CN113822179B - 阻车器位置的检测方法、装置、电子设备和介质 - Google Patents
阻车器位置的检测方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113822179B CN113822179B CN202111040042.4A CN202111040042A CN113822179B CN 113822179 B CN113822179 B CN 113822179B CN 202111040042 A CN202111040042 A CN 202111040042A CN 113822179 B CN113822179 B CN 113822179B
- Authority
- CN
- China
- Prior art keywords
- parking space
- output content
- coordinates
- center point
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000001514 detection method Methods 0.000 claims abstract description 100
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种阻车器位置的检测方法、装置、电子设备和介质；其中，该方法包括：获取车辆在泊车过程中的环视图；将环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离；根据第一输出内容、第二输出内容和第三输出内容，确定阻车器在车位中的位置信息。本公开实施例能够有效精准的定位出对阻车器的位置信息。
Description
技术领域
本公开涉及汽车技术领域，尤其涉及一种阻车器位置的检测方法、装置、电子设备和介质。
背景技术
阻车器，也可称为挡车器、稳车器和停车器，用于在泊车过程中有效阻挡车辆超过预先设置的泊车区域，进而避免影响到其他车辆泊车或者避免碰撞到周边物体。在现有的泊车过程中，泊车车辆上装载的车辆控制系统需要进行多个阻车器关键点的检测，以确定出阻车器的轮廓，从而才能对阻车器的位置信息进行定位。
然而，此方法需要检测出阻车器的轮廓，检测的关键点过多，容易出现误检，难以准确有效的检测出阻车器的位置信息。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种阻车器位置的检测方法、装置、电子设备和介质。
第一方面，本公开提供了一种阻车器位置的检测方法，包括：
获取车辆在泊车过程中的环视图；
将所述环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；所述第一输出内容能够反映车位中心点的坐标，所述第二输出内容能够反映车位角点到所述车位中心点的偏移值，所述第三输出内容能够反映车位入边到所述阻车器的最短距离；
根据所述第一输出内容、所述第二输出内容和所述第三输出内容，确定所述阻车器在车位中的位置信息。
可选的，所述根据所述第一输出内容、所述第二输出内容和所述第三输出内容，确定所述阻车器在车位中的位置信息，包括：
基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标；
基于所述目标车位中心点的坐标，根据所述第二输出内容确定所述车位角点的坐标；
基于所述目标车位中心点的坐标，根据所述第三输出内容确定所述车位入边到所述阻车器之间的最短距离；
根据所述车位角点的坐标和所述车位入边到阻车器之间的最短距离，确定所述阻车器在车位中的位置信息。
可选的，所述基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标，包括：
遍历所述第一输出内容，对所述第一输出内容中包括的边界点进行过滤处理，得到过滤后的输出内容；其中，所述过滤后的输出内容中包括至少一个候选车位中心点的坐标；
将所述至少一个候选车位中心点中像素值大于预设阈值的点对应的坐标确定为所述目标车位中心点的坐标。
可选的，所述基于所述目标车位中心点的坐标，根据所述第二输出内容确定所述车位角点的坐标，包括：
从所述第二输出内容中找出所述目标车位中心点的坐标对应的车位角点的偏移值；
根据所述车位角点的偏移值，确定所述车位角点的坐标。
可选的，所述基于所述目标车位中心点的坐标，根据所述第三输出内容确定车位入边到阻车器之间的最短距离，包括：
从所述第三输出内容中找出所述目标车位中心点的坐标的相应位置；
将所述车位入边经过所述相应位置到所述阻车器之间的最短距离确定为所述车位入边到所述阻车器之间的最短距离。
可选的，所述阻车器检测模型的训练方法包括：
获取多组样本图像；其中，每组样本图像包括：车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
基于多组样本图像，对初始网络进行训练，得到初始检测模型；
确定所述初始检测模型的总损失函数；并利用所述总损失函数对所述初始检测模型的参数进行调整，得到所述阻车器检测模型。
可选的，所述确定所述初始检测模型的总损失函数，包括：
将所述样本图像输入所述初始检测模型中，得到车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
根据经所述初始检测模型得到的车位中心点的坐标与车位中心点的实际坐标的误差、经所述初始检测模型得到的车位角点到车位中心点的距离与车位角点到车位中心点的实际距离、以及经所述初始检测模型得到的车位入边到阻车器的最短距离与车位入边到阻车器的实际最短距离的误差之和，确定所述初始检测模型的所述总损失函数。
第二方面，本公开提供了一种阻车器位置的检测装置，包括：
获取模块，用于获取车辆在泊车过程中的环视图；
确定模块，用于将所述环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；所述第一输出内容能够反映车位中心点的坐标，所述第二输出内容能够反映车位角点到车位中心点的偏移值，所述第三输出内容能够反映车位入边到阻车器的最短距离；
确定模块，还用于根据所述第一输出内容、所述第二输出内容和所述第三输出内容，确定阻车器在车位中的位置信息。
可选的，确定模块，包括：第一确定单元、第二确定单元、第三确定单元和第四确定单元；
第一确定单元，用于基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标；
第二确定单元，用于基于所述目标车位中心点的坐标，根据所述第二输出内容确定车位角点的坐标；
第三确定单元，用于基于所述目标车位中心点的坐标，根据所述第三输出内容确定车位入边到阻车器之间的最短距离；
第四确定单元，用于根据所述车位角点的坐标和所述车位入边到阻车器之间的最短距离，确定阻车器在车位中的位置信息。
可选的，第一确定单元，具体用于：
遍历所述第一输出内容，对所述第一输出内容中包括的边界点进行过滤处理，得到过滤后的输出内容；其中，所述过滤后的输出内容中包括至少一个候选车位中心点的坐标；
将至少一个候选车位中心点中像素值大于预设阈值的点对应的坐标确定为目标车位中心点的坐标。
可选的，第二确定单元，具体用于：
从所述第二输出内容中找出所述目标车位中心点的坐标对应的车位角点的偏移值；
根据所述车位角点的偏移值，确定车位角点的坐标。
可选的，第三确定单元，具体用于：
从所述第三输出内容中找出所述目标车位中心点的坐标在的相应位置；
将所述车位入边经过所述相应位置到所述阻车器之间的最短距离确定为所述车位入边到所述阻车器之间的最短距离。
可选的，还包括：模型训练模块；模型训练模块，包括：获取单元和第五确定单元；
获取单元，用于获取多组样本图像；其中，每组样本图像包括：车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
第五确定单元，用于基于多组样本图像，对初始网络进行训练，得到初始检测模型；
第五确定单元，还用于确定所述初始检测模型的总损失函数；并利用所述总损失函数对所述初始检测模型的参数进行调整，得到所述阻车器检测模型。
可选的，第五确定单元，具体用于：
将所述样本图像输入所述初始检测模型中，得到车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
根据经所述初始检测模型得到的车位中心点的坐标与车位中心点的实际坐标的误差、经所述初始检测模型得到的车位角点到车位中心点的距离与车位角点到车位中心点的实际距离、以及经所述初始检测模型得到的车位入边到阻车器的最短距离与车位入边到阻车器的实际最短距离的误差之和，确定所述初始检测模型的总损失函数。
第三方面，本公开还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中的任一种所述的阻车器位置的检测方法。
第四方面，本公开还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中的任一种所述的阻车器位置的检测方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：通过获取到车辆在泊车过程中的环视图，将环视图输入预先训练出的阻车器检测模型中，根据阻车器检测模型的输出确定出第一输出内容、第二输出内容和第三输出内容，其中，第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离，从而，能够基于阻车器检测模型的多个输出内容有效得出阻车器的位置信息。采用该方法，无需检测过多的用于形成阻车器轮廓的关键点，进而有效规避了容易误检现象的发生，可有效实现精准的对阻车器的位置信息进行定位。
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。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种阻车器位置的检测方法的流程示意图；
图2是本公开实施例提供的一种阻车器检测模型的结构示意图；
图3是本公开实施例提供的另一种阻车器位置的检测方法的流程示意图；
图4是本公开实施例提供的一种阻车器位置的检测装置的结构示意图；
图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
阻车器，用于阻止车辆泊车时超过预先设置的泊车范围而影响其他车辆泊车或者车辆碰撞到墙体等问题。在车辆泊车过程中，对阻车器的位置信息进行检测，能够有效确定出车辆倒入车位的最深距离，从而，便于为车辆泊车提供入库信息支持。
相关技术中，检测阻车器位置时，主要是先根据阻车器的多个关键点确定出阻车器的轮廓信息，再确定出车位四个角点的坐标位置，最后结合阻车器的轮廓信息与车位入边的距离，确定出阻车器的坐标位置。此方式需要检测阻车器较多的关键点，才能结合车位入边的距离，确定阻车器的具体位置，其中，在检测阻车器的多个关键点的过程中容易出现误检的问题，从而使得阻车器的位置确定不准确。
为了解决上述问题，本实施例通过获取到车辆在泊车过程中的环视图，将环视图输入预先训练出的阻车器检测模型中，根据阻车器检测模型的输出确定出第一输出内容、第二输出内容和第三输出内容，其中，第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离，从而能够基于阻车器检测模型的多个输出内容有效得出阻车器的位置信息。采用该方法，无需检测过多的用于形成阻车器轮廓的关键点，进而有效规避了容易误检现象的发生，可实现精准的对阻车器的位置信息进行定位。
图1是本公开提供的一种阻车器位置的检测方法的流程示意图。本公开可适用于在泊车过程中对阻车器的位置进行定位的情况。本公开方法可由阻车器位置的检测装置来执行，该装置可采用硬件或软件的方式来实现，并可配置于电子设备中，可实现本公开任意实施例所述的阻车器位置的检测方法。如图1所示，该方法具体包括如下：
S110、获取车辆在泊车过程中的环视图。
其中，环视图是根据车辆上安装的鱼眼摄像机拍摄泊车环境得到的二维图像数据拼接得到的。或者，也可以根据从车辆中采集的二维图像数据，由电子设备对其进行拼接得到。
在一些实施例中，车辆在泊车过程中会基于车辆上安装的鱼眼摄像机采集车辆对应的泊车环境中的多组二维图像数据，再将多组二维图像信息拼接得到环视图。其中，环视图能够有效反映出车辆在泊车过程中车位环境处的图像表征。
其中，鱼眼摄像机可安装在车辆的车身周围，如车辆的前侧、后侧、左侧和右侧等部位。
需要说明的是，车辆上安装的鱼眼摄像机的数量和位置可根据车辆的属性(如车身尺寸)进行设置，本实施例对此不做限定。
在本实施例中，获取车辆在泊车过程中的环视图，可以采用如下方式实现：
获取车辆在泊车过程中通过鱼眼摄像机拍摄得到的至少四个二维图像数据；
将至少四个二维图像数据通过拼接算法处理得到环视图。
其中，车辆上可至少安装四个鱼眼摄像机，四个鱼眼摄像机用于采集车辆前、后、左和右四路不同方位的图像数据，便于对车辆的泊车环境进行精准还原。
拼接算法就是将多组具有重叠部分的图像拼接成一幅无缝的全景图或高分辨率图像。其中，多组具有重叠部分的图像可能是相同时间、不同视角，依据不同传感器采集得到的。
需要说明的是，拼接算法可包括：基于区域拼接的图像算法和基于特征拼接的图像算法。
其中，基于区域拼接的图像算法是基于待拼接图像的灰度值，对待配准图像中一块区域与参考图像中的相同尺寸的区域使用最小二乘法或者其它数学方法计算其灰度值的差异，对此差异进行比较后来判断待拼接图像重叠区域的相似程度，由此得到待拼接图像重叠区域的范围和位置，从而实现图像拼接。
其中，基于特征拼接的图像算法不是直接利用图像的像素值，而是通过像素导出图像的特征，以图像特征为标准，对图像重叠部分的对应特性区域进行搜索匹配，实现多组图像的拼接处理。
本实施例通过车辆上安装的至少四个鱼眼摄像机，采集至少四组二维图像数据，对至少四组二维图像数据进行拼接处理，准确得出能够有效表征车辆泊车环境的环视图。
S120、将环视图输入阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容。
其中，第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离。
车位是在地面或平台上进行标线，进而划定出的停车区域，一般呈矩形，其中，用于供车辆驶入停车位时首次跨过的一侧的标线称为车位入边，该车位入边的位置可成像于上述的鱼眼摄像机采集的环视图中。
相应的，第一输出内容优选以第一特征图的形式展示，第二输出内容优选以第二特征图的形式展示，第三输出内容优选以第三特征图的形式展示。
每个特征图对应展示不同的特征信息。如，第一特征图对应多个候选车位中心点的坐标，即第一特征图中包括了多个候选车位中心点的坐标。第二特征图对应车位角点到车位中心点的距离信息，即基于第一特征图中的每个候选的车位中心点，第二特征图中均存在一个与其对应的偏移值。第三特征图对应车位入边到阻车器的最短距离信息，即基于第一特征图中的每个候选的车位中心点，第三特征图中均存在一个与其对应由车位入边经过候选的车位中心点到阻车器的最短距离。
需要说明的是，三个输出内容(也即第一特征图、第二特征图和第三特征图)均为同一种类型坐标系表征的信息，也就是，第一输出内容、第二输出内容和第三输出内容为基于同一种类型的坐标系表征的信息，如采用同一个车库坐标系进行表征，或者采用世界坐标系进行表征，或者采用其他全局坐标系进行表征。
图2是一种阻车器检测模型的结构示意图。其中，包括一个输入层、多个隐藏层和三个输出层，其中，隐藏层可包括用于进行卷积操作的卷积层和融合层，对不同特征图像进行卷积分析处理。
具体的，可在输入的环视图的8倍采样尺度下，融合输出得到多尺度的特征图像。或者，可以将8倍采样尺度和16倍采样尺度进行叠加融合输出，或者，可以将8倍采样尺度、16倍采样尺度和32倍采样尺度进行叠加融合输出，从而，得到三个不同特征信息的输出内容，如第一输出内容、第二输出内容和第三输出内容。
在本实施例中，可选的，阻车器检测模型在训练过程中，可将其输出的计算数据与对应的实际测量数据之间的误差作为损失值，对阻车器检测模型进行训练。其中，实际测量数据可根据实际场景进行相应的测试并存储。
基于上述实施例的描述，本实施例中所指的阻车器检测模型的具体训练方法可包括如下：
获取多组样本图像；其中，每组样本图像包括：车位中心点的坐标、车位角点到车位中心点的距离、和车位入边到阻车器的最短距离；
基于多组样本图像，对初始网络进行训练，得到初始检测模型；
确定初始检测模型的总损失函数；并利用总损失函数对初始检测模型的参数进行调整，得到阻车器检测模型。
其中，多组样本图像可通过预先对不同泊车环境进行采集得到的图像。每组样本图像均包括车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离。每组样本图像中包括的车位中心点的坐标、车位角点到车位中心点的距离、和车位入边到阻车器的最短距离可由人工标记等方式标识在图像中。
在训练得到初始检测模型后，为了保证初始检测模型的检测精度能够满足实际需求，需要对初始检测模型进行实时修正，以使得训练得到的阻车器检测模型的普适性、精准性更佳。
其中，可采用总损失函数来衡量初始检测模型的检测精度，即，利用总损失函数计算初始检测模型的损失值，对将该损失值与预先设定的损失阈值进行大小比对，在确定出损失值小于预先设定的损失阈值时，则能够表明初始检测模型训练合格，可训练得出阻车器检测模型。
在确定出损失值大于预先设定的损失阈值时，则能够表明初始检测模型训练不合格，需要利用总损失函数对初始检测模型的训练参数进行调整，以使得训练得到满足需求的阻车器检测模型。
在本实施例中，可选的，确定初始检测模型的总损失函数，可包括：
将样本图像输入初始检测模型中，得到车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
根据经初始检测模型得到的车位中心点的坐标与车位中心点的实际坐标的误差、经初始检测模型得到的车位角点到车位中心点的距离与车位角点到车位中心点的实际距离的误差、以及经初始检测模型得到的车位入边到阻车器的最短距离与车位入边到阻车器的实际最短距离的误差之和，确定初始检测模型的总损失函数。
从而，在模型的训练过程中，通过车位中心点的回归值(即对应的误差)、车位角点到车位中心点的距离的回归值和车位入边到阻车器的最短距离的回归值，确定模型训练的总损失函数，以利用总损失函数评估初始检测模型的检测精度，提高训练模型的稳定性。
S130、根据第一输出内容、第二输出内容和第三输出内容，确定阻车器在车位中的位置信息。
其中，可通过多个输出内容之间的对应关系，如第一输出内容和第二输出内容的对应关系，第一输出内容和第三输出内容的对应关系得出车辆泊车的车位中阻车器相对于车位的位置信息，从而，对阻车器的位置进行准确定位。
本实施例公开的阻车器位置的检测方法，通过获取到车辆在泊车过程中的环视图，将环视图输入预先训练出的阻车器检测模型中，根据阻车器检测模型的输出确定出第一输出内容、第二输出内容和第三输出内容，其中，第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离，从而，能够基于阻车器检测模型的多个输出内容有效得出阻车器的位置信息，采用该方法，无需检测过多的用于形成阻车器轮廓的关键点，进而规避了容易误检现象的发生，可有效实现精准的对阻车器的位置信息进行定位。
图3是本公开实施例提供的另一种阻车器位置的检测方法的流程示意图。本实施例是在上述实施例的基础上，其中，S130的一种可能实现的方式如下：
S1301、基于预设规则，从第一输出内容中确定目标车位中心点的坐标。
其中，目标车位中心点为第一输出内容中满足预设规则的一个车位中心点。另外，第一输出内容中可包括多个候选车位中心点，且在多个候选车位中心点中，仅有一个可确定为目标车位中心点。
预设规则为多个候选车位中心点的一个选取标准，如可为非局部极大值中的一个大于像素设定阈值的点，利用非局部极大值可过滤图像中的边界点，从而保证在确定出目标车位中心点时具有较强的稳定性。
在本实施例中，可选的，基于预设规则，从第一输出内容中确定目标车位中心点的坐标，包括：
遍历第一输出内容，对第一输出内容中包括的边界点进行过滤处理，得到过滤后的输出内容；其中，过滤后的输出内容中包括至少一个候选车位中心点的坐标；
将至少一个候选车位中心点中像素值大于预设阈值的点对应的坐标确定为目标车位中心点的坐标。
其中，遍历第一输出内容，对第一输出内容中局部区域中出现的像素极大值(如边界点的像素值)对应的车位中心点进行过滤处理，保留较为稳定的一些车位中心点。
其中，局部区域可为第一输出内容中定义的一个或多个子区域，用于对第一输出内容进行区域划分，其可根据第一输出内容的整体尺寸进行规则或者不规则划分得出。本实施例对局部区域的划分规则不作限定。
其中，过滤处理可采用常规的过滤算法实现，如非极大值抑制(Non-MaximumSuppression，NMS)算法，在第一输出内容中的全部车位中心点中，搜索局部极大值，抑制非极大值元素，得到第一输出内容中像素值对应的局部极大值。
S1302、基于目标车位中心点的坐标，根据第二输出内容确定车位角点的坐标；基于目标车位中心点的坐标，根据第三输出内容确定车位入边到阻车器之间的最短距离。
其中，车位角点为泊车车位中相邻两个边之间的交点，如车位为一个矩形，则车位角点可对应为该矩形的四个边角点。
需要说明的是，第二输出内容中包括多个车位角点到候选车位中心点的候选偏移值，每一个候选偏移值对应第一输出内容中的一个候选车位中心点。
在本实施例中，可选的，基于目标车位中心点的坐标，根据第二输出内容确定车位角点的坐标，包括：
从第二输出内容中找出目标车位中心点的坐标对应的车位角点的偏移值；
根据车位角点的偏移值，确定车位角点的坐标。
其中，遍历第二输出内容，从第二输出内容中查找出目标车位中心点所对应的偏移值，该偏移值可包括四个车位角点对应的8个偏移值，如第一角点对应的水平方向的偏移值和垂直方向的偏移值，第二角点对应的水平方向和偏移值和垂直方向的偏移值，第三角点对应的水平方向和偏移值和垂直方向的偏移值，第四角点对应的水平方向和偏移值和垂直方向的偏移值。
其中，第一角点、第二角点、第三角点和第四角点可分别为车位不同方位下对应的一个角点。
举例而言，第一角点对应车位入边的左角点、第二角点对应车位入边的右角点、第三角点对应为与车位入边相对一侧车位边线的左角点、第四角点对应为车位入边相对一侧车位边线的右角点。
从而，能够根据车位角点在不同方位上的各个偏移值，确定出车位角点的每个角点的准确坐标位置，同时，能够有效减少车位角点坐标的运算量，提高运算力。
在本实施例中，可选的，基于目标车位中心点的坐标，根据第三输出内容确定车位入边到阻车器之间的最短距离，包括：
成像有车位入边和租车器信息的环视图输入至阻车器检测模型中，可直接由第三输出内容反映车位入边和阻车器间绝对位置信息，从第三输出内容中找出目标车位中心点的坐标的相应位置；
将车位入边经过相应位置到阻车器之间的最短距离对应的距离确定为车位入边到阻车器之间的最短距离。
具体为，遍历第三输出内容，从第三输出内容中的多个候选车位中心点查找出目标车位中心点的坐标的相应位置，将车位入边经过相应位置到阻车器之间的最短距离对应的距离确定为车位入边到阻车器之间的最短距离。
需要说明的是，通常情况下，阻车器与车位入边多数处于非平行的情况，阻车器到车位入边的最短距离，也就是阻车器距离车位入边最近的一个点到车位入边的距离。
另外，在阻车器与车位入边处于平行时，阻车器到车位入边的最短距离，即为阻车器距离车位入边最近的一条边到车位入边的距离。
从而，能够结合第三输出内容和目标车位中心点中，在第三输出内容中，确定出目标车位中心点的坐标处对应的距离，以此表征车位入边到阻车器之间的最短距离，同时，能够有效减少车位入边到阻车器之间的最短距离的运算量，提高运算力。
S1303、根据车位角点的坐标和车位入边到阻车器之间的最短距离，确定阻车器在车位中的位置信息。
车位入边到阻车器之间的最短距离可以反映出车位入边与阻车器之间的绝对距离，基于车位角点坐标(例如上述的第一角点坐标、第二角点坐标、第三角点坐标、第四角点坐标)可确定出阻车器与车位整体之间的相对位置关系，基于该绝对距离和相对位置关系即可确定阻车器在车位中的位置信息。
从而，本实施例通过第一输出内容确定出目标车位中心点的坐标，利用目标车位中心点的坐标，分别从第二输出内容和第三输出内容中确定出车位角点的坐标和车位入边到阻车器之间的最短距离，以此准确定位出阻车器的位置信息，整个过程可直接通过阻车器检测模型预测距离实现，不需要进行过大计算量，从而，对运算力要求更低。
图4是本公开实施例提供的一种阻车器位置的检测装置的结构示意图；该装置配置于电子设备中，可实现本申请任意实施例所述的阻车器位置的检测方法。该装置具体包括如下：
获取模块410，用于获取车辆在泊车过程中的环视图；
确定模块420，用于将所述环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；所述第一输出内容能够反映车位中心点的坐标，所述第二输出内容能够反映车位角点到车位中心点的偏移值，所述第三输出内容能够反映车位入边到阻车器的最短距离；
确定模块420，还用于根据所述第一输出内容、所述第二输出内容和所述第三输出内容，确定阻车器在车位中的位置信息。
在本实施例中，可选的，确定模块420，包括：第一确定单元、第二确定单元、第三确定单元和第四确定单元；
第一确定单元，用于基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标；
第二确定单元，用于基于所述目标车位中心点的坐标，根据所述第二输出内容确定车位角点的坐标；
第三确定单元，用于基于所述目标车位中心点的坐标，根据所述第三输出内容确定车位入边到阻车器之间的最短距离；
第四确定单元，用于根据所述车位角点的坐标和所述车位入边到阻车器之间的最短距离，确定阻车器在车位中的位置信息。
在本实施例中，可选的，第一确定单元，具体用于：
遍历所述第一输出内容，对所述第一输出内容中包括的边界点进行过滤处理，得到过滤后的输出内容；其中，所述过滤后的输出内容中包括至少一个候选车位中心点的坐标；
将至少一个候选车位中心点中像素值大于预设阈值的点对应的坐标确定为目标车位中心点的坐标。
在本实施例中，可选的，第二确定单元，具体用于：
从所述第二输出内容中找出所述目标车位中心点的坐标对应的车位角点的偏移值；
根据所述车位角点的偏移值，确定车位角点的坐标。
在本实施例中，可选的，第三确定单元，具体用于：
从所述第三输出内容中找出所述目标车位中心点的坐标的相应位置；
将车位入边经过相应位置到所述阻车器之间的最短距离确定为车位入边到阻车器之间的最短距离。
在本实施例中，可选的，本实施例装置还包括：模型训练模块；模型训练模块，包括：获取单元和第五确定单元；
获取单元，用于获取多组样本图像；其中，每组样本图像包括：车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
第五确定单元，用于基于多组样本图像，对初始网络进行训练，得到初始检测模型；
第五确定单元，还用于确定所述初始检测模型的总损失函数；并利用所述总损失函数对所述初始检测模型的参数进行调整，得到所述阻车器检测模型。
在本实施例中，可选的，第五确定单元，具体用于：
将所述样本图像输入所述初始检测模型中，得到车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
根据经初始检测模型得到的车位中心点的坐标与车位中心点的实际坐标的误差、经初始检测模型得到的车位角点到车位中心点的距离与车位角点到车位中心点的实际距离、以及经初始检测模型得到的车位入边到阻车器的最短距离与车位入边到阻车器的实际最短距离的误差之和，确定所述初始检测模型的总损失函数。
通过本发明实施例的阻车器位置的检测装置，通过获取到车辆在泊车过程中的环视图，将环视图输入预先训练出的阻车器检测模型中，根据阻车器检测模型的输出确定出第一输出内容、第二输出内容和第三输出内容，其中，第一输出内容能够反映车位中心点的坐标，第二输出内容能够反映车位角点到车位中心点的偏移值，第三输出内容能够反映车位入边到阻车器的最短距离，从而，能够基于阻车器检测模型的多个输出内容有效得出阻车器的位置信息，避免需要检测多个阻车器关键点出现误检的问题，实现有效精准的对阻车器的位置信息进行定位。
本发明实施例所提供的阻车器位置的检测装置可执行本发明任意实施例所提供的阻车器位置的检测方法，具备执行方法相应的功能模块和有益效果。
图5是本公开实施例提供的一种电子设备的结构示意图。如图5所示，该电子设备包括处理器510、存储器520、输入装置530和输出装置540；电子设备中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；电子设备中的处理器510、存储器520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的阻车器位置的检测方法对应的程序指令/模块。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明实施例所提供的阻车器位置的检测方法。
存储器520可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘、鼠标等。输出装置540可包括显示屏等显示设备。
本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于实现本发明实施例所提供的阻车器位置的检测方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的阻车器位置的检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，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。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
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、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种阻车器位置的检测方法，其特征在于，所述方法包括：
获取车辆在泊车过程中的环视图；
将所述环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；所述第一输出内容能够反映车位中心点的坐标，所述第二输出内容能够反映车位角点到所述车位中心点的偏移值，所述第三输出内容能够反映车位入边到所述阻车器的最短距离；
基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标；
基于所述目标车位中心点的坐标，根据所述第二输出内容确定所述车位角点的坐标；
基于所述目标车位中心点的坐标，根据所述第三输出内容确定所述车位入边到所述阻车器之间的最短距离；
根据所述车位角点的坐标和所述车位入边到阻车器之间的最短距离，确定所述阻车器在车位中的位置信息。
2.根据权利要求1所述的方法，其特征在于，所述基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标，包括：
遍历所述第一输出内容，对所述第一输出内容中包括的边界点进行过滤处理，得到过滤后的输出内容；其中，所述过滤后的输出内容中包括至少一个候选车位中心点的坐标；
将所述至少一个候选车位中心点中像素值大于预设阈值的点对应的坐标确定为所述目标车位中心点的坐标。
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标车位中心点的坐标，根据所述第二输出内容确定所述车位角点的坐标，包括：
从所述第二输出内容中找出所述目标车位中心点的坐标对应的车位角点的偏移值；
根据所述车位角点的偏移值，确定所述车位角点的坐标。
4.根据权利要求2所述的方法，其特征在于，所述基于所述目标车位中心点的坐标，根据所述第三输出内容确定所述车位入边到所述阻车器之间的最短距离，包括：
从所述第三输出内容中找出所述目标车位中心点的坐标的相应位置；
将所述车位入边经过所述相应位置到所述阻车器之间的最短距离确定为所述车位入边到所述阻车器之间的最短距离。
5.根据权利要求1所述的方法，其特征在于，所述阻车器检测模型的训练方法包括：
获取多组样本图像；其中，每组样本图像包括：车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
基于多组样本图像，对初始网络进行训练，得到初始检测模型；
确定所述初始检测模型的总损失函数；并利用所述总损失函数对所述初始检测模型的参数进行调整，得到所述阻车器检测模型。
6.根据权利要求5所述的方法，其特征在于，所述确定所述初始检测模型的总损失函数，包括：
将所述样本图像输入所述初始检测模型中，得到车位中心点的坐标、车位角点到车位中心点的距离和车位入边到阻车器的最短距离；
根据经所述初始检测模型得到的车位中心点的坐标与车位中心点的实际坐标的误差、经所述初始检测模型得到的车位角点到车位中心点的距离与车位角点到车位中心点的实际距离、以及经所述初始检测模型得到的车位入边到阻车器的最短距离与车位入边到阻车器的实际最短距离的误差之和，确定所述初始检测模型的所述总损失函数。
7.一种阻车器的检测装置，其特征在于，所述装置包括：
获取模块，用于获取车辆在泊车过程中的环视图；
确定模块，用于将所述环视图输入预先训练的阻车器检测模型中，得到第一输出内容、第二输出内容和第三输出内容；所述第一输出内容能够反映车位中心点的坐标，所述第二输出内容能够反映车位角点到车位中心点的偏移值，所述第三输出内容能够反映车位入边到阻车器的最短距离；
确定模块，还用于基于预设规则，从所述第一输出内容中确定目标车位中心点的坐标；基于所述目标车位中心点的坐标，根据所述第二输出内容确定所述车位角点的坐标；基于所述目标车位中心点的坐标，根据所述第三输出内容确定所述车位入边到所述阻车器之间的最短距离；根据所述车位角点的坐标和所述车位入边到阻车器之间的最短距离，确定所述阻车器在车位中的位置信息。
8.一种电子设备，其特征在于，包括：
处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述处理器执行，使得所述处理器实现如权利要求1～6中任一所述的阻车器位置的检测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～6中任一所述的阻车器位置的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111040042.4A CN113822179B (zh) | 2021-09-06 | 2021-09-06 | 阻车器位置的检测方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111040042.4A CN113822179B (zh) | 2021-09-06 | 2021-09-06 | 阻车器位置的检测方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113822179A CN113822179A (zh) | 2021-12-21 |
| CN113822179B true CN113822179B (zh) | 2024-05-21 |
Family
ID=78921976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111040042.4A Active CN113822179B (zh) | 2021-09-06 | 2021-09-06 | 阻车器位置的检测方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822179B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082893A (zh) * | 2022-06-07 | 2022-09-20 | 安徽蔚来智驾科技有限公司 | 车位检测方法、有效性判断方法、泊车方法、设备和介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0240783A1 (de) * | 1986-04-09 | 1987-10-14 | BBC Brown Boveri AG | Ansprechzähler für einen Überspannungsableiter |
| CN102556110A (zh) * | 2010-12-16 | 2012-07-11 | 爱国者数码科技有限公司 | 轨道交通车辆的挡车装置的检测装置及检测方法 |
| JP2014088081A (ja) * | 2012-10-30 | 2014-05-15 | Alpine Electronics Inc | 自動駐車装置および自動駐車制御方法 |
| CN108297861A (zh) * | 2017-01-13 | 2018-07-20 | 福特全球技术公司 | 车辆在垂直停车位中的自主泊车 |
| JP2019012309A (ja) * | 2017-06-29 | 2019-01-24 | 株式会社デンソーテン | 駐車枠検出装置及び駐車枠検出方法 |
| CN208596414U (zh) * | 2018-08-21 | 2019-03-12 | 齐鲁工业大学 | 一种停车场智能管理系统 |
| CN109624855A (zh) * | 2018-12-29 | 2019-04-16 | 百度在线网络技术（北京）有限公司 | 自动泊车的停止位置确定方法及装置、电子设备和计算机可读介质 |
| CN110796063A (zh) * | 2019-10-24 | 2020-02-14 | 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 |
| CN110969655A (zh) * | 2019-10-24 | 2020-04-07 | 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 |
| CN211123709U (zh) * | 2020-01-03 | 2020-07-28 | 山西潞安集团司马煤业有限公司 | 一种矿用阻车器控制系统和阻车器 |
| CN113184022A (zh) * | 2021-06-07 | 2021-07-30 | 济南维优科技开发有限公司 | 一种检测铁路站场防溜停车器车辆入口速度的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7113351B2 (ja) * | 2018-08-06 | 2022-08-05 | パナソニックＩｐマネジメント株式会社 | 駐車支援装置、車両、および記録媒体 |
-
2021
- 2021-09-06 CN CN202111040042.4A patent/CN113822179B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0240783A1 (de) * | 1986-04-09 | 1987-10-14 | BBC Brown Boveri AG | Ansprechzähler für einen Überspannungsableiter |
| CN102556110A (zh) * | 2010-12-16 | 2012-07-11 | 爱国者数码科技有限公司 | 轨道交通车辆的挡车装置的检测装置及检测方法 |
| JP2014088081A (ja) * | 2012-10-30 | 2014-05-15 | Alpine Electronics Inc | 自動駐車装置および自動駐車制御方法 |
| CN108297861A (zh) * | 2017-01-13 | 2018-07-20 | 福特全球技术公司 | 车辆在垂直停车位中的自主泊车 |
| JP2019012309A (ja) * | 2017-06-29 | 2019-01-24 | 株式会社デンソーテン | 駐車枠検出装置及び駐車枠検出方法 |
| CN208596414U (zh) * | 2018-08-21 | 2019-03-12 | 齐鲁工业大学 | 一种停车场智能管理系统 |
| CN109624855A (zh) * | 2018-12-29 | 2019-04-16 | 百度在线网络技术（北京）有限公司 | 自动泊车的停止位置确定方法及装置、电子设备和计算机可读介质 |
| CN110796063A (zh) * | 2019-10-24 | 2020-02-14 | 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 |
| CN110969655A (zh) * | 2019-10-24 | 2020-04-07 | 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 |
| CN211123709U (zh) * | 2020-01-03 | 2020-07-28 | 山西潞安集团司马煤业有限公司 | 一种矿用阻车器控制系统和阻车器 |
| CN113184022A (zh) * | 2021-06-07 | 2021-07-30 | 济南维优科技开发有限公司 | 一种检测铁路站场防溜停车器车辆入口速度的方法 |
Non-Patent Citations (4)
| Title |
|---|
| Recognizing the Illegal Parking Patterns of Cars on the Road in Front of the Bus Stop Using the Support Vector Machine;Mahasak Ketcham 等;《 2019 15th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS)》;1-5 * |
| Semantic segmentation-based parking space detection with standalone around view monitoring system;Chulhoon Jang 等;《Spring Nature 2018》;1-11 * |
| 基于单片机图像识别的智能停车系统的研究与设计;李广宇 等;《智能计算机与应用》;第8卷(第5期);124-130 * |
| 基于电子车牌的停车场系统设计与实现;张小杰;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》;C034-1060 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113822179A (zh) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113554698B (zh) | 车辆位姿信息生成方法、装置及电子设备、存储介质 | |
| CN109284674B (zh) | 一种确定车道线的方法及装置 | |
| US10909395B2 (en) | Object detection apparatus | |
| US8885049B2 (en) | Method and device for determining calibration parameters of a camera | |
| US9123242B2 (en) | Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program | |
| CN113487759B (zh) | 一种停车巡检方法、装置、移动巡逻设备及巡检系统 | |
| CN111311902B (zh) | 一种数据处理方法、装置、设备和机器可读介质 | |
| CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
| CN113874927A (zh) | 停车检测方法、系统、处理设备和存储介质 | |
| CN112014845A (zh) | 一种车辆障碍物定位方法、装置、设备及存储介质 | |
| JP2010511212A (ja) | 画像内の平面オブジェクトを識別し且つ位置判定する方法及び装置 | |
| CN109859260B (zh) | 确定车位位置的方法、装置及计算机可读存储介质 | |
| CN106871906B (zh) | 一种盲人导航方法、装置及终端设备 | |
| JP4660569B2 (ja) | 物体検出装置及び物体検出方法 | |
| CN109712428A (zh) | 一种停车位置定位方法及装置、系统 | |
| CN109871739B (zh) | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 | |
| CN113030990B (zh) | 车辆的融合测距方法、装置、测距设备及介质 | |
| CN112525147B (zh) | 自动驾驶设备测距方法及相关装置 | |
| CN115164918B (zh) | 语义点云地图构建方法、装置及电子设备 | |
| CN112036359B (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
| CN113822179B (zh) | 阻车器位置的检测方法、装置、电子设备和介质 | |
| JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
| CN113032272A (zh) | 自动泊车系统试验评价方法、装置、设备及存储介质 | |
| CN114419922B (zh) | 车位识别方法及装置 | |
| KR102003387B1 (ko) | 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체 |
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 |