CN114620030A - 泊车性能测试方法、装置、服务器及产品 - Google Patents
泊车性能测试方法、装置、服务器及产品 Download PDFInfo
- Publication number
- CN114620030A CN114620030A CN202111636289.2A CN202111636289A CN114620030A CN 114620030 A CN114620030 A CN 114620030A CN 202111636289 A CN202111636289 A CN 202111636289A CN 114620030 A CN114620030 A CN 114620030A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- image
- distance
- preset target
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 39
- 230000009466 transformation Effects 0.000 claims description 24
- 230000000877 morphologic effect Effects 0.000 claims description 18
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000011056 performance test Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 10
- 238000013507 mapping Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241001300198 Caperonia palustris Species 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 2
- 235000000384 Veronica chamaedrys Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W2050/041—Built in Test Equipment [BITE]
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了泊车性能测试方法、装置、服务器及产品,在泊车结束以后,获取分设于车辆上不同位置处泊车摄像头采集的图像,每个图像显示有位于车辆一侧的预设目标点以及与预设目标点同一侧的一段车位线;针对每一图像,获取图像中预设目标点与该一段车位线之间的第一距离;基于位于车辆同一侧且横向设置的至少两个预设目标点之间的预设距离,以及位于车辆同一侧且横向设置的至少两个预设目标点分别对应的第一距离,确定车辆相对于泊车位的倾斜角度;从而可以确定车辆停放在泊车位的位置。还可以基于泊车耗时时长确定自动泊车到相应位置需要耗费的时间,若耗费的时间较长,也是一种泊车不准确的体现,从而确定了车辆的泊车性能。
Description
技术领域
本申请涉及智能驾驶技术领域,更具体的说,是涉及泊车性能测试方法、装置、服务器及产品。
背景技术
目前停车场车位越来越密集,驾驶员将车辆停入车位后往往遇到车门开启不便的问题。因此,作为高级驾驶辅助系统(ADAS,AdvancedDriver Assistance System)的重要组成,自动泊车功能应运而生。
自动泊车后,若车辆位于泊车位的位置不准确,例如,车辆的车轮压着车位线,会导致其他车辆无法在该车辆旁边的泊车位停车,或,其他车辆在进行泊车时会剐蹭该车辆,因此,准确性是自动泊车性能的重要性能指标。因此,需要对车辆的泊车性能进行测试。
发明内容
有鉴于此,本申请提供了一种泊车性能测试方法、装置、服务器及产品。
为实现上述目的,本申请提供如下技术方案:
根据本公开实施例的第一方面,提供一种泊车性能测试方法,包括:
在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置;
针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;
基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;
获取所述车辆的泊车耗时时长;
基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
结合第一方面,在第一种可能实现方式中,所述获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,包括:
根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像;
对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
对所述第一图像进行透视变换,得到俯视图像;
检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
将所述预设目标点与所述车位线边界之间的距离作为第一距离。
结合第一方面,在第二种可能实现方式中,所述根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像,包括:
对所述图像进行直方图均衡化处理,得到高对比度图像;
将所述高对比度图像从RGB颜色空间转换至HSV颜色空间,得到HSV图像;
根据预设车位线颜色对所述HSV图像进行二值化处理,得到二值化图像。
结合第一方面,在第三种可能实现方式中,所述检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界,包括:
对所述俯视图像进行边缘检测,得到第二图像;
利用霍夫变换算法检测出所述第二图像中的直线;
根据预设距离范围、预设夹角从所述第二图像中的直线中筛选出所述车位线边界。
结合第一方面,在第四种可能实现方式中,设置在所述车辆左侧和右侧的所述预设目标点包括:左前车轮与地面的切点、左后车轮与地面的切点、右前车轮与地面的切点、右后车轮与地面的切点,基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度,包括:
基于车辆轴距,以及左前车轮与地面的切点、左后车轮与地面的切点分别对应的第一距离,计算所述车辆左侧与所述泊车位的左侧车位线之间的第一夹角;
基于车辆轴距,以及右前车轮与地面的切点、右后车轮与地面的切点分别对应的第一距离,计算所述车辆右侧与所述泊车位的右侧车位线之间的第二夹角;
将所述第一夹角和所述第二夹角的均值确定为所述倾斜角度。
结合第一方面,在第五种可能实现方式中,还包括:
将所述车辆多次泊车获得的多个所述预设目标点分别对应的第一距离求平均,得到多个所述预设目标点分别对应的第一平均距离;
将所述车辆多次泊车获得的多个所述倾斜角度求平均,得到平均倾斜角度;
将所述车辆多次泊车获取的泊车耗时时长求平均,得到平均泊车耗时时长;
基于所述第一平均距离、所述平均倾斜角度以及所述平均泊车耗时时长,确定所述车辆的第二泊车性能。
结合第一方面,在第六种可能实现方式中,所述获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,包括:
对所述图像进行透视变换,得到俯视图像;
根据预设车位线颜色对所述俯视图像进行二值化处理,得到二值化图像;
对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
检测所述第一图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
将所述预设目标点与所述车位线边界之间的距离作为第一距离。
根据本公开实施例的第二方面,提供一种泊车性能测试装置,包括:
第一获取模块,用于在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置;
第二获取模块,用于针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;
第一确定模块,用于基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;
第三获取模块,用于获取所述车辆的泊车耗时时长;
第二确定模块,用于基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
根据本公开实施例的第三方面,提供一种服务器,其特征在于,包括:
处理器;
用于存储所述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所述指令,以实现如第一方面所述的泊车性能测试方法。
根据本公开实施例的第四方面,提供一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现第一方面所述的泊车性能测试方法。
经由上述的技术方案可知,本申请提供的泊车性能测试方法中,在泊车结束以后,获取分设于车辆上不同位置处泊车摄像头采集的图像,每个图像显示有位于车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有图像至少涉及车辆的相邻两侧,至少有两个预设目标点位于车辆同一侧且横向设置;针对每一图像,获取图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;从而可以基于多个图像分别对应的第一距离、倾斜角度确定车辆停放在泊车位的位置。还可以获取泊车耗时时长,基于泊车耗时时长可以确定自动泊车到相应位置需要耗费的时间,若耗费的时间较长,也是一种泊车不准确的体现,所以可以结合基于多个预设目标点分别对应的第一距离、倾斜角度以及泊车耗时时长,确定车辆的泊车性能。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例涉及的硬件架构的结构图;
图2a至图2b为本申请实施例提供的真实环境坐标系的示意图;
图3为本申请实施例提供的泊车摄像头的标定过程示意图;
图4为本申请实施例提供的泊车性能测试方法的流程图;
图5为本申请实施例提供的泊车摄像头采集的图像的示意图;
图6为泊车摄像头的视场角较大时采集的图像的示意图;
图7为本申请实施例提供的预设目标点与车位线的第一距离的示意图;
图8a至图8c为本申请实施例提供的执行形态学闭操作和开操作处理的图像的示意图;
图9为将图8c所示的第一图像进行透视变换后的俯视图像的示意图;
图10为本申请实施例提供的第二图像的一种实现方式的示意图;
图11为本申请实施例提供的从第二图像中检测出的直线的示意图;
图12为本申请实施例提供的泊车性能测试装置的结构图;
图13是根据一示例性实施例示出的一种用于服务器的装置的框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例提供了一种泊车性能测试方法、装置、电子设备、介质及产品,在介绍本申请实施例提供的技术方案之前,先对本申请实施例涉及的硬件架构进行说明。
如图1所示,为本申请实施例涉及的硬件架构的结构图,该硬件架构包括:待测试泊车性能的车辆11以及服务器12。
示例性的,车辆上设置有多个摄像头,多个摄像头可以组成针对车辆的全景摄像头,示例性的,本申请实施例提及的泊车摄像头可以为全景摄像头。可以通过泊车摄像头采集得到包括多个预设目标点和泊车位的车位线的图像。
示例性的,预设目标点可以为车辆中车轮与地面的切点。示例性的,预设目标点可以为车头或车尾的映射点。该映射点是车头或车尾在地面上的投影与车位线最近的点。
示例性的,位于车辆的同一侧且横向设置的多个预设目标点上方设置有泊车摄像头,例如,位于小汽车的左侧的左前车轮和地面的切点与左后车轮和地面的切点的上方设置有一个泊车摄像头A,以及,位于小汽车的右侧的右前车轮和地面的切点与右后车轮和地面的切点的上方设置有一个泊车摄像头B。
示例性的,泊车摄像头A可以采集得到包含小汽车的左前车轮与地面的切点、左后车轮与地面的切点和泊车位左侧的一段车位线。泊车摄像头B可以采集得到包含小汽车的右前车轮与地面的切点、右后车轮与地面的切点和泊车位右侧的一段车位线。
示例性的,各预设目标点的上方分别设置有泊车摄像头;示例性的,车辆11的各车轮上方设置有泊车摄像头、车辆11的车尾上设置有泊车摄像头;或,车辆11的各车轮上方设置有泊车摄像头,车辆11的车头上设置有泊车摄像头;或,车辆11的各车轮上方设置有泊车摄像头,车辆11的车头上设置有泊车摄像头,辆11的车尾上设置有泊车摄像头。
可以理解的是,在对泊车性能进行测试的过程中,需要检测车辆停放在泊车位的位置,所以需要车轮和地面的切点与车位线的距离;或者,需要车轮和地面的切点与车位线的距离,以及,车头/车尾的映射点和车位线的距离。
本申请实施例中,将车轮与地面的切点和车头/车尾的映射点统称为预设目标点。
一般地,如果对对象(车轮、车头或车尾)和车位线进行俯视拍摄,对象和车位线的形变程度会比较小,而如果从其他角度进行拍摄,对象和车位线的形变程度都会比较大,在利用车辆上的泊车摄像头采集图像时,明显是无法做到俯视拍摄的,但是由于泊车摄像头设置在对象的上方,所以泊车摄像头采集的图像中的对象和车位线的形变程度较小。若图像中对象和车位线的形变程度较小,则对象与地面之间的预设目标点确定的更加准确。
示例性的,车辆11可以为小汽车、公共汽车、大卡车等任意能够实现自动泊车的车辆。
图1中以车辆为小汽车为例进行说明。
车辆11中的泊车摄像头采集的图像可以上传至服务器12,以使得服务器12对泊车摄像头采集的图像进行分析,以对车辆的泊车性能进行评估。当然,在一些实现方式中,车辆上的控制器也可直接对车辆的泊车性能进行评估。
示例性的,服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务器中心。服务器12可以包括处理器、存储器以及网络接口等。
在一可选实现方式中,硬件架构还可以包括电子设备13。
在一可选实现方式中,泊车摄像头采集的图像可以发送至电子设备13,电子设备13 可以显示图像。以供电子设备13侧的用户通过电子设备13的输入设备对图像包含的对象与地面之间的预设目标点进行标记,从而可以由服务器13分析出对象的预设目标点与车位线的距离。
示例性的,电子设备13可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如,手机、笔记本电脑、平板电脑、掌上电脑、个人计算机、可穿戴设备、智能电视、PAD等。
应注意的是,图1仅仅是一种示例,电子设备的类型可以有多种,不限于图1中的笔记本电脑、智能手机、PAD、个人计算机。
图1中由于显示的车辆11的侧面,所以在图1中示出了3个泊车摄像头。但是并不限定车辆中包含的泊车摄像头的安装位置和数目。
本领域技术人员应能理解上述电子设备和服务器仅为举例,其他现有的或今后可能出现的电子设备或服务器如可适用于本公开,也应包含在本公开保护范围以内,并在此以引用方式包含于此。
在对待测试的车辆进行测试之前,需要对车辆11上设置的泊车摄像头进行标定,即获得各泊车摄像头采集的图像中的点与真实环境坐标系下点的变换矩阵。
示例性的,真实环境坐标系可以是以泊车位的两个相交的边分别为X轴和Y轴,以两个相交的边的交点作为原点的坐标系。如图2a所示。
示例性的,真实环境坐标系可以是以泊车摄像头为原点的坐标系,X轴与车辆行驶方向相同,Z轴为垂直于地面的方向,不同泊车摄像头对应的坐标系不同。如图2b所示。
为了得到各泊车摄像头采集的图像中的坐标系与真实环境坐标系的变换矩阵,需要准备标定板。
示例性的,将标定板分别放置于各泊车摄像头可以采集到的位置,如图3所示。
图3中以标定板为黑白相间的棋盘格标定板31为例进行说明。图3中示出了5个黑白相间的棋盘格标定板。本申请实施例并不限定在车辆11周围布置的标定板的数量和位置,只要每个泊车摄像头至少能够拍摄到一个标定板即可。
为了能够得到准确的变换矩阵,可以移动标定板的位置,使得各泊车摄像头能够拍摄标定板置于不同位置、不同角度的图像。例如,每个泊车摄像头可以拍摄10张至20张图像,不同图像中标定板相对于泊车摄像头的位置和角度可能不同。
然后针对每个泊车摄像头,基于该泊车摄像头采集的图像中标定板的坐标和标定板在真实环境坐标系中的坐标,估计出泊车摄像头的内参、外参和畸变系数,以得到变换矩阵。
对于每一泊车摄像头,由于已经获知该泊车摄像头采集的图像的坐标系与真实环境坐标系的变换矩阵H,所以可以基于变换矩阵H以及图像中点A和点B在图像中的距离d,获得在真实环境坐标系中点A和点B的距离D。
示例性的,D=H*d。
下面结合上述硬件架构对本申请实施例提供的泊车性能测试方法进行说明。
如图4所示,为本申请实施例提供的泊车性能测试方法的流程图,该方法可以应用于服务器12中,或者应用于车辆上的控制器中,该方法在实施过程中包括以下步骤S41至步骤S44。
步骤S41:在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置。
针对车辆上不同位置处的泊车摄像头的说明可以参见针对硬件架构的说明,这里不再赘述。
针对预设目标点的说明可以参见上述针对预设目标点的说明,这里不再赘述。
示例性的,每个图像可以显示有一个预设目标点以及与所述预设目标点位于同一侧的一段车位线,例如,图像显示有左前车轮与地面的切点和泊车位左侧的一段车位线。
示例性的,每个图像可以显示有位于车辆同一侧的多个预设目标点以及与多个预设目标点位于同一侧的一段车位线。若同一侧为左侧,则图像可以显示有左前车轮与地面的切点、左后车辆与地面的切点和泊车位左侧的一段车位线。
可以理解的是,图像中的车位线是具有一定长度的,车位线的长度与车辆的倾斜角度、车辆的车轮的预设目标点与车位线的距离有关。
本申请实施例提及的“横向设置”是指沿车长或车宽的方向设置,目的是确定车辆的倾斜角度。
下面结合图5中箭头所指的方向为车辆的行驶方向对“横向设置”进行说明。
示例性的,本申请实施例提及的车辆的相邻两侧是指行驶方向的左侧和与行驶方向的垂直方向的后侧,或者,本申请实施例提及的车辆的相邻两侧是指行驶方向的左侧和与行驶方向的垂直方向的前侧,或者,本申请实施例提及的车辆的相邻两侧是指行驶方向的右侧和与行驶方向的垂直方向的前侧,或者,本申请实施例提及的车辆的相邻两侧是指行驶方向的右侧和与行驶方向的垂直方向的后侧。
下面以本申请实施例提及的车辆的相邻两侧是指行驶方向的左侧和与行驶方向的垂直方向的后侧为例进行说明,则所有图像包括:包含左前车轮和地面的切点以及泊车位左侧的一段车位线的图像、包含左后车轮和地面的切点以及泊车位左侧的一段车位线的图像、包含车尾和地面的映射点以及泊车位后面的一段车位线。
本申请实施例提及的“至少相邻两侧”包括:行驶方向的左侧和行驶方向的右侧中的至少一侧,以及,与行驶方向垂直的方向的前侧和与行驶方向垂直方向的后侧中的至少一侧。
示例性的,车尾位于车辆后侧;车头位于车辆前侧。
可以理解的是,位于所述车辆的同一侧的预设目标点的数目可能为两个或多个,下面举例进行说明。
可以理解是,若车辆为小汽车,则位于小汽车左侧的车轮一共两个,即左前车轮和左后车轮,所以位于同一侧且横向设置的预设目标点有两个;若车辆为大卡车,则位于大卡车左侧的车轮一共有3个,即左前车轮、左中车轮和左后车轮,所以位于同一侧且横向设置的预设目标点有三个。
下面以车辆包括4个车轮为例对步骤S41进行说明。如图5所示,为本申请实施例提供的泊车摄像头采集的图像的示意图。
图5是以每个图像包括一个预设目标点为例进行说明。
多个图像包括:包含左前车轮和地面的切点以及泊车位左侧的一段车位线的图像51、包含左后车轮和地面的切点以及泊车位左侧的一段车位线的图像52、包含右前车轮和地面的切点以及泊车位右侧的一段车位线的图像53、包含右后车轮和地面的切点以及泊车位右侧的一段车位线的图像54、包含车尾与地面的预设目标点和泊车位后面的一段车位线的图像55。
图5中用实心圆点表征预设目标点。
为了表示各图像与车辆的相对位置,图5中还示出了车辆11的俯视图。
若泊车摄像头设置于对象的上方,由于泊车摄像头设置在车轮上方、车头上方、车尾上方,所以可以建立泊车摄像头与对象(对象为车轮或车头或车尾)的对应关系。假设,设置在左前车轮上方的泊车摄像头A1与左前车轮对应;设置在左后车轮上方的泊车摄像头A2与左后车轮对应;设置在右前车轮上方的泊车摄像头A3与右前车轮对应;设置在右后车轮上方的泊车摄像头A4与右后车轮对应;设置在车尾上方的泊车摄像头A5与车尾对应;设置在车头上方的摄像头A6与车头对应。
则可以基于预先设置的泊车摄像头与对象的对应关系,确定各泊车摄像头采集的图像中包含的预设目标点属于哪个对象。示例性的,本申请实施例中不需要对泊车摄像头采集的图像包含的预设目标点进行分类分析,以确定图像包含的泊车具体对应车辆中的哪个对象,从而加快了图像分析速度。
在一可选实现方式中,在泊车摄像头的视场角一定的情况下,泊车摄像头拍摄范围有限,本申请实施例中,将泊车摄像头设置于相应对象的上方,泊车摄像头拍摄的图像只包括与预设目标点位于同一侧的一段车位线。节省了分析图像以得到与预设目标点位于同一侧的一段车位线的时间。
为了使得本领域技术人员更加理解本申请实施例的有益效果,下面举例进行说明。
如图6所示,为泊车摄像头的视场角较大时采集的图像的示意图。
从图6可以看出,若位于左前车轮上方的泊车摄像头设置在车辆上的位置不准确,导致使得泊车摄像头的视场角过大,从而使得泊车摄像头拍摄的图像如图6所示,由于图6所示的图像中包含两部分车位线,其中,车位线61是泊车位前方的一段车位线,车位线 62是泊车位左侧的一段位线。在进行泊车性能分析时,需要对图6所示的图像进行分析,然后确定与左前车轮和地面的切点位于同一侧为车位线62。
本申请实施例中,通过巧妙的设置泊车摄像头在车辆中的位置,以及,巧妙的选择具有相应视场角的泊车摄像头,从而使得泊车摄像头拍摄的图像包含预设目标点以及与该预设目标点位于同一侧的一段车位线,例如,图像中包含车位线62和左前车轮与地面的预设目标点,而不包含车位线61。所以节省了对图像进行分析的时间,提高了泊车性能测试的速度。
步骤S42:针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离。
示例性的,对于每一图像,可以通过预设目标点做该段车位线的垂线段,该垂线段的长度即为第一距离。
在一可选实现方式中,上述第一距离为图像中像素距离,需要将该像素距离转换为在真实环境坐标系下的实际距离。
可以基于各预设目标点分别对应的变换矩阵H和各预设目标点分别对应的第一距离,获得各预设目标点分别对应的实际距离。
示例性的,预设目标点的实际距离=预设目标点对应的变换矩阵*预设目标点对应的第一距离。
下面结合附图对第一距离进行说明,如图7所示,为本申请实施例提供的预设目标点与车位线的第一距离的示意图。
如图7所示,假设多个预设目标点包括图像51中的左前车轮与地面的切点1、图像52中的左后车轮与地面的切点2、图像53中的右前车轮与地面的切点3、图像54中的右后车轮与地面的切点4、图像55中的车尾与地面的映射点5,则可以获得切点1与图像51 中的一段车位线的第一距离d1’、切点2与图像52中的一段车位线的第一距离d3’、切点 3与图像53中的一段车位线的第一距离d2’、切点4与图像54中的一段车位线的第一距离d4’、映射点5与图像55中的一段车位线的第一距离d5’。
在一可选实现方式中,上述第一距离为在真实环境坐标系下的实际距离。
即第一距离为基于图像中像素距离转换得到的实际距离。
步骤S43:基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度。
示例性的,若横向设置是指沿车长方向设置,则所述至少两个预设目标点之间的预设距离可以为左前车轮与地面的切点和左后车轮与地面的切点之间的距离。
示例性的,可以从图像中获得左前车轮与地面的切点和左后车轮与地面的切点之间的距离。
示例性的,若横向设置是指沿车长方向设置,则所述至少两个预设目标点之间的预设距离可以为左前车轮和左后车轮的车辆轴距。
示例性的,若横向设置是指沿车宽方向设置,则所述至少两个预设目标点之间的预设距离可以为左前车轮与地面的切点和右前车轮与地面的切点之间的距离。
示例性的,可以从图像中获得左前车轮与地面的切点和右前车轮与地面的切点之间的距离。
示例性的,若横向设置是指沿车宽方向设置,则所述至少两个预设目标点之间的预设距离可以为左前车轮和右前车轮之间的车辆轴距。
如图7所示,图7中以横向设置是指沿车长方向设置为例进行说明。
如图7所示,假设第一距离d1’对应实际距离d1、假设第一距离d3’对应实际距离d3、假设第一距离d2’对应实际距离d2、假设第一距离d4’对应实际距离d4、假设第一距离d5’对应实际距离d5。
图7中左前车轮与地面的切点和左后车轮与地面的切点之间的预设距离为L1。右前车轮与地面的切点和右后车轮与地面的切点之间的预设距离为L2。
在一可选实现方式中,若泊车结束后,车辆的车轮未回正,则车辆的左侧与泊车位左侧车位线之间的第一夹角与车辆的左侧与泊车位左侧车位线之间的第一夹角不同。示例性的,步骤S43具体包括以下步骤S431至步骤S433。
步骤S431:基于车辆轴距,以及左前车轮与地面的切点、左后车轮与地面的切点分别对应的第一距离,计算所述车辆左侧与所述泊车位的左侧车位线之间的第一夹角。
示例性的,若车辆轴距为L1、左前车轮与地面的切点对应的第一距离的实际距离为 d1,左后车轮与地面的切点对应的第一距离的实际距离为d3,则第一夹角的计算公式如下:
步骤S432:基于车辆轴距,以及右前车轮与地面的切点、右后车轮与地面的切点分别对应的第一距离,计算所述车辆右侧与所述泊车位的右侧车位线之间的第二夹角。
假设,车辆轴距为L2、右前车轮与地面的切点对应的第一距离的实际距离为d2,右后车轮与地面的切点对应的第一距离的实际距离为d4,则第二夹角的计算公式如下:
步骤S433:将所述第一夹角和所述第二夹角的均值确定为所述倾斜角度。
示例性的,倾斜角度θ的计算公式如下:
在一可选实现方式中,若泊车结束后,车辆的车轮都回正,则车辆的左侧与泊车位左侧车位线之间的第一夹角与车辆的左侧与泊车位左侧车位线之间的第一夹角相同。示例性的,步骤S43包括:基于预设距离L1、实际距离d1以及实际距离d3,确定车辆相对于泊车位的倾斜角度。
步骤S44:获取所述车辆的泊车耗时时长。
在一可选实现方式中,泊车耗时时长=获取泊车结束的指令的时间-检测到可以停车的泊车位的指令的时间。
示例性的,获取泊车结束的指令是指获取锁车指令或获取停车指令。
示例性的,检测到可以停车的泊车位的指令是指发现可以停放该车辆的泊车位的指令。
可以理解的是,基于所述倾斜角度可以确定出车辆停放在泊车位的位置。通过泊车耗时时长可以确定出自动泊车到相应泊车位的相应位置所需要的时长。若需要消耗很长时间,才能达到一个准确的位置,这也是一种不准确的表现,所以在确定车辆的泊车性能的过程中,也需要结合泊车耗时时长。
步骤S45:基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
在一可选实现方式中,若预设目标点对应的第一距离为图像中像素距离,需要将该像素距离转换为在真实环境坐标系下的实际距离。步骤S45的具体实现方式包括:计算多个所述预设目标点分别对应的变换矩阵H与相应的第一距离的乘积,以得到多个所述预设目标点分别对应的实际距离;基于多个所述预设目标点分别对应的实际距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的泊车性能。
在一可选实现方式中,若预设目标点对应的第一距离为实际距离,则步骤S45包括:基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
本申请实施例提供的泊车性能测试方法中,在泊车结束以后,获取分设于车辆上不同位置处泊车摄像头采集的图像,每个图像显示有位于车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有图像至少涉及车辆的相邻两侧,至少有两个预设目标点位于车辆同一侧且横向设置;针对每一图像,获取图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;从而可以基于多个图像分别对应的第一距离、倾斜角度确定车辆停放在泊车位的位置。还可以获取泊车耗时时长,基于泊车耗时时长可以确定自动泊车到相应位置需要耗费的时间,若耗费的时间较长,也是一种泊车不准确的体现,所以可以结合基于多个预设目标点分别对应的第一距离、倾斜角度以及泊车耗时时长,确定车辆的泊车性能。
在一可选实现方式中,步骤S42的实现方式有多种,本申请实施例提供但不限于以下两种。
第一种步骤S42的实现方式包括以下步骤A11至步骤A15。
步骤A11:根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像。
在一可选实现方式中,一般情况下车位线的颜色为黄色或白色或蓝色。所以预设车位线的颜色包括:黄色、白色和蓝色。
示例性的,可以将图像中像素值属于预设车位线的颜色的像素范围的像素的像素值设置为(255,255,255),设置图像中像素值不属于预设车位线的颜色的像素范围的像素的像素值设置为(0,0,0),以得到二值化图像。
在一可选实现方式中,步骤A11的实现方式有多种,本申请实施例提供但不限于以下方法,该方法包括以下步骤B10至步骤B12。
步骤B10:对所述图像进行直方图均衡化处理,得到高对比度图像。
示例性的,在一可选实现方式中,也可以不对图像进行直方图均衡化处理。
步骤B11:将所述高对比度图像从RGB颜色空间转换至HSV颜色空间,得到HSV 图像。
示例性的,若不对图像进行直方图均衡化处理,则可以直接将图像从RGB颜色空间转换至HSV(Hue-Saturation-Value)颜色空间,得到HSV图像。
本申请实施例中执行步骤B10的目的在于,可以提高图像的对比度以得到高对比度图像,在将高对比度图像转换为属于HSV颜色空间的HSV图像后,得到的HSV图像的对比度也比较明显,从而提高后续车位线提取的准确度。
示例性的,可以基于以下公式,将高对比度图像从RGB颜色空间转换至HSV颜色空间,得到HSV图像。
V=Cmax。
其中,R'、G'和B'分别为高对比度图像归一化的RGB值,Cmax和Cmin分别为R'、G' 和B'中的最大值和最小值,Δ为Cmax和Cmin之差。
步骤B12:根据预设车位线颜色对所述HSV图像进行二值化处理,得到二值化图像。
可以理解的是,HSV图像包括H通道的图像、S通道的图像、V通道的图像,可以基于设定车位线颜色针对H通道、S通道和V通道分别设置颜色阈值。例如,若设定车位线颜色包括白色或黄色或蓝色,则针对H通道设置的颜色阈值分别为:[颜色阈值B1,颜色阈值B2](针对黄色)、[颜色阈值B3,颜色阈值B4](针对白色)、[颜色阈值B5,颜色阈值B6](针对蓝色);针对S通道设置的颜色阈值分别为:[颜色阈值C1,颜色阈值C2] (针对黄色)、[颜色阈值C3,颜色阈值C4](针对白色)、[颜色阈值C5,颜色阈值C6] (针对蓝色);针对V通道设置的颜色阈值分别为:[颜色阈值D1,颜色阈值D2](针对黄色)、[颜色阈值D3,颜色阈值D4](针对白色)、[颜色阈值D5,颜色阈值D6](针对蓝色)。
那么,可以基于颜色阈值从H通道的图像、S通道的图像、V通道的图像分别进行颜色筛选,即将像素值属于相应颜色阈值的像素的像素值设置为(255,255,255),将像素值不属于相应颜色阈值的像素的像素值设置为(0,0,0),以得到二值化图像。
步骤A12:对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像。
对二值化图像进行形态学闭操作处理的目的是:形态学闭操作能够填充物体内细小空间,连接临近物体(例如,填补轮廓线中的裂痕)、消除小孔洞和平滑边界的作用。
可以理解的是,由于泊车位有的处于地上、有的处于地下,泊车位经过风吹雨淋,泊车位的车位线都会受到一定程度的磨损,例如车位线的边缘断裂、车位线的内部(车位线具有一定的宽度)出现裂纹。所以通过形态学闭操作处理,可以使得车位线的边缘断开的部分都连接上,使得车位线的边缘比较平滑,可以使得车位线的内部裂开的区域被连通,即车位线内部不包括独立的细小空间了,使得车位线整体为一个单连通区域。
对二值化图像进行形态学闭操作处理后,再进行形态学开操作处理的目的是:消除二值化图像中的细小物体,在纤细处分离物体和平滑较大物体边界的作用。
可以理解的是,车位线旁边可能有一些颜色与车位线的颜色接近的物体(例如垃圾),为了精确得到预设目标点与车位线的第一距离,需要精确提取车位线的边界,所以为了避免车位线旁边可能出现的与车位线颜色接近的物体A,导致车位线的边界提取不准确的情况,对二值化图像进行形态学开操作处理。
由于形态学开操作处理可以在纤细处分离物体,即断开较窄的狭颈和消除细的突出物,所以可以区分开二值化图像中车位线与物体A,从而使得提取的车位线的边界更加准确。
为了使得本领域技术人员更加理解本申请实施例执行形态学闭操作和开操作处理的目的,下面进行举例说明。
如图8a至图8c所示,为本申请实施例提供的执行形态学闭操作和开操作处理的图像的示意图。
如图8a所示的图像为将包含左前车轮和车位线的图像对应的二值化图像。
图8b对图8a所示的二值化图像进行闭操作处理后的图像,图8b相对于图8a而言,车位线内部的断裂痕迹消失,但是车位线外侧的噪声被放大;图8c为对图8b所示的图像进行开操作处理后的图像。图8c相对于图8b而言,车位线的外侧的噪声部分被消除。
步骤A13:对所述第一图像进行透视变换,得到俯视图像。
透视变换,是指将泊车摄像头采集的图像转换到从上到下的俯视视图的过程,也叫鸟瞰图变换,得到的图像也叫鸟瞰图,一般地,如果对对象(车轮、车头或车尾)和车位线进行俯视拍摄,对象和车位线的形变程度会比较小,而如果从其他角度进行拍摄,对象和车位线的形变程度都会比较大,在利用车辆上的泊车摄像头拍摄对象和车位线的图像时,明显是无法做到俯视拍摄的,因此,可对泊车摄像头拍摄到的图像进行透视变换,即转换对象和车位线的拍摄视角,尽可能地降低图像中对象和车位线形状的畸变。
如图9所示,为将图8c所示的第一图像进行透视变换后的俯视图像的示意图。
通过图9所示的俯视图像与图8c所示的第一图像进行比对,可以看出车位线已经由曲线变为直线了,即进行了畸变矫正。
步骤A14:检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界。
在一可选实现方式中,步骤A14的实现方式有多种,本申请实施例提供但不限于以下方法,该方法包括以下步骤C11至步骤C13。
步骤C11:对所述俯视图像进行边缘检测,得到第二图像。
示例性的,对俯视图像进行边缘检测,可以识别出俯视图像包含的亮度变化明显的点,例如,车位线的边界。示例性的,边缘检测可以为Canny边缘算法。
如图10所示,为本申请实施例提供的第二图像的一种实现方式的示意图。
图10为将图9所示的俯视图像进行边缘检测后,得到的第二图像。从图10所示的第二图像可以看出,第二图像中包含边缘线条,例如,车位线的边缘。
步骤C12:利用霍夫变换算法检测出所述第二图像中的直线。
在一些实施例中,可以直接利用霍夫变换算法检测第二图像中的直线,在另一些实施例中,也可以用其他直线检测算法检测第二图像中的直线。
示例性的,可以理解的是,车位线的边界为直线不是曲线,利用霍夫变换算法检测出所述第二图像中的直线,这些直线可能为车位线。
如图11所示,为本申请实施例提供的从第二图像中检测出的直线的示意图。
从图11中可以看出车轮的边界(曲线)已经被去除,保留了车位线的边界(直线)。
步骤C13:根据预设距离范围、预设夹角从所述第二图像中的直线中筛选出所述车位线边界。
可以理解的是,由于车位线具有一定的宽度,所以车位线具有两个边界,所以基于车位线的这一特点,需要从所述第二图像中的直线中筛选出直线对,直线对包括两条直线。
示例性的,可以从所述第二图像中的直线中筛选出多个直线对;针对每一直线对,获取所述直线对中两条直线之间的距离和夹角;获得距离属于预设距离范围且夹角小于预设夹角的直线对,以得到车位线的边界。
在一可选实现方式中,车位线的宽度一般为10cm至18cm,可以基于图像与真实环境坐标系之间的变换矩阵,确定在图像中车位线的宽度范围,可以将该宽度范围确定为预设距离范围。
在一可选实现方式中,直线对在真实环境坐标系下的距离=图像中直线对之间的像素距离*变换矩阵。车位线的宽度一般为10cm至18cm,可以将[10,18]作为预设距离范围。
可以理解的是,虽然对图像进行了透视变换,但是可能并未完全消除车位线的畸变,所以位于车位线边界候选图像中的车位线的边界可能不是平行的,所以预设夹角可以不为 0,例如,可以为2°。
步骤A15:将所述预设目标点与所述车位线边界之间的距离作为第一距离。
示例性的,确定所述车位线边界中靠近所述预设目标点的直线与所述预设目标点的距离为所述第一距离。
如图5所示,车位线边界包括两条直线,其中一条直线靠近预设目标点,一条直线远离预设目标点,本申请实施例中,车位线边界中靠近所述预设目标点的直线与所述预设目标点的距离为所述第一距离。
通过上述步骤A11至步骤A15,从图像中提取的车位线边界更加准确,因此计算得到的第一距离更加准确,使得对泊车性能的测试更加准确。上述步骤A11至步骤A15具有较强的鲁棒性,对于车位线磨损模糊、光线较暗等情况也可以准确识别出车位线边界,可达到厘米级的测量精度,从而提供精确的泊车性能评估指标。
第二种步骤S42的实现方式包括以下步骤A21至步骤A25。
步骤A21:对所述图像进行透视变换,得到俯视图像。
对图像进行透视变化的目的可参见针对第一图像进行透视变化的目的,这里不再赘述。
步骤A22:根据预设车位线颜色对所述俯视图像进行二值化处理,得到二值化图像。
对俯视图像进行二值化处理的过程可以参见针对图像进行二值化处理的过程,这里不在赘述。
步骤A23:对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像。
针对步骤A23的说明,可以参见针对步骤A12的说明,这里不再赘述。
步骤A24:检测所述第一图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界。
针对步骤A24的说明,可以参见针对步骤A14的说明,这里不再赘述。
步骤A25:将所述预设目标点与所述车位线边界之间的距离作为第一距离。
针对步骤A25的说明,额可以参见针对步骤A15的说明,这里不再赘述。
在一可选实现方式中,获取图像包含的预设目标点的方式有多种,本申请实施例提供但不限于以下两种。
第一种实现方式包括:对于每一图像,提取图像中对象的外部轮廓;确定图像中地面所在平面;确定所述外部轮廓与地面所在平面的切点为切点。
第二种实现方式包括以下步骤D11至步骤D13。
步骤D11:对所述图像进行透视变换,得到鸟瞰图像。
其中,该图像是摄像头采集得到的图像。
步骤D12:控制显示所述鸟瞰图像。
步骤D13:获取包含有预设目标点的鸟瞰图像。
示例性的,用户可以在鸟瞰图像中人为确标记预设目标点。
在一可选实现方式中,为了对车辆进行准确的性能测试评估,可以对车辆进行多次自动泊车,从而可以以得到每一所述预设目标点对应的多个第一距离,多个倾斜角度,多个泊车耗时时长。这样可以基于多次自动泊车得到的多个所述预设目标点分别对应的第一距离,多个倾斜角度,多个泊车耗时时长对车辆的泊车性能进行总体的评估。具体方法包括以下步骤E11至步骤E14。
步骤E11:将所述车辆多次泊车获得的多个所述预设目标点分别对应的第一距离求平均,得到多个所述预设目标点分别对应的第一平均距离。
假设,多个预设目标点包括:图像51中的左前车轮与地面的切点1、图像52中的左后车轮与地面的切点2、图像53中的右前车轮与地面的切点3、图像54中的右后车轮与地面的切点4、图像55中的车尾与地面的映射点5;若将车辆进行了5次自动泊车,则可以得到切点1对应的5个第一距离,切点2对应的5个第一距离、切点3对应的5个第一距离,切点4对应的5个第一距离,映射点5对应的5个第一距离,也可以得到5个倾斜角度。
示例性的,可以求切点1对应的5个第一距离的平均值,以得到切点1对应的第一平均距离求切点2对应的5个第一距离的平均值,以得到切点2对应的第一平均距离切点3对应的5个第一距离的平均值,以得到切点3对应的第一平均距离切点4对应的5个第一距离的平均值,以得到切点4对应的第一平均距离映射点5对应的5个第一距离的平均值,以得到映射点5对应的第一平均距离
步骤E12:将所述车辆多次泊车获得的多个所述倾斜角度求平均,得到平均倾斜角度。
步骤E13:将所述车辆多次泊车获取的泊车耗时时长求平均,得到平均泊车耗时时长。
步骤E14:基于所述第一平均距离、所述平均倾斜角度以及所述平均泊车耗时时长,确定所述车辆的第二泊车性能。
示例性的,上述距离0.1m和角度-3°~3°均为举例,并不造成限定。
第一泊车性能用于衡量每次泊车的质量,第二泊车性能用于衡量泊车的稳定性。
上述本申请公开的实施例中详细描述了方法,对于本申请的方法可采用多种形式的装置实现,因此本申请还公开了一种装置,下面给出具体的实施例进行详细说明。
如图12所示,为本申请实施例提供的泊车性能测试装置的结构图,泊车性能测试装置包括:第一获取模块121、第二获取模块122、第一确定模块123、第三获取模块124 以及第二确定模块125,其中:
第一获取模块121,用于在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置;
第二获取模块122,用于针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;
第一确定模块123,用于基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;
第三获取模块124,用于获取所述车辆的泊车耗时时长;
第二确定模块125,用于基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
在一可选实现方式中,所述第二获取模块包括:
第一获取单元,用于根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像;
第二获取单元,用于对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
第三获取单元,用于对所述第一图像进行透视变换,得到俯视图像;
第一识别单元,用于检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
第一确定单元,用于将所述预设目标点与所述车位线边界之间的距离作为第一距离。
在一可选实现方式中,所述第一获取单元包括:
第一获取子单元,用于对所述图像进行直方图均衡化处理,得到高对比度图像;
第一转换子单元,用于将所述高对比度图像从RGB颜色空间转换至HSV颜色空间,得到HSV图像;
第二获取子单元,用于根据预设车位线颜色对所述HSV图像进行二值化处理,得到二值化图像。
在一可选实现方式中,所述第一识别单元包括:
第三获取子单元,用于对所述俯视图像进行边缘检测,得到第二图像;
检测子单元,用于利用霍夫变换算法检测出所述第二图像中的直线;
筛选子单元,用于根据预设距离范围、预设夹角从所述第二图像中的直线中筛选出所述车位线边界。
在一可选实现方式中,设置在所述车辆左侧和右侧的所述预设目标点包括:左前车轮与地面的切点、左后车轮与地面的切点、右前车轮与地面的切点、右后车轮与地面的切点,所述第一确定模块包括:
第一计算单元,用于基于车辆轴距,以及左前车轮与地面的切点、左后车轮与地面的切点分别对应的第一距离,计算所述车辆左侧与所述泊车位的左侧车位线之间的第一夹角;
第二计算单元,用于基于车辆轴距,以及右前车轮与地面的切点、右后车轮与地面的切点分别对应的第一距离,计算所述车辆右侧与所述泊车位的右侧车位线之间的第二夹角;
第二确定单元,用于将所述第一夹角和所述第二夹角的均值确定为所述倾斜角度。
在一可选实现方式中,还包括:
第四获取模块,用于将所述车辆多次泊车获得的多个所述预设目标点分别对应的第一距离求平均,得到多个所述预设目标点分别对应的第一平均距离;
第五获取模块,用于将所述车辆多次泊车获得的多个所述倾斜角度求平均,得到平均倾斜角度;
第六获取模块,用于将所述车辆多次泊车获取的泊车耗时时长求平均,得到平均泊车耗时时长;
第三确定模块,用于基于所述第一平均距离、所述平均倾斜角度以及所述平均泊车耗时时长,确定所述车辆的第二泊车性能。
在一可选实现方式中,第二获取模块包括:
第四获取单元,用于对所述图像进行透视变换,得到俯视图像;
第五获取单元,用于根据预设车位线颜色对所述俯视图像进行二值化处理,得到二值化图像;
第六获取单元,用于对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
第二识别单元,用于检测所述第一图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
第三确定单元,用于将所述预设目标点与所述车位线边界之间的距离作为第一距离。
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13是根据一示例性实施例示出的一种用于服务器的装置的框图。
服务器包括但不限于:处理器131、存储器132、网络接口133、I/O控制器134以及通信总线135。
需要说明的是,本领域技术人员可以理解,图13中示出的服务器的结构并不构成对服务器的限定,服务器可以包括比图13所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。
下面结合图13对服务器的各个构成部件进行具体的介绍:
处理器131是服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器132内的软件程序和/或模块,以及调用存储在存储器132内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。处理器131可包括一个或多个处理单元;示例性的,处理器131可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器131中。
处理器131可能是一个中央处理器(Central Processing Unit,CPU),或者是特定集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路等;
存储器132可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM)1321和只读存储器(Read-Only Memory,ROM)1322,也可能还包括大容量存储设备1323,例如至少1个磁盘存储器等。当然,该服务器还可能包括其他业务所需要的硬件。
其中,上述的存储器132,用于存储上述处理器131可执行指令。上述处理器131具有执行泊车性能测试方法的功能。
一个有线或无线网络接口133被配置为将服务器连接到网络。
处理器131、存储器132、网络接口133和I/O控制器134可以通过通信总线135相互连接,该通信总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、 PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
在示例性实施例中,服务器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,用于执行上述泊车性能测试方法。
在示例性实施例中,本公开实施例提供了一种包括指令的存储介质,例如包括指令的存储器132,上述指令可由服务器的处理器131执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,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。
在示例性实施例中,还提供了一种计算机可读存储介质,可直接加载到计算机的内部存储器,例如上述存储器132中,并含有软件代码,该计算机程序经由计算机载入并执行后能够实现上述泊车性能测试方法任一实施例所示步骤。
在示例性实施例中,还提供一种计算机程序产品,可直接加载到计算机的内部存储器,例如所述服务器包含的存储器中,并含有软件代码,该计算机程序经由计算机载入并执行后能够实现上述所述的泊车性能测试方法任一实施例所示步骤。
需要说明的是,本说明书中的各个实施例中记载的特征可以相互替换或者组合。对于装置或系统类实施例而言,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。
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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、 CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业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申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,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 (10)
1.一种泊车性能测试方法,其特征在于,包括:
在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置;
针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;
基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;
获取所述车辆的泊车耗时时长;
基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
2.根据权利要求1所述泊车性能测试方法,其特征在于,所述获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,包括:
根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像;
对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
对所述第一图像进行透视变换,得到俯视图像;
检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
将所述预设目标点与所述车位线边界之间的距离作为第一距离。
3.根据权利要求2所述泊车性能测试方法,其特征在于,所述根据预设车位线颜色对所述图像进行二值化处理,得到二值化图像,包括:
对所述图像进行直方图均衡化处理,得到高对比度图像;
将所述高对比度图像从RGB颜色空间转换至HSV颜色空间,得到HSV图像;
根据预设车位线颜色对所述HSV图像进行二值化处理,得到二值化图像。
4.根据权利要求2或3所述泊车性能测试方法,其特征在于,所述检测所述俯视图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界,包括:
对所述俯视图像进行边缘检测,得到第二图像;
利用霍夫变换算法检测出所述第二图像中的直线;
根据预设距离范围、预设夹角从所述第二图像中的直线中筛选出所述车位线边界。
5.根据权利要求1至3任一所述泊车性能测试方法,其特征在于,设置在所述车辆左侧和右侧的所述预设目标点包括:左前车轮与地面的切点、左后车轮与地面的切点、右前车轮与地面的切点、右后车轮与地面的切点,基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度,包括:
基于车辆轴距,以及左前车轮与地面的切点、左后车轮与地面的切点分别对应的第一距离,计算所述车辆左侧与所述泊车位的左侧车位线之间的第一夹角;
基于车辆轴距,以及右前车轮与地面的切点、右后车轮与地面的切点分别对应的第一距离,计算所述车辆右侧与所述泊车位的右侧车位线之间的第二夹角;
将所述第一夹角和所述第二夹角的均值确定为所述倾斜角度。
6.根据权利要求1至3任一所述泊车性能测试方法,其特征在于,还包括:
将所述车辆多次泊车获得的多个所述预设目标点分别对应的第一距离求平均,得到多个所述预设目标点分别对应的第一平均距离;
将所述车辆多次泊车获得的多个所述倾斜角度求平均,得到平均倾斜角度;
将所述车辆多次泊车获取的泊车耗时时长求平均,得到平均泊车耗时时长;
基于所述第一平均距离、所述平均倾斜角度以及所述平均泊车耗时时长,确定所述车辆的第二泊车性能。
7.根据权利要求1所述泊车性能测试方法,其特征在于,所述获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,包括:
对所述图像进行透视变换,得到俯视图像;
根据预设车位线颜色对所述俯视图像进行二值化处理,得到二值化图像;
对所述二值化图像执行形态学闭操作和开操作处理,得到第一图像;
检测所述第一图像中的直线,将距离属于预设距离范围、夹角小于预设夹角的两条直线识别为车位线边界;
将所述预设目标点与所述车位线边界之间的距离作为第一距离。
8.一种泊车性能测试装置,其特征在于,包括:
第一获取模块,用于在待测试泊车性能的车辆已经泊车结束的情况下,获取分设于所述车辆上不同位置处泊车摄像头采集的图像,每个所述图像显示有位于所述车辆一侧的预设目标点以及与所述预设目标点同一侧的一段车位线,所有所述图像至少涉及所述车辆的相邻两侧,至少有两个所述预设目标点位于所述车辆同一侧且横向设置;
第二获取模块,用于针对每一所述图像,获取所述图像中所述预设目标点与所述一段车位线之间的第一距离,以得到多个所述预设目标点分别对应的第一距离;
第一确定模块,用于基于位于所述车辆同一侧且横向设置的至少两个所述预设目标点之间的预设距离,以及位于所述车辆同一侧且横向设置的至少两个所述预设目标点分别对应的第一距离,确定所述车辆相对于泊车位的倾斜角度;
第三获取模块,用于获取所述车辆的泊车耗时时长;
第二确定模块,用于基于多个所述预设目标点分别对应的第一距离、所述倾斜角度以及所述泊车耗时时长,确定所述车辆的第一泊车性能。
9.一种服务器,其特征在于,包括:
处理器;
用于存储所述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所述指令,以实现如权利要求1至7中任一项所述的泊车性能测试方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序/指令被处理器执行时实现权利要求1至7任一项所述的泊车性能测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111636289.2A CN114620030A (zh) | 2021-12-27 | 2021-12-27 | 泊车性能测试方法、装置、服务器及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111636289.2A CN114620030A (zh) | 2021-12-27 | 2021-12-27 | 泊车性能测试方法、装置、服务器及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114620030A true CN114620030A (zh) | 2022-06-14 |
Family
ID=81898176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111636289.2A Pending CN114620030A (zh) | 2021-12-27 | 2021-12-27 | 泊车性能测试方法、装置、服务器及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114620030A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116625707A (zh) * | 2023-05-18 | 2023-08-22 | 襄阳达安汽车检测中心有限公司 | Apa测试的测试方法、存储介质、电子设备及系统 |
CN116620311A (zh) * | 2023-05-26 | 2023-08-22 | 广州汽车集团股份有限公司 | 泊车误差检测方法、装置、车辆及存储介质 |
-
2021
- 2021-12-27 CN CN202111636289.2A patent/CN114620030A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116625707A (zh) * | 2023-05-18 | 2023-08-22 | 襄阳达安汽车检测中心有限公司 | Apa测试的测试方法、存储介质、电子设备及系统 |
CN116620311A (zh) * | 2023-05-26 | 2023-08-22 | 广州汽车集团股份有限公司 | 泊车误差检测方法、装置、车辆及存储介质 |
CN116620311B (zh) * | 2023-05-26 | 2024-05-03 | 广州汽车集团股份有限公司 | 泊车误差检测方法、装置、车辆及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9740967B2 (en) | Method and apparatus of determining air quality | |
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
US7920721B2 (en) | Vehicle-use image processing system, vehicle-use image processing method, vehicle-use image processing program, vehicle, and method of formulating vehicle-use image processing system | |
JP4567630B2 (ja) | 車種判別プログラムおよび車種判別装置 | |
CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
CN114620030A (zh) | 泊车性能测试方法、装置、服务器及产品 | |
CN111047615B (zh) | 基于图像的直线检测方法、装置以及电子设备 | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN112233076B (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
CN110728201B (zh) | 用于指纹识别的图像处理方法及装置 | |
CN114005108A (zh) | 一种基于坐标变换的指针式仪表度数识别方法 | |
EP2256691B1 (en) | Image processing device for vehicle and image processing program | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
US11530993B2 (en) | Deposit detection device and deposit detection method | |
CN114241438A (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN110765875B (zh) | 交通目标的边界检测方法、设备及装置 | |
TWI498830B (zh) | 不均勻光線下的車牌辨識方法及系統 | |
CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
JP2012023572A (ja) | ホワイトバランス係数算出装置及びプログラム | |
US20200219280A1 (en) | Attachable matter detection apparatus | |
CN112146834B (zh) | 结构振动位移测量方法及装置 | |
CN113450335A (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
CN113313968A (zh) | 车位检测方法及存储介质 | |
US20200211194A1 (en) | Attached object detection apparatus | |
US20190197349A1 (en) | Image identification method and image identification device |
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 |