。
S220、识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
S230、响应地图显示事件,根据当前地图显示比例尺对道路两侧的停车区域进行显示。
具体地,所述根据当前地图显示比例尺对道路两侧的停车区域进行显示,包括:
若当前地图显示比例尺小于设定比例尺阈值,则显示停车区域的标识;
若当前地图显示比例尺大于等于设定比例尺阈值,则显示停车区域的具体信息。
具体信息可以包括停车区域的尺寸和停车区域的空闲状态。
为使车主直观地看到停车区域的使用情况,根据当前地图显示比例尺对位于显示范围内的目标道路上的停车区域进行显示,包括:
根据当前地图显示比例尺对位于显示范围内的目标道路上的停车区域及停车区域的空闲状态进行显示。
具体地,若地图显示事件是对目的地的显示,则根据预计到达目的地的时间确定路边停车区域的空闲状态。
S240、获取目标停车区域的触发事件,将目标停车区域作为导航终点对车主进行导航推荐。
本实施例对导航推荐的具体推荐方式不作限定。
为方便车主对停车后的步行信息的了解,所述获取目标停车区域的触发事件之后,还包括:
显示目标停车区域与目的地之间的步行路线信息。
基于步行路线信息,用户可以根据需求选择目标停车区域。
需要说明的是,本实施例对S230和S240的执行顺序不做限定。可选地,S230和S240可以先于S210和S220执行。
本实施例的技术方案通过根据当前地图显示比例尺对道路两侧的停车区域进行显示,使得用户可以容易地看到停车区域。通过在获取目标停车区域的触发事件后,将目标停车区域作为导航终点对车主进行导航推荐,从而方便用户对目标停车区域的导航。
实施例三
图4是本发明实施例三提供的一种图像处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图4,本实施例提供的图像处理方法包括:
S310、获取道路上各点处的路面图像。
其中,路面图像是包括路面的图像。
具体地,所述获取道路上各点处的路面图像可以由人工采集。
典型地,所述获取道路上各点处的路面图像,包括:
根据构建道路的坐标点确定均匀分布于道路上的目标坐标点;
根据目标坐标点的坐标和街景图像采集点的坐标,获取目标坐标点处的街景图像;
从目标坐标点处的街景图像中截取目标坐标点处的路面图像。
进一步地,所述从目标坐标点处的街景图像中截取目标坐标点处的路面图像,包括:
根据街景图像采集装置的采集参数确定可视区域包括路面的路面拍摄视角;
根据路面拍摄视角从街景图像中截取目标坐标点处的路面图像。
进一步地,获取目标道路上各点处的路面图像之后,还包括:
基于路面图像采集装置的畸变参数,对路面图像进行校正。
S320、基于停车位的图像特征和路面图像,从道路上各点中确定停车位点。
具体地,若道路上一点处的路面图像中存在停车位的图像特征,则将该点确定为停车位点。
为实现对与停车位存在类似图像特征的非停车位点的确定,所述基于停车位的图像特征和路面图像,从道路上各点中确定停车位点包括:
将路面图像输入预先训练的识别模型,根据识别模型的输出确定停车位点;
相应地,将路面图像输入预先训练的识别模型之前,还包括:
对识别模型识别准确率小于设定准确率阈值的路面图像进行分类;
利用属于所述分类的路面图像对模型进行训练。
例如,与停车位存在类似图像特征的非停车位点可以是公交站,公交站前通常绘制有标志线,该标志线与停车位的边线相似。
为区分停车位和公交站,可以采集公交站前路面图像作为负样本对识别模型进行训练。
S330、根据停车位点确定道路上的停车区域。
根据停车位点确定道路上的停车区域的方法有很多,本实施例对此不进行任何限制。
可选地,可以根据停车位点的密度确定停车区域,也可以将从一路段一端查找到的停车位点作为停车区域的起点,将从该路段另一端查找到的停车位点作为停车区域的终点。
S340、获取停车区域内停放车辆的车辆图像和车辆图像的采集方向。
S350、识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
本发明实施的技术方案,通过基于停车位的图像特征和路面图像,从道路上各点中确定停车位点。然后根据停车位点确定停车区域。从而实现路面停车区域的自动确定。
进一步地,所述获取道路上各点处的路面图像之前,还包括:
根据道路属性信息对道路进行筛选。
具体地,因为有些道路上是不可以有停车区域,例如高速,快速路等。所以可以根据道路属性将不可以由停车区域的道路过滤掉。从而提高停车区域的确定效率。
实施例四
图5是本发明实施例四提供的一种图像处理方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图5,本实施例提供的图像处理方法包括:
S410、停车位识别模型构建。
具体地,停车位识别模型的构建包括:
路面图像截取:根据构建道路的坐标点确定均匀分布于道路上的目标坐标点。
根据目标坐标点的坐标和街景图像采集点的坐标,获取目标坐标点处的街景图像。
参见图6,将街景鱼眼图作为纹理,贴在虚拟构建的球状模型上,以球模型中心为照相100。根据街景鱼眼图的采集角度确定拍摄视场角。根据确定地拍摄视场角从街景鱼眼图中截取路面图像101。该过程需要保证通过街景数据截取到道路两侧,尽可能多的截取街景数据,保证上下两个街景点路边的数据能够连接(不丢失路边信息)。
其中,街景鱼眼图的采集角度根据采集车前进方向和拍摄滚动角两个参数确定。此外在截取路面图像的过程中,往往存在多余的天空场景和地面场景,需要尽量保留停车位相关区域图片,减少图像中其它内容的干扰。
基于路面图像采集装置的畸变参数,对路面图像进行校正。
模型训练样本的构建:依托前期积累的停车位数据,对应到对应的路段,并找到对应街景照片,构建初始正样本集合;利用高速,国道等路段,构建初始负样本。并依托人工构建部分初始正负样本,使得深度学习网络能够正常训练,而且不会过拟合。
此外,基于模型进行样本预测,评估模型识别准确率。对于模型识别准确率低的图片类型进行分类。并根据道路数据等构建所述分类的样本,补充到对应的模型训练样本中,实现模型训练样本的迭代训练。
模型训练与精度检验:模型训练依托Paddle深度学习平台,采用卷积神经网络进行模型训练。每训练完一轮,利用训练的模型进行测试集精度评估,分析模型精度变化趋势。如果模型精度无明显提升,则停止训练,并进行模型精度分析。根据精度分析结果添加识别率低的所属分类的样本,对模型迭代训练。
S420、生成沿路停车线数据及精度评价。
具体地,生成沿路停车线数据及精度评价包括如下:
路边停车线生成:路边停车位由于存在视线遮挡,导致整条停车线无法被完整预测,需要利用离散的停车位点数据构建停车线数据。
具体地,参见图7,利用离散的停车位点102数据,采用加权评价的方式,进行停车线103的生成。通过停车线拟合的方式,删除个别离散的停车位点,添加部分由于遮挡导致无法识别的停车位点数据,提升整体路边停车线的精度。
路边停车线精度的检查:随机抽取等量的停车线所在的道路和无停车线所在道路。结合街景图对停车线的起止点位置,停车线的准确率,以及召回率进行人工评估,并计算整体停车线的准确性。
S430、停车位数量估计以及使用情况分析。
具体地,停车位数量估计以及使用情况分析包括如下:
停车位数量估计:根据识别到的停车线所表示的停车区域,估计一个路边停车区域中车位的数量。
根据停车区域停放车辆的图像的识别结果,确定停车区域内停车位的停放方式。参见图8,若停放方式是横向停车,则以横向停车标准停车位长度进行停车位数量估计。参见图9,若停放方式是纵向停车,则以纵向标准停车位宽度进行停车位数量估计。若停车区域内无车辆,或无法识别停放方式,则默认按照横向停车位进行停车位数量估计。
停车位使用情况分析:基于采集的多时段的停车位车辆图片中的停车位上停放车辆信息,判断不同时间段该路段的停车位占用情况,从而实现基于时间的停车位占用分析。从而更精准的为用户推荐有效的停车信息。
S440、停车位展示以及推荐。
具体地,停车位展示以及推荐包括如下:
将路边停车位信息前置到车主使用电子地图的高频场景中,方便车主用户在查询目的地时直接能够关注到目标地附近的路边停车位。
具体地,当车主在电子图上点击某个兴趣点或搜索某个兴趣点时,根据距离目的地出入口远近和路边停车位长度,确定距离目的地大门最近、且长度最长的设定数量的候选停车区域,并对候选停车区域进行展示。
参见图10,对候选停车区域进行展示时,以贴合道路形状的短线标识路边停车位的起始位置,同时在短线中心标出“P”的停车标识。可选的,停车标识内容和形状可以根据需要设定,本实施例对此并不进行任何限定。
参见图11a、图11b和图11c,若获取到车主对地图兴趣点的点击事件,则根据点击的兴趣点,确定位于点击的兴趣点附近可用的路边停车位201;获取车主对可用的路边停车位202的点击,显示“到这去”或“导航”等提示按钮203;获取车主对按钮203的触发,则将用户点击的路边停车位作为导航终点发起导航。
此外,继续参见图11b,若获取车主对可用的路边停车位的点击,则显示该路边停车位至目的地最近的出口或入口之间的步行路线204。帮助用户根据步行方案选择最适合的停车位。
可选地,同时展示出步行距离信息,帮助用户根据步行方案选择适合的停车位。
本实施例的具体创新性有:
1、基于图像理解的方法进行停车位识别,引入模型具体实现停车位信息的图像理解。停车位识别精度满足上线要求,能够实现自动化停车位数据的生产与更新。
2、利用模型对道路各点的停车位打分值综合生成路边停车线数据,并优先推荐超过一定长度的停车数据,保证数据的准确度。
3、将路边停车位应用到驾车用户检索推荐中,优化车主出行停车的地图使用过程,解决出行停车难问题。
本发明实施例的技术方案具有如下有益效果:
利用深度学习的方法实现基于图像内容的停车位识别。并通过加入不同类型的停车样本,保证不同光照条件、不同路面条件,停车线磨损,街景照片角度不一致条件下的高精度停车位识别。
自动化实现高精度停车位的识别,而且把街景数据的抓取,停车位图像识别,以及停车线生成的全部流程实现自动化处理,停车位数据的自动化生产以及后续数据更新。全过程不用人工参与。
利用车辆信息对停车位进行基础类型分析,估算停车位数量,以及停车位占用情况。通过多期停车占用情况分析,实现路边停车位基于时间的占用模型,为用户推荐可停车的路边停车位数据。
将路边停车位数据在适合的场景下(检索或图区点击)推荐给适合车主,解决了车主停车难的问题。
在车主基于电子地图上进行目的地导航时,显示目的地附近的路边停车位。并且,若接收到对路边停车位的点击,则对路边停车位进行导航。从而更完整地满足了车主用户的出行需求。
需要说明的是,经过本实施例的技术教导,本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合,以实现对路边停车区域的自动识别、显示和导航。
实施例五
图12是本发明实施例五提供的一种图像处理装置的结构示意图。参见图12,本实施例提供的图像处理装置包括:图像获取模块10和信息确定模块20。
其中,图像获取模块10,用于获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
信息确定模块20,用于识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
本发明实施例的技术方案,通过识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。从而实现停车区域内停车位信息的确定。
进一步地,所述信息确定模块,包括:方向确定单元。
方向确定单元,用于根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向。
进一步地,所述装置还包括:尺寸确定模块和数量确定模块。
其中,尺寸确定模块,用于所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向之后,根据停车区域内停车位的方向确定停车位尺寸;
数量确定模块,用于根据停车区域的尺寸和停车位尺寸,确定停车区域内停车位的数量。
进一步地,所述方向确定单元,包括:纵向确定子单元和横向确定子单元。
其中,纵向确定子单元,用于若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车头,则确定停车区域内停车位的方向是纵向;
横向确定子单元,用于若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车辆侧面,则确定停车区域内停车位的方向是横向。
进一步地,所述装置,还包括:显示模块和导航推荐模块。
其中,显示模块,用于响应地图显示事件,根据当前地图显示比例尺对道路两侧的停车区域进行显示;
导航推荐模块,用于获取目标停车区域的触发事件,将目标停车区域作为导航终点对车主进行导航推荐。
进一步地,所述显示模块包括:标识显示单元和具体信息显示单元。
标识显示单元,用于若当前地图显示比例尺小于设定比例尺阈值,则显示停车区域的标识;
具体信息显示单元,用于若当前地图显示比例尺大于等于设定比例尺阈值,则显示停车区域的尺寸。
进一步地,所述装置还包括:步行显示模块。
步行显示模块,用于所述获取目标停车区域的触发事件之后,显示目标停车区域与目的地之间的步行路线信息。
进一步地,所述装置还包括:图像获取模块、停车位点确定模块和停车区域确定模块。
图像获取模块,用于获取停车区域内停放车辆的车辆图像之前,获取道路上各点处的路面图像;
停车位点确定模块,用于基于停车位的图像特征和路面图像,从道路上各点中确定停车位点;
停车区域确定模块,用于根据停车位点确定道路上的停车区域。
进一步地,所述停车位点确定模块包括:
停车位点确定单元,用于将路面图像输入预先训练的识别模型,根据识别模型的输出确定停车位点;
相应地,所述装置还包括:分类模块和训练模块。
分类模块,用于将路面图像输入预先训练的识别模型之前,对识别模型识别准确率小于设定准确率阈值的路面图像进行分类;
训练模块,用于利用属于所述分类的路面图像对模型进行训练。
进一步地,所述装置还包括:停车图像获取模块、使用状态确定模块和空闲区域确定模块。
停车图像获取模块,用于获取停车区域不同时间的停车图像;
使用状态确定模块,用于识别所述停图像,根据识别结果确定不同时间停车区域的使用状态;
空闲区域确定模块,用于根据停车区域不同时间的使用状态和目标使用时间确定空闲状态的停车区域。
本发明实施例所提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法,具备执行方法相应的功能模块和有益效果。
实施例六
图13为本发明实施例六提供的一种设备的结构示意图。图13示出了适于用来实现本发明实施方式的示例性设备12的框图。图13显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图13所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图13未显示,通常称为“硬盘驱动器”)。尽管图13中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的图像处理方法。
实施例七
本发明实施例七还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的图像处理方法,该方法包括:
获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种图像处理方法,其特征在于,包括:
获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息;
所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息,包括:
根据车辆图像的采集方向与停车区域正面构成的角度,以及车辆图像的识别结果确定停车区域内停车位的方向。
2.根据权利要求1所述的方法,其特征在于,所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向之后,还包括:
根据停车区域内停车位的方向确定停车位尺寸;
根据停车区域的尺寸和停车位尺寸,确定停车区域内停车位的数量。
3.根据权利要求1所述的方法,其特征在于,所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向,包括:
若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车头,则确定停车区域内停车位的方向是纵向;
若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车辆侧面,则确定停车区域内停车位的方向是横向。
4.根据权利要求1所述的方法,其特征在于,还包括:
响应地图显示事件,根据当前地图显示比例尺对道路两侧的停车区域进行显示;
获取目标停车区域的触发事件,将目标停车区域作为导航终点对车主进行导航推荐。
5.根据权利要求4所述的方法,其特征在于,所述根据当前地图显示比例尺对道路两侧的停车区域进行显示,包括:
若当前地图显示比例尺小于设定比例尺阈值,则显示停车区域的标识;
若当前地图显示比例尺大于等于设定比例尺阈值,则显示停车区域的尺寸。
6.根据权利要求4所述的方法,其特征在于,所述获取目标停车区域的触发事件之后,还包括:
显示目标停车区域与目的地之间的步行路线信息。
7.根据权利要求1所述的方法,其特征在于,获取停车区域内停放车辆的车辆图像之前,还包括:
获取道路上各点处的路面图像;
基于停车位的图像特征和路面图像,从道路上各点中确定停车位点;
根据停车位点确定道路上的停车区域。
8.根据权利要求7所述的方法,其特征在于,所述基于停车位的图像特征和路面图像,从道路上各点中确定停车位点包括:
将路面图像输入预先训练的识别模型,根据识别模型的输出确定停车位点;
相应地,将路面图像输入预先训练的识别模型之前,还包括:
对识别模型识别准确率小于设定准确率阈值的路面图像进行分类;
利用属于所述分类的路面图像对模型进行训练。
9.根据权利要求1所述的方法,其特征在于,还包括:
获取停车区域不同时间的停车图像;
识别所述停车图像,根据识别结果确定不同时间停车区域的使用状态;
根据停车区域不同时间的使用状态和目标使用时间确定空闲状态的停车区域。
10.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取停车区域内停放车辆的车辆图像和车辆图像的采集方向;
信息确定模块,用于识别车辆图像,根据车辆图像的识别结果和车辆图像的采集方向确定停车区域的停车位信息;
所述信息确定模块,包括:
方向确定单元,用于根据车辆图像的采集方向与停车区域正面构成的角度,以及车辆图像的识别结果确定停车区域内停车位的方向。
11.根据权利要求10所述的装置,其特征在于,还包括:
尺寸确定模块,用于所述根据车辆图像的识别结果和车辆图像的采集方向确定停车区域内停车位的方向之后,根据停车区域内停车位的方向确定停车位尺寸;
数量确定模块,用于根据停车区域的尺寸和停车位尺寸,确定停车区域内停车位的数量。
12.根据权利要求10所述的装置,其特征在于,所述方向确定单元,包括:
纵向确定子单元,用于若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车头,则确定停车区域内停车位的方向是纵向;
横向确定子单元,用于若车辆图像的采集方向与停车区域正面成垂直角度,且车辆图像的识别结果是车辆侧面,则确定停车区域内停车位的方向是横向。
13.根据权利要求10所述的装置,其特征在于,还包括:
显示模块,用于响应地图显示事件,根据当前地图显示比例尺对道路两侧的停车区域进行显示;
导航推荐模块,用于获取目标停车区域的触发事件,将目标停车区域作为导航终点对车主进行导航推荐。
14.一种图像处理设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的图像处理方法。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811638484.7A CN109544981B (zh) | 2018-12-29 | 2018-12-29 | 图像处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811638484.7A CN109544981B (zh) | 2018-12-29 | 2018-12-29 | 图像处理方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544981A CN109544981A (zh) | 2019-03-29 |
CN109544981B true CN109544981B (zh) | 2021-11-09 |
Family
ID=65831204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811638484.7A Active CN109544981B (zh) | 2018-12-29 | 2018-12-29 | 图像处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544981B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112991808B (zh) * | 2020-12-29 | 2022-09-30 | 杭州海康威视数字技术股份有限公司 | 一种停车区域的车位显示方法、装置及电子设备 |
CN113012261B (zh) * | 2021-02-19 | 2022-06-10 | 北京三快在线科技有限公司 | 一种自动构建地图的方法及装置 |
CN115410399A (zh) * | 2022-08-09 | 2022-11-29 | 北京科技大学 | 一种货车停车方法、装置及电子设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103680190B (zh) * | 2012-08-30 | 2016-02-03 | 华为技术有限公司 | 停车场车位管理系统和方法 |
EP2930070A1 (en) * | 2014-04-08 | 2015-10-14 | Application Solutions (Electronics and Vision) Limited | Monitoring system |
DE102015203619A1 (de) * | 2015-02-28 | 2016-09-01 | Bayerische Motoren Werke Aktiengesellschaft | Parkassistenzsystem mit Erkennung einer Universalparklücke |
CN105788352A (zh) * | 2016-04-01 | 2016-07-20 | 上海美迪索科电子科技有限公司 | 一种利用深度摄像头进行停车引导的装置及其引导方法 |
CN106767813A (zh) * | 2016-11-29 | 2017-05-31 | 西华大学 | 基于移动终端的停车导航方法和系统 |
CN106778548B (zh) * | 2016-11-30 | 2021-04-09 | 百度在线网络技术(北京)有限公司 | 用于检测障碍物的方法和装置 |
CN108470465A (zh) * | 2018-03-14 | 2018-08-31 | 重庆工程职业技术学院 | 停车场智能引导系统 |
-
2018
- 2018-12-29 CN CN201811638484.7A patent/CN109544981B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109544981A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6831414B2 (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
EP4239614A2 (en) | Systems and methods for image-based location determination and parking monitoring | |
CN109544981B (zh) | 图像处理方法、装置、设备和介质 | |
CN112200172B (zh) | 一种可行驶区域的检测方法及装置 | |
CN111325788B (zh) | 一种基于街景图片的建筑物高度确定方法 | |
CN108091173A (zh) | 车位引导信息推送方法和装置 | |
CN109740420A (zh) | 车辆违法识别方法及相关产品 | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN110647886A (zh) | 兴趣点标注方法、装置、计算机设备和存储介质 | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN111121797B (zh) | 道路筛选方法、装置、服务器及存储介质 | |
CN113256731A (zh) | 基于单目视觉的目标检测方法及装置 | |
CN116597270A (zh) | 基于注意力机制集成学习网络的道路损毁目标检测方法 | |
CN114360261A (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
EP3816938A1 (en) | Region clipping method and recording medium storing region clipping program | |
WO2021138372A1 (en) | Feature coverage analysis | |
CN113569752B (zh) | 车道线结构识别方法、装置、设备及介质 | |
CN114998863A (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
CN111126336B (zh) | 样本采集方法、装置及设备 | |
CN114038040A (zh) | 机房巡检监督方法、装置、设备 | |
CN110956064A (zh) | 基于大数据的驾驶员行为分析预测系统 | |
WO2024195134A1 (ja) | 支援システム、支援方法及び記録媒体 | |
CN115862377B (zh) | 一种智能预约停车方法及系统 | |
CN111753610B (zh) | 天气识别方法及装置 | |
CN116168470A (zh) | 一种获取车辆运行状态的数据处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |