CN112183413B - 一种车位检测方法、装置、存储介质及车辆 - Google Patents
一种车位检测方法、装置、存储介质及车辆 Download PDFInfo
- Publication number
- CN112183413B CN112183413B CN202011068645.0A CN202011068645A CN112183413B CN 112183413 B CN112183413 B CN 112183413B CN 202011068645 A CN202011068645 A CN 202011068645A CN 112183413 B CN112183413 B CN 112183413B
- Authority
- CN
- China
- Prior art keywords
- parking space
- image
- vehicle
- images
- vertical
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000003086 colorant Substances 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车位检测方法、装置、存储介质及车辆。该方法包括：获取鱼眼镜头在车辆在路过车位行程中拍摄的多个图像；根据多张所述图像的无畸变区域提取出两条车位垂线；获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息。通过上述方式，在检测车位的过程中利用鱼眼镜头拍摄的照片中心区域无畸变的特点，可以省略掉传统的车位检测方法中图像矫正和拼接的步骤。
Description
技术领域
本发明涉及汽车技术领域，尤其涉及一种车位检测方法、装置、存储介质及车辆。
背景技术
现有的车位检测方式主要是以直线检测为代表的传统车位检测，通过车身周围4个相机获取的图像，按照畸变校正、俯视变换、图像拼接的处理得到全景俯视图像；接着对图像进行预处理，得到二值图像；然后利用霍夫变换、LSD算法或Radon变换等原理，提取图像中的直线段；依据车位几何特征(如角点特征、长宽比例等)挑选可能的车位线，再筛选平行对得到图像中的车位信息；最后根据空车位与障碍物的像素比值差异，判断检测到的车位是否为可用车位，这种方法对车位检测的过程中计算量大，对算力的要求高。
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，旨在解决现有技术中对车位检测的过程中计算量大的技术问题。
为实现上述目的，本发明提供了一种车位检测方法，所述车位检测方法包括以下步骤:
获取鱼眼镜头在车辆在路过车位行程中拍摄的多个图像；
根据多张所述图像的无畸变区域提取出两条车位垂线；
获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息。
优选地，所述获取车辆行驶距离步骤包括：
获取轮速传感器检测的车辆轮速脉冲信息；
根据所述车辆轮速脉冲信息和拍摄两条车位垂线图像的时间间隔计算所述车辆行驶距离。
优选地，所述根据多张所述图像的无畸变区域提取出两条车位垂线步骤包括：
判断所述图像的无畸变区域内是否存在车位垂线；
当所述图像的无畸变区域中存在车位垂线时提取所述车位垂线。
优选地，所述判断所述图像的无畸变区域内是否存在车位垂线步骤包括：
将所述图像的中心点向左右各扩展设定数量的像素点得到ROI图像；
对ROI图像进行边缘检测，得到二值ROI图像；
统计二值ROI图像中单位面积内单一颜色像素点的数量，当所述单一颜色像素点的数量大于阈值且大于所述ROI图像中不同颜色的像素点的平均数量，则判定所述图像内存在车位垂线。
优选地，所述根据所述车辆行驶距离关联两条所述车位垂线步骤之后，还包括：
判定两条所述车位垂线之间的相对距离是否大于车位宽度限值；
在两条所述车位垂线之间的相对距离大于车位宽度限值时认定车位为有效车位。
优选地，所述判定两条所述车位垂线之间的相对距离是否大于车位宽度限值步骤之后还包括：
检测两条所述车位垂线之间的区域是否存在障碍物。
优选地，所述检测两条所述车位垂线之间的区域是否存在障碍物步骤之后还包括：
判断所述障碍物是否为活物；
当障碍物为活物时发出警告信息。
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：
获取模块，所述获取模块用于获取鱼眼镜头在车辆在路过车位行程中拍摄的多张图像；
提取模块，所述提取模块根据多张所述图像提取出两条车位垂线；
处理模块，所述处理模块用于获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离并根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息。
此外，为实现上述目的，本发明还提出一种汽车，所述汽车包括：
车身；
鱼眼镜头，所述鱼眼镜头安装于所述车身；
控制系统，与所述鱼眼镜头电性连接，所述控制系统包括存储器、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上述中任一项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上述中任一项所述的车位检测方法的步骤。
本发明通过鱼眼镜头在车辆在路过车位行程中拍摄的多个图像，然后根据多张所述图像提取出两条车位垂线，具体的多张所述图像中包含有车辆到达第一条车位垂线和第二条车位垂线的图像，然后根据鱼眼镜头拍摄的图像的中心部位无畸变的特点，从两张照片中分别提取出两条车位垂线，最后获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，这里的行驶距离就是两条车位垂线之间的距离，从而可以关联两条车位垂线获取车位信息。
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电子设备的结构示意图；
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第二实施例的流程示意图；
图4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装置结构示意图。
如图1所示，该电子设备可以包括：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)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。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(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，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电子设备的限定，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，作为一种存储介质的存储器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所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在车位检测装置中，所述电子设备通过处理器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。
本发明实施例提供了一种车位检测方法，参照图2，图2为本发明一种车位检测方法第一实施例的流程示意图。
本实施例中，所述车位检测方法包括以下步骤：
步骤S10：获取鱼眼镜头在车辆在路过车位行程中拍摄的多个图像；
鱼眼镜头是一种被广泛应用于车辆上的镜头，其拍摄的照片中心区域不会发生畸变，外部区域会发生畸变。
在本实施例中，车位垂线是指的车位的边界线，在车辆路过车位的过程中，鱼眼镜头会持续的拍摄图像，通过分析鱼眼镜头拍摄的图像，检测图像的无畸变区域，在检测到无畸变区域出现第一条车位垂线时，则判定车辆此时经过车位其中一个的边界，检测到无畸变区域出现第二条车位垂线时，则判定车辆此时经过车位另外一个的边界，此时车辆从第一个边界开始到另外一个边界的过程中鱼眼镜头拍摄的所有图像，也就是在车辆在路过车位行程中拍摄的多个图像。
步骤S20：根据多张所述图像的无畸变区域提取出两条车位垂线；
通过从图像的无畸变区域提取出车位垂线，从而可以省略掉对鱼眼图像进行畸变校正的步骤。
具体地，步骤S20包括：
步骤S21：判断所述图像的无畸变区域内是否存在车位垂线；
步骤S22：当所述图像的无畸变区域中存在车位垂线时提取所述车位垂线。
在本实施例中，首先判断图像内是否存在车位垂线，在所述图像中存在车位垂线时提取所述车位垂线，相比传统的从图像中提取车位垂线的方法，本实施例中不需要对鱼眼图像进行畸变校正，从而减少了计算量。具体的判断方法包括：
步骤S211：将所述图像的中心点向左右各扩展设定数量的像素点得到ROI图像；
这里的设定数量可以是预先设定任何数量，但是考虑到鱼眼图像中无畸变区域较小和减少计算量，可以理解的是，数量太少对计算结果会有一定影响，例如原本存在车位垂线，拓展数量太少，没把车位垂线包括进来，数量太多，会造成计算量成指数倍增长，因此设定数量设置为5到50个为佳。
步骤S212：对ROI图像进行边缘检测，得到二值ROI图像；
步骤S213：统计二值ROI图像中单位面积内单一颜色像素点的数量，当所述单一颜色像素点的数量大于阈值且大于所述ROI图像中不同颜色的像素点的平均数量，则判定所述图像内存在车位垂线。
现有的车位垂线的颜色一般是白色或者黄色，因此这里的单一颜色主要指的是白色或者黄色的颜色的像素点，当然也可以是其他的颜色，在此不做限定，在本实施例中，首先会设置一个阈值只有单一颜色像素点的数量大于并且大于所述ROI图像中不同颜色的像素点的平均数量，则判断该颜色的像素点为车位垂线，所述图像内存在车位垂线，从而提高了判断的准确性。
步骤S30：获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息。
这里鱼眼镜头拍摄两条车位垂线图像的时间间隔内车辆行驶距离也就是两条车位垂线间的距离，也就是车位的宽度，在获取到车位的两条车位垂线也就是两个边界和两个边界间的宽度，将之关联在一起即可得到整个车位信息。需要说明的事，获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，可以通过外部部件检测也可以通过车辆轮速脉冲信息和拍摄两条车位垂线图像的时间间隔计算所述车辆行驶距离，通过分析鱼眼镜头拍摄的图像，检测图像的无畸变区域，在检测到无畸变区域出现第一条车位垂线时，则判定车辆此时经过车位其中一个的边界，检测到无畸变区域出现第二条车位垂线时，则判定车辆此时经过车位另外一个的边界，在知道车位两个边界的位置和车位两个边界的距离，即可得到车位信息。通过获取车辆行驶距离关联两条车位垂线，可以省略掉传统的车位检测方法中图像拼接的步骤。
进一步地的，步骤S30中获取车辆行驶距离步骤还包括：
步骤S31：获取轮速传感器检测的车辆轮速脉冲信息；
步骤S32：根据所述车辆轮速脉冲信息和拍摄两条车位垂线图像的时间间隔计算所述车辆行驶距离。
在本实施例中，通过轮速传感器检测的车辆轮速脉冲信息，从而可以得到各个时刻下车辆的车速信息，再结合拍摄两条车位垂线图像的时间间隔可以直接计算出所述车辆行驶距离，这里的所述车辆行驶距离就是两条车位垂线间的距离，也就是车位的宽度信息。
本实施例通过鱼眼镜头在车辆在路过车位行程中拍摄的多个图像，然后根据多张所述图像提取出两条车位垂线，具体的多张所述图像中包含有车辆到达第一条车位垂线和第二条车位垂线的图像，然后根据鱼眼镜头拍摄的图像的中心部位无畸变的特点，从两张照片中分别提取出两条车位垂线，最后获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，这里的行驶距离就是两条车位垂线之间的距离，从而可以关联两条车位垂线获取车位信息，省略掉了传统的车位检测方法中图像矫正和拼接的步骤。
参考图3，图3为本发明一种车位检测方法第二实施例的流程示意图。
基于上述第一实施例，本实施例车位检测方法在所述步骤S30之前，还包括：
步骤S40：判定两条所述车位垂线之间的相对距离是否大于车位宽度限值；
步骤S50：在两条所述车位垂线之间的相对距离大于车位宽度限值时认定车位为有效车位。
车位的检测需要针对车辆本身，有时候车辆是大型车检测到小型车的车位明显是不能使用的，因此，需要对车位进行有效性的检测，看车位的宽度是否符合车辆的需求，在本实施例中，通过判定两条所述车位垂线之间的相对距离是否大于车位宽度限值，在两条所述车位垂线之间的相对距离大于车位宽度限值时认定车位为有效车位，从而有效避免了大型车检测到小型车专用车位的现象发生。
进一步地，所述步骤S50之后还包括：
步骤S60：检测两条所述车位垂线之间的区域是否存在障碍物。
在本实施例中，可以采用雷达检测两条所述车位垂线之间的区域是否存在障碍物，当两条所述车位垂线之间的区域存在障碍物时，显然车辆是不能直接停到车位中去的，这时候可以通道语音或者鸣笛提示车主将障碍物挪开。
再进一步地，所述步骤S60之后还包括：
步骤S70：判断障碍物是否为活物；
步骤S80：当障碍物为活物时发出警告信息。
在本实施例中，判断障碍物是否为活物，活物一般是行人或者小动物，当障碍物为活物时发出警告信息。这里的警告信息可以是语音或者鸣笛提示，从而提醒行人或者小动物离开车位。
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，本发明实施例还提出一种汽车，包括：
车身；
鱼眼镜头，所述鱼眼镜头安装于所述车身；
控制系统，与所述鱼眼镜头电性连接，所述控制系统包括存储器、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。
参照图4，图4为本发明车位检测装置第一实施例的结构框图。
如图4所示，本发明实施例提出的车位检测装置包括：
获取模块10，所述获取模块10用于获取鱼眼镜头在车辆在路过车位行程中拍摄的多张图像；
提取模块20，所述提取模块20根据多张所述图像提取出两条车位垂线；
处理模块30，所述处理模块30用于获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离并根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的车位检测方法，此处不再赘述。
此外，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。
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(Read Only Memory，ROM)/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，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 (7)
1.一种车位检测方法，其特征在于，所述方法包括：
获取鱼眼镜头在车辆在路过车位行程中拍摄的多个图像；
根据多张所述图像的无畸变区域提取出两条车位垂线；
获取鱼眼镜头拍摄到出现第一条车位垂线的图像和出现第二条车位垂线的图像之间的时间间隔内车辆行驶距离，根据所述车辆行驶距离关联两条所述车位垂线以得到车位信息；
所述根据多张所述图像的无畸变区域提取出两条车位垂线步骤包括：
判断所述图像的无畸变区域内是否存在车位垂线；
当所述图像的无畸变区域中存在车位垂线时提取所述车位垂线；
所述判断所述图像的无畸变区域内是否存在车位垂线步骤包括：
将所述图像的中心点向左右各扩展设定数量的像素点得到ROI图像；
对ROI图像进行边缘检测，得到二值ROI图像；
统计二值ROI图像中单位面积内单一颜色像素点的数量，当所述单一颜色像素点的数量大于阈值且大于所述ROI图像中不同颜色的像素点的平均数量，则判定所述图像内存在车位垂线。
2.如权利要求1所述车位检测方法，其特征在于，所述获取车辆行驶距离步骤包括：
获取轮速传感器检测的车辆轮速脉冲信息；
根据所述车辆轮速脉冲信息和拍摄两条车位垂线图像的时间间隔计算所述车辆行驶距离。
3.如权利要求1所述车位检测方法，其特征在于，所述根据所述车辆行驶距离关联两条所述车位垂线步骤之后，还包括：
判定两条所述车位垂线之间的相对距离是否大于车位宽度限值；
在两条所述车位垂线之间的相对距离大于车位宽度限值时认定车位为有效车位。
4.如权利要求3所述车位检测方法，其特征在于，所述在两条所述车位垂线之间的相对距离大于车位宽度限值时认定车位为有效车位步骤之后还包括：
检测两条所述车位垂线之间的区域是否存在障碍物。
5.如权利要求4所述车位检测方法，其特征在于，所述检测两条所述车位垂线之间的区域是否存在障碍物步骤之后还包括：
判断所述障碍物是否为活物；
当障碍物为活物时发出警告信息。
6.一种汽车，其特征在于，包括：
车身；
鱼眼镜头，所述鱼眼镜头安装于所述车身，用以在车辆在路过车位行程中拍摄的多张图像；
控制系统，与所述鱼眼镜头电性连接，所述控制系统包括存储器、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权利要求1至5中任一项所述的车位检测方法的步骤。
7.一种存储介质，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5任一项所述的车位检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011068645.0A CN112183413B (zh) | 2020-09-30 | 2020-09-30 | 一种车位检测方法、装置、存储介质及车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011068645.0A CN112183413B (zh) | 2020-09-30 | 2020-09-30 | 一种车位检测方法、装置、存储介质及车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112183413A CN112183413A (zh) | 2021-01-05 |
| CN112183413B true CN112183413B (zh) | 2024-05-14 |
Family
ID=73947724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011068645.0A Active CN112183413B (zh) | 2020-09-30 | 2020-09-30 | 一种车位检测方法、装置、存储介质及车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112183413B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5818527A (en) * | 1994-12-21 | 1998-10-06 | Olympus Optical Co., Ltd. | Image processor for correcting distortion of central portion of image and preventing marginal portion of the image from protruding |
| JP2005077187A (ja) * | 2003-08-29 | 2005-03-24 | Alpine Electronics Inc | 車載用ナビゲーション装置及び経路案内方法 |
| CN104648243A (zh) * | 2015-01-27 | 2015-05-27 | 奇瑞汽车股份有限公司 | 进行泊车的方法和装置 |
| CN104994308A (zh) * | 2015-06-30 | 2015-10-21 | 广东欧珀移动通信有限公司 | 一种鱼眼图像拍摄方法和装置 |
| CN105007409A (zh) * | 2015-06-30 | 2015-10-28 | 广东欧珀移动通信有限公司 | 一种预览图像显示方法和装置 |
| KR101775830B1 (ko) * | 2016-05-18 | 2017-09-07 | 한국광기술원 | 거리 측정을 이용한 영상 왜곡 보정장치 및 방법 |
| CN107491738A (zh) * | 2017-07-25 | 2017-12-19 | 纵目科技（上海）股份有限公司 | 停车位检测方法及系统、存储介质及电子设备 |
| CN107680404A (zh) * | 2017-10-31 | 2018-02-09 | 南京邮电大学 | 一种共享车位系统的智能筛选算法的实现方法 |
| CN107738612A (zh) * | 2017-09-22 | 2018-02-27 | 西安电子科技大学 | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 |
| CN107748882A (zh) * | 2017-11-23 | 2018-03-02 | 海信集团有限公司 | 一种车道线检测方法及装置 |
| CN107856667A (zh) * | 2017-11-08 | 2018-03-30 | 科大讯飞股份有限公司 | 辅助泊车系统和方法 |
| CN109446909A (zh) * | 2018-09-27 | 2019-03-08 | 山东省科学院自动化研究所 | 一种单目测距辅助泊车系统及方法 |
| CN109697860A (zh) * | 2017-10-20 | 2019-04-30 | 上海欧菲智能车联科技有限公司 | 车位检测和跟踪系统及方法及车辆 |
| CN109959364A (zh) * | 2017-12-25 | 2019-07-02 | 比亚迪股份有限公司 | 车辆、基于车道线进行自动校正测距误差的方法和装置 |
| CN110149511A (zh) * | 2019-05-13 | 2019-08-20 | 北京理工大学 | 一种畸变校正方法、装置及显示系统 |
| CN110533618A (zh) * | 2019-09-03 | 2019-12-03 | 西安奇维科技有限公司 | 一种镜头畸变矫正的方法和照相装置 |
| CN111047639A (zh) * | 2018-10-12 | 2020-04-21 | 富华科精密工业（深圳）有限公司 | 单目测距装置 |
| CN111355863A (zh) * | 2020-04-07 | 2020-06-30 | 北京达佳互联信息技术有限公司 | 一种图像畸变校正方法、装置、电子设备及存储介质 |
| CN111508260A (zh) * | 2019-01-30 | 2020-08-07 | 上海欧菲智能车联科技有限公司 | 车辆停车位检测方法、装置和系统 |
-
2020
- 2020-09-30 CN CN202011068645.0A patent/CN112183413B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5818527A (en) * | 1994-12-21 | 1998-10-06 | Olympus Optical Co., Ltd. | Image processor for correcting distortion of central portion of image and preventing marginal portion of the image from protruding |
| JP2005077187A (ja) * | 2003-08-29 | 2005-03-24 | Alpine Electronics Inc | 車載用ナビゲーション装置及び経路案内方法 |
| CN104648243A (zh) * | 2015-01-27 | 2015-05-27 | 奇瑞汽车股份有限公司 | 进行泊车的方法和装置 |
| CN104994308A (zh) * | 2015-06-30 | 2015-10-21 | 广东欧珀移动通信有限公司 | 一种鱼眼图像拍摄方法和装置 |
| CN105007409A (zh) * | 2015-06-30 | 2015-10-28 | 广东欧珀移动通信有限公司 | 一种预览图像显示方法和装置 |
| KR101775830B1 (ko) * | 2016-05-18 | 2017-09-07 | 한국광기술원 | 거리 측정을 이용한 영상 왜곡 보정장치 및 방법 |
| CN107491738A (zh) * | 2017-07-25 | 2017-12-19 | 纵目科技（上海）股份有限公司 | 停车位检测方法及系统、存储介质及电子设备 |
| CN107738612A (zh) * | 2017-09-22 | 2018-02-27 | 西安电子科技大学 | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 |
| CN109697860A (zh) * | 2017-10-20 | 2019-04-30 | 上海欧菲智能车联科技有限公司 | 车位检测和跟踪系统及方法及车辆 |
| CN107680404A (zh) * | 2017-10-31 | 2018-02-09 | 南京邮电大学 | 一种共享车位系统的智能筛选算法的实现方法 |
| CN107856667A (zh) * | 2017-11-08 | 2018-03-30 | 科大讯飞股份有限公司 | 辅助泊车系统和方法 |
| CN107748882A (zh) * | 2017-11-23 | 2018-03-02 | 海信集团有限公司 | 一种车道线检测方法及装置 |
| CN109959364A (zh) * | 2017-12-25 | 2019-07-02 | 比亚迪股份有限公司 | 车辆、基于车道线进行自动校正测距误差的方法和装置 |
| CN109446909A (zh) * | 2018-09-27 | 2019-03-08 | 山东省科学院自动化研究所 | 一种单目测距辅助泊车系统及方法 |
| CN111047639A (zh) * | 2018-10-12 | 2020-04-21 | 富华科精密工业（深圳）有限公司 | 单目测距装置 |
| CN111508260A (zh) * | 2019-01-30 | 2020-08-07 | 上海欧菲智能车联科技有限公司 | 车辆停车位检测方法、装置和系统 |
| CN110149511A (zh) * | 2019-05-13 | 2019-08-20 | 北京理工大学 | 一种畸变校正方法、装置及显示系统 |
| CN110533618A (zh) * | 2019-09-03 | 2019-12-03 | 西安奇维科技有限公司 | 一种镜头畸变矫正的方法和照相装置 |
| CN111355863A (zh) * | 2020-04-07 | 2020-06-30 | 北京达佳互联信息技术有限公司 | 一种图像畸变校正方法、装置、电子设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| VH-HFCN based Parking Slot and Lane Markings Segmentation on Panoramic Surround View;Yan Wu等;《2018 IEEE Intelligent Vehicles Symposium (IV)》;1767-1772 * |
| 基于多缩微车的智能交通系统仿真平台研究;陆正辰;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20130731;I138-1428 * |
| 基于相机移动的鱼眼成像系统目标方位标定研究;《激光杂志》;第41卷(第09期);24-28 * |
| 摄像机现场标定算法研究;贾丹;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第2007（04）期);I138-696 * |
| 泊车辅助系统中的车位线自动检测与识别;陆桂明等;《电子科技》;第27卷(第04期);146-150 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112183413A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
| US11205284B2 (en) | Vehicle-mounted camera pose estimation method, apparatus, and system, and electronic device | |
| CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
| CN107909007B (zh) | 车道线检测方法及装置 | |
| CN111837158A (zh) | 图像处理方法、装置、拍摄装置和可移动平台 | |
| CN107748882B (zh) | 一种车道线检测方法及装置 | |
| CN110388929B (zh) | 导航地图更新方法、装置及系统 | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| CN111010545A (zh) | 车辆驾驶决策方法、系统、终端及存储介质 | |
| EP3029602A1 (en) | Method and apparatus for detecting a free driving space | |
| CN114419143A (zh) | 深度测量方法、深度测量设备及存储介质 | |
| CN113076851B (zh) | 一种车辆违章数据的采集方法、装置以及计算机设备 | |
| CN112598743B (zh) | 一种单目视觉图像的位姿估算方法及相关装置 | |
| CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
| US10796172B2 (en) | Image processing device and image processing method | |
| CN112183413B (zh) | 一种车位检测方法、装置、存储介质及车辆 | |
| CN112183206A (zh) | 一种基于路侧单目摄像头的交通参与者定位方法和系统 | |
| CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
| CN111753663B (zh) | 目标检测方法及装置 | |
| CN115496775A (zh) | 车门被夹物检测方法、装置、设备及存储介质 | |
| CN115565155A (zh) | 神经网络模型的训练方法、车辆视图的生成方法和车辆 | |
| CN112654998B (zh) | 一种车道线检测方法和装置 | |
| CN114724119A (zh) | 车道线提取方法、检测设备及存储介质 | |
| CN113147746A (zh) | 坡道车位的探测方法及装置 | |
| CN112347853A (zh) | 一种基于视频的车牌数据脱敏方法、存储介质及服务器 |
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 |