CN113627276A - 一种检测车位的方法和装置 - Google Patents
一种检测车位的方法和装置 Download PDFInfo
- Publication number
- CN113627276A CN113627276A CN202110820406.4A CN202110820406A CN113627276A CN 113627276 A CN113627276 A CN 113627276A CN 202110820406 A CN202110820406 A CN 202110820406A CN 113627276 A CN113627276 A CN 113627276A
- Authority
- CN
- China
- Prior art keywords
- parking space
- angular
- points
- determining
- corner
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种检测车位的方法和装置。包括:获取全景图像中车位的角点集合;根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;确定与所述至少两个角点相匹配的所述目标车位的剩余角点;根据所述至少两个角点以及所述剩余角点,确定所述目标车位。本公开实施例,通过预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点,进而确定与所述至少两个角点相匹配的所述目标车位的剩余角点,能够快速识别多种类型的车位,如水平车位、垂直车位和平行四边形的车位,不受车位颜色的限制。提高了车位检测的识别率。
Description
技术领域
本公开涉及自动驾驶技术领域,尤其涉及一种检测车位的方法和装置。
背景技术
随着汽车工业的快速发展以及汽车普及率的日益提高,城市里的泊车位日益稀缺。自动泊车对车辆来说变得越来越重要。而自动泊车质量与车位线的检测息息相关,相关技术中,车位检测技术还不够完善,漏检误检的问题仍然存在,且不能够对多类型的车位进行检测,例如倾斜车位,只能处理白色车位线、无法处理其他场景的车位线,例如砖地。
发明内容
为克服相关技术中存在的至少一个问题,本公开提供一种检测车位的方法和装置。
根据本公开实施例的第一方面,提供一种检测车位的方法,包括:
获取全景图像中车位的角点集合;
根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;
确定与所述至少两个角点相匹配的所述目标车位的剩余角点;
根据所述至少两个角点以及所述剩余角点,确定所述目标车位。
在一种可能的实现方式中,所述根据预设的角点类型配对规则,从所述角点集合中确定目标车位的至少两个角点,包括:
从所述角点集合中获取目标车位的一个角点;
以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
在一种可能的实现方式中,所述以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围,包括:
以所述角点为圆心,分别以第一预设长度和第二预设长度为半径作圆,得到两个圆形;
将所述两个圆形构成的环状区域作为所述角点的匹配范围。
在一种可能的实现方式中,确定与所述至少两个角点相匹配的所述目标车位的剩余角点,包括:
连接所述两个角点,得到所述目标车位的车位线;
在所述两个角点中,以其中一个角点为圆心,以预设长度为半径,以所述半径与所述车位线的交点为起点,顺时针或逆时针旋转与所述角点的类型相匹配的角度作圆弧;
将所述圆弧的终点作为所述目标车位的剩余角点。
在一种可能的实现方式中,所述预设长度被设置为按照下述方式获得:
根据车位边长与图像坐标之间的比例关系,将所述车位边长转换为图像中的坐标长度。
在一种可能的实现方式中,获取全景图像中车位的角点集合,包括:
获取车辆预设范围内的全景图像;
将所述全景图像输入关键点检测模型,经所述关键点检测模型,输出所述全景图像中车位的角点类型,其中,所述关键点检测模型被设置为利用样本全景图像与角点类型的对应关系训练获得。
根据本公开实施例的第二方面,一种检测车位的装置,包括:
获取模块,用于获取全景图像中车位的角点集合;
第一确定模块,用于根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;
第二确定模块,用于确定与所述至少两个角点相匹配的所述目标车位的剩余角点;
第三确定模块,用于根据所述至少两个角点以及所述剩余角点,确定所述目标车位。
在一种可能的实现方式中,所述第一确定模块包括:
获取子模块,用于从所述角点集合中获取目标车位的一个角点;
第一确定子模块,用于以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
第二确定子模块,用于在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
根据本公开实施例的第三方面,提供了一种检测车位的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行根据本公开实施例任一项所述的方法。
根据本公开实施例的第三方面,提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行根据本公开实施例任一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开实施例,通过预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点,进而确定与所述至少两个角点相匹配的所述目标车位的剩余角点,能够快速识别多种类型的车位,如水平车位、垂直车位和平行四边形的车位,不受车位颜色的限制。提高了车位检测的识别率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种检测车位的方法的流程图。
图2是根据一示例性实施例示出的角点类型的示意图。
图3是根据一示例性实施例示出的一种检测车位的方法的流程图。
图4是根据一示例性实施例示出的一种检测车位的方法的流程图。
图5是根据一示例性实施例示出的一种检测车位的方法的流程图。
图6是根据一示例性实施例示出的一种检测车位的装置的示意框图。
图7是根据一示例性实施例示出的一种检测车位的装置的示意框图。
图8是根据一示例性实施例示出的一种检测车位的装置的示意框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面结合附图1对本公开所述的检测车位的方法进行详细的说明。图1是本公开提供的检测车位的方法的一种实施例的方法流程图。虽然本公开提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本公开实施例提供的执行顺序。
具体的,本公开提供的检测车位的方法一种实施例如图1所示,所述方法可以应用于车辆,包括:
步骤S101,获取全景图像中车位的角点集合。
本公开实施例中,所述全景图像在一个示例中,可以通过360度全景相机拍摄获取,所述360度全景相机可以利用物理光学的球面镜透射加反射原理,一次性将水平360度、垂直180度的信息成像。在另一个示例中,所述全景图像还可以通过对安装在车辆不同位置处的多个相机,在同一时刻拍摄的图像进行拼接获得。所述角点集合包括所述全景图像中识别的所有角点,所述角点包括两条或两条以上边的角点,例如矩形车位的直角、平行四边形的锐角或钝角。
本公开实施例中,检测角点的方法可以包括使用一个固定窗口,在图像上进行任意方向的滑动,比较滑动前与滑动后两种情况,窗口中的像素灰度变化程度,如果在任意方向上活动,都有着较大灰度变化,可以确定该窗口中存在角点。在另一个示例中,检测角点的方法可以包括利用深度学习的方法,训练关键点检测模型,输入全景图像,输出全景图像中的各个角点。在另一个示例中,检测角点的方法可以包括基于灰度图的角点检测算法,也可以包括基于二值图像的角点检测算法,还可以包括基于轮廓曲线的角点检测算法,本公开实施例不做限制。
步骤S103,根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点。
本公开实施例中,所述角点类型可以包括中间车位的角点类型以及两端车位的角点类型,其中,单独的车位可以看作两端车位的角点类型。所述中间车位包括在所述车位的左右都存在其他车位。所述两端车位包括,在所述的一端存在其他车位,另一端不存在其他车位。图2是根据一示例性实施例示出的角点类型的示意图。参考图2所示,图2中中间车位的角点类型有:类型A、类型B、类型C,分别对应于平行四边形的车位、矩形车位和平行四边形的车位,其中类型A和类型C对应的平行四边形的车位朝向不同。两端车位的角点类型有:类型D、类型E和类型F,分别对应于平行四边形的车位、矩形车位和平行四边形的车位,其中类型D和类型F对应的平行四边形的车位朝向不同。
本公开实施例中,所述角点类型匹配规则可以基于平行四边形相邻两内角互补的原则,确定匹配的类型。本公开实施例中,所述匹配的含义包括,两个角点可能存在于同一个车位中。在一个示例中,例如角点类型D与角点类型F、角点类型A相匹配,角点类型D与角点类型F是互补的,将角点类型D旋转180度后可以和角点类型F形成一个平行四边形的车位;将角点类型A位于角点类型D的左侧,角点类型D和角点类型A可以形成一个平行四边形。在另一个示例中,例如角点类型E和角点类型E、角点类型B相匹配,角点类型E的镜像图形,再和角点类型E,可以形成一个平行四边形的车位;将角点类型B位于角点类型E的左侧,角点类型E和角点类型B可以形成一个平行四边形的车位。需要说明的是,所述角点类型的匹配原则不限于上述举例,例如角点类型F和角点类型D、角点类型C相匹配;角点类型A和角点类型A、角点类型D相匹配;角点类型B和角点类型B、角点类型E相匹配;角点类型C和角点类型C、角点类型F相匹配。所属领域技术人员在本申请技术精髓的启示下,还可能做出其它变更,但只要其实现的功能和效果与本申请相同或相似,均应涵盖于本申请保护范围内。
步骤S105,确定与所述至少两个角点相匹配的所述目标车位的剩余角点。
本公开实施例中,根据步骤S102确定了车位的两个角点,可以根据平行原理,确定出所述车位的剩余两个角点的坐标。在一个示例中,连接所述两个角点,得到所述目标车位的车位线;在所述两个角点中,以其中一个角点为圆心,以预设长度为半径,以所述半径与所述车位线的交点为起点,顺时针或逆时针旋转与所述角点的类型相匹配的角度作圆弧;将所述圆弧的终点作为所述目标车位的剩余角点。在另一个示例中,分别延长两个角点的两条边,两其中一个角点的边与另一个角点边相重合,以重合的边为底,以预设长度为高,做一个平行四边形或矩形,从而确定另外两个角点的坐标,其中该平行四边形或矩形的边长与所述两个角点的边长相重合。在另一个示例中,连接所述两个角点,在所述两个角点的另一条边的延长线上,以所述角点作为线段的一个端点,截取预设长度的线段,做一个平行四边形或矩形,从而确定另外两个角点的坐标。
步骤S107,根据所述至少两个角点以及所述剩余角点,确定所述目标车位。
本公开实施例中,可以根据上述步骤,确定目标车位的角点,连接各个角点,即可以得到所述目标车位。
本公开实施例,通过预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点,进而确定与所述至少两个角点相匹配的所述目标车位的剩余角点,能够快速识别多种类型的车位,如水平车位、垂直车位和平行四边形的车位,不受车位颜色的限制。提高了车位检测的识别率。
图3是根据一示例性实施例示出的一种检测车位的方法的流程图。参考图3所示,所述根据预设的角点类型配对规则,从所述角点集合中确定目标车位的至少两个角点,包括:
从所述角点集合中获取目标车位的一个角点;
以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
本公开实施例中,从所述角点集合中随机选择一个角点,如角点D。以所述角点D为圆心,以预设长度为半径r,确定所述角点的匹配范围,如图3中的圆形区域范围。在所述区域范围内,根据预设的角点类型的匹配规则:角点类型D与角点类型F、角点类型A相匹配,可知,角点类型D可以与图3中的角点类型A相配对,作为同一个车位的两个角点。在另一个示例中,例如以图3中的角点A为圆形,预设长度为半径,确定角点A的匹配范围,在该匹配范围内,可能有两个角点类型D满足上述要求,因此中间车位的角点类型有多个角点与其匹配,处于同一个车位中。需要说明的是,虽然在图3中角点类型A左边的角点类型D与右边的角点类型D角点度数不同,但两者所在的平行四边形的朝向相同,可以作为同一种类型处理。
图4是根据一示例性实施例示出的一种检测车位的方法的流程图。参考图4所示,所述以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围,包括:
以所述角点为圆心,分别以第一预设长度和第二预设长度为半径作圆,得到两个圆形;
将所述两个圆形构成的环状区域作为所述角点的匹配范围。
本公开实施例中,参考图4所示,以角点类型D为圆心,分别以第一预设长度r1和第二预设长度r2为半径作圆,得到两个圆形,将两个圆形构成的环状区域作为角点的匹配范围,例如,图4中,角点类型A处于两圆之间的环状区域。
本公开实施例,对匹配范围进行了进一步的限定,将其限定为两圆之间的环状区域,有利于降低匹配的次数,并降低由其他元素造成的误认为角点的情况,提高识别的准确性。
图5是根据一示例性实施例示出的一种检测车位的方法的流程图。参考图5所示,确定与所述至少两个角点相匹配的所述目标车位的剩余角点,包括:
连接所述两个角点,得到所述目标车位的车位线;
在所述两个角点中,以其中一个角点为圆心,以预设长度为半径,以所述半径与所述车位线的交点为起点,顺时针或逆时针旋转与所述角点的类型相匹配的角度作圆弧;
将所述圆弧的终点作为所述目标车位的剩余角点。
本公开实施例中,参考图5所示,连接角点F1和角点F2,得到目标车位的车位线501,可以以所述角点F1为圆心,以预设长度为半径r,以半径r与所述车位线的交点为起点504,顺时针旋转与所述角点类型相匹配的角度作圆弧,圆弧的终点F3作为所述目标车位的剩余角点。在另一个示例中,可以以角点F2为圆心,以预设长度为半径,以所述半径与所述车位线的交点为起点,逆时针旋转与所述角点的类型相匹配的角度作圆弧,将所述圆弧的终点作为所述目标车位的剩余角点。
通过本公开实施例所公开的方法,可以准确快速的确定目标车位的剩余角点。
在一种可能的实现方式中,所述预设长度被设置为按照下述方式获得:
根据车位边长与图像坐标之间的比例关系,将所述车位边长转换为图像中的坐标长度。
本公开实施例中,所述车位边长包括车位的实际边长,例如一般车位的实际边长为4-7米。所述预设长度,如图5中F1和F3的距离,可以下述方法预先设置。根据车位边长与图像坐标之间的比例关系,例如100:1,即实际距离1米的长度对应图像中1厘米的长度。根据所述比例关系,将所述车位边长转换为图像中坐标长度。并以所述坐标长度作为预设长度。
在一中可能的实现方式中,获取全景图像中车位的角点集合,包括:
获取车辆预设范围内的全景图像;
将所述全景图像输入关键点检测模型,经所述关键点检测模型,输出所述全景图像中车位的角点类型,其中,所述关键点检测模型被设置为利用样本全景图像与角点类型的对应关系训练获得。
本公开实施例中,所述关键点检测模型可以基于机器学习的人工智能模型,例如深度学习的模型、强化学习模型等。所述关键点检测模型的训练方法可以包括:获取样本全景图像,所述样本全景图像中标注有角点类型。构建关键点检测模型,所述关键点检测模型中设置有训练参数,将所述样本全景图像输入至所述关键点检测模型,生成预测结果。基于预测结果与标注的角点类型之间的差异,对训练参数进行迭代调整,直至所述差异满足预设要求,得到关键点检测模型。
本公开实施例,通过训练关键点检测模型,可以准确的识别出全景图像中的角点类型。
图6是根据一示例性实施例示出的一种检测车位的装置示意框图。参照图6,该装置包括:
获取模块601,用于获取全景图像中车位的角点集合;
第一确定模块602,用于根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;
第二确定模块603,用于确定与所述至少两个角点相匹配的所述目标车位的剩余角点。
在一种可能的实现方式中,所述第一确定模块包括:
获取子模块,用于从所述角点集合中获取目标车位的一个角点;
第一确定子模块,用于以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
第二确定子模块,用于在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种检测车位的装置700的框图。例如,装置700可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,装置700可以包括以下一个或多个组件:处理组件702,存储器704,电源组件706,多媒体组件708,音频组件710,输入/输出(I/O)的接口712,传感器组件714,以及通信组件716。
处理组件702通常控制装置700的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件702可以包括一个或多个处理器720来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件702可以包括一个或多个模块,便于处理组件702和其他组件之间的交互。例如,处理组件702可以包括多媒体模块,以方便多媒体组件708和处理组件702之间的交互。
存储器704被配置为存储各种类型的数据以支持在装置700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件706为装置700的各种组件提供电力。电源组件706可以包括电源管理系统,一个或多个电源,及其他与为装置700生成、管理和分配电力相关联的组件。
多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件708包括一个前置摄像头和/或后置摄像头。当装置700处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件710被配置为输出和/或输入音频信号。例如,音频组件710包括一个麦克风(MIC),当装置700处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中,音频组件710还包括一个扬声器,用于输出音频信号。
I/O接口712为处理组件702和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件714包括一个或多个传感器,用于为装置700提供各个方面的状态评估。例如,传感器组件714可以检测到装置700的打开/关闭状态,组件的相对定位,例如所述组件为装置700的显示器和小键盘,传感器组件714还可以检测装置700或装置700一个组件的位置改变,用户与装置700接触的存在或不存在,装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件714还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件716还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器704,上述指令可由装置700的处理器720执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图8是根据一示例性实施例示出的一种检测车位的装置800的框图。例如,装置800可以被提供为一服务器。参照图8,装置800包括处理组件822,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件822的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件822被配置为执行指令,以执行上述方法。
装置800还可以包括一个电源组件826被配置为执行装置1900的电源管理,一个有线或无线网络接口850被配置为将装置800连接到网络,和一个输入输出(I/O)接口857。装置800可以操作基于存储在存储器832的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器832,上述指令可由装置800的处理组件822执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种检测车位的方法,其特征在于,包括:
获取全景图像中车位的角点集合;
根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;
确定与所述至少两个角点相匹配的所述目标车位的剩余角点;
根据所述至少两个角点以及所述剩余角点,确定所述目标车位。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的角点类型配对规则,从所述角点集合中确定目标车位的至少两个角点,包括:
从所述角点集合中获取目标车位的一个角点;
以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
3.根据权利要求2所述的方法,其特征在于,所述以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围,包括:
以所述角点为圆心,分别以第一预设长度和第二预设长度为半径作圆,得到两个圆形;
将所述两个圆形构成的环状区域作为所述角点的匹配范围。
4.根据权利要求1所述的方法,其特征在于,确定与所述至少两个角点相匹配的所述目标车位的剩余角点,包括:
连接所述两个角点,得到所述目标车位的车位线;
在所述两个角点中,以其中一个角点为圆心,以预设长度为半径,以所述半径与所述车位线的交点为起点,顺时针或逆时针旋转与所述角点的类型相匹配的角度作圆弧;
将所述圆弧的终点作为所述目标车位的剩余角点。
5.根据权利要求4所述方法,所述预设长度被设置为按照下述方式获得:
根据车位边长与图像坐标之间的比例关系,将所述车位边长转换为图像中的坐标长度。
6.根据权利要求1所述的方法,其特征在于,获取全景图像中车位的角点集合,包括:
获取车辆预设范围内的全景图像;
将所述全景图像输入关键点检测模型,经所述关键点检测模型,输出所述全景图像中车位的角点类型,其中,所述关键点检测模型被设置为利用样本全景图像与角点类型的对应关系训练获得。
7.一种检测车位的装置,其特征在于,包括:
获取模块,用于获取全景图像中车位的角点集合;
第一确定模块,用于根据预设的角点类型匹配规则,从所述角点集合中确定目标车位的至少两个角点;
第二确定模块,用于确定与所述至少两个角点相匹配的所述目标车位的剩余角点;
第三确定模块,用于根据所述至少两个角点以及所述剩余角点,确定所述目标车位。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块包括:
获取子模块,用于从所述角点集合中获取目标车位的一个角点;
第一确定子模块,用于以所述角点为圆心,以预设长度为半径,确定所述角点的匹配范围;
第二确定子模块,用于在所述匹配范围内,根据预设的角点类型匹配规则,确定与所述角点属于同一目标车位剩余角点。
9.一种检测车位的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行根据权利要求1至6中任一项所述的方法。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820406.4A CN113627276A (zh) | 2021-07-20 | 2021-07-20 | 一种检测车位的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820406.4A CN113627276A (zh) | 2021-07-20 | 2021-07-20 | 一种检测车位的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627276A true CN113627276A (zh) | 2021-11-09 |
Family
ID=78380357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110820406.4A Pending CN113627276A (zh) | 2021-07-20 | 2021-07-20 | 一种检测车位的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627276A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115206130A (zh) * | 2022-07-12 | 2022-10-18 | 合众新能源汽车有限公司 | 一种车位检测方法、系统、终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875911A (zh) * | 2018-05-25 | 2018-11-23 | 同济大学 | 一种泊车位检测方法 |
CN110826364A (zh) * | 2018-08-09 | 2020-02-21 | 上海汽车集团股份有限公司 | 一种库位识别方法及装置 |
CN111191485A (zh) * | 2018-11-14 | 2020-05-22 | 广州汽车集团股份有限公司 | 一种车位检测方法及其系统、汽车 |
CN112598922A (zh) * | 2020-12-07 | 2021-04-02 | 安徽江淮汽车集团股份有限公司 | 车位检测方法、装置、设备及存储介质 |
CN112907648A (zh) * | 2021-02-05 | 2021-06-04 | 上海欧菲智能车联科技有限公司 | 库位角点检测方法、装置、终端设备及车辆 |
CN112983085A (zh) * | 2021-04-30 | 2021-06-18 | 的卢技术有限公司 | 一种基于视觉的车位线识别方法 |
-
2021
- 2021-07-20 CN CN202110820406.4A patent/CN113627276A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875911A (zh) * | 2018-05-25 | 2018-11-23 | 同济大学 | 一种泊车位检测方法 |
CN110826364A (zh) * | 2018-08-09 | 2020-02-21 | 上海汽车集团股份有限公司 | 一种库位识别方法及装置 |
CN111191485A (zh) * | 2018-11-14 | 2020-05-22 | 广州汽车集团股份有限公司 | 一种车位检测方法及其系统、汽车 |
CN112598922A (zh) * | 2020-12-07 | 2021-04-02 | 安徽江淮汽车集团股份有限公司 | 车位检测方法、装置、设备及存储介质 |
CN112907648A (zh) * | 2021-02-05 | 2021-06-04 | 上海欧菲智能车联科技有限公司 | 库位角点检测方法、装置、终端设备及车辆 |
CN112983085A (zh) * | 2021-04-30 | 2021-06-18 | 的卢技术有限公司 | 一种基于视觉的车位线识别方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115206130A (zh) * | 2022-07-12 | 2022-10-18 | 合众新能源汽车有限公司 | 一种车位检测方法、系统、终端及存储介质 |
CN115206130B (zh) * | 2022-07-12 | 2023-07-18 | 合众新能源汽车股份有限公司 | 一种车位检测方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
US11516377B2 (en) | Terminal, focusing method and apparatus, and computer readable storage medium | |
CN106557768B (zh) | 对图片中的文字进行识别的方法及装置 | |
US10452890B2 (en) | Fingerprint template input method, device and medium | |
RU2577188C1 (ru) | Способ, аппарат и устройство для сегментации изображения | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN107480665B (zh) | 文字检测方法、装置及计算机可读存储介质 | |
US11061202B2 (en) | Methods and devices for adjusting lens position | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN109034150B (zh) | 图像处理方法及装置 | |
EP3208742A1 (en) | Method and apparatus for detecting pressure | |
CN108717542B (zh) | 识别文字区域的方法、装置及计算机可读存储介质 | |
CN110930351A (zh) | 一种光斑检测方法、装置及电子设备 | |
CN113627277A (zh) | 一种识别车位的方法和装置 | |
CN105678296A (zh) | 确定字符倾斜角度的方法及装置 | |
CN113627276A (zh) | 一种检测车位的方法和装置 | |
CN107657608B (zh) | 图像质量确定方法、装置及电子设备 | |
CN115861741B (zh) | 目标标定方法、装置、电子设备、存储介质及车辆 | |
CN108596957B (zh) | 物体跟踪方法及装置 | |
CN116310633A (zh) | 一种关键点检测模型训练方法及关键点检测方法 | |
CN114723715A (zh) | 车辆目标检测方法、装置、设备、车辆及介质 | |
CN107067392B (zh) | 识别花屏图像的方法及装置 | |
CN112862848B (zh) | 图像处理方法、装置及存储介质 | |
US11656351B2 (en) | Method and mobile device for acquiring AR or VR information by averaging pixel values | |
CN111507202B (zh) | 图像处理方法、装置及存储介质 |
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 |