CN113593296A - 一种车位检测方法、装置、车辆和介质 - Google Patents
一种车位检测方法、装置、车辆和介质 Download PDFInfo
- Publication number
- CN113593296A CN113593296A CN202110846151.9A CN202110846151A CN113593296A CN 113593296 A CN113593296 A CN 113593296A CN 202110846151 A CN202110846151 A CN 202110846151A CN 113593296 A CN113593296 A CN 113593296A
- Authority
- CN
- China
- Prior art keywords
- parking space
- target line
- line object
- preset
- objects
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000010276 construction Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种车位检测方法、装置、车辆和介质,包括:识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;若所述目标线对象之间的区域不存在特征标识,则在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。本申请实施例能够提高可用车位检测的准确性。
Description
技术领域
本申请涉及汽车技术领域,特别是涉及一种车位检测方法、装置、车辆和介质。
背景技术
通过添加车位线在某一区域中划分车位,是一种十分普遍的车位划分方式。
大多数具有自动泊车系统的车辆也具有检测车位线的功能,通过检测车位线来确定自动泊车的车位。车位线的准确检测,直接影响到车位检测的可靠性,进而影响车辆自动泊车的准确性和效率。
在车辆寻找车位以及后续泊车过程中,准确识别车位线,以及准确判断车位线对应的车位能否进行泊车尤为关键。
发明内容
鉴于上述问题,提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种车位检测方法和相应的一种车位检测装置、车辆和介质。
本申请实施例公开了一种车位检测方法,包括:
识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;
若所述目标线对象之间的区域不存在特征标识,则在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
可选地,所述宽度阈值不大于标准车位线宽度;所述特征标识用于标识所述区域为禁停区域,或者用于标识所述区域为指定对象的专用区域。
可选地,在识别采集到的环境图像中的目标线对象之后,所述方法还包括:
确定所述目标线对象的宽度;
剔除所述宽度小于预设宽度阈值的目标线对象。
可选地,所述方法还包括:
若所述目标线对象之间的区域存在特征标识,则获取用户信息;
判断所述用户信息与所述指定对象是否匹配;
若所述用户信息与所述指定对象匹配,则执行所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
可选地,所述识别采集到的环境图像中的目标线对象包括:
采集环境图像;
识别所述环境图像中的线段型元素为线对象;
判断所述线对象是否满足预设的车位线特征;
若是,则确定所述线对象为目标线对象;
所述车位线特征包括:所述线对象为直线、所述线对象的长度大于预设长度阈值、所述线对象边缘两侧的灰度大于预设灰度值的至少一个。
可选地,所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位包括:
确定组成所述目标线对象的子对象;
判断所述子对象是否满足预设的车位构建条件;
若是,则基于所述目标线对象构建虚拟车位;
所述车位构造条件包括:相互平行的子对象之间的距离大于预设距离阈值,相邻的子对象的夹角为预设的特征值。
可选地,所述方法还包括:
判断所述虚拟车位中是否存在障碍物对象;
若否,则确定所述虚拟车位为可泊车位。
本申请还公开了一种车位检测装置,包括:
目标线对象识别模块,用于识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
特征标识检测模块,用于在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;若所述目标线对象之间的区域不存在特征标识,则调用虚拟车位生成模块;
所述虚拟车位生成模块,用于在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
本申请还公开了一种车辆,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的车位检测方法的步骤。
本申请还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的车位检测方法的步骤。
本申请实施例包括以下优点:
在得到车辆所处位置的环境图像后,针对环境图像进行识别得到满足预设的车位线特征的目标线对象,确定目标线对象的宽度不小于预设宽度阈值后,判断目标线对象之间的区域是否存特征标识,如果不存在特征标识,则在目标线对象满足预设的车位构建条件时,构建虚拟车位,通过车位检测过程中引入宽度阈值与目标线对象进行对比,避免由于识别实体车位中干扰物得到线对象,造成虚拟车位与实体车位不符,提高虚拟车位构建准确性,通过车位检测过程中对目标线对象之间的区域进行识别,将在上述区域中不存在特征标识时作为构建虚拟车位的条件之一,避免针对特殊实体车位(例如专属车位)构建本不该构建的虚拟车位,进一步提高虚拟车位构建的准确性。
附图说明
图1是本申请的一种车位检测方法实施例的步骤流程图;
图2是本申请实施例提供的第一种环境图像示意图;
图3是本申请实施例提供的第二种环境图像示意图;
图4是本申请实施例提供的第三种环境图像示意图;
图5是本申请实施例提供的第四种环境图像示意图;
图6是本申请实施例提供的第五种环境图像示意图;
图7是本申请的另一种车位检测方法实施例的步骤流程图;
图8是本申请的一种车位检测流程图;
图9是本申请的一种车位检测装置实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例的核心构思之一在于,采集车辆周边的环境信息并输出相应的环境图像,识别环境图像中满足车位线特征的目标线对象,当目标线现象的宽度大于或等于预设宽度阈值,并且目标线对象之间的区域不存在特征标识时,若目标线对象满足车位构建条件,则基于目标线对象构建虚拟车位,从而使得基于目标线对象的宽度以及目标线对象之间可能存在的特征标识对目标线对象进行筛选,针对经过筛选并满足车位构建条件的目标线对象才生成相应的虚拟车位,提高用于构建虚拟车位的线对象筛选准确性,降低虚拟车位误检率。
参照图1,示出了本申请的一种车位检测方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
车辆中可以设置有用于图像采集的部件(例如:摄像头),并针对车辆附近的区域进行检测,输出车辆附近区域的环境图像。
对环境图像进行相应的图像处理,包括但不限于降噪、合成、特征提取等处理。通过对环境图像进行图像处理,识别出环境图像中包含的满足预设的车位线特征的线对象为目标线对象。
现实环境区域中,可能会存在实体车位,一般的实体车位由特定的线段进行划分和标记,例如:停车场中由四条线段组成一个矩形,矩形所在区域即为实体车位,车位线特征可以为针对线对象设置的预设特征,车位线特征用于从环境图像中识别的线对象中筛选出目标线对象。
步骤102,在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;
检测目标线对象的宽度,判断目标线对象的宽度是否小于预设的宽度阈值,在确定目标线对象的宽度不小于预设的宽度阈值时,进一步确定目标线对象之间的区域,并识别上述区域中是否存在特征标识。
在一种示例中,宽度阈值为5厘米。
步骤103,若所述目标线对象之间的区域不存在特征标识,则在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
若目标线对象之间的区域不存在特征标识,则进一步判断目标线对象是否满足车位构建条件,如果目标线对象满足车位构建条件,则基于目标线对象构建虚拟车位。
在某些情况下,实体车位所在区域可能会存在与实体车位线近似的干扰物,例如:地面裂缝,此时可能会使得目标线对象并非与实体车位线对应,而是与干扰物对应,通过检测目标线对象的宽度,能够避免错误地基于干扰物得到的线对象构建虚拟车位,提高构建虚拟车位的准确性。
在某些情况下,实体车位的中间会添加有文字或者图示,用以表示该车位(例如:个人专属车位等)供指定人员使用。如果不对该区域进行检测直接将车辆停泊在此类实体车位中,会影响上述指定人员使用该车位,通过对特征标识的识别,避免针对本不该使用的实体车位构建虚拟车位,提高构建的虚拟车位的准确性。
在本申请实施例中,在得到车辆所处位置的环境图像后,针对环境图像进行识别得到满足预设的车位线特征的目标线对象,确定目标线对象的宽度不小于预设宽度阈值后,判断目标线对象之间的区域是否存特征标识,如果不存在特征标识,则在目标线对象满足预设的车位构建条件时,构建虚拟车位,通过车位检测过程中引入宽度阈值与目标线对象进行对比,避免由于识别实体车位中干扰物得到线对象,造成虚拟车位与实体车位不符,提高虚拟车位构建准确性,通过车位检测过程中对目标线对象之间的区域进行识别,将在上述区域中不存在特征标识时作为构建虚拟车位的条件之一,避免针对特殊实体车位(例如专属车位)构建本不该构建的虚拟车位,进一步提高虚拟车位构建的准确性。
在本申请的一种可选实施例中,所述宽度阈值不大于标准车位线宽度;所述特征标识用于标识所述区域为禁停区域,或者用于标识所述区域为指定对象的专用区域。
标准车位线宽度可以由指定机构确定,(例如:指定机构确定标准车位线宽度为6-10厘米),并且现实场景中的实体车位线宽度多数为10或15厘米,一些地砖场地的实体车位的车位线宽度会大于15厘米。
由于基于环境图像确定的目标线对象的宽度可能存在一定误差,所以可以将宽度阈值设置为不大于标准车位线宽度。
在一种示例中,宽度阈值设置为5厘米。通过设置宽度阈值,能够有效判断出目标线对象是否对应与实际车位中的车位线对应,降低实体车位中干扰物对构建虚拟车位的影响。
特征标识可以包括图形标识和/或文字标识。
以下对不同的特征标识进行说明,且下述的特征标识仅作为示例对本申请作说明,本申请的特征标识包括但不限于下述示例。
示例一:参照图2,示出了本申请实施例提供的第一种环境图像示意图,在识别第一种环境图像后得到目标线对象201,检测目标线对象201之间的区域,确定出上述区域中存在有第一图形标识202,第一图形标识202与实体车位中的禁停线匹配,则确定第一图形标识202为用于标识所述区域为禁停区域的特征标识,从而判断出目标线对象201之间的区域存在特征标识。
示例二:参照图3,示出了本申请实施例提供的第二种环境图像示意图,在识别第二种环境图像后得到目标线对象201,检测目标线对象201之间的区域,确定出上述区域中存在有第一文字标识203,第一文字标识为203“私家车位”,则确定第一文字标识203为用于标识所述区域为指定对象(车位所属用户)的专用区域的特征标识,从而判断出目标线对象201之间的区域存在特征标识。
示例三:参照图4,示出了本申请实施例提供的第三种环境图像示意图,在识别第三种环境图像后得到目标线对象201,检测目标线对象201之间的区域,确定出上述区域中存在有第二图形标识204,第二图形标识204为象征第一指定人群(残疾人)的图形,则确定第二图形标识204为用于标识所述区域为指定对象(第一指定人群)的专用区域的特征标识,从而判断出目标线对象201之间的区域存在特征标识。
示例四:参照图5,示出了本申请实施例提供的第四种环境图像示意图,在识别第四种环境图像后得到目标线对象201,检测目标线对象201之间的区域,确定出上述区域中存在有第三图形标识205和第二文字标识206,第三图形标识206为象征第二指定人群(女性人群)的图形,第二文字标识205为“女性停车位”且与第二指定人群匹配,则确定第三图形标识205和第二文字标识206为用于标识所述区域为指定对象(第二指定人群)的专用区域的特征标识,从而判断出目标线对象201之间的区域存在特征标识。
在本申请的一种可选实施例中,本申请实施例还包括如下步骤:若所述目标线对象之间的区域存在特征标识,则获取用户信息;判断所述用户信息与所述指定对象是否匹配;若所述用户信息与所述指定对象匹配,则执行所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
若目标线对象之间的区域存在特征标识,获取用户信息,用户信息可以包括但不限于车辆内部人员的用户信息,车主的用户信息。由于特征标识可以用于标识所述区域为指定对象的专用区域,通过用户信息与指定对象进行对比,判断用户信息与指定对象是否匹配,如果匹配,则表示特征信息对应的指定对象与车辆当前对应的用户信息相匹配,当前车辆能够使用该区域,可以基于该模目标线对象构建虚拟车位。
例如:特征标识为“女性停车位”,用户信息中包含驾驶员的性别,当驾驶员的性别为女性时,则确定用户信息与特征标识匹配。
在本申请的一种可选实施例中,在步骤101之后,本申请实施例可以还包括如下步骤:确定所述目标线对象的宽度;剔除所述宽度小于预设宽度阈值的目标线对象。
在识别环境图像中的目标线对象后,确定各个目标线对象的宽度,剔除宽度小于预设宽度阈值的目标线对象,从而筛选出宽度不小于预设宽度阈值的目标线对象,并执行车位检测方法中的后续的步骤。
在具体实现中,目标线对象为矩形,该矩形中包括不相等的第一边长和第二边长,确定第一边长和第二边长中较小的一个为目标线对象的宽度。
参照图6,示出了本申请实施例提供的第五种环境图像示意图,本申请实施例能够针对上述的一种环境图像进行识别得到第一目标线对象601、第二目标线对象602、第三目标线对象603、第四目标线对象604、第五目标线对象605。通过检测上述目标线对象的宽度,得到第一目标线对象601、第二目标线对象602、第三目标线对象603、第四目标线对象604的宽度均不小于宽度阈值,而第五目标线对象605的宽度小于宽度阈值,则在剔除第五目标线对象605之后,基于第一目标线对象601、第二目标线对象602、第三目标线对象603、第四目标线对象604执行上述的步骤102-103。
在本申请的一种可选实施例中,步骤101包括:
子步骤S11,采集环境图像;
可以调用车辆中设置的用于采集图像的部件对车辆所处环境进行检测,得到环境图像。
在一种示例中,采集图像的部件未设置于车辆左后视镜和右后视镜的摄像头,通过该摄像头输出车辆左侧和右侧的环境图像。
子步骤S12,识别所述环境图像中的线段型元素为线对象;
识别环境图像中呈线段型的图像元素为线对象。
子步骤S13,判断所述线对象是否满足预设的车位线特征;所述车位线特征包括:所述线对象为直线、所述线对象的长度大于预设长度阈值、所述线对象边缘两侧的灰度大于预设灰度值的至少一个
判断线对象是否满足车位线特征,具体的,车位线特征包括但不限于线对象为直线、线对象的长度大于预设长度阈值、线对象边缘两侧的灰度大于预设灰度值。
子步骤S14,若所述线对象满足预设的车位线特征,则确定所述线对象为目标线对象。
确定满足预设车位线特征的线对象为目标线对象,从而实现对基于环境图像的线对象进行筛选。
在本申请的一种可选实施例中,所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位包括:
子步骤S21,确定组成所述目标线对象的子对象;
一般地,目标线对象与实体车位中的实体车位线匹配,目标线对象包括至少四个,具体包括两组平行的子对象。
子步骤S22,判断所述子对象是否满足预设的车位构建条件;所述车位构造条件包括:相互平行的子对象之间的距离大于预设距离阈值,相邻的子对象的夹角为预设的特征值;
判断两个相互平行的线对象之间的距离大于一定距离阈值,以及相邻的子对象的夹角为预设的特征值(例如90度、60度、45度等)。
由于一般实体车位为矩形,且实体车位中两组相互平行实体车位线之间的距离不同,则可以针对距离阈值,进一步包含第一距离阈值和第二距离阈值。当两组相互平行的子对象中的一组大于第一距离阈值,另一组大于第二距离阈值时,确定子对象之间的距离大于预设距离阈值。
在一示例中,第一长度阈值为6米,第二长度阈值为2.5米。
子步骤S23,若是,则基于所述目标线对象构建虚拟车位。
基于符合车位构建条件的目标线对象,构建虚拟车位。
参照图7,示出了本申请的另一种车位检测方法实施例的步骤流程图,具体可以包括如下步骤:
步骤701,识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
步骤702,在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;
步骤703,若所述目标线对象之间的区域不存在特征标识,则在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
步骤704,判断所述虚拟车位中是否存在障碍物对象;
在构建得到虚拟车位后,进一步判断虚拟车位中是否存在障碍物对象,障碍物对象可以为实体障碍物的虚拟对象。
步骤705,若所述虚拟车位中不存在障碍物对象,则确定所述虚拟车位为可泊车位。
当虚拟车位中存在障碍物对象时,则确定实体车位中存在与障碍物对象对应的实体障碍物体,虚拟车位为不可泊车位;当虚拟车位中不存在障碍物对象时,则确定实体车位中不存在实体障碍物,虚拟车位为可泊车位。
当虚拟车位为可泊车位时,可以针对可泊车位以及车辆当前位置,生成泊车路径,并控制车辆按照泊车路径进行自动泊车。
在本申请实施例中,通过车位检测过程中引入宽度阈值与目标线对象进行对比,避免由于识别实体车位中干扰物得到线对象,造成虚拟车位与实体车位不符,提高虚拟车位构建准确性,通过车位检测过程中对目标线对象之间的区域进行识别,将在上述区域中不存在特征标识时作为构建虚拟车位的条件之一,避免针对特殊实体车位(例如专属车位)构建本不该构建的虚拟车位,进一步提高虚拟车位构建的准确性,在得到虚拟车位后,判断虚拟车位为可泊车位,能够实现自动判断车辆当前能否停泊在虚拟车位对应的实体车位中,提高对可泊车位检测的准确性。
在本申请的一种可选实施例中,所述步骤704包括:获取预设雷达组件针对所述区域进行检测得到的雷达检测数据;依据所述雷达检测数据判断所述虚拟车位中是否存在障碍物对象;
或者,获取预设摄像头针对所述区域进行图像采集得到的图像检测数据;依据所述图像检测数据判断所述虚拟车位中是否存在障碍物对象。
在判断虚拟车位是否存在障碍物对象时,可以通过雷达或者摄像头得到的相应数据进行判断,具体的:
可以调用预设的雷达组件对目标线对象之间的区域对应的实体区域进行检测,得到与该区域对应的雷达检测数据,基于雷达检测数据判断该实体区域中是否存在实体障碍物,从而判断虚拟车位中是否存在障碍物对象。若基于雷达检测数据确定实体区域中包含实体障碍物,则确定虚拟车位中存在障碍物对象,若基于雷达检测数据确定实体区域中不存在实体障碍物,则确定虚拟车位中不存在障碍物对象。
或者,调用摄像头对目标线对象之间的区域对应的实体区域进行检测,得到与该区域对应的图像检测数据,基于图像检测数据判断该实体区域中是否存在实体障碍物,从而判断虚拟车位中是否存在障碍物对象,可以理解的是,上述图像检测数据也可以为前述的环境图像,基于环境图像判断虚拟车位中是否存在障碍物对象。
基于图像检测数据判断是否存在障碍物对象方式与上述基于雷达检测数据判断是否存在障碍物对象的方式类似,在此不在赘述。
以下,参照图8,示出了本申请的一种车位检测流程图,具体包括如下步骤:
801,通过左右后视镜上的摄像头拍摄的图像提取线段。通过左右后视镜上的摄像头拍摄的图像提取线段。
802,判断是否符合车位线特征。若否则执行步骤803,若是则执行步骤804。
通过包括不局限于以下方法来判断是否符合车位线特征,如果不符合则舍弃该车位(不构建可泊车位),包括:
a.线段为直线;
b.线段长度大于一定阈值(长度阈值);
c.线段边缘线两侧的灰度值差值大于一定阈值。
803,舍弃该车位。
804,舍弃宽度小于5厘米的车位线。
判断符合车位线特征后检测所有车位线的宽度,舍弃宽度小于5厘米的车位线,对于宽度大于等于5厘米的车位线才认为是车位线。
由于在相关规定中,规定停车位线宽度可介于6cm-10cm之间;并且现实场景中的车位线宽度多数为10cm或15cm,一些地砖车位的车位线会大于15cm;再且车位线宽度检测存在一定的误差,设置5厘米的宽度阈值对车位线筛选,舍弃宽度小于5厘米的车位线。
805,判断车位线内是否存在禁停线或是否为私家车位或是否为专业车位,若是则执行步骤803,若否则执行步骤806。
判断车位线内是否有禁停线或是否为私家车位或是否为专用车位:当判断车位线内有交叉线等表征禁停的线段时舍弃该车位,当判断车位线内有“私家车位”或类似字样时则舍弃该车位,当判断车位线内有“女士专用车位”、“残疾人专用车位”或类似字样或图示时则舍弃该车位,当车位线中不含有上述信息时才会进行下一步的判断。
通过上述两步可有效避免一些不该释放的车位误释放,降低车位线车位的误检率,同时为自己和他人的生活带来便利性。
806,判断车位能否构建车位线车位。如否则执行步骤803,若是则执行步骤807。
如果符合车位线特征则通过但不局限于以下方法来判断是否能构建车位线车位,如果不能则舍弃该车位,包括:
a.两条相互平行的车位线之间的距离大于一定阈值(距离阈值);
b.两条相邻的车位线的夹角应约为某一特定值,如90°、60°或45°
807,判断车位线车位中是否存在障碍物。若是则执行步骤803,若否则执行步骤808。
如果能构建车位线车位则需通过但不局限于以下方法来检测车位线车位中是否有障碍物,如果有则舍弃该车位,包括:
a.超声波雷达检测车位线车位的空间内是否有障碍物;
b.后视镜上的摄像头拍摄的图像检测车位线车位的空间内是否有障碍物;
808,释放车位线车位。即得到可泊车位。
如果没有障碍物,则判定该车位线车位可用并释放该车位线车位。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图9,示出了本申请的一种车位检测装置实施例的结构框图,具体可以包括如下模块:
目标线对象识别模块901,用于识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
特征标识检测模块902,用于在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;若所述目标线对象之间的区域不存在特征标识,则调用虚拟车位生成模块903;
所述虚拟车位生成模块903,用于在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
在本申请的一种可选实施例中,所述宽度阈值不大于标准车位线宽度;所述特征标识用于标识所述区域为禁停区域,或者用于标识所述区域为指定对象的专用区域。
在本申请的一种可选实施例中,所述装置还包括:
宽度确定模块,用于确定所述目标线对象的宽度;
目标线对象剔除模块,用于剔除所述宽度小于预设宽度阈值的目标线对象。
在本申请的一种可选实施例中,所述装置还包括:
用户信息获取模块,用于若所述目标线对象之间的区域存在特征标识,则获取用户信息;
用户信息判断模块,用于判断所述用户信息与所述指定对象是否匹配;若所述用户信息与所述指定对象匹配,则调用所述虚拟车位生成模块903。
在本申请的一种可选实施例中,所述目标线对象识别模块901包括:
图像采集子模块,用于采集环境图像;
线对象识别子模块,用于识别所述环境图像中的线段型元素为线对象;
车位线特征判断子模块,用于判断所述线对象是否满足预设的车位线特征;
目标线对象确定子模块,用于若所述线对象满足预设的车位线特征,则确定所述线对象为目标线对象;
所述车位线特征包括:所述线对象为直线、所述线对象的长度大于预设长度阈值、所述线对象边缘两侧的灰度大于预设灰度值的至少一个。
在本申请的一种可选实施例中,所述虚拟车位生成模块903包括:
子对象确定子模块,用于确定组成所述目标线对象的子对象;
车位构建条件判断子模块,用于判断所述子对象是否满足预设的车位构建条件;
车位构建子模块,用于若所述子对象满足预设的车位构建条件,则基于所述目标线对象构建虚拟车位;
所述车位构造条件包括:相互平行的子对象之间的距离大于预设距离阈值,相邻的子对象的夹角为预设的特征值。
在本申请的一种可选实施例中,所述装置还包括:
障碍物对象判断模块,用于判断所述虚拟车位中是否存在障碍物对象;
可泊车位确定模块,用于若所述虚拟车位中不存在障碍物对象,则确定所述虚拟车位为可泊车位。
在本申请的一种可选实施例中,所述障碍物对象判断模块包括:
雷达检测数据获取子模块,用于获取预设雷达组件针对所述区域进行检测得到的雷达检测数据;
第一障碍物对象判断子模块,用于依据所述雷达检测数据判断所述虚拟车位中是否存在障碍物对象;
或者,
图像检测数据获取子模块,用于获取预设摄像头针对所述区域进行图像采集得到的图像检测数据;
第二障碍物对象判断子模块,用于依据所述图像检测数据判断所述虚拟车位中是否存在障碍物对象。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种车辆,包括:包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述车位检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现上述车位检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端设备不仅包括那些要素,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、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种车位检测方法、装置、车辆和介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种车位检测方法,其特征在于,包括:
识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;
若所述目标线对象之间的区域不存在特征标识,则在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
2.根据权利要求1所述的方法,其特征在于,所述宽度阈值不大于标准车位线宽度;所述特征标识用于标识所述区域为禁停区域,或者用于标识所述区域为指定对象的专用区域。
3.根据权利要求2所述的方法,其特征在于,在识别采集到的环境图像中的目标线对象之后,所述方法还包括:
确定所述目标线对象的宽度;
剔除所述宽度小于预设宽度阈值的目标线对象。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述目标线对象之间的区域存在特征标识,则获取用户信息;
判断所述用户信息与所述指定对象是否匹配;
若所述用户信息与所述指定对象匹配,则执行所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
5.根据权利要求1所述的方法,其特征在于,所述识别采集到的环境图像中的目标线对象包括:
采集环境图像;
识别所述环境图像中的线段型元素为线对象;
判断所述线对象是否满足预设的车位线特征;
若是,则确定所述线对象为目标线对象;
所述车位线特征包括:所述线对象为直线、所述线对象的长度大于预设长度阈值、所述线对象边缘两侧的灰度大于预设灰度值的至少一个。
6.根据权利要求1所述的方法,其特征在于,所述在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位包括:
确定组成所述目标线对象的子对象;
判断所述子对象是否满足预设的车位构建条件;
若是,则基于所述目标线对象构建虚拟车位;
所述车位构造条件包括:相互平行的子对象之间的距离大于预设距离阈值,相邻的子对象的夹角为预设的特征值。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述虚拟车位中是否存在障碍物对象;
若否,则确定所述虚拟车位为可泊车位。
8.一种车位检测装置,其特征在于,包括:
目标线对象识别模块,用于识别采集到的环境图像中的目标线对象;所述目标线对象为满足预设的车位线特征的线对象;
特征标识检测模块,用于在所述目标线对象的宽度不小于预设宽度阈值时,判断所述目标线对象之间的区域是否存在特征标识;若所述目标线对象之间的区域不存在特征标识,则调用虚拟车位生成模块;
所述虚拟车位生成模块,用于在所述目标线对象满足预设的车位构建条件时,基于所述目标线对象构建虚拟车位。
9.一种车辆,其特征在于,包括:处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的车位检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7中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 |
---|---|---|---|
CN202110846151.9A CN113593296A (zh) | 2021-07-26 | 2021-07-26 | 一种车位检测方法、装置、车辆和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110846151.9A CN113593296A (zh) | 2021-07-26 | 2021-07-26 | 一种车位检测方法、装置、车辆和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113593296A true CN113593296A (zh) | 2021-11-02 |
Family
ID=78250093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110846151.9A Pending CN113593296A (zh) | 2021-07-26 | 2021-07-26 | 一种车位检测方法、装置、车辆和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593296A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018233062A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种基于停车位类型的停车诱导方法及系统 |
CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
CN110889974A (zh) * | 2018-09-11 | 2020-03-17 | 广州汽车集团股份有限公司 | 一种智能泊车车位识别方法及装置、汽车 |
CN110929661A (zh) * | 2019-11-28 | 2020-03-27 | 的卢技术有限公司 | 一种基于卷积神经网络的可停靠车位检测方法及系统 |
CN111231945A (zh) * | 2020-03-10 | 2020-06-05 | 威马智慧出行科技(上海)有限公司 | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 |
CN111754809A (zh) * | 2020-06-22 | 2020-10-09 | 重庆长安汽车股份有限公司 | 手机app遥控泊车动态显示方法、系统、车辆及存储介质 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112509354A (zh) * | 2020-12-08 | 2021-03-16 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆、可读介质 |
CN113053164A (zh) * | 2021-05-11 | 2021-06-29 | 吉林大学 | 一种利用环视图像的车位识别方法 |
-
2021
- 2021-07-26 CN CN202110846151.9A patent/CN113593296A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018233062A1 (zh) * | 2017-06-21 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种基于停车位类型的停车诱导方法及系统 |
CN110889974A (zh) * | 2018-09-11 | 2020-03-17 | 广州汽车集团股份有限公司 | 一种智能泊车车位识别方法及装置、汽车 |
CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
CN110929661A (zh) * | 2019-11-28 | 2020-03-27 | 的卢技术有限公司 | 一种基于卷积神经网络的可停靠车位检测方法及系统 |
CN111231945A (zh) * | 2020-03-10 | 2020-06-05 | 威马智慧出行科技(上海)有限公司 | 自动泊车车位寻找方法、电子设备、训练方法、服务器及汽车 |
CN111754809A (zh) * | 2020-06-22 | 2020-10-09 | 重庆长安汽车股份有限公司 | 手机app遥控泊车动态显示方法、系统、车辆及存储介质 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112509354A (zh) * | 2020-12-08 | 2021-03-16 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆、可读介质 |
CN113053164A (zh) * | 2021-05-11 | 2021-06-29 | 吉林大学 | 一种利用环视图像的车位识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10229588B2 (en) | Method and device for obtaining evidences for illegal parking of a vehicle | |
EP1796043B1 (en) | Object detection | |
US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
CN110910655A (zh) | 一种停车管理方法、装置及设备 | |
DE102011078615B4 (de) | Objekterfassungsvorrichtung und objekterfassungsprogramm | |
CN112509354B (zh) | 一种车位检测方法、装置、车辆、可读介质 | |
KR101103526B1 (ko) | 스테레오 카메라를 이용한 충돌회피 방법 | |
CN112289070B (zh) | 一种车位检测方法、装置、车辆、可读介质 | |
CN107798688B (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
CN110135377B (zh) | 车路协同中物体运动状态检测方法、装置和服务器 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN115331191B (zh) | 车型识别方法、装置、系统和存储介质 | |
JP2014107697A (ja) | 車載用制御装置 | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN108694387B (zh) | 一种虚假车牌过滤方法及装置 | |
CN112289021A (zh) | 一种交通信号灯的检测方法、装置及自动驾驶汽车 | |
CN112863242B (zh) | 一种车位检测的方法和装置 | |
JP2020095623A (ja) | 画像処理装置および画像処理方法 | |
CN113593296A (zh) | 一种车位检测方法、装置、车辆和介质 | |
CN113591554B (zh) | 压线检测方法以及违章检测方法 | |
KR100976142B1 (ko) | 차량검출방법 | |
CN109993143B (zh) | 图像采集设备的安装方法、装置、电子设备及存储介质 | |
CN114863372A (zh) | 一种泊车管理方法、泊车管理装置和计算机可读存储介质 |
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: 20211102 |
|
RJ01 | Rejection of invention patent application after publication |