CN111678518B - 一种用于修正自动泊车路径的视觉定位方法 - Google Patents

Abstract

本申请涉及一种用于修正自动泊车路径的视觉定位方法，通过以当前车辆为世界中心，构建世界坐标系，且通过对获得的图像进行车位线进行检测，找到车位线，根据车位线与当前车辆的位移关系，将修正数据反馈到泊车路径规划系统中。有助于泊车路径规划系统实时修正泊车路径，以便提高泊车最终位置的可靠性和准确性。

Description

一种用于修正自动泊车路径的视觉定位方法

技术领域

本申请涉及汽车电子技术领域，特别涉及一种用于修正自动泊车路径的视觉定位方法。

背景技术

随着汽车保有量的增加，泊车环境越来越复杂,自动泊车技术存在巨大的市场需求，但现有的自动泊车系统采用多超声波或多雷达阵列感知车辆之间可以停车的空隙，存在场景局限，无法精确定位等缺点。而汽车智能化技术的飞速发展使基于摄像头图像的机器视觉泊车系统成为可能。使用视觉传感器可以获取其他传感器无法获取的图像信息，消除泊车盲区和视觉死角。

当用户在导航屏上选择或者采用检测推荐的车位作为需要泊车的目标车位后，车辆开始自动泊车。泊车过程中实时定位的准确性影响了最终泊车位置的准确性和可靠性。但用于定位的惯性传感器存在一些缺点：

(1)由于导航信息经过积分而产生，定位误差随时间而增大，长期精度差；

(2)每次使用之前需要较长的初始对准时间；

(3)惯导有固定的漂移率，也会造成物体运动的误差。因此，需要其他信息进行辅助定位。

发明内容

本申请为了解决上述技术问题，提供了一种用于修正自动泊车路径的视觉定位方法，应用在泊车路径规划系统中，所述方法包括：

获取当前车辆信息，且根据当前车辆信息构建世界坐标系；

获取并处理目标车位图像，生成感兴趣区域；

对所述感兴趣区域的初始车位线进行直线检测，且对初始车位线进行判定和融合，生成最终的最终车位线；

根据所述最终车位线，向自动泊车系统输出修正参数。

可选地，所述获取当前车辆信息，且根据当前车辆信息构建世界坐标系，包括：

通过泊车路径规划系统获得惯性导航数据；

根据所述惯性导航数据，以当前车辆中心为坐标中心，实时获得车辆运动的横向位移及角度、纵向位移及角度。

可选地，所述目标车位图像，通过以下步骤进行获取：

获取当前车辆的前后左右4路图像信息；

根据车载摄像头的标定参数，将4路图像信息进行逆透视变换生成俯视图像，俯视图像为目标车位图像。

可选地，对所述目标车位图像进行处理，并生成感兴趣区域，包括：

通过对所述目标车位图像进行特征识别，获取初始车位线；

在所述初始车位线上进行外扩，生成感兴趣区域。

可选地，所述对所述感兴趣区域的初始车位线进行直线检测，包括：

对所述感兴趣区域依次进行图像中值滤波、二值化处理、霍夫变换、直线的非极大值抑制合并后，得到初始车位线方法x＝k*y+b中的初始系数k和初始系数b。

可选地，所述对车位线进行判定和融合，包括：

通过对原始车位线判定，确定出置信度较高的原始车位线；

对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合。

可选地，所述通过对车位线判定，包括：

对多路车载摄像头的图像信息的检测线进行多帧关联确认；

通过原始车位宽度对检测线进行判定；

通过超声波对检测线进行过滤辅助。

可选地，所述对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合，包括：

获得左右路的原始车位线方程x＝k1*y+b1，及后路图像原始车位线方程x＝k2*y+b2；

在k1、k2和b1、b2各自差异都满足最小阈值的条件下，通过融合公式：new_k＝a1*k1+a2*k2、new_b＝a1*b1+a2*b2进行加权融合，获得新的系数new_k、系数new_b，生成最终车位线。

可选地，所述根据所述最终车位线，向自动泊车系统输出修正参数，包括：

通过计算最终车位线与车辆中心的横向距离及夹角，并将横向距离及夹角转换为以车辆中心为坐标中心的世界坐标，输出到泊车路径规划系统。

本申请的一种用于修正自动泊车路径的视觉定位方法，通过以当前车辆为世界中心，构建世界坐标系，且通过对获得的图像进行车位线进行检测，找到车位线，根据车位线与当前车辆的位移关系，将修正数据反馈到泊车路径规划系统中；其有益效果在于：有助于泊车路径规划系统实时修正泊车路径，以便提高泊车最终位置的可靠性和准确性。

附图说明

图1为本申请实施例的方法流程图。

图2为本申请实施例的构建世界坐标系示意图。

图3为本申请实施例的生成感兴趣区域示意图。

图4为本申请实施例的修正惯性导航数据及泊车路径示意图。

具体实施方式

下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征更易被本领域技术人员理解，从而对本申请的保护范围作出更为清楚的界定。

在如图1所示的实施例中，本申请提供了一种用于修正自动泊车路径的视觉定位方法，应用在泊车路径规划系统中，本方法包括：

100，获取当前车辆信息，且根据当前车辆信息构建世界坐标系；

在步骤100中，获取当前车辆信息，且根据当前车辆信息构建世界坐标系包括：通过泊车路径规划系统获得惯性导航数据；根据惯性导航数据，以当前车辆中心为坐标中心，实时获得车辆运动的横向位移及角度、纵向位移及角度。通过构建世界坐标系，便于找出车位线方程。

200，获取并处理目标车位图像，生成感兴趣区域；

在步骤200中，获取并处理目标车位图像，生成感兴趣区域包括：获取当前车辆的前后左右4路图像信息；根据车载摄像头的标定参数，将4路图像信息进行逆透视变换生成俯视图像，俯视图像为目标车位图像。通过对目标车位图像进行特征识别，获取初始车位线；在初始车位线上进行外扩，生成感兴趣区域。在本实施例中，将获取的图像信息通过特征识别，初步识别出车位线的大致位置，并根据将车位线生成感兴趣区域。

300，对感兴趣区域的初始车位线进行直线检测，且对初始车位线进行判定和融合，生成最终的最终车位线；

在步骤300中，对感兴趣区域的初始车位线进行直线检测包括：对感兴趣区域依次进行图像中值滤波、二值化处理、霍夫变换、直线的非极大值抑制合并后，得到初始车位线方法x＝k*y+b中的初始系数k和初始系数b。对初始车位线进行判定和融合，生成最终的最终车位线包括通过对原始车位线判定，确定出置信度较高的原始车位线；对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合。本实施例中，通过对感兴趣区域中的车位线进行检测、判定和融合，增加车位线的可靠性，使求得车位线方程更加准备。

400，根据最终车位线，向自动泊车系统输出修正参数。

在步骤400中，根据最终车位线，向自动泊车系统输出修正参数，包括：通过计算最终车位线与车辆中心的横向距离及夹角，并将横向距离及夹角转换为以车辆中心为坐标中心的世界坐标，输出到泊车路径规划系统。

本申请的一种用于修正自动泊车路径的视觉定位方法，通过以当前车辆为世界中心，构建世界坐标系，且通过对获得的图像进行车位线进行检测，找到车位线，根据车位线与当前车辆的位移关系，将修正数据反馈到泊车路径规划系统中；有助于泊车路径规划系统实时修正泊车路径，以便提高泊车最终位置的可靠性和准确性。

在一些实施例中，参见图2，获取当前车辆信息，且根据当前车辆信息构建世界坐标系，包括：

通过泊车路径规划系统获得惯性导航数据；根据惯性导航数据，以当前车辆中心为坐标中心，实时获得车辆运动的横向位移及角度、纵向位移及角度。在本实施例中，泊车路径规划系统可集成在车辆的进行自动泊车的系统，通过摄像头的图像数据及车辆数据，以规划泊车路径。在开始泊车前，已知以车辆中心为坐标系的初始目标车位的世界坐标，并在同一时刻建立惯性导航的绝对坐标系。在泊车过程中，泊车路径规划系统根据连续帧的绝对坐标系下的惯性导航数据计算出以车辆中心为原点的世界坐标系下车辆运动的横向，纵向的位移及角度。把初始车位线的各点世界坐标转换到当前帧下的目标车位点世界坐标，以求取车位线方程。其中，惯性导航数据可通过泊车路径规划系统获得，也可以通过车辆CAN总线获得；,惯性导航数据包括车辆运动的横向位移及角度、纵向位移及角度。

在一些实施例中，目标车位图像，通过以下步骤进行获取：获取当前车辆的前后左右4路图像信息；根据车载摄像头的标定参数，将4路图像信息进行逆透视变换生成俯视图像，俯视图像为目标车位图像。在本实施例中，本方法运用于具有前后左右四路摄像头的车辆中，且通过车辆的前后左右四路摄像头获得四路图像信息；标定参数为摄像头自带的参数，摄像头参数通过连接车辆CAN总线或连接到泊车路径规划系统可获得。其中，逆透视转换是一种把数据从列的状态旋转为行的状态的技术。涉及查询数据的透视状态，将来自单个记录中多个列的值扩展为单个列中具有相同值的多个记录即把透视表中的每个源行潜在地转换成多个行，每行代表源透视表的一个指定的列值。本申请通过逆透视转换，将当前车辆的前后左右四路图像转换成以车辆为中心的俯视图像。

在一些实施例中，参见图3，对目标车位图像进行处理，并生成感兴趣区域，包括：通过对目标车位图像进行特征识别，获取初始车位线；在初始车位线上进行外扩，生成感兴趣区域。在本实施例中，通过对目标车位图像特征识别，识别到车位线大致位置，其中，对图像进行特征识别可以将目标车位图像与预存在泊车路径规划数据库的信息进行比对，从而识别原始车位线的大致位置。识别到车位线的大致位置后，把目标车位推测模块得到的当前帧目标车位4个点的世界坐标转换到以图像左上角点为原点的图像坐标系中4个坐标；根据在图像中目标车位的两条长边为中心，左右外扩一定范围作为感兴趣区域；在本实施例中，外壳的范围可以是30cm-50cm。

在一些实施例中，对感兴趣区域的初始车位线进行直线检测，包括：

对感兴趣区域依次进行图像中值滤波、二值化处理、霍夫变换、直线的非极大值抑制合并后，得到初始车位线方法x＝k*y+b中的初始系数k和初始系数b。在本实施例中，本申请通过图像中值滤波去除感兴趣区域的噪点，提高感兴趣区域的原始车位的准确度。再通过二值化处理，将感兴趣区域转换为灰度图，将原始车位线转换为黑色，其他区域转换白色。再通过霍夫变换检测直线，求取车位直线方程中的系数k和系数b。再通过直线的非极大值抑合并，找到极大值的直线方程。其中，图像中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。图像的二值化处理，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。霍夫变换是一种特征检测，霍夫变换是用来辨别找出物件中的特征，例如：线条，算法流程大致如下，给定一个物件、要辨别的形状的种类，算法会在参数空间中执行投票来决定物体的形状，而这是由累加空间里的局部最大值来决定。直线的非极大值抑制合并是抑制不是极大值的元素，渐变图像中每个像素的算法是：将当前像素的边缘强度与正梯度方向和负梯度方向上的像素的边缘强度进行比较。如果当前像素的边缘强度与具有相同方向的掩模中的其他像素相比是最大的，该值将被保留。否则，该值将被抑制。

在一些实施例中，对车位线进行判定和融合，包括：

通过对原始车位线判定，确定出置信度较高的原始车位线；在本实施例中，对多路车载摄像头的图像信息的检测线进行多帧关联确认；通过原始车位宽度对检测线进行判定；通过超声波对检测线进行过滤辅助。

对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合。在本实施例中，获得左右路的原始车位线方程x＝k1*y+b1，及后路图像原始车位线方程x＝k2*y+b2；在k1、k2和b1、b2各自差异都满足最小阈值的条件下，通过融合公式：new_k＝a1*k1+a2*k2、new_b＝a1*b1+a2*b2进行加权融合，获得新的系数new_k、系数new_b，生成最终车位线。

在一些实施例中，通过对车位线判定，包括：

对多路车载摄像头的图像信息的检测线进行多帧关联确认；在本实施例中，通过持续获取图像信息，通过当前一帧图像信息与前一帧图像或前几帧图像进行关联，确认当前原始车位线是否准确。

通过初始车位宽度对检测线进行判定；在本实施例中，获得初始车位线通过车位宽度进行判定，确定其是否准确。

通过超声波对检测线进行过滤辅助。在本实施例中，获得初始车位线通过超声波进行判定，确定其是否准确。

在本申请，通过对初始车位线的判定，提高车位线的准确性。

在一些实施例中，对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合，包括：

获得左右路的原始车位线方程x＝k1*y+b1，及后路图像原始车位线方程x＝k2*y+b2；在k1、k2和b1、b2各自差异都满足最小阈值的条件下，通过融合公式：new_k＝a1*k1+a2*k2、new_b＝a1*b1+a2*b2进行加权融合，获得新的系数new_k、系数new_b，生成最终车位线。在本实施例中，虽然左右路图像与后路图像看到的是同一条车位线，但摄像机的标定误差使不同相机中的线的方程不完全一致，因此需要对左右路图像检测的直线方程x＝k1*y+b1与后路图像检测的直线方程x＝k2*y+b2在k1、k2与b1、b2各自差异都满足最小阈值的条件下进行加权融合，融合方式：系数new_k＝a1*k1+a2*k2、系数new_b＝a1*b1+a2*b2，其中融合系数a1、a2则是由线的长度决定，是各自线长占总长的百分比，范围[0,1]。

在一些实施例中，根据最终车位线，向自动泊车系统输出修正参数，包括：通过计算最终车位线与车辆中心的横向距离及夹角，并将横向距离及夹角转换为以车辆中心为坐标中心的世界坐标，输出到泊车路径规划系统。在本实施例中，据车位线直线方程计算出直线与车辆中心的横向距离及夹角，把这些信息转换回车身中心为原点的世界坐标系下，最终输出给泊车路径规划系统，用于实时修正惯性导航数据和泊车路径规划。参见图4，通过不断修正惯性导航数据和泊车路径规划，使车辆准确泊入车位。

上面结合附图对本申请的实施方式作了详细说明，但是本申请并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。

Claims (7)

1.一种用于修正自动泊车路径的视觉定位方法，其特征在于，应用在泊车路径规划系统中，所述方法包括：

获取当前车辆信息，且根据当前车辆信息构建世界坐标系；

获取并处理目标车位图像，生成感兴趣区域；

对所述感兴趣区域的初始车位线进行直线检测，且对初始车位线进行判定和融合，生成最终的最终车位线；

根据所述最终车位线，向自动泊车系统输出修正参数；

所述对初始车位线进行判定和融合包括：

通过对原始车位线判定，确定出置信度较高的原始车位线；

对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合；

所述通过对原始车位线判定，包括：

对多路车载摄像头的图像信息的检测线进行多帧关联确认；

通过原始车位宽度对检测线进行判定；

通过超声波对检测线进行过滤辅助。

2.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，所述获取当前车辆信息，且根据当前车辆信息构建世界坐标系，包括：

通过泊车路径规划系统获得惯性导航数据；

根据所述惯性导航数据，以当前车辆中心为坐标中心，实时获得车辆运动的横向位移及角度、纵向位移及角度。

3.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，所述目标车位图像，通过以下步骤进行获取：

获取当前车辆的前后左右4路图像信息；

根据车载摄像头的标定参数，将4路图像信息进行逆透视变换生成俯视图像，俯视图像为目标车位图像。

4.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，对所述目标车位图像进行处理，并生成感兴趣区域，包括：

通过对所述目标车位图像进行特征识别，获取初始车位线；

在所述初始车位线上进行外扩，生成感兴趣区域。

5.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，所述对所述感兴趣区域的初始车位线进行直线检测，包括：

对所述感兴趣区域依次进行图像中值滤波、二值化处理、霍夫变换、直线的非极大值抑制合并后，得到初始车位线方法x＝k*y+b中的初始系数k和初始系数b。

6.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，所述对左右路图像置信度高的原始车位线与后路图像置信度高的原始车位线进行融合，包括：

获得左右路的原始车位线方程x＝k1*y+b1，及后路图像原始车位线方程x＝k2*y+b2；

在k1、k2和b1、b2各自差异都满足最小阈值的条件下，通过融合公式：new_k＝a1*k1+a2*k2、new_b＝a1*b1+a2*b2进行加权融合，获得新的系数new_k、系数new_b，生成最终车位线。

7.根据权利要求1所述的一种用于修正自动泊车路径的视觉定位方法，其特征在于，所述根据所述最终车位线，向自动泊车系统输出修正参数，包括：

通过计算最终车位线与车辆中心的横向距离及夹角，并将横向距离及夹角转换为以车辆中心为坐标中心的世界坐标，输出到泊车路径规划系统。