CN111845714A - 一种基于智能视觉深度学习的自动泊车系统 - Google Patents
一种基于智能视觉深度学习的自动泊车系统 Download PDFInfo
- Publication number
- CN111845714A CN111845714A CN201910346562.4A CN201910346562A CN111845714A CN 111845714 A CN111845714 A CN 111845714A CN 201910346562 A CN201910346562 A CN 201910346562A CN 111845714 A CN111845714 A CN 111845714A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- deep learning
- unit
- intelligent visual
- automatic parking
- 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.)
- Pending
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 32
- 230000000007 visual effect Effects 0.000 title claims abstract description 32
- 230000000903 blocking effect Effects 0.000 claims abstract description 4
- 238000004891 communication Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000004888 barrier function Effects 0.000 abstract description 8
- 238000000034 method Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于智能视觉深度学习的自动泊车系统，包括：停车场云、采集系统、计算系统、移动终端；采集系统包括网格化单元、对比单元和统计单元；本发明的有益效果在于，本发明将智能视觉深度学习的方法植入自动泊车路径规划技术中，由采集系统实时采集车辆正前方的画面信息，并通过计算系统确认阻挡车辆的类型和大小，并与导航系统和停车场云功能确定车辆能够通过阻挡规划的行驶路径，并以此为依据重新规划行驶路径；本发明在车头加装测距雷达，用于判断车头和阻挡车辆之间的距离，一方面优化网格化单元使得获取的车辆节点更加接近真实尺寸，另一方面在车辆与阻碍物距离过近时会直接对车辆进行指导，确保车辆安全性。
Description
技术领域
本发明涉及自动泊车、自动驾驶技术领域，尤其涉及一种基于智能视觉深度学习的自动泊车系统。
背景技术
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，并且使电脑处理结果成为更适合人眼观察或传送给仪器检测的图像。在医学领域，可应用计算机视觉技术从显微镜图像、X射线图像、血管造影图像等应用图像中提取用于对患者进行医疗诊断的特征信息，从而能够准确及时地对患者采取相应的救治措施；在工业领域，可应用计算机视觉技术对制造工序进行管理，从而实现对产品的质量控制；在军事领域，应用计算机视觉技术可探测敌方目标的具体位置，以进行精确打击；另外，计算机视觉技术在导航、监控和视觉特效制作等领域都有着广泛的应用。然而，现有的计算机视觉深度学习方法存在处理图像得到的结果不显著，并且不能处理源图像中的局部微小的特征信息等问题。
自动泊车系统是根据停车场的车位状况和车辆所处的位置自动规划车辆到达停车位的路径，但是现有的自动泊车路径系统无法判断行驶路径上是否存在阻挡车辆。因此，本发明提出将智能视觉深度学习方法与车辆自动泊车技术结合，将采集画面与预设画面进行对比，并用对比结果指导车辆行驶路径，判断规划的车辆行驶路径是否遇阻，并以此为依据判断行驶路径重新规划，还是按照原行驶路径绕过阻挡车辆行驶。
发明内容
本发明需要解决的技术问题在于，提供一种基于智能视觉深度学习的自动泊车系统，结合云端技术和视觉深度学习技术，通过云平台的实时数据和采集的实时画面，根据实时数据对车辆泊车的行驶路径进行规划和优化。
为了实现上述目的，本发明的技术方案是：一种基于智能视觉深度学习的自动泊车系统，包括：
停车场云：用于接收车辆的泊车请求，储存停车位状况，规划车辆行车路径；
采集系统：用于拍摄车辆正前方的车辆图像；
计算系统：用于储存预存车辆图片，对采集到的车辆图像与系统储存的车辆预存图片进行解析，计算出二者的匹配值；
移动终端：用于显示计算系统的计算结果，与停车场云进行通信。
所述采集系统与所述计算系统通过Can总线连接，所述计算系统通过无线通讯方式与所述移动终端连接，所述移动终端通过无线通讯方式与所述停车场云双向通讯。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述计算系统包括储存单元、网格化单元、对比单元和统计单元；所述储存单元用于储存车辆预存图片；所述网格化单元将所述采集系统采集的车辆图像和系统预存图片网格化，并确定车辆的轮廓节点；所述对比单元将节点化的采集车辆图像和系统车辆预存图片记性对比；所述统计单元统计每个节点的对比匹配值以得到整体的匹配分数。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述网格化单元、对比单元和统计单元采用基于ARM9处理器芯片S3C2440；所述储存单元采用EEROM储存器。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述采集单元为车载摄像头，且安装在车辆前挡风玻璃正中央。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述移动终端包括智能手机、平板电脑等，所述移动终端使用的操作系统及平台包括IOS、Android、WindowsPhone等。
上述的基于智能视觉深度学习的自动泊车系统，其中，还包括测距雷达；三个所述测距雷达安装在车头上，且与所述计算单元通过Can总线连接，用于判断车头与车辆正前方阻挡车辆之间的距离。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述测距雷达为激光雷达、毫米波雷达、微波雷达或超声波雷达的一种或多种。
上述的基于智能视觉深度学习的自动泊车系统，其中，还包括导航系统；所述导航系统与所述移动终端通过GPRS无线通信方式连接，用于确定车辆在停车场内的具体位置。
上述的基于智能视觉深度学习的自动泊车系统，其中，所述导航系统包括GPS或北斗中的一种。
综上所述，本发明的有益效果在于：
（1）本发明将智能视觉深度学习的方法植入自动泊车路径规划技术中，由采集系统实时采集车辆正前方的画面信息，并通过计算系统确认阻挡车辆的类型和大小，并与导航系统和停车场云功能确定车辆能够通过阻挡规划的行驶路径，并以此为依据重新规划行驶路径；
（2）本发明在车头加装测距雷达，用于判断车头和阻挡车辆之间的距离，一方面优化网格化单元使得获取的车辆节点更加接近真实尺寸，另一方面在车辆与阻碍物距离过近时会直接对车辆进行指导，确保车辆安全性。
附图说明
图1是本发明基于智能视觉深度学习的自动泊车系统的原理图。
图2是本发明基于智能视觉深度学习的自动泊车系统计算系统的原理图。
具体实施方式
以下结合附图进一步说明本发明的实施例。
请参见附图1至附图2所示，一种基于智能视觉深度学习的自动泊车系统，包括：
停车场云：用于接收车辆的泊车请求，储存停车位状况，规划车辆行车路径；
采集系统：用于拍摄车辆正前方的车辆图像；
计算系统：用于储存预存车辆图片，对采集到的车辆图像与系统储存的车辆预存图片进行解析，计算出二者的匹配值；
移动终端：用于显示计算系统的计算结果，与停车场云进行通信。
所述采集系统与所述计算系统通过Can总线连接，所述计算系统通过无线通讯方式与所述移动终端连接，所述移动终端通过无线通讯方式与所述停车场云双向通讯。
所述计算系统包括储存单元、网格化单元、对比单元和统计单元；所述储存单元用于储存车辆预存图片；所述网格化单元将所述采集系统采集的车辆图像和系统预存图片网格化，并确定车辆的轮廓节点；所述对比单元将节点化的采集车辆图像和系统车辆预存图片记性对比；所述统计单元统计每个节点的对比匹配值以得到整体的匹配分数。
所述网格化单元、对比单元和统计单元采用基于ARM9处理器芯片S3C2440，对采集图像和预存图片进行匹配计算，确认阻挡车辆的型号和大小；所述储存单元采用EEROM储存器，可确保所述计算系统断电后，所述储存单元内储存的预存车辆图片不会被抹去。
所述采集单元为车载摄像头，且安装在车辆前挡风玻璃正中央，所述采集单元通过每秒5帧的速率对正前方进行拍摄，以实时获取车辆前方的图像。
还包括测距雷达；三个所述测距雷达安装在车头上，且与所述计算单元通过Can总线连接，用于判断车头与车辆正前方阻挡车辆之间的距离，其中，所述测距雷达为激光雷达、毫米波雷达、微波雷达或超声波雷达的一种或多种，所述测距雷达用来测量车辆与前方阻挡物之间的距离，通过确定二者之间的距离，来优化所述网格化单元构架的车辆节点，确保所述计算系统对车辆类型的准确计算。
还包括导航系统；所述导航系统与所述移动终端通过GPRS无线通信方式连接，用于确定车辆在停车场内的具体位置，其中，所述导航系统包括GPS或北斗中的一种，车辆进入停车场时所述导航系统用于确定车辆的具体位置，并通过移动终端规划最后的泊车行驶路线，当行驶过程中车辆遇阻，则通过导航系统确定的车辆具体位置、停车场云确定的道路宽度和计算系统的计算结果，判断车辆能否通过转向绕过阻挡物。
所述移动终端包括智能手机、平板电脑等，所述移动终端使用的操作系统及平台包括IOS、Android、WindowsPhone等，在所述移动终端内安装应用程序，对所述停车场云的数据和所述计算系统的结果进行显示，同时与所述导航系统共同确认车辆的具体位置。
使用方法：
首先，车辆行驶到停车场入口，所述移动终端与所述停车场云通讯获取停车场停车位的信息，与所述导航系统通讯确认车辆在停车场的具体位置并有所述移动终端确认车辆泊车的行驶路径，此时所述采集系统以每秒5帧的速度进行拍摄，车辆行驶过程中如果遇到前方有车辆阻挡，所述采集系统拍摄的照片被传输至所述计算系统，所述网格化单元将采集的车辆图像网格化，并与所述储存单元内的若干预存车辆图片进行对比计算，并有统计单元统计计算的匹配值，匹配值最高的车辆类型和大小将通过所述移动终端显示，之后，根据导航系统确定的车辆具体位置、停车场云确定的道路宽度和计算系统的计算结果，判断车辆能够通过阻挡物，如果能够通过则根据车宽转向绕过阻挡车辆在回到行驶路径，如果车辆无法通过阻挡物，则由所属移动终端重新规划泊车的行驶路径。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构变换，或直接或间接运用附属在其他相关产品的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于智能视觉深度学习的自动泊车系统，其特征在于，包括：
停车场云：用于接收车辆的泊车请求，储存停车位状况，规划车辆行车路径；
采集系统：用于拍摄车辆正前方的车辆图像；
计算系统：用于储存预存车辆图片，对采集到的车辆图像与系统储存的车辆预存图片进行解析，计算出二者的匹配值；
移动终端：用于显示计算系统的计算结果，与停车场云进行通信。
2.所述采集系统与所述计算系统通过Can总线连接，所述计算系统通过无线通讯方式与所述移动终端连接，所述移动终端通过无线通讯方式与所述停车场云双向通讯。
3.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述计算系统包括储存单元、网格化单元、对比单元和统计单元；所述储存单元用于储存车辆预存图片；所述网格化单元将所述采集系统采集的车辆图像和系统预存图片网格化，并确定车辆的轮廓节点；所述对比单元将节点化的采集车辆图像和系统车辆预存图片记性对比；所述统计单元统计每个节点的对比匹配值以得到整体的匹配分数。
4.根据权利要求2所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述网格化单元、对比单元和统计单元采用基于ARM9处理器芯片S3C2440；所述储存单元采用EEROM储存器。
5.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述采集单元为车载摄像头，且安装在车辆前挡风玻璃正中央。
6.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述移动终端包括智能手机、平板电脑等，所述移动终端使用的操作系统及平台包括IOS、Android、WindowsPhone等。
7.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：还包括测距雷达；三个所述测距雷达安装在车头上，且与所述计算单元通过Can总线连接，用于判断车头与车辆正前方阻挡车辆之间的距离。
8.根据权利要求6所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述测距雷达为激光雷达、毫米波雷达、微波雷达或超声波雷达的一种或多种。
9.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：还包括导航系统；所述导航系统与所述移动终端通过GPRS无线通信方式连接，用于确定车辆在停车场内的具体位置。
10.根据权利要求8所述的一种基于智能视觉深度学习的自动泊车系统，其特征在于：所述导航系统包括GPS或北斗中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910346562.4A CN111845714A (zh) | 2019-04-26 | 2019-04-26 | 一种基于智能视觉深度学习的自动泊车系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910346562.4A CN111845714A (zh) | 2019-04-26 | 2019-04-26 | 一种基于智能视觉深度学习的自动泊车系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111845714A true CN111845714A (zh) | 2020-10-30 |
Family
ID=72951883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910346562.4A Pending CN111845714A (zh) | 2019-04-26 | 2019-04-26 | 一种基于智能视觉深度学习的自动泊车系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111845714A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650605A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 泊车控制方法及系统 |
| CN115472037A (zh) * | 2022-09-13 | 2022-12-13 | 上海阔步实业有限公司 | 一种基于场端定位的辅助泊车方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102014209678A1 (de) * | 2014-05-21 | 2015-11-26 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Ermitteln einer Fahrzeugposition eines Fahrzeuges gegenüber einer Referenzposition |
| CN105946853A (zh) * | 2016-04-28 | 2016-09-21 | 中山大学 | 基于多传感器融合的长距离自动泊车的系统及方法 |
| CN106846870A (zh) * | 2017-02-23 | 2017-06-13 | 重庆邮电大学 | 基于集中式视觉的停车场‑车辆协同的智能停车系统及方法 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN107613262A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技（北京）有限公司 | 一种视觉信息处理系统与方法 |
| CN107817798A (zh) * | 2017-10-30 | 2018-03-20 | 洛阳中科龙网创新科技有限公司 | 一种基于深度学习系统的农用机械避障方法 |
| CN107891809A (zh) * | 2016-10-04 | 2018-04-10 | Lg电子株式会社 | 自动驻车辅助装置、提供自动驻车功能的方法以及车辆 |
| CN108537284A (zh) * | 2018-04-13 | 2018-09-14 | 东莞松山湖国际机器人研究院有限公司 | 基于计算机视觉深度学习算法的姿态评估打分方法和系统 |
| CN109649380A (zh) * | 2018-12-28 | 2019-04-19 | 广东三浦车库股份有限公司 | 一种基于车库的自动驾驶系统 |
-
2019
- 2019-04-26 CN CN201910346562.4A patent/CN111845714A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102014209678A1 (de) * | 2014-05-21 | 2015-11-26 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Ermitteln einer Fahrzeugposition eines Fahrzeuges gegenüber einer Referenzposition |
| CN105946853A (zh) * | 2016-04-28 | 2016-09-21 | 中山大学 | 基于多传感器融合的长距离自动泊车的系统及方法 |
| CN107891809A (zh) * | 2016-10-04 | 2018-04-10 | Lg电子株式会社 | 自动驻车辅助装置、提供自动驻车功能的方法以及车辆 |
| CN106846870A (zh) * | 2017-02-23 | 2017-06-13 | 重庆邮电大学 | 基于集中式视觉的停车场‑车辆协同的智能停车系统及方法 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN107613262A (zh) * | 2017-09-30 | 2018-01-19 | 驭势科技（北京）有限公司 | 一种视觉信息处理系统与方法 |
| CN107817798A (zh) * | 2017-10-30 | 2018-03-20 | 洛阳中科龙网创新科技有限公司 | 一种基于深度学习系统的农用机械避障方法 |
| CN108537284A (zh) * | 2018-04-13 | 2018-09-14 | 东莞松山湖国际机器人研究院有限公司 | 基于计算机视觉深度学习算法的姿态评估打分方法和系统 |
| CN109649380A (zh) * | 2018-12-28 | 2019-04-19 | 广东三浦车库股份有限公司 | 一种基于车库的自动驾驶系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113650605A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 泊车控制方法及系统 |
| CN115472037A (zh) * | 2022-09-13 | 2022-12-13 | 上海阔步实业有限公司 | 一种基于场端定位的辅助泊车方法 |
| CN115472037B (zh) * | 2022-09-13 | 2024-08-06 | 上海阔步实业有限公司 | 一种基于场端定位的辅助泊车方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112417967B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
| KR102098140B1 (ko) | 자동차의 블라인드 스팟 모니터링 방법 및 이를 이용한 블라인드 스팟 모니터 | |
| CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
| DE102016120507B4 (de) | Prädizieren von fahrzeugbewegungen anhand von fahrerkörpersprache | |
| WO2022141538A1 (zh) | 一种轨迹预测方法与装置 | |
| US9359009B2 (en) | Object detection during vehicle parking | |
| WO2019061311A1 (zh) | 自动驾驶车辆的控制方法、控制终端及机器可读存储介质 | |
| CN112528773B (zh) | 障碍物信息融合方法、装置、电子设备和存储介质 | |
| CN109074069A (zh) | 具有改进的视觉检测能力的自主车辆 | |
| CN111094095B (zh) | 自动地感知行驶信号的方法、装置及运载工具 | |
| US10232772B2 (en) | Driver assistance system | |
| CN112541416B (zh) | 跨雷达障碍物跟踪方法、装置、电子设备和存储介质 | |
| CN108306842A (zh) | 售车过程中无人陪同试驾的系统及方法 | |
| Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
| DE112016005700T5 (de) | Wendeassistenz auf Grundlage der Manövrierschwierigkeit | |
| Pech et al. | Head tracking based glance area estimation for driver behaviour modelling during lane change execution | |
| CN111845714A (zh) | 一种基于智能视觉深度学习的自动泊车系统 | |
| CN111444891A (zh) | 一种基于机载视觉的无人碾压机作业场景感知系统及方法 | |
| DE102020113418B4 (de) | Vorrichtung und verfahren zum autonomen fahren | |
| CN110136186A (zh) | 一种用于移动机器人目标测距的检测目标匹配方法 | |
| CN113071500A (zh) | 车道线的获取方法、装置、计算机设备和存储介质 | |
| CN113469045A (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
| CN116958935A (zh) | 基于多视角的目标定位方法、装置、设备及介质 | |
| CN111881245A (zh) | 能见度动态地图的产生方法、装置、计算机设备及存储介质 | |
| US20230098314A1 (en) | Localizing and updating a map using interpolated lane edge data |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |