CN111369824B - 一种基于图像识别定位的引导泊车方法及系统 - Google Patents
一种基于图像识别定位的引导泊车方法及系统 Download PDFInfo
- Publication number
- CN111369824B CN111369824B CN202010167756.0A CN202010167756A CN111369824B CN 111369824 B CN111369824 B CN 111369824B CN 202010167756 A CN202010167756 A CN 202010167756A CN 111369824 B CN111369824 B CN 111369824B
- Authority
- CN
- China
- Prior art keywords
- image
- parking
- vehicle
- target
- target point
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 10
- 239000003086 colorant Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- 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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种基于图像识别定位的引导泊车方法,包括:S1.设计靶点单元块,以靶点单元块为基础,部署完成停车场地面的靶场图;S2.识别定位停车场内的空车位;S3.根据靶场图的部署,生成车辆自停车场入口至停车场内空车位的线路轨迹;S4.实时记录车辆进入停车场后的图像,并传输至主机服务器;S5.主机服务器分析识别图像,对车辆进行定位;S6.根据车辆的位置,结合已生成的线路轨迹,进行泊车引导。本发明还提出一种基于图像识别定位的引导泊车系统,为进入室内停车场的车辆车主提供空车位的准确位置信息,且提高车辆本身定位的准确性。
Description
技术领域
本发明涉及图像识别处理的技术领域,更具体地,涉及一种基于图像识别定位的引导泊车方法及系统。
背景技术
随着社会经济的发展,汽车普及率越来越高,各种大型公共场合、商场室内停车场的建设规模也越来越大,车主驾驶车辆进入一个大型停车场后,由于停车场规模的庞大,车主无法快速精准找到合适的车位,导致停车成为一个非常耗时的事情;另一方面,当车辆位于室内停车场时,因受墙壁或石柱等大型物体的阻挡,导致信号骤减或信号被干扰,使得常规的定位系统也无法精确地定位车辆位置。
目前,市面上常用的室内无线定位技术如室内GPS定位技术、红外线室内定位技术、超声波定位技术、蓝牙技术、Wi-Fi技术、二维码定位技术等,通过各种信号感应以定位本地位置,存在信号不稳定、定位不准确、易发生故障或损坏等问题与缺陷,或者由于硬件设备铺设、现场信号采集等工程作业,需要物管及相关业主方面配合,因而实施难度大、运营成本高;另外,诸如在室内设置二维码的方式,还存在二维码必须在适当的位置设置,无法任意设置的缺陷,定位的准确性低,另一方面,二维码容易因人为或非人为的因素毁损,增加额外的维护成本。
综上所述,提出一种可以精确地定位车辆位置、引导泊车的方法及系统十分有必要。
发明内容
为克服现有室内车辆无线定位技术存在信号不稳定、定位不准确、易发生故障或损坏等缺陷,且由于停车场规模的庞大,待停车的车主存在无法快速准确找到合适车位的问题,本发明提出一种基于图像识别定位的引导泊车方法及系统,准确识别定位进入室内停车场的车辆位置,为车辆车主提供空车位的准确位置信息并引导车主泊车至空车位,且能提高车辆本身定位的准确性。
本发明旨在至少在一定程度上解决上述技术问题。
为了达到上述技术效果,本发明的技术方案如下:
一种基于图像识别定位的引导泊车方法,至少包括以下步骤:
S1.设计靶点单元块,以靶点单元块为基础,部署完成停车场地面的靶场图;
S2.识别定位停车场内的空车位;
S3.根据靶场图的部署,生成车辆自停车场入口至停车场内空车位的线路轨迹;
S4.实时记录车辆进入停车场后的图像,并传输至主机服务器;
S5.主机服务器分析识别图像,对车辆进行定位;
S6.根据车辆的位置,结合已生成的线路轨迹,进行泊车引导。
优选地,步骤S1的过程为:
S101.在停车场车道上绘制A颜色靶点,在车道叉口交汇点绘制B颜色的靶点,形成靶点单元块;
S102.将靶点单元块沿停车场的地面,依次进行排列组合,形成停车场地面的靶场图。
优选地,所述A颜色靶点均匀绘制在停车场车道上,A颜色为白色,在车道叉口交汇点绘制靶点的颜色B为红、蓝、绿、黑中的任意一种颜色,所述靶场图上所有靶点的直径相同,靶点直径D取0.8m~1.5m。
在此,由于红、蓝、绿、黑、白这些颜色相对比较容易辨识,所以选择这些颜色作为靶点,有利于后续主机服务器对靶点颜色的准确识别,停车场内所有靶点单元块所在的位置与停车场地面位置对应,靶点单元块的排列组合形成停车场地面的靶场图,停车场车道是车辆行驶的途径,停车场车道上白色靶点的均匀绘制,有利于后续靶点颜色的辨识及车辆的准确定位。
优选地,步骤S2所述识别定位停车场内空车位的过程为:
S201.将停车场内车位的四个顶点依次标记,记录四个顶点的像素坐标;
S202.选择空车位图像,将其作为用于空车位识别的空车位背景图像,利用高斯滤波,将空车位背景图像去除噪声,将滤波后的空车位背景图像转换为灰度背景图像Bt;
S203.获取停车场内实时的监控图像,利用高斯滤波,将监控图像去除噪声后转换为灰度监控图像It;
S204.灰度背景图像Bt与灰度监控图像It进行背景差计算,得到前景图像Dt,将前景图像Dt进行阈值二值化,获取前景二值图像;
S205.利用形态学的开闭运算,将前景二值图像转换为图像St;
S206.对图像St进行轮廓提取;
S207.选取最大面积的轮廓与车位四个顶点的像素坐标框进行交并比计算;
S208.判断交并比是否大于0.3,若是,车位已停车,否则,车位判定为空车位。
在此,灰度背景图像Bt与灰度监控图像It进行背景差计算公式为:Dt=|It-t|,Dt表示前景图像,前景图像Dt进行阈值二值化的手段是现有比较成熟的技术;前景二值图像的开闭运算包括膨胀与腐蚀过程,经过膨胀过程后,前景二值图像轮廓内的所有背景像素点合并到轮廓中,使轮廓向外扩张,腐蚀过程消除了轮廓边界点,使边界向内部收缩,这样轮廓更加紧凑明显,另外,对图像St进行轮廓提取是采用opencv的轮廓提取方法findContours函数进行轮廓提取的,然后进行的交并比计算也是现有比较成熟的计算方法。
优选地,如果监控图像的所有车位均被判定为空车位,则进行背景更新,将灰度监控图像It作为灰度背景图像Bt。
在此,由于开始创建背景图像的时候选取的空车位图像,如果监控图像的所有车位均被判定为空车位,将灰度监控图像It作为替换背景图像,有利于空车位的识别。
优选地,步骤S5所述的主机服务器分析识别图像、定位车辆的过程为:
S501.主机服务器将接收到的车辆进入停车场后的图像,去除噪声,并转换为灰度图像G;
S502.对灰度图像G进行阈值二值化,得到二值图像T;将二值图像T进行形态学的开闭运算,得到图像S;
S503.对图像S做基于Canny算子的边缘检测,得到边缘图像C,进行边缘特征提取;
S504.选取边缘图像C中圆或椭圆的位置作为候选靶点,计算候选靶点的均值面积Am;
S505.将候选靶点的面积大于均值面积Am且距离靶场图像中点最近的候选靶点作为目标靶点;
S506.实时识别目标靶点的颜色,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S;
S507.根据目标靶点的边缘特征,得到像素宽度w和像素高度h;
S508.求取车辆距目标靶点的水平距离,并结合停车场地面靶场图的部署,确定车辆的实时位置。
在此,边缘图像C的边缘特征提取是利用形态学的腐蚀操作对边缘进行细化,将边缘细化为一条单像素的线,从而圆形化地显示出圆,因为从车辆视角方向看去的靶场图上靶点的形状为圆或椭圆,所以选取边缘图像C中圆或椭圆的位置作为候选靶点,另外选取候选靶点的时候,舍弃面积小于图像面积的1/100以及大于图像面积的1/4的靶点,将所有候选靶点的面积之和求平均值得到均值面积Am;随着车辆的移动,待实时识别目标靶点的颜色后,每一时刻识别的目标靶点的颜色先后被记录下来,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S,结合求取的车辆距目标靶点的水平距离,并将行车轨迹S匹配停车场地面靶场图的部署,准确定位车辆的实时位置。
优选地,步骤S506所述的识别目标靶点的颜色过程为:
A.将目标靶点图像进行通道分离,得到分离后的B、G、R通道图像;
B.根据目标靶点的边缘特征,分别求取B、G、R通道图像在掩码范围内的像素均值MB、MG及MR;
C.根据像素均值MB、MG及MR的大小,判别目标靶点图像的颜色,判别标准为:
在此,目标靶点图像通过opencv的split函数进行通道分离,得到分离后的B、G、R通道图像,对B、G、R通道图像在掩码范围内的像素求取均值MB、MG及MR。
优选地,S508所述的求取车辆距目标靶点的水平距离的计算公式为:
其中,LH表示车辆距目标靶点的水平距离;f表示车辆上用于实时拍摄的第一图像采集器的焦距,w表示目标靶点的像素宽度;h表示目标靶点的像素高度;D表示目标靶点的直径;θ表示目标靶点至第一图像采集器相机的直线方向与水平地面的夹角读数。
在此,为了车辆定位精度的更加准确,车辆上用于实时拍摄的第一图像采集器使用单目摄像头,单目摄像头的焦距f已知且摄像头内的结构、规格统一。
优选地,步骤S6所述的对车辆进行泊车引导的过程为:
S601.将行车轨迹S与靶场图生成的车辆自停车场入口至停车场内空车位的线路轨迹进行匹配,得到匹配后车辆至停车场内空车位的线路轨迹;
S603.主机服务器根据车辆的实时位置,结合匹配后车辆至停车场内空车位的线路轨迹,向车辆发送导航信息;
S603.车主接收导航信息,将车辆停至空车位,完成泊车。
在此,已部署后的靶场图生成车辆自停车场入口至停车场内空车位的线路轨迹,停车场本身有一定的范围,因此,自入口至停车场内空车位的线路轨迹可能有很多条,而经主机服务器实时识别目标靶点的颜色后,将每一时刻识别的目标靶点的颜色先后记录,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S,将行车轨迹S与自入口至停车场内空车位的线路轨迹进行匹配,主机服务器根据车辆的实时位置,结合匹配后匹配到的最优的线路轨迹,完成最短时间内对车辆的泊车引导。
本发明还提出一种基于图像识别定位的引导泊车系统,包括:
第一图像采集器,用于实时拍摄记录车辆进入停车场后的图像,将图像实时传输至主机服务器;
第二图像采集器,用于实时采集停车场内的空车位图像,将空车位图像发送至主机服务器;
主机服务器,用于储存靶场图,识别定位停车场内空车位及靶点颜色,生成车辆自停车场入口至停车场内空车位的线路轨迹,分析第一图像采集器、第二图像采集器采集的图像信息,定位车辆,生成泊车导航信息;当主机服务器定位到车辆偏离泊车导航的路线,则重新规划生成新的泊车导航信息。
导航系统,接收主机服务器发送的泊车导航信息,用于对车辆进行泊车引导。
与现有技术相比,本发明技术方案的有益效果是:
(1)本发明提出一种基于图像识别定位的引导泊车方法,以靶点单元块为基础,部署停车场地面的靶场图,生成车辆自停车场入口至停车场内空车位的线路轨迹,基于图像识别处理技术,利用主机服务器对车辆进入停车场后的图像和空车位图像进行识别,进一步定位车辆的实时位置,结合已生成的线路轨迹,帮助车主找到合适的空车位,并进行泊车引导,克服了现有室内停车场的车辆无线定位技术存在信号不稳定、定位不准确、易发生故障或损坏等缺陷。
(2)本发明还提出一种基于图像识别定位的停车场引导泊车系统,通过主机服务器、第一图像采集器、第二图像采集器及导航系统之间进行多路联动,实时掌握车辆的位置信息,具备实时数据的交换能力,对进入停车场内的车辆位置定位更加精确,方便引导车辆完成驶向空车位的导航。
附图说明
图1为本发明提出的基于图像识别定位的引导泊车方法的流程示意图。
图2为本发明实施例中提出的靶点单元块及靶场图的示意图。
图3为本发明提出的对停车场内空车位进行识别定位的过程流程图。
图4为本发明实施例中提出对车位四个顶点进行标记的示意图。
图5为本发明实施例中提出的空车位识别定位的图像处理效果图。
图6为本发明实施例中提出的对车辆进行定位的图像处理效果图。
图7为本发明提出的基于图像识别定位的引导泊车系统的示意框图
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些地方会有省略、放大或缩小,并不代表实际场景的尺寸;
对于本领域技术人员来说,附图中某些说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示的流程图,本发明提出一种基于图像识别定位的引导泊车方法,包括:
S1.设计靶点单元块,以靶点单元块为基础,部署完成停车场地面的靶场图;如图2所示的靶点单元块101及靶场图102,图2中横竖垂直的线条代表停车场车道,在停车场车道上绘制白色靶点,在车道叉口交汇点绘制红、蓝、绿、黑中任意一种颜色的靶点,参见图2,车道叉口交汇点的靶点颜色按顺时针的方向依次为黑色、绿色、蓝色及红色,靶点单元块101沿停车场的地面,依次进行排列组合,形成停车场地面的靶场图102,白色靶点均匀绘制在停车场的车道上,靶场图102上所有靶点的直径相同,靶点直径D可取0.8m~1.5m之间的范围,在本实施例中,靶点直径D取1m。
S2.识别定位停车场内的空车位;识别定位停车场内空车位的过程流程图如图3所示,包括:
S201.如图4所示,将停车场内车位的四个顶点依次标记,记录四个顶点的像素坐标,参见图4,在本实施例中对停车场内某车位的四个顶点按逆时针方向按1、2、3、4进行标记,记录四个顶点像素坐标,形成后续的坐标框;
S202.选择空车位图像,将其作为用于空车位识别的空车位背景图像,利用高斯滤波,将空车位背景图像去除噪声,将滤波后的空车位背景图像转换为灰度背景图像Bt;
S203.获取停车场内实时的监控图像,利用高斯滤波,将监控图像去除噪声后转换为灰度监控图像It;
S204.灰度背景图像Bt与灰度监控图像It进行背景差计算,得到前景图像Dt,将前景图像Dt进行阈值二值化,获取前景二值图像;
S205.利用形态学的开闭运算,将前景二值图像转换为图像St,图像处理效果如图5所示;
S206.对图像St进行轮廓提取;
S207.选取最大面积的轮廓与车位四个顶点的像素坐标框进行交并比计算;
S208.判断交并比是否大于0.3,若是,车位已停车,否则,车位判定为空车位,如果监控图像的所有车位均被判定为空车位,则进行背景更新,将灰度监控图像It作为灰度背景图像Bt;
S3.根据靶场图的部署,生成车辆自停车场入口至停车场内空车位的线路轨迹;
S4.实时记录车辆进入停车场后的图像,并传输至主机服务器;
S5.主机服务器分析识别图像,对车辆进行定位;过程为:
S501.主机服务器将接收到的车辆进入停车场后的图像去除噪声,并转换为灰度图像G;
S502.对灰度图像G进行阈值二值化,得到二值图像T;将二值图像T进行形态学的开闭运算,得到图像S;
S503.对图像S做基于Canny算子的边缘检测,得到边缘图像C,进行边缘特征提取;
S504.选取边缘图像C中圆或椭圆的位置作为候选靶点,计算候选靶点的均值面积Am;
S505.将候选靶点的面积大于均值面积Am且距离靶场图像中点最近的候选靶点作为目标靶点;
S506.实时识别目标靶点的颜色,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S,实时识别车辆前端目标靶点的颜色,参见图2中靶场图具体示意,S1表示室内停车场入口及车辆初始位置,S2表车辆当前行驶的位置,T表示空车位位置,箭头表示车辆行驶轨迹,车辆的行车轨迹S为:红—>蓝—>红—>蓝—>绿—>白—>白,即当前车辆位置对应靶点编码为:红蓝红蓝绿白白,对车辆进行定位的过程中图像识别处理效果图如图6所示,P表示选取的实时目标靶点;识别目标靶点的颜色过程为:A.将目标靶点图像进行通道分离,得到分离后的B、G、R通道图像;
B.根据目标靶点的边缘特征,分别求取B、G、R通道图像在掩码范围内的像素均值MB、MG及MR;
C.根据像素均值MB、MG及MR的大小,判别目标靶点图像的颜色,判别标准为:
S507.根据目标靶点的边缘特征,得到像素宽度w和像素高度h;
S508.求取车辆距目标靶点的水平距离,并结合停车场地面靶场图的部署,确定车辆的实时位置,车辆距目标靶点的水平距离的计算公式为:
其中,LH表示车辆距目标靶点的水平距离;f表示车辆上用于实时拍摄的第一图像采集器的焦距,w表示目标靶点的像素宽度;h表示目标靶点的像素高度;D表示目标靶点的直径;θ表示目标靶点至第一图像采集器相机的直线方向与水平地面的夹角读数。
S6.根据车辆的位置,结合已生成的线路轨迹,进行泊车引导,过程为:
S601.将行车轨迹S与靶场图生成的车辆自停车场入口至停车场内空车位的线路轨迹进行匹配,得到匹配后车辆至停车场内空车位的线路轨迹;
S603.主机服务器根据车辆的实时位置,结合匹配后车辆至停车场内空车位的线路轨迹,向车辆发送导航信息;
S603.车主接收导航信息,将车辆停至空车位,完成泊车。
如图7所示,本发明还提出一种基于图像识别定位的引导泊车系统,包括:
第一图像采集器,在本实施例中,第一图像采集器采用行车记录仪,行车记录仪的相机为单目相机,设有单目摄像头,用于实时记录车辆进入停车场后的图像,将图像实时传输至主机服务器;
第二图像采集器,在本实施例中,第二图像采集器采用普通监控摄像头,用于实时采集停车场内的空车位图像,将空车位图像发送至主机服务器;
主机服务器,用于储存靶场图,识别定位停车场内空车位及靶点颜色,生成车辆自停车场入口至停车场内空车位的线路轨迹,分析第一图像采集器、第二图像采集器采集的图像信息,定位车辆,生成泊车导航信息。当主机服务器定位到车辆偏离泊车导航的路线,则重新规划生成新的泊车导航信息;
导航系统,接收主机服务器发送的泊车导航信息,用于对车辆进行泊车引导。
附图中描述的关系仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于图像识别定位的引导泊车方法,其特征在于,至少包括以下步骤:
S1.设计靶点单元块,以靶点单元块为基础,部署完成停车场地面的靶场图;
步骤S1的过程为:
S101.在停车场车道上绘制A颜色靶点,在车道叉口交汇点绘制B颜色的靶点,形成靶点单元块;
S102.将靶点单元块沿停车场的地面,依次进行排列组合,形成停车场地面的靶场图;
S2.识别定位停车场内的空车位;
S3.根据靶场图的部署,生成车辆自停车场入口至停车场内空车位的线路轨迹;
S4.实时记录车辆进入停车场后的图像,并传输至主机服务器;
S5.主机服务器分析识别图像,对车辆进行定位;
步骤S5所述的主机服务器分析识别图像,对车辆进行定位的过程为:
S501.主机服务器将接收到的车辆进入停车场后的图像,去除噪声,并转换为灰度图像G;
S502.对灰度图像G进行阈值二值化,得到二值图像T;将二值图像T进行形态学的开闭运算,得到图像S;
S503.对图像S做基于Canny算子的边缘检测,得到边缘图像C,进行边缘特征提取;
S504.选取边缘图像C中圆或椭圆的位置作为候选靶点,计算候选靶点的均值面积Am;
S505.将候选靶点的面积大于均值面积Am且距离靶场图像中点最近的候选靶点作为目标靶点;
S506.实时识别目标靶点的颜色,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S;
S507.根据目标靶点的边缘特征,得到像素宽度w和像素高度h;
S508.求取车辆距目标靶点的水平距离,并结合停车场地面靶场图的部署,确定车辆的实时位置;
S6.根据车辆的位置,结合已生成的线路轨迹,进行泊车引导。
2.根据权利要求1所述的基于图像识别定位的引导泊车方法,其特征在于,所述A颜色靶点均匀绘制在停车场车道上,A颜色为白色,在车道叉口交汇点绘制靶点的颜色B为红、蓝、绿、黑中的任意一种颜色,所述靶场图上所有靶点的直径相同。
3.根据权利要求1所述的基于图像识别定位的引导泊车方法,其特征在于,步骤S2所述识别定位停车场内空车位的过程为:
S201.将停车场内车位的四个顶点依次标记,记录四个顶点的像素坐标;
S202.选择空车位图像,将其作为用于空车位识别的空车位背景图像,利用高斯滤波,将空车位背景图像去除噪声,将滤波后的空车位背景图像转换为灰度背景图像Bt;
S203.获取停车场内实时的监控图像,利用高斯滤波,将监控图像去除噪声后转换为灰度监控图像It;
S204.灰度背景图像Bt与灰度监控图像It进行背景差计算,得到前景图像Dt,将前景图像Dt进行阈值二值化,获取前景二值图像;
S205.利用形态学的开闭运算,将前景二值图像转换为图像St;
S206.对图像St进行轮廓提取;
S207.选取最大面积的轮廓与车位四个顶点的像素坐标框进行交并比计算;
S208.判断交并比是否大于0.3,若是,车位已停车,否则,车位判定为空车位。
4.根据权利要求3所述的基于图像识别定位的引导泊车方法,其特征在于,如果监控图像的所有车位均被判定为空车位,则进行背景更新,将灰度监控图像It作为灰度背景图像Bt。
7.根据权利要求1所述的基于图像识别定位的引导泊车方法,其特征在于,步骤S6所述的对车辆进行泊车引导的过程为:
S601.将行车轨迹S与靶场图生成的车辆自停车场入口至停车场内空车位的线路轨迹进行匹配,得到匹配后车辆至停车场内空车位的线路轨迹;
S603.主机服务器根据车辆的实时位置,结合匹配后车辆至停车场内空车位的线路轨迹,向车辆发送导航信息;
S603.车主接收导航信息,将车辆停至空车位,完成泊车。
8.一种基于图像识别定位的导泊车系统,其特征在于,包括:
第一图像采集器,用于实时拍摄记录车辆进入停车场后的图像,将图像实时传输至主机服务器;
第二图像采集器,用于实时采集停车场内的空车位图像,将空车位图像发送至主机服务器;
主机服务器,用于储存靶场图,识别定位停车场内空车位及靶点颜色,生成车辆自停车场入口至停车场内空车位的线路轨迹,分析第一图像采集器、第二图像采集器采集的图像信息,定位车辆,生成泊车导航信息;当主机服务器定位到车辆偏离泊车导航的路线,则重新规划生成新的泊车导航信息;
所述靶场图的形成过程为:在停车场车道上绘制A颜色靶点,在车道叉口交汇点绘制B颜色的靶点,形成靶点单元块;将靶点单元块沿停车场的地面,依次进行排列组合,形成停车场地面的靶场图;
主机服务器分析识别图像,定位车辆的过程为:
S501.主机服务器将接收到的车辆进入停车场后的图像,去除噪声,并转换为灰度图像G;
S502.对灰度图像G进行阈值二值化,得到二值图像T;将二值图像T进行形态学的开闭运算,得到图像S;
S503.对图像S做基于Canny算子的边缘检测,得到边缘图像C,进行边缘特征提取;
S504.选取边缘图像C中圆或椭圆的位置作为候选靶点,计算候选靶点的均值面积Am;
S505.将候选靶点的面积大于均值面积Am且距离靶场图像中点最近的候选靶点作为目标靶点;
S506.实时识别目标靶点的颜色,根据目标靶点的颜色生成车辆在靶场图上的行车轨迹S;
S507.根据目标靶点的边缘特征,得到像素宽度w和像素高度h;
S508.求取车辆距目标靶点的水平距离,并结合停车场地面靶场图的部署,确定车辆的实时位置;
导航系统,接收主机服务器发送的泊车导航信息,用于对车辆进行泊车引导。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020100751538 | 2020-01-22 | ||
CN202010075153 | 2020-01-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369824A CN111369824A (zh) | 2020-07-03 |
CN111369824B true CN111369824B (zh) | 2020-12-15 |
Family
ID=71211801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010167756.0A Expired - Fee Related CN111369824B (zh) | 2020-01-22 | 2020-03-11 | 一种基于图像识别定位的引导泊车方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369824B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111852138A (zh) * | 2020-08-03 | 2020-10-30 | 重庆工商大学 | 一种泊车机器人交互系统 |
CN111951603A (zh) * | 2020-08-20 | 2020-11-17 | 华人运通(上海)自动驾驶科技有限公司 | 空闲车位获取方法、共享方法、车辆及服务器 |
CN114255599A (zh) * | 2021-12-17 | 2022-03-29 | 青岛特来电新能源科技有限公司 | 道闸系统车辆识别方法、装置、电子设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440781A (zh) * | 2013-08-28 | 2013-12-11 | 苏州智蝶科技有限公司 | 基于模糊定位的停车场反向寻车管理系统及其实现方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236539A (zh) * | 2013-06-21 | 2014-12-24 | 北京四维图新科技股份有限公司 | 导航方法、导航终端以及导航系统 |
JP2015064795A (ja) * | 2013-09-25 | 2015-04-09 | 日産自動車株式会社 | 駐車場判定装置、駐車場判定方法 |
TWI565962B (zh) * | 2015-05-19 | 2017-01-11 | 萊特旺服務有限公司 | 室內及其週邊地區定位系統、定位方法及行動通訊裝置 |
CN105973236A (zh) * | 2016-04-26 | 2016-09-28 | 乐视控股(北京)有限公司 | 室内定位或导航方法、装置以及地图数据库生成方法 |
CN109933055A (zh) * | 2017-12-15 | 2019-06-25 | 上海仪电数字技术股份有限公司 | 室内路径规划系统 |
CN109541583B (zh) * | 2018-11-15 | 2020-05-01 | 众安信息技术服务有限公司 | 一种前车距离检测方法及系统 |
CN110047319B (zh) * | 2019-04-15 | 2022-03-08 | 深圳壹账通智能科技有限公司 | 停车场车位导航方法、电子装置及存储介质 |
CN110517525B (zh) * | 2019-08-14 | 2021-12-10 | 北京智行者科技有限公司 | 一种基于标签系统的代客泊车方法 |
-
2020
- 2020-03-11 CN CN202010167756.0A patent/CN111369824B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440781A (zh) * | 2013-08-28 | 2013-12-11 | 苏州智蝶科技有限公司 | 基于模糊定位的停车场反向寻车管理系统及其实现方法 |
Non-Patent Citations (1)
Title |
---|
基于GPS定位和ZETA物联网技术的露天矿场车辆监管系统设计;余杨;《中国优秀硕士学位论文全文数据库·信息科技辑》;20190115(第1期);第23-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111369824A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111369824B (zh) | 一种基于图像识别定位的引导泊车方法及系统 | |
KR101864066B1 (ko) | 차선 인식 장치, 차선 이탈 판단 장치, 차선 인식 방법 및 차선 이탈 판단 방법 | |
CN106652468B (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
JP4930046B2 (ja) | 路面判別方法および路面判別装置 | |
JP4363295B2 (ja) | ステレオ画像による平面推定方法 | |
CN104239867B (zh) | 车牌定位方法及系统 | |
Tae-Hyun et al. | Detection of traffic lights for vision-based car navigation system | |
CN109299674B (zh) | 一种基于车灯的隧道违章变道检测方法 | |
CN110659539A (zh) | 一种信息处理方法及其装置 | |
CN105741559B (zh) | 一种基于车道线模型的违法占用应急车道检测方法 | |
CN108197523B (zh) | 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统 | |
CN102509457A (zh) | 一种车辆跟踪的方法及装置 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
JP2007316685A (ja) | 走路境界検出装置および走路境界検出方法 | |
Behrendt et al. | Deep learning lane marker segmentation from automatically generated labels | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN111652033A (zh) | 基于OpenCV的车道线检测方法 | |
CN112666573A (zh) | 一种矿区卸载区车后方挡土墙及障碍物的检测方法 | |
JP4762026B2 (ja) | 道路標識データベース構築装置 | |
CN104268513B (zh) | 道路引导数据的获取方法及装置 | |
JP2009217832A (ja) | ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識のプログラムを記憶した記憶媒体 | |
JP2020095623A (ja) | 画像処理装置および画像処理方法 | |
JP2008032557A (ja) | 車載用ナビゲーション装置及び道路種判別方法 | |
WO2020194570A1 (ja) | 標識位置特定システム及びプログラム | |
CN103680148B (zh) | 一种出租车识别方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |