CN112580508A - 停车位角点修正方法以及停车位角点修正系统、车辆 - Google Patents
停车位角点修正方法以及停车位角点修正系统、车辆 Download PDFInfo
- Publication number
- CN112580508A CN112580508A CN202011509067.XA CN202011509067A CN112580508A CN 112580508 A CN112580508 A CN 112580508A CN 202011509067 A CN202011509067 A CN 202011509067A CN 112580508 A CN112580508 A CN 112580508A
- Authority
- CN
- China
- Prior art keywords
- parking space
- point
- corner
- parked
- sides
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种停车位角点修正方法及其系统。该方法包括:获取步骤,获取待泊车位的车位角点;以及修正步骤,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位,其中,获取步骤包括:第一获取子步骤,获取待泊车位的车位角点;判断子步骤,判断车位角点的角点置信度是否满足第一阈值以及角点偏移量是否满足第二阈值,在判断分别满足第一阈值、第二阈值的情况下,跳至修正步骤,否则,继续第二子获取步骤;以及第二子获取步骤,舍弃第一获取子步骤中检测到待泊车位的车位角点,而使用对应的车位角点经里程计预测的车位角点作为待泊车位的车位角点。根据本发明,能够提高泊车精度。
Description
技术领域
本发明涉及车辆控制技术,具体地涉及一种停车位角点修正方法、停车位角点修正系统以及包含该停车位角点修正系统的车辆。
背景技术
目前应用比较广泛的车位检测算法都是检测车位的四个角点,并且基于四个角点构成待泊车位。在单帧图像内,检测到角点只要距离真实值在一定范围内,便能认为检测结果是正确的,不存在抖动的情况;但是在视频流中,相邻两帧的检测结果一旦存在一定的偏差,车位整体会出现抖动的情况,且车位可能成为不规则的四边形,导致自动泊车可能出现无法预估的偏差。
发明内容
鉴于上述问题,本发明旨在提出一种能够提高泊车精度的停车位角点修正方法、停车位角点修正系统以及包含该停车位角点修正系统的车辆。
本发明一方面的停车位角点修正方法,其特征在于,包括:
获取步骤,获取待泊车位的车位角点;以及
修正步骤,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
可选地,所述获取步骤包括:
第一获取子步骤,获取待泊车位的车位角点;
判断子步骤,判断车位角点的角点置信度是否满足第一阈值以及车位角点的角点偏移量是否满足第二阈值,在判断满足车位角点的角点置信度满足第一阈值以及车位角点的角点偏移量满足第二阈值的情况下,跳至所述修正步骤,否则,继续第二子获取步骤;以及
第二子获取步骤,舍弃第一获取子步骤中检测到待泊车位的车位角点,而使用对应的车位角点经里程计预测的车位角点作为待泊车位的车位角点。
可选地,所述修正步骤包括:
根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形;
取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位。
可选地,通过矩形的四个角点在热力图上的置信度,获得矩形在热力图上的置信度。
可选地,所述热力图上的置信度通过角点预测模型获得。
可选地,所述修正步骤包括:
从待泊车位的车位角点构成的四条边中选取两条边,计算两条边的中线;
根据车辆和待泊车位的车位角点之间的位置关系,获得待泊车位的车位入口线段;
获得所述中线与所述车位入口线段的交点;以及
基于所述交点的位置以及所述两条边的位置,利用几何关系对车位角点进行矩形化修正,得到修正后的待泊车位。
可选地,在所述两条边为平行的情况下,将与所述两条边平行并且到所述两条边距离相等的线作为中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
可选地,在所述两条边不平行的情况下,将所述两条边的延长线的构成的角的角平分线作为所述中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
本发明的一方面的停车位角点修正系统,其特征在于,包括:
获取模块,获取待泊车位的车位角点;以及
修正模块,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
可选地,所述获取模块包括:
第一获取子模块,获取待泊车位的车位角点;
判断子模块,判断所述第一获取子模块获取的车位角点的角点置信度是否满足第一阈值以及车位角点的角点偏移量是否满足第二阈值并且输出判断结果;以及
第二子获取模块,用于获取对应车位角点经里程计预测的车位角点;
输出模块,基于所述判断模块的判断结果,将所述第一获取子模块输出的车位角点或者所述第二获取子模块输出的车位角点提供给修正模块。
可选地,在所述修正模块中,根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形,取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位。
可选地,通过矩形的四个角点在热力图上的置信度,获得矩形在热力图上的置信度。
可选地,所述热力图上的置信度通过角点预测模型获得。
可选地,在所述修正模块中,从待泊车位的车位角点构成的四条边中选取两条边,计算两条边的中线,根据车辆和待泊车位的车位角点之间的位置关系,获得待泊车位的车位入口线段,获得所述中线与所述车位入口线段的交点,基于所述交点的位置以及所述两条边的位置,对车位角点进行矩形化修正,得到修正后的待泊车位。
可选地,在所述两条边为平行的情况下,将与所述两条边平行并且到所述两条边距离相等的线作为中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
可选地,在所述两条边不平行的情况下,将所述两条边的延长线的构成的角的角平分线作为所述中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
本发明一方面的计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求所述的停车位角点修正系统。
本发明一方面的计算机设备,包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述的停车位角点修正系统。
本发明一方面的车辆,其特征在于,包括本发明一方面的所述的停车位角点修正系统。
附图说明
图1是表示本发明一实施方式的停车位角点修正方法的流程示意图。
图2是表示本发明实施例1的停车位角点修正方法的流程示意图。
图3是表示本发明实施例1的停车位角点修正方法中的矩形化修正的示意图。
图4是表示利用本发明实施例1的停车位角点修正方法的修正结果的示意图。
图5是表示本发明实施例2的停车位角点修正方法的流程示意图。
图6是表示本发明实施例2的停车位角点修正方法中的长边平行和不平行的两种情况下的矩形化修正的示意图。
图7是表示利用本发明实施例2的停车位角点修正方法的修正结果的一个示例的示意图。
图8是表示利用本发明实施例2的停车位角点修正方法的修正结果的另一示例的示意图。
图9是表示本发明的停车位角点修正系统的结构框图。
具体实施方式
下面介绍的是本发明的多个实施例中的一些,旨在提供对本发明的基本了解。并不旨在确认本发明的关键或决定性的要素或限定所要保护的范围。
出于简洁和说明性目的,本文主要参考其示范实施例来描述本发明的原理。但是,本领域技术人员将容易地认识到,相同的原理可等效地应用于所有类型的停车位角点修正方法、停车位角点修正系统以及包含该停车位角点修正系统的车辆,并且可以在其中实施这些相同的原理,以及任何此类变化不背离本专利申请的真实精神和范围。
本发明的发明人发现,在垂直、水平和小角度的倾斜车位的情况下,目前还存在以下解决的问题:
在视频中车位检测结果抖动的现象;
模型检测结果非标准矩形,增加了泊车路径规划的难度;以及
小角度倾斜车位被判断为垂直/水平车位时导致泊入停歪的问题。
为了解决上述问题,本发明提出一种停车位角点修正方法。本发明的停车位角点修正方法包括以下步骤:
获取步骤,获取待泊车位的车位角点;以及
修正步骤,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
这里,通过摄像头采集的图像中检测得到图像中的车位角点坐标而获取车位角点,例如,通过角点检测模型(基于深度学习网络)得到。这里,优选地,对于车位角点状态可以进行和合理性判断。
以下对于本发明一实施方式的停车位角点修正方法进行说明。
图1是表示本发明一实施方式的停车位角点修正方法的流程示意图。
如图1所示,本发明一实施方式的停车位角点修正方法包括:
步骤S100:检测待泊车位的车位角点;
步骤S200:对于车位角点的状态进行判断,具体地,例如判断车位角点的角点置信度是否满足预设的第一阈值以及角点偏移量是否满足预设的第二阈值,在判断满足角点置信度满足第一阈值以及角点偏移量满足第二阈值的情况下,继续步骤S300,否则继续步骤S400;
步骤S300:保留步骤S100中检测到的车位角点;
步骤S400:舍弃步骤S100中检测到的车位角点,而使用对应车位角点经里程计预测的车位角点作为待泊车位的车位角点;
步骤S500:基于步骤S300或者步骤S400确定四个车位角点;以及
步骤S600:基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
这里,对于车位角点状态进行判断主要是指判断模型检测出的角点是否合理。例如根据里程计跟踪的角点应该在(x,y)位置,但是模型检测结果偏移很大(预先设定阈值),这时则认为模型检测的角点是不太准确的,舍弃该角点的检测结果。其中,作为判断标准可以设置为:角点置信度>第一阈值并且角点偏移量<第二阈值,这里,置信度是检测模型输出的,检测模型可以表征出,某点属于车位角点的可能坐标(x,y)以及该坐标属于角点的可能性(置信度),角点偏移量是指检测的角点和根据上一时刻结果预测的角点之间的距离。
对于车位角点状态进行判断是为了确保四个角点尽可能准确。对于t时刻的车位角点,有三组可以使用的数据,分别是(1)从一开始就使用里程计预测的车位角点(准确度最低,但是不会离目标车位太远);(2)角点检测模型检测的车位角点(准确度能达到最高,但是可能出现极个别角点偏离的情况);(3)t-1时刻(即上一时刻)的检测结果使用里程计预测的车位角点(准确度较高,且相对稳定)。上文中的“使用对应位置经里程计跟踪后的角点”,即指第(3)种情况的上一时刻预测的车位角点。
接着,对于本发明的停车位角点修正方法的两个实施例进行说明。
图2是表示本发明实施例1的停车位角点修正方法的流程示意图。
本发明实施例1的停车位角点修正方法包括下述步骤:
步骤S1:检测待泊车位的车位角点;
步骤S2:对于车位角点的状态进行判断,具体地,例如判断车位角点的角点置信度是否满足预设的第一阈值以及角点偏移量是否满足预设的第二阈值,在判断满足角点置信度是否满足预设的第一阈值以及角点偏移量是否满足预设的第二阈值的情况下,继续步骤S3,否则继续步骤S4;
步骤S3:保留步骤S1中检测到的车位角点;
步骤S4:舍弃步骤S1中检测到的车位角点,而使用对应车位角点经里程计预测的车位角点作为待泊车位的车位角点;
步骤S5:确定四个车位角点;以及
步骤S6:根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形;以及
步骤S7:取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位(即预测车位),其中,通过矩形的四个角点在热力图上的置信度,就能够获得矩形在热力图上的置信度(热力图上的置信度通过角点预测模型获得)。
图3是表示本发明实施例1的停车位角点修正方法中的矩形化修正的示意图。
在图3中在热力图中从左到右依次是以上边、右边、下边、左边为基准,选择车位的一条边,以这条边为基准,深度为该边侧边长的均值,形成四个矩形。对于每个矩形,根据矩形的四个角点在热力图上的置信度可以获得矩形的置信度,通过比较四个矩形的置信度,取最大的矩形作为检测结果实现矩形化。
图4是表示利用本发明实施例1的停车位角点修正方法的修正结果的示意图。
本发明实施例1的停车位角点修正方法主要针对存在有干扰点时,从热力图上获得的点缺少了车位的形状信息,有可能出现有车位角点检测偏差的情况,图4中,左侧图中的左上角的车位角点存在偏差,通过利用实施例1的修正方法,能够将其修正为右侧图中的左上角的车位角点。
因此,如上所述,根据本发明实施例1的停车位角点修正方法,能够减少检测结果偏差的影响,提高泊车精度。
图5是表示本发明实施例2的停车位角点修正方法的流程示意图。
本发明实施例2的停车位角点修正方法包括下述步骤:
步骤S11:检测待泊车位的车位角点;
步骤S12:对于车位角点的状态进行判断,具体地,例如判断车位角点的角点置信度是否满足预设的第一阈值以及角点偏移量是否满足预设的第二阈值,在判断满足角点置信度满足第一阈值以及角点偏移量满足第二阈值的情况下,继续步骤S13,否则继续步骤S14;
步骤S13:保留步骤S11中检测到的车位角点;
步骤S14:舍弃步骤S11中检测到的车位角点,而使用对应车位角点经里程计预测的车位角点作为待泊车位的车位角点;
步骤S15:根据步骤S13或者步骤S14确定四个车位角点;以及
步骤S16:判断车位长边是否平行,如果平行继续步骤S17,如果不平行则继续步骤S18;
步骤S17:获取平行的两条长边的中线;
步骤S18:获取两条长边的构成的角的角平分线;
步骤S19:修正短边两个角点位置;以及
步骤S20:根据两个角点矩形化车位。图6是表示本发明实施例2的停车位角点修正方法中的长边平行和不平行的两种情况下的矩形化修正的示意图。
在长边不平行的情况下,如图6的左侧图所示,四个角点按顺时针依次为C、B、1、2,箭头表示车辆行驶方向。其中,B1为根据车辆与车位相对位置计算出的车位入口线段。选取车位入口线段B1的两侧的车位线BC和车位线12,计算这两条线的延长线的交点A,获取角BA1的角平分线AD,其中,D点为角平分线与车位入口线段B1的交点,过D点作AD的垂线0'1',其中,0'为垂线0'1'与AC的交点,1'为垂线0'1'与A2的交点。
这里,设A点的坐标为A(xA,yA),B点坐标为B(xB,yB),C点的坐标为C(xC,yC),D点的坐标为D(xD,yD),0'点的坐标为0'(x0',y0'),1'点的坐标为1'(x1',y1'),能够基于A点、B点、C点、D点的坐标计算0'点和1'点的坐标。
其中,以下的公式表示了求取0'点的坐标0'(x0',y0')中的x0'和y0'的计算过程,求取1'点的坐标1'(x1',y1')中的x1'和y1'的计算过程类似于求取0'点的坐标0'(x0',y0')的过程。
(xD-xA)·xD+(yD-yA)·yD=A1
(yC-yB)·xB-(xC-xB)·xB=A2
在长边平行的情况下,如图6的右侧图所示,四个角点按顺时针依次为C、B、1、2,箭头表示车辆行驶方向。其中,B1为根据车辆与车位相对位置计算出的车位入口线段。选取车位入口线段B1的两侧的车位线BC和车位线12,由于车位线BC和车位线12平行,做这两条平行线的中线AD,该中线AD与车位入口线段B1的交点为D点,过D点作AD的垂线0'1',其中,0'为垂线0'1'与车位线BC的交点,1'为垂线0'1'与车位线12的交点。类似地,也可以基于A点、B点、C点、D点计算,0'点和1'点的坐标。
这样,通过分为平行和不平行的情况来修正短边两个角点位置后,能够根据修正后的两个角点位置矩形化车位,获得修正后的待泊车位。
图7是表示利用本发明实施例2的停车位角点修正方法的修正结果的一个示例的示意图。
图7中表示了小角度的斜方车位的情况,这里所谓的“小角度的斜方车位”是指车辆与车位入口位置构成的角度为非钝角,作为一个示例,例如当斜方车位的倾斜角度小于75度时,此时的斜方车位如图7的左侧图所示,小角度斜车位类别错判为垂直或平行车位,直接依靠前两个角点矩形化时的效果,会存在误差,通过实施例2的修正方法进行修正后得到图7的右侧图所示的修正效果。
图8是表示利用本发明实施例2的停车位角点修正方法的修正结果的另一示例的示意图。图8表示了角点误检车位的情况下,如图8的左侧图的左上角点检测错误导致车位误差,利用实施例2的修正方法进行修正后得到图8的右侧图所示的修正效果。
接着,对于本发明的停车位角点修正系统进行说明。
图9是表示本发明的停车位角点修正系统的结构框图。
如图9所示,本发明的停车位角点修正系统,其特征在于,包括:
获取模块100,获取待泊车位的车位角点;以及
修正模块200,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
其中,获取模块100包括:
第一获取子模块110,获取待泊车位的车位角点;
判断子模块120,判断所述第一获取子模块获取的车位角点的角点置信度是否满足第一阈值以及车位角点的角点偏移量是否满足第二阈值并且输出判断结果;以及
第二子获取模块130,用于获取对应车位角点经里程计预测的车位角点;
输出模块140,基于所述判断模块的判断结果,将所述第一获取子模块输出的车位角点或者所述第二获取子模块输出的车位角点提供给修正模块。
可选地,在修正模块200中,根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形,取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位。通过矩形的四个角点在热力图上的置信度,获得矩形在热力图上的置信度。所述热力图上的置信度通过角点预测模型获得。
可选地,在修正模块200中,从待泊车位的车位角点构成的四条边中选取两条边,计算两条边的中线,根据车辆和待泊车位的车位角点之间的位置关系,获得待泊车位的车位入口线段,获得所述中线与所述车位入口线段的交点,基于所述交点的位置以及所述两条边的位置,利用图6的几何关系对车位角点进行矩形化修正,得到修正后的待泊车位。
其中,在所述两条边为平行的情况下,将与所述两条边平行并且到所述两条边距离相等的线作为中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
其中,在所述两条边不平行的情况下,将所述两条边的延长线的构成的角的角平分线作为所述中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
本发明还提供一种计算机可读介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述的停车位角点修正系统。
本发明还提供一种计算机设备,包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述的停车位角点修正系统。
本发明还提供一种车辆,其特征在于,包括上述的停车位角点修正系统。
以上例子主要说明了本发明的停车位角点修正方法、停车位角点修正系统以及包含该停车位角点修正系统的车辆。尽管只对其中一些本发明的具体实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (19)
1.一种停车位角点修正方法,其特征在于,包括:
获取步骤,获取待泊车位的车位角点;以及
修正步骤,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
2.如权利要求1所述的停车位角点修正方法,其特征在于,所述获取步骤包括:
第一获取子步骤,获取待泊车位的车位角点;
判断子步骤,判断车位角点的角点置信度是否满足第一阈值以及车位角点的角点偏移量是否满足第二阈值,在判断车位角点的角点置信度满足第一阈值以及车位角点的角点偏移量满足第二阈值的情况下,跳至所述修正步骤,否则,继续第二子获取步骤;以及
第二子获取步骤,舍弃第一获取子步骤中检测到待泊车位的车位角点,而使用对应的车位角点经里程计预测的车位角点作为待泊车位的车位角点。
3.如权利要求1或2所述的停车位角点修正方法,其特征在于,
所述修正步骤包括:
根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形;
取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位。
4.如权利要求3所述的停车位角点修正方法,其特征在于,
通过矩形的四个角点在热力图上的置信度,获得矩形在热力图上的置信度。
5.如权利要求3所述的停车位角点修正方法,其特征在于,
所述热力图上的置信度通过角点预测模型获得。
6.如权利要求1或2所述的停车位角点修正方法,其特征在于,
所述修正步骤包括:
从待泊车位的车位角点构成的四条边中选取两条边,计算两条边的中线;
根据车辆和待泊车位的车位角点之间的位置关系,获得待泊车位的车位入口线段;
获得所述中线与所述车位入口线段的交点;以及
基于所述交点的位置以及所述两条边的位置,利用几何关系对车位角点进行矩形化修正,得到修正后的待泊车位。
7.如权利要求6所述的停车位角点修正方法,其特征在于,
在所述两条边为平行的情况下,将与所述两条边平行并且到所述两条边距离相等的线作为中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
8.如权利要求6所述的停车位角点修正方法,其特征在于,
在所述两条边不平行的情况下,将所述两条边的延长线的构成的角的角平分线作为所述中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
9.一种停车位角点修正系统,其特征在于,包括:
获取模块,获取待泊车位的车位角点;以及
修正模块,基于待泊车位的车位角点之间的位置关系,对车位角点进行矩形化修正,得到修正后的待泊车位。
10.如权利要求9所述的停车位角点修正系统,其特征在于,所述获取模块包括:
第一获取子模块,用于获取待泊车位的车位角点;
判断子模块,用于判断所述第一获取子模块获取的车位角点的角点置信度是否满足第一阈值以及车位角点的角点偏移量是否满足第二阈值并且输出判断结果;以及
第二子获取模块,用于获取对应车位角点经里程计预测的车位角点;
输出模块,用于基于来自所述判断模块的判断结果,将所述第一获取子模块输出的车位角点或者所述第二获取子模块输出的车位角点提供给修正模块。
11.如权利要求9或10所述的停车位角点修正系统,其特征在于,
在所述修正模块中,根据待泊车位的车位角点构成四条边,分别以四条边中的一条边为基准并且深度为该边侧边长的均值,分别得到四个矩形,取四个矩形中在热力图上置信度最大的矩形作为修正后的待泊车位。
12.如权利要求11述的停车位角点修正系统,其特征在于,
通过矩形的四个角点在热力图上的置信度,获得矩形在热力图上的置信度。
13.如权利要求12所述的停车位角点修正系统,其特征在于,
所述热力图上的置信度通过角点预测模型获得。
14.如权利要求9或10所述的停车位角点修正系统,其特征在于,
在所述修正模块中,从待泊车位的车位角点构成的四条边中选取两条边,计算两条边的中线,根据车辆和待泊车位的车位角点之间的位置关系,获得待泊车位的车位入口线段,获得所述中线与所述车位入口线段的交点,基于所述交点的位置以及所述两条边的位置,对车位角点进行矩形化修正,得到修正后的待泊车位。
15.如权利要求14所述的停车位角点修正系统,其特征在于,
在所述两条边为平行的情况下,将与所述两条边平行并且到所述两条边距离相等的线作为中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
16.如权利要求15所述的停车位角点修正系统,其特征在于,
在所述两条边不平行的情况下,将所述两条边的延长线的构成的角的角平分线作为所述中线,从所述交点做所述中线的垂线,将所述垂线分别与所述两条边为的交点作为修正后的车位角点,基于该修正后的车位角点进行矩形化得到修正后的待泊车位。
17.一种计算机可读介质,其上存储有计算机程序,其特征在于,
该计算机程序被处理器执行时实现权利要求1~8任意一项所述的停车位角点修正方法。
18.一种计算机设备,包括存储模块、处理器以及存储在存储模块上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~8任意一项所述的停车位角点修正方法。
19.一种车辆,其特征在于,包括权利要求9~16任意一项所述的停车位角点修正系统。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509067.XA CN112580508A (zh) | 2020-12-18 | 2020-12-18 | 停车位角点修正方法以及停车位角点修正系统、车辆 |
US17/549,187 US20220198811A1 (en) | 2020-12-18 | 2021-12-13 | Parking lot corner point correction method, parking lot corner point correction system, and vehicle |
EP21215910.7A EP4016476A1 (en) | 2020-12-18 | 2021-12-20 | Parking lot corner point correction method, parking lot corner point correction system, and vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011509067.XA CN112580508A (zh) | 2020-12-18 | 2020-12-18 | 停车位角点修正方法以及停车位角点修正系统、车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580508A true CN112580508A (zh) | 2021-03-30 |
Family
ID=75136144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011509067.XA Pending CN112580508A (zh) | 2020-12-18 | 2020-12-18 | 停车位角点修正方法以及停车位角点修正系统、车辆 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220198811A1 (zh) |
EP (1) | EP4016476A1 (zh) |
CN (1) | CN112580508A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240775A (zh) * | 2021-07-12 | 2021-08-10 | 智道网联科技(北京)有限公司 | 导向箭头地图标志的修正方法及相关装置 |
CN113799769A (zh) * | 2021-09-28 | 2021-12-17 | 北京经纬恒润科技股份有限公司 | 车位识别精度的检测方法、装置及自动驾驶车辆 |
CN113830078A (zh) * | 2021-10-19 | 2021-12-24 | 同济大学 | 一种基于停车位角点检测的自动泊车方法及系统 |
CN114821540A (zh) * | 2022-05-27 | 2022-07-29 | 禾多科技(北京)有限公司 | 车位检测方法、装置、电子设备和计算机可读介质 |
CN114852060A (zh) * | 2022-05-23 | 2022-08-05 | 广州小鹏自动驾驶科技有限公司 | 泊车控制方法、泊车控制装置、车辆和存储介质 |
CN114926454A (zh) * | 2022-06-13 | 2022-08-19 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
WO2023168747A1 (zh) * | 2022-03-07 | 2023-09-14 | 深圳市德驰微视技术有限公司 | 基于域控制器平台的自动泊车的停车位标注方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3576010A1 (en) * | 2018-05-31 | 2019-12-04 | KPIT Technologies Ltd. | System and method for detection of free parking space for a vehicle |
US10984659B2 (en) * | 2018-09-13 | 2021-04-20 | Volvo Car Corporation | Vehicle parking availability map systems and methods |
US11288525B2 (en) * | 2018-10-31 | 2022-03-29 | Texas Instruments Incorporated | Object detection for distorted images |
CN113632095A (zh) * | 2019-03-16 | 2021-11-09 | 辉达公司 | 使用适合停车位检测的倾斜多边形进行对象检测 |
CN110796063B (zh) * | 2019-10-24 | 2022-09-09 | 百度在线网络技术(北京)有限公司 | 用于检测车位的方法、装置、设备、存储介质以及车辆 |
WO2021126090A1 (en) * | 2019-12-18 | 2021-06-24 | Moovita Pte Ltd | Autonomous parking systems and methods for vehicles |
US11443627B2 (en) * | 2020-12-23 | 2022-09-13 | Telenav, Inc. | Navigation system with parking space identification mechanism and method of operation thereof |
CN112836633A (zh) * | 2021-02-02 | 2021-05-25 | 蔚来汽车科技(安徽)有限公司 | 停车位检测方法以及停车位检测系统 |
-
2020
- 2020-12-18 CN CN202011509067.XA patent/CN112580508A/zh active Pending
-
2021
- 2021-12-13 US US17/549,187 patent/US20220198811A1/en active Pending
- 2021-12-20 EP EP21215910.7A patent/EP4016476A1/en active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240775A (zh) * | 2021-07-12 | 2021-08-10 | 智道网联科技(北京)有限公司 | 导向箭头地图标志的修正方法及相关装置 |
CN113240775B (zh) * | 2021-07-12 | 2021-09-21 | 智道网联科技(北京)有限公司 | 导向箭头地图标志的修正方法及相关装置 |
CN113799769A (zh) * | 2021-09-28 | 2021-12-17 | 北京经纬恒润科技股份有限公司 | 车位识别精度的检测方法、装置及自动驾驶车辆 |
CN113830078A (zh) * | 2021-10-19 | 2021-12-24 | 同济大学 | 一种基于停车位角点检测的自动泊车方法及系统 |
CN113830078B (zh) * | 2021-10-19 | 2023-08-04 | 同济大学 | 一种基于停车位角点检测的自动泊车方法及系统 |
WO2023168747A1 (zh) * | 2022-03-07 | 2023-09-14 | 深圳市德驰微视技术有限公司 | 基于域控制器平台的自动泊车的停车位标注方法及装置 |
CN114852060A (zh) * | 2022-05-23 | 2022-08-05 | 广州小鹏自动驾驶科技有限公司 | 泊车控制方法、泊车控制装置、车辆和存储介质 |
WO2023226268A1 (zh) * | 2022-05-23 | 2023-11-30 | 广州小鹏自动驾驶科技有限公司 | 泊车控制方法、泊车控制装置、车辆和存储介质 |
CN114852060B (zh) * | 2022-05-23 | 2024-04-09 | 广州小鹏汽车科技有限公司 | 泊车控制方法、泊车控制装置、车辆和存储介质 |
CN114821540A (zh) * | 2022-05-27 | 2022-07-29 | 禾多科技(北京)有限公司 | 车位检测方法、装置、电子设备和计算机可读介质 |
CN114926454A (zh) * | 2022-06-13 | 2022-08-19 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
CN114926454B (zh) * | 2022-06-13 | 2023-03-24 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
EP4016476A1 (en) | 2022-06-22 |
US20220198811A1 (en) | 2022-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580508A (zh) | 停车位角点修正方法以及停车位角点修正系统、车辆 | |
JP5966747B2 (ja) | 車両走行制御装置及びその方法 | |
US9797981B2 (en) | Moving-object position/attitude estimation apparatus and moving-object position/attitude estimation method | |
JP3352655B2 (ja) | 車線認識装置 | |
US8396299B2 (en) | Vanishing point detecting system, vanishing point detecting method, and vanishing point detecting program | |
CN110567469A (zh) | 视觉定位方法、装置、电子设备及系统 | |
JP4702569B2 (ja) | 車両用画像処理装置 | |
US10949686B2 (en) | Image processing device and image processing method | |
US10235579B2 (en) | Vanishing point correction apparatus and method | |
EP3690814B1 (en) | Lane recognition device | |
CN107392080B (zh) | 影像评估方法以及其电子装置 | |
EP3467775A1 (en) | Estimating program, estimating method, and estimating system for camera parameter | |
US11889047B2 (en) | Image processing device and image processing method | |
US10410070B2 (en) | Step detection device and step detection method | |
KR101394770B1 (ko) | 곡선 차선 모델을 이용한 영상 안정화 방법 및 시스템 | |
JP3384278B2 (ja) | 距離計測装置 | |
US10339394B2 (en) | Step detection device and step detection method | |
US20180005051A1 (en) | Travel road shape recognition apparatus and travel road shape recognition method | |
JP2006285564A (ja) | 道路領域検出装置及び道路領域検出方法 | |
JP7334632B2 (ja) | 物体追跡装置及び物体追跡方法 | |
JP2005148784A (ja) | 路面走行レーン検出装置 | |
CN110488320A (zh) | 一种利用立体视觉检测车辆距离的方法 | |
JP4696370B2 (ja) | 道路の仕切線認識装置 | |
CN113435386B (zh) | 一种视觉车位无损滤波方法、装置及存储介质 | |
CN115388880B (zh) | 一种低成本记忆泊车建图与定位方法、装置及电子设备 |
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 |