CN111994081A - 车位检测方法、设备、存储介质及装置 - Google Patents
车位检测方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN111994081A CN111994081A CN202010875833.8A CN202010875833A CN111994081A CN 111994081 A CN111994081 A CN 111994081A CN 202010875833 A CN202010875833 A CN 202010875833A CN 111994081 A CN111994081 A CN 111994081A
- Authority
- CN
- China
- Prior art keywords
- parking space
- database
- data
- obstacle
- target
- 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
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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车位检测方法、设备、存储介质及装置,该方法包括:相较于现有的直接根据图像车位信息以及超声波车位信息进行车位检测的方式,本发明中,通过在接收到车位检测指令时,控制目标传感器发射检测超声波,接收检测超声波对应的超声波回波,并根据超声波回波确定障碍物数据,并根据障碍物数据生成障碍物数据库,获取预设区域内的当前图像,并根据当前图像构建停车线数据库,根据障碍物数据库以及停车线数据库生成车位特征数据库,对车位特征数据库进行数据提取,获得目标数据,并根据目标数据确定目标车位,克服了现有技术中无法匹配有效停车位信息的缺陷,从而能够优化车位检测过程,以满足自动泊车需求。
Description
技术领域
本发明涉及自动泊车技术领域,尤其涉及一种车位检测方法、设备、存储介质及装置。
背景技术
目前,全自动泊车中最核心的技术就是车位检测。现有技术中,车位检测是先通过安装在车辆上的环视摄像头提取白色线/黄色线等角点特征,根据角点特征生成图像车位信息,再根据安装在车辆上的超声波雷达接收超声波回波,根据超声波回波生成超声波车位信息,最后根据图像车位信息以及超声波车位信息进行车位检测。
但是,上述车位检测存在以下问题:1、在三个线性标记的停车位,有两辆障碍车辆占据左右线性停车位,其中一辆车为压线停车时,超声波所检测到的有效车位为两个障碍车辆组成的车位,而环视摄像头只能识别到单个角点位置,无法匹配有效停车位信息,因此,在该场景下,其车位识别有误;2、在两个线性标记的停车位,有一辆障碍车辆占据右侧线性停车位,另一侧为墙时,超声波所检测到的有效车位为墙和障碍车辆组成的车位,而环视摄像头只能识别到单个角点位置,无法匹配有效停车位信息,因此,在该场景下,其车位识别有误。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车位检测方法、设备、存储介质及装置,旨在解决如何优化车位检测过程的技术问题。
为实现上述目的,本发明提供一种车位检测方法,所述车位检测方法包括以下步骤:
在接收到车位检测指令时,控制目标传感器发射检测超声波;
接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库;
获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库;
根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库;
对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
优选地,所述根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库的步骤,具体包括:
获取所述障碍物数据库的障碍物数据属性;
基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库;
根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库。
优选地,所述对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位的步骤,具体包括:
对所述车位特征数据库进行标识提取,获得标识信息;
根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据;
根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位。
优选地,所述获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库的步骤,具体包括:
获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像;
根据所述待识别图像确定停车位角点位置信息以及停车线位置信息;
根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库。
优选地,所述获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像的步骤,具体包括:
获取预设区域内的当前图像,并对所述当前图像进行灰度化处理,获得待调整图像;
对所述待调整样本图像进行亮度调整,获取待识别图像。
优选地,所述接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库的步骤,具体包括:
接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果;
根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库。
优选地,所述对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位的步骤之后,所述车位检测方法还包括:
获取当前显示设备信息,并根据所述当前显示设备信息确定目标展示模板;
基于所述目标展示模板对所述目标车位进行展示。
此外,为实现上述目的,本发明还提出一种车位检测设备,所述车位检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车位检测程序,所述车位检测程序配置为实现如上文所述的车位检测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车位检测程序,所述车位检测程序被处理器执行时实现如上文所述的车位检测方法的步骤。
此外,为实现上述目的,本发明还提出一种车位检测装置,所述车位检测装置包括:控制模块、生成模块和确定模块;
所述控制模块,用于在接收到车位检测指令时,控制目标传感器发射检测超声波;
所述生成模块,用于接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库;
所述生成模块,还用于获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库;
所述生成模块,还用于根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库;
所述确定模块,用于对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
本发明中,在接收到车位检测指令时,控制目标传感器发射检测超声波,接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库,获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库,根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库,对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位;相较于现有的直接根据图像车位信息以及超声波车位信息进行车位检测的方式,本发明中,将障碍物数据库与停车线数据库进行数据融合,生成车位特征数据库,并根据车位特征数据库确定目标车位,克服了现有技术中无法匹配有效停车位信息的缺陷,从而能够优化车位检测过程,以满足自动泊车需求。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车位检测设备的结构示意图;
图2为本发明车位检测方法第一实施例的流程示意图;
图3为本发明车位检测方法一实施例的传统车位检测方式示意图;
图4为本发明车位检测方法一实施例的具体车位检测方式示意图;
图5为本发明车位检测方法第二实施例的流程示意图;
图6为本发明车位检测方法第三实施例的流程示意图;
图7为本发明车位检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车位检测设备结构示意图。
如图1所示,该车位检测设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车位检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车位检测程序。
在图1所示的车位检测设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述车位检测设备通过处理器1001调用存储器1005中存储的车位检测程序,并执行本发明实施例提供的车位检测方法。
基于上述硬件结构,提出本发明车位检测方法的实施例。
参照图2,图2为本发明车位检测方法第一实施例的流程示意图,提出本发明车位检测方法第一实施例。
步骤S10:在接收到车位检测指令时,控制目标传感器发射检测超声波。
应当理解的是,本实施例的执行主体是所述车位检测设备,其中,所述车位检测设备可为目标车辆的整车控制器等电子设备,还可为其他可实现相同或相似功能的设备,本实施例对此不作限制,在本实施例以及下述各实施例中,以车位检测设备为例对本发明车位检测方法进行说明,其中,目标车辆可以是需要进行自动泊车的车辆,本实施例对此不加以限制。
需要说明的是,车位检测指令可以是用户通过目标车辆的信息交互界面输入的车位检测指令或自动泊车指令等,其中,信息交互界面可以是目标车辆的车载电脑的显示界面等,本实施例对此不加以限制;目标传感器可以是具有超声波发射功能的电子设备,本实施例中以超声波雷达为例进行说明。
步骤S20:接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库。
需要说明的是,超声波回波可以是检测超声波到达障碍物时,障碍物反射的超声波;障碍物数据可以是障碍物的位置信息等,本实施例对此不加以限制;障碍物数据库可以是用来存放障碍物数据的数据库。
应当理解的是,根据超声波回波确定障碍物数据,并根据障碍物数据生成障碍物数据库可以是基于预设超声波分析模型对超声波回波进行分析,获得障碍物数据,根据障碍物数据生成障碍物数据库。
进一步地,考虑到实际应用中,若基于预设超声波分析模型对超声波回波进行分析,势必会导致分析过程所涉及的对象过多,运算量过大。为克服这一缺陷,所述接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库,包括:
接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果,根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库。
步骤S30:获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库。
需要说明的是,预设区域可以是用户预先设置的环视摄像头的拍摄区域,本实施例对此不加以限制。
进一步地,为了提高停车线数据库的准确性,所述获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库,包括:
获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像,根据所述待识别图像确定停车位角点位置信息以及停车线位置信息,根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库。
步骤S40:根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库。
应当理解的是,根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库可以是获取所述障碍物数据库的障碍物数据属性,基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库,根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库。
步骤S50:对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
可以理解的是,对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位可以是对所述车位特征数据库进行标识提取,获得标识信息,根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据,根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位。
在具体实现中,例如,如图3的传统车位检测方式示意图所示,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库。由于,障碍物车B的遮挡,停车线只能识别出三条,并不能围成一个停车位。因此,根据障碍物数据库以及停车线数据库生成的目标车位如图3中黑色实线框所示,显而易见,图3中的停车位检测并不准确;
图4为本方案的具体车位检测方式示意图,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库,此时,将停车线数据库中的停车线数据的数据属性修改为障碍物数据,并设置高度为0,可以获得障碍物A、a、b以及c围成的区域,并将该区域作为目标车位,目标车位区域如图4中黑色虚线框所示,显而易见,本方案的停车位检测准确性更高。
在第一实施例中,在接收到车位检测指令时,控制目标传感器发射检测超声波,接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库,获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库,根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库,对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位;相较于现有的直接根据图像车位信息以及超声波车位信息进行车位检测的方式,本发明中,将障碍物数据库与停车线数据库进行数据融合,生成车位特征数据库,并根据车位特征数据库确定目标车位,克服了现有技术中无法匹配有效停车位信息的缺陷,从而能够优化车位检测过程,以满足自动泊车需求。
参照图5,图5为本发明车位检测方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明车位检测方法的第二实施例。
在第二实施例中,所述步骤S20,包括:
步骤S201:接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果。
需要说明的是,超声波回波可以是检测超声波到达障碍物时,障碍物反射的超声波。
应当理解的是,接收检测超声波对应的超声波回波可以是通过超声波雷达的接收探头接收检测超声波对应的超声波回波。
可以理解的是,对超声波回波进行特征分析,获得分析结果可以是根据超声波回波生成波形图,并判断波形图出现波形突变,获得判断结果,根据判断结果生成分析结果;也可以是根据超声波回波生成波形图,并将波形图与障碍物样本波形图进行匹配,获得匹配结果,根据匹配结果生成分析结果。
步骤S202:根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库。
需要理解的是,障碍物数据可以是障碍物的位置信息等,本实施例对此不加以限制;障碍物数据库可以是用来存放障碍物数据的数据库。
应当理解的是,根据分析结果生成障碍物数据可以是根据波形突变的出现位置确定障碍物的位置信息;也可以是根据匹配成功的障碍物样本波形图确定障碍物的位置信息。
在第二实施例中,通过接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果,根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库,从而能够提高障碍物数据库的准确性。
在第二实施例中,所述步骤S30,包括:
步骤S301:获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像。
需要说明的是,预设区域可以是用户预先设置的环视摄像头的拍摄区域,本实施例对此不加以限制。
应当理解的是,获取预设区域内的当前图像可以是通过安装在目标车辆上的环视摄像头拍摄预设区域,获得当前图像。
可以理解的是,对当前图像进行预处理,获得待识别图像可以是通过预先设置的预处理脚本对当前图像进行预处理,获得待识别图像。
进一步地,为了提高预处理的处理效果,所述步骤S301,包括:
获取预设区域内的当前图像,并对所述当前图像进行灰度化处理,获得待调整图像;
对所述待调整样本图像进行亮度调整,获取待识别图像。
可以理解的是,对当前图像进行灰度化处理,获得待调整图像可以是通过分量法、最大值法、平均值法以及加权平均法中的至少一种对当前图像进行灰度化处理,获得待调整图像,本实施例对此不加以限制。
应当理解的是,对待调整样本图像进行亮度调整,获取待识别图像可以是获取待调整图像的当前对比度,并根据当前对比度对待调整样本图像进行亮度调整,获取待识别图像。
步骤S302:根据所述待识别图像确定停车位角点位置信息以及停车线位置信息。
需要说明的是,停车位角点位置信息可以是停车位四个顶角的位置信息;停车线位置信息可以是停车位的四条停车线的位置信息,本实施例对此不加以限制。
步骤S303:根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库。
应当理解的是,根据停车位角点位置信息以及停车线位置信息构建停车线数据库可以是将停车位角点位置信息以及停车线位置信息存入停车线数据库。
在第二实施例中,通过获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像,根据所述待识别图像确定停车位角点位置信息以及停车线位置信息,根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库,从而能够提高停车线数据库的准确性。
在第二实施例中,所述步骤S40,包括:
步骤S401:获取所述障碍物数据库的障碍物数据属性。
需要说明的是,障碍物数据属性可以是用来定义数据的种类信息,本实施例对此不加以限制。
步骤S402:基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库。
应当理解的是,基于障碍物数据属性对停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库可以是将停车线数据库中的停车线数据的数据属性修改为障碍物,并定义障碍物高度为0,获得待融合停车线数据库。
步骤S403:根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库。
可以理解的是,根据障碍物数据库以及待融合停车线数据库生成车位特征数据库可以是将障碍物数据库与待融合停车线数据库进行数据融合,获得车位特征数据库。
在第二实施例中,通过获取所述障碍物数据库的障碍物数据属性,基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库,根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库,从而能够对障碍物数据库与停车线数据库进行数据融合生成车位特征数据库,以提高车位特征数据库的适应性。
在第二实施例中,所述步骤S50,包括:
步骤S501:对所述车位特征数据库进行标识提取,获得标识信息。
需要说明的是,标识信息可以是用来标识车位数据库中数据类型的信息。
步骤S502:根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据。
可以理解的是,根据标识信息对车位特征数据库进行数据筛选,获得目标数据可以是根据标识信息对车位特征数据库进行数据筛选,获得障碍物数据,并将障碍物数据作为目标数据。
步骤S503:根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位。
需要说明的是,预设障碍物模型可以是用来构建障碍物场景的模型,本实施例对此不加以限制。
在具体实现中,例如,如图3的传统车位检测方式示意图所示,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库。由于,障碍物车B的遮挡,停车线只能识别出三条,并不能围成一个停车位。因此,根据障碍物数据库以及停车线数据库生成的目标车位如图3中黑色实线框所示,显而易见,图3中的停车位检测并不准确;
图4为本方案的具体车位检测方式示意图,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库,此时,将停车线数据库中的停车线数据的数据属性修改为障碍物数据,并设置高度为0,可以获得障碍物A、a、b以及c围成的区域,并将该区域作为目标车位,目标车位区域如图4中黑色虚线框所示,显而易见,本方案的停车位检测准确性更高。
在第二实施例中,通过对所述车位特征数据库进行标识提取,获得标识信息,根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据,根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位,从而能够准确、快速的确定目标车位。
参照图6,图6为本发明车位检测方法第三实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明车位检测方法的第三实施例。
在第三实施例中,所述步骤S50之后,还包括:
步骤S60:获取当前显示设备信息,并根据所述当前显示设备信息确定目标展示模板。
需要说明的是,当前显示设备信息可以是目标车辆的显示设备身份标识信息等,本实施例对此不加以限制。
应当理解的是,不同种类的显示设备的显示方式不同,因此,需要根据显示设备的显示设备信息确定目标展示模板,以使展示效果契合当前显示设备。
步骤S70:基于所述目标展示模板对所述目标车位进行展示。
可以理解的是,基于目标展示模板对所述目标车位进行展示可以是将目标车位的车位信息融入目标展示模板并展示。
在第三实施例中,通过获取当前显示设备信息,并根据所述当前显示设备信息确定目标展示模板,基于所述目标展示模板对所述目标车位进行展示;从而能够使目标车位的显示效果更契合显示设备。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车位检测程序,所述车位检测程序被处理器执行时实现如上文所述的车位检测方法的步骤。
此外,参照图7,本发明实施例还提出一种车位检测装置,所述车位检测装置包括:控制模块10、生成模块20和确定模块30;
所述控制模块10,用于在接收到车位检测指令时,控制目标传感器发射检测超声波。
需要说明的是,车位检测指令可以是用户通过目标车辆的信息交互界面输入的车位检测指令或自动泊车指令等,其中,信息交互界面可以是目标车辆的车载电脑的显示界面等,本实施例对此不加以限制;目标传感器可以是具有超声波发射功能的电子设备,本实施例中以超声波雷达为例进行说明。
所述生成模块20,用于接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库。
需要说明的是,超声波回波可以是检测超声波到达障碍物时,障碍物反射的超声波;障碍物数据可以是障碍物的位置信息等,本实施例对此不加以限制;障碍物数据库可以是用来存放障碍物数据的数据库。
应当理解的是,根据超声波回波确定障碍物数据,并根据障碍物数据生成障碍物数据库可以是基于预设超声波分析模型对超声波回波进行分析,获得障碍物数据,根据障碍物数据生成障碍物数据库。
进一步地,考虑到实际应用中,若基于预设超声波分析模型对超声波回波进行分析,势必会导致分析过程所涉及的对象过多,运算量过大。为克服这一缺陷,所述接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库,包括:
接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果,根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库。
所述生成模块20,还用于获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库。
需要说明的是,预设区域可以是用户预先设置的环视摄像头的拍摄区域,本实施例对此不加以限制。
进一步地,为了提高停车线数据库的准确性,所述获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库,包括:
获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像,根据所述待识别图像确定停车位角点位置信息以及停车线位置信息,根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库。
所述生成模块20,还用于根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库。
应当理解的是,根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库可以是获取所述障碍物数据库的障碍物数据属性,基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库,根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库。
所述确定模块30,用于对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
可以理解的是,对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位可以是对所述车位特征数据库进行标识提取,获得标识信息,根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据,根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位。
在具体实现中,例如,如图3的传统车位检测方式示意图所示,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库。由于,障碍物车B的遮挡,停车线只能识别出三条,并不能围成一个停车位。因此,根据障碍物数据库以及停车线数据库生成的目标车位如图3中黑色实线框所示,显而易见,图3中的停车位检测并不准确;
图4为本方案的具体车位检测方式示意图,在本示意图中,目标车辆为A,目标车辆的超声波雷达检测到障碍物为车辆B以及车辆C,并根据超声波回波确定车辆B以及车辆C的停放位置信息,并根据车辆B以及车辆C的停放位置信息作为障碍物数据库,再根据目标车辆的环视摄像头检测环视摄像头拍摄预设区域的图像,获得停车线为a、b以及c,并获取停车线位置信息,根据停车线位置信息生成停车线数据库,此时,将停车线数据库中的停车线数据的数据属性修改为障碍物数据,并设置高度为0,可以获得障碍物A、a、b以及c围成的区域,并将该区域作为目标车位,目标车位区域如图4中黑色虚线框所示,显而易见,本方案的停车位检测准确性更高。
在本实施例中,在接收到车位检测指令时,控制目标传感器发射检测超声波,接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库,获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库,根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库,对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位;相较于现有的直接根据图像车位信息以及超声波车位信息进行车位检测的方式,本发明中,将障碍物数据库与停车线数据库进行数据融合,生成车位特征数据库,并根据车位特征数据库确定目标车位,克服了现有技术中无法匹配有效停车位信息的缺陷,从而能够优化车位检测过程,以满足自动泊车需求。
在一实施例中,所述生成模块20,还用于获取所述障碍物数据库的障碍物数据属性,基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库,根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库;
在一实施例中,所述确定模块30,还用于对所述车位特征数据库进行标识提取,获得标识信息,根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据,根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位;
在一实施例中,所述生成模块20,还用于获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像,根据所述待识别图像确定停车位角点位置信息以及停车线位置信息,根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库;
在一实施例中,所述生成模块20,还用于获取预设区域内的当前图像,并对所述当前图像进行灰度化处理,获得待调整图像,对所述待调整样本图像进行亮度调整,获取待识别图像;
在一实施例中,所述生成模块20,还用于接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果,根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库;
在一实施例中,所述车位检测装置还包括:展示模块;
所述展示模块,用于获取当前显示设备信息,并根据所述当前显示设备信息确定目标展示模板,基于所述目标展示模板对所述目标车位进行展示。
本发明所述车位检测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上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及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车位检测方法,其特征在于,所述车位检测方法包括以下步骤:
在接收到车位检测指令时,控制目标传感器发射检测超声波;
接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库;
获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库;
根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库;
对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
2.如权利要求1所述的车位检测方法,其特征在于,所述根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库的步骤,具体包括:
获取所述障碍物数据库的障碍物数据属性;
基于所述障碍物数据属性对所述停车线数据库中的停车线数据进行属性调整,获得待融合停车线数据库;
根据所述障碍物数据库以及所述待融合停车线数据库生成车位特征数据库。
3.如权利要求1所述的车位检测方法,其特征在于,所述对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位的步骤,具体包括:
对所述车位特征数据库进行标识提取,获得标识信息;
根据所述标识信息对所述车位特征数据库进行数据筛选,获得目标数据;
根据所述目标数据通过预设障碍物模型进行场景重构,获得目标障碍物信息,并根据目标障碍物信息确定目标车位。
4.如权利要求1所述的车位检测方法,其特征在于,所述获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库的步骤,具体包括:
获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像;
根据所述待识别图像确定停车位角点位置信息以及停车线位置信息;
根据所述停车位角点位置信息以及所述停车线位置信息构建停车线数据库。
5.如权利要求4所述的车位检测方法,其特征在于,所述获取预设区域内的当前图像,并对所述当前图像进行预处理,获得待识别图像的步骤,具体包括:
获取预设区域内的当前图像,并对所述当前图像进行灰度化处理,获得待调整图像;
对所述待调整样本图像进行亮度调整,获取待识别图像。
6.如权利要求1所述的车位检测方法,其特征在于,所述接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库的步骤,具体包括:
接收所述检测超声波对应的超声波回波,并对所述超声波回波进行特征分析,获得分析结果;
根据所述分析结果生成障碍物数据,并根据所述障碍物数据生成障碍物数据库。
7.如权利要求1-6中任一项所述的车位检测方法,其特征在于,所述对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位的步骤之后,所述车位检测方法还包括:
获取当前显示设备信息,并根据所述当前显示设备信息确定目标展示模板;
基于所述目标展示模板对所述目标车位进行展示。
8.一种车位检测设备,其特征在于,所述车位检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车位检测程序,所述车位检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的车位检测方法的步骤。
9.一种存储介质,其特征在于,所述存储介质上存储有车位检测程序,所述车位检测程序被处理器执行时实现如权利要求1至7中任一项所述的车位检测方法的步骤。
10.一种车位检测装置,其特征在于,所述车位检测装置包括:控制模块、生成模块和确定模块;
所述控制模块,用于在接收到车位检测指令时,控制目标传感器发射检测超声波;
所述生成模块,用于接收所述检测超声波对应的超声波回波,并根据所述超声波回波确定障碍物数据,并根据所述障碍物数据生成障碍物数据库;
所述生成模块,还用于获取预设区域内的当前图像,并根据所述当前图像构建停车线数据库;
所述生成模块,还用于根据所述障碍物数据库以及所述停车线数据库生成车位特征数据库;
所述确定模块,用于对所述车位特征数据库进行数据提取,获得目标数据,并根据所述目标数据确定目标车位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875833.8A CN111994081A (zh) | 2020-08-26 | 2020-08-26 | 车位检测方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010875833.8A CN111994081A (zh) | 2020-08-26 | 2020-08-26 | 车位检测方法、设备、存储介质及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111994081A true CN111994081A (zh) | 2020-11-27 |
Family
ID=73471374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010875833.8A Pending CN111994081A (zh) | 2020-08-26 | 2020-08-26 | 车位检测方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111994081A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562412A (zh) * | 2020-12-07 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112633152A (zh) * | 2020-12-22 | 2021-04-09 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN113246990A (zh) * | 2021-05-24 | 2021-08-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物位置的确定方法、装置和车辆 |
CN113920782A (zh) * | 2021-10-08 | 2022-01-11 | 安徽江淮汽车集团股份有限公司 | 应用于车位检测的多传感器融合方法 |
CN115083172A (zh) * | 2022-06-17 | 2022-09-20 | 深圳智优停科技有限公司 | 车位占用状态的障碍物检测方法及车位检测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06294866A (ja) * | 1993-04-07 | 1994-10-21 | Nissan Motor Co Ltd | 車両の経路誘導装置 |
CN105835795A (zh) * | 2015-01-30 | 2016-08-10 | 现代摩比斯株式会社 | 驻车辅助装置 |
CN108281041A (zh) * | 2018-03-05 | 2018-07-13 | 东南大学 | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-26 CN CN202010875833.8A patent/CN111994081A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06294866A (ja) * | 1993-04-07 | 1994-10-21 | Nissan Motor Co Ltd | 車両の経路誘導装置 |
CN105835795A (zh) * | 2015-01-30 | 2016-08-10 | 现代摩比斯株式会社 | 驻车辅助装置 |
CN108281041A (zh) * | 2018-03-05 | 2018-07-13 | 东南大学 | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 |
CN110861639A (zh) * | 2019-11-28 | 2020-03-06 | 安徽江淮汽车集团股份有限公司 | 泊车信息融合方法、装置、电子设备及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112562412A (zh) * | 2020-12-07 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种数据处理的方法和装置 |
CN112633152A (zh) * | 2020-12-22 | 2021-04-09 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN112633152B (zh) * | 2020-12-22 | 2021-11-26 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN113246990A (zh) * | 2021-05-24 | 2021-08-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物位置的确定方法、装置和车辆 |
CN113920782A (zh) * | 2021-10-08 | 2022-01-11 | 安徽江淮汽车集团股份有限公司 | 应用于车位检测的多传感器融合方法 |
CN115083172A (zh) * | 2022-06-17 | 2022-09-20 | 深圳智优停科技有限公司 | 车位占用状态的障碍物检测方法及车位检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111994081A (zh) | 车位检测方法、设备、存储介质及装置 | |
CN111753649B (zh) | 车位检测方法、装置、计算机设备和存储介质 | |
CN112014845B (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN112078571B (zh) | 自动泊车方法、设备、存储介质及装置 | |
CN113744348A (zh) | 一种参数标定方法、装置及雷视融合检测设备 | |
CN113030990B (zh) | 车辆的融合测距方法、装置、测距设备及介质 | |
US8611698B2 (en) | Method for image reframing | |
CN110110110A (zh) | 一种以图搜图方法、装置、电子设备及存储介质 | |
CN111368698A (zh) | 主体识别方法、装置、电子设备及介质 | |
CN111914841B (zh) | 一种ct图像处理方法和装置 | |
CN113032272A (zh) | 自动泊车系统试验评价方法、装置、设备及存储介质 | |
CN110879397B (zh) | 障碍物识别方法、设备、存储介质及装置 | |
CN109543610B (zh) | 车辆检测跟踪方法、装置、设备及存储介质 | |
CN111626078A (zh) | 识别车道线的方法及装置 | |
CN115223173A (zh) | 对象识别方法、装置、电子设备及存储介质 | |
WO2021226852A1 (zh) | 车位检测方法、装置、计算机设备和存储介质 | |
CN114445496A (zh) | 一种重定位模块的测试方法、装置、设备、系统和介质 | |
CN112053340B (zh) | 汽车显示设备的性能测试方法、设备、存储介质及装置 | |
JP7340434B2 (ja) | 配筋検査システム、配筋検査方法、及び配筋検査プログラム | |
CN113066100A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN111105461A (zh) | 定位装置、基于空间模型的定位方法和可读存储介质 | |
CN115565151A (zh) | 一种车位检测方法、装置、设备及存储介质 | |
CN117437602B (zh) | 一种双图层数据标定方法、装置、设备及可读存储介质 | |
CN116311540B (zh) | 一种基于3d结构光的人体姿态扫描方法、系统和介质 |
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 |
Application publication date: 20201127 |
|
RJ01 | Rejection of invention patent application after publication |