CN115346188A - 一种确定泊车车位角点的方法和相关装置 - Google Patents

Abstract

本申请公开了一种确定泊车车位角点的方法和相关装置，该方法包括：在自动泊车时，通过环视车辆的周围车位，获得以车辆为中心的车辆周围车位俯视图；根据车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；根据空车位中心点热力图、被占车位中心点热力图、车位前角点热力图、车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；根据空车位中心点、被占车位中心点、车位前角点、车位后角点和预设泊车车位匹配算法，确定泊车车位角点。提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性。

Description

一种确定泊车车位角点的方法和相关装置

技术领域

本申请涉及数据处理技术领域，尤其涉及一种确定泊车车位角点的方法和相关装置。

背景技术

随着生活水平的提高，大多数用户选择私家车出行，车辆增多导致泊车成为用户的困扰，为了减轻用户泊车负担，自动泊车技术应用而生。而自动泊车技术需要确定泊车车位，泊车车位一般通过泊车车位的四个角点坐标进行描述，该角点定位误差大小直接影响泊车车位确定的准确性，从而影响自动泊车技术的准确性。

目前，一种确定泊车车位角点的方法是通过harris特征角点检测器检测泊车车位角点，但该方法受限于harris特征的设定，实际中存在一定干扰，导致确定泊车车位角点不够准确；另一种确定泊车车位角点的方法是检测车位线并拟合车位线，求取车位线的交点确定泊车车位角点，但该方法受限于车位线的拟合精度，若车位线不明显，导致确定泊车车位角点不够准确。

发明人经过研究发现，现有技术中的方法均无法对泊车车位角点进行精确定位，即，确定泊车车位角点不够准确；则导致确定泊车车位不够准确，降低自动泊车技术的准确性，从而影响用户体验。

发明内容

有鉴于此，本申请实施例提供一种确定泊车车位角点的方法和相关装置，提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性，从而提升用户体验。

第一方面，本申请实施例提供了一种确定泊车车位角点的方法，所述方法包括：

在自动泊车时获得以车辆为中心的车辆周围车位俯视图；

根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；

根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；

根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

可选的，所述根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点，包括：

将所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图分别划分成多个区域，获得多个热力图区域；

根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

可选的，所述根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点，包括：

根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点；

根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点；

基于所述多个第二候选像素点进行高斯曲面拟合，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

可选的，所述根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点，包括：

查找每个所述热力图区域中置信度最大的像素点，获得多个初始候选像素点；

若所述初始候选像素点的置信度小于所述预设置信度，删除所述初始候选像素点，获得多个所述第一候选像素点。

可选的，所述根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点，包括：

若任意两个所述第一候选像素点的距离小于预设距离，删除其中置信度小的所述第一候选像素点；

若所述第一候选像素点的预设相邻区域内像素点的置信度小于所述预设置信度，删除所述第一候选像素点，获得多个所述第二候选像素点。

可选的，所述根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点，包括：

将每个所述空车位中心点和每个被占车位中心点分别作为当前车位中心点，以所述当前车位中心点为圆心、预设半径值为半径画圆获得当前圆；

在所述当前圆内组合两个所述车位前角点和两个所述车位后角点，获得多个四边形；

若多个所述四边形中目标四边形只包括所述当前车位中心点，且所述目标四边形的面积最小，确定所述目标四边形对应的两个所述车位前角点和两个所述车位后角点为所述泊车车位角点。

可选的，所述在自动泊车时获得以车辆为中心的车辆周围车位俯视图，包括：

在自动泊车时获取所述车辆的前、后、左、右四路鱼眼图像；

拼接所述车辆的前、后、左、右四路鱼眼图像，获得所述车辆周围车位俯视图。

第二方面，本申请实施例提供了一种确定泊车车位角点的装置，所述装置包括：

第一获得单元，用于在自动泊车时，通过环视车辆的周围车位，获得以所述车辆为中心的车辆周围车位俯视图；

第二获得单元，用于根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；

第一确定单元，用于根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；

第二确定单元，用于根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

可选的，所述第一确定单元，包括：

第一获得子单元，用于将所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图分别划分成多个区域，获得多个热力图区域；

第一确定子单元，用于根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

可选的，所述第一确定子单元，包括：

第一获得模块，用于根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点；

第二获得模块，用于根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点；

确定模块，用于基于所述多个第二候选像素点进行高斯曲面拟合，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

可选的，所述第一获得模块，包括：

第一获得子模块，用于查找每个所述热力图区域中置信度最大的像素点，获得多个初始候选像素点；

第二获得子模块，用于若所述初始候选像素点的置信度小于所述预设置信度，删除所述初始候选像素点，获得多个所述第一候选像素点。

可选的，所述第二获得模块，包括：

删除子模块，用于若任意两个所述第一候选像素点的距离小于预设距离，删除其中置信度小的所述第一候选像素点；

第三获得子模块，用于若所述第一候选像素点的预设相邻区域内像素点的置信度小于所述预设置信度，删除所述第一候选像素点，获得多个所述第二候选像素点。

可选的，所述第二确定单元，包括：

第二获得子单元，用于将每个所述空车位中心点和每个被占车位中心点分别作为当前车位中心点，以所述当前车位中心点为圆心、预设半径值为半径画圆获得当前圆；

第三获得子单元，用于在所述当前圆内组合两个所述车位前角点和两个所述车位后角点，获得多个四边形；

第二确定子单元，用于若多个所述四边形中目标四边形只包括所述当前车位中心点，且所述目标四边形的面积最小，确定所述目标四边形对应的两个所述车位前角点和两个所述车位后角点为所述泊车车位角点。

可选的，所述第一获得单元，包括：

获取子单元，用于在自动泊车时获取所述车辆的前、后、左、右四路鱼眼图像；

第四获得子单元，用于拼接所述车辆的前、后、左、右四路鱼眼图像，获得所述车辆周围车位俯视图。

第三方面，本申请实施例提供了一种终端设备，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述第一方面任一项所述的确定泊车车位角点的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面任一项所述的确定泊车车位角点的方法。

与现有技术相比，本申请至少具有以下优点：

采用本申请实施例的技术方案，在自动泊车时，通过环视车辆的周围车位，获得以车辆为中心的车辆周围车位俯视图；根据车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；预设检测算法是根据车辆周围车位俯视图样本和车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；根据空车位中心点热力图、被占车位中心点热力图、车位前角点热力图、车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；根据空车位中心点、被占车位中心点、车位前角点、车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

对于车辆周围车位俯视图，通过预设检测算法得到表示像素点分别为空车位中心点、被占车位中心点、车位前角点、车位后角点的置信度的四通道热力图；基于该四通道热力图对空车位中心点、被占车位中心点、车位前角点和车位后角点进行精确定位，并通过预设泊车车位匹配算法对泊车车位角点进行精确定位。该方法大大提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性，从而提升用户体验。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例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中记载的一些实施例，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，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种应用场景所涉及的系统框架示意图；

图2为本申请实施例提供的一种确定泊车车位角点的方法的流程示意图；

图3为本申请实施例提供的一种车辆周围车位俯视图、空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图的示意图；

图4为本申请实施例提供的一种确定泊车车位角点的装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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。

现阶段，通过harris特征角点检测器检测泊车车位角点，但该方法受限于harris特征的设定，实际中存在一定干扰，导致确定泊车车位角点不够准确；或者，检测车位线并拟合车位线，求取车位线的交点确定泊车车位角点，但该方法受限于车位线的拟合精度，若车位线不明显，导致确定泊车车位角点不够准确。即，上述方法均无法对泊车车位角点进行精确定位，即，确定泊车车位角点不够准确；则导致确定泊车车位不够准确，降低自动泊车技术的准确性，从而影响用户体验。

为了解决这一问题，在本申请实施例中，在自动泊车时，通过环视车辆的周围车位，获得以车辆为中心的车辆周围车位俯视图；根据车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；预设检测算法是根据车辆周围车位俯视图样本和车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；根据空车位中心点热力图、被占车位中心点热力图、车位前角点热力图、车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；根据空车位中心点、被占车位中心点、车位前角点、车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

对于车辆周围车位俯视图，通过预设检测算法得到表示像素点分别为空车位中心点、被占车位中心点、车位前角点、车位后角点的置信度的四通道热力图；基于该四通道热力图对空车位中心点、被占车位中心点、车位前角点和车位后角点进行精确定位，并通过预设泊车车位匹配算法对泊车车位角点进行精确定位。该方法大大提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性，从而提升用户体验。

举例来说，本申请实施例的场景之一，可以是应用到如图1所示的场景中。该场景包括车辆环视系统101和车辆泊车系统102，在自动泊车时，车辆环视系统101环视车辆的周围车位获得环视图像发送至车辆泊车系统102，基于此，车辆泊车系统102执行本申请实施例提供的各种实施方式确定泊车车位角点，以便后续车辆泊车系统102根据泊车车位角点自动泊车。

首先，在上述应用场景中，虽然将本申请实施例提供的实施方式的动作描述由车辆控制器102执行；但是，本申请实施例在执行主体方面不受限制，只要执行了本申请实施例提供的实施方式所公开的动作即可。

其次，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。

下面结合附图，通过实施例来详细说明本申请实施例中确定泊车车位角点的方法和相关装置的具体实现方式。

示例性方法

参见图2，示出了本申请实施例中一种确定泊车车位角点的方法的流程示意图。在本实施例中，所述方法例如可以包括以下步骤：

步骤201：在自动泊车时，获得以车辆为中心的车辆周围车位俯视图。

本申请实施例中，自动泊车技术中确定泊车车位角点的前提是获取需要以车辆为中心的车辆周围车位俯视图。为了方便获取以车辆为中心的车辆周围车位俯视图，可以利用车辆环视系统检测车辆周围车位，得到车辆的前、后、左、右四路鱼眼视图；在此基础上，车辆的前、后、左、右四路鱼眼图像可以拼接得到以车辆为中心的车辆周围车位俯视图。因此，在本申请实施例一种可选的实施方式中，所述步骤201例如可以包括以下步骤中步骤A-步骤B：

步骤A：在自动泊车时获取所述车辆的前、后、左、右四路鱼眼图像；

步骤B：拼接所述车辆的前、后、左、右四路鱼眼图像，获得所述车辆周围车位俯视图。

在步骤B具体实施时，可以获取安装在车辆的前、后、左、右四路鱼眼摄像头的内参和外参，通过对车辆的前、后、左、右四路鱼眼摄像头内参和外参的计算，得到现实世界中的物体与车辆的前、后、左、右四路鱼眼图像中像素点的对应关系；基于此，拼接车辆的前、后、左、右四路鱼眼图像，以一个车辆周围车位俯视图显示车辆的前、后、左、右四路鱼眼图像中像素点。

步骤202：根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的。

本申请实施例中，为了解决现有技术中的方法均无法对泊车车位角点进行精确定位，即，确定泊车车位角点不够准确的问题；首先将已知空车位中心点、被占车位中心点、车位前角点和车位后角点的位置的历史车辆周围车位俯视图作为训练样本，即，以车辆周围车位俯视图样本和其中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，对深度学习模型进行迭代训练，将训练好的深度学习模型作为预设检测算法。

然后，将步骤201获得的以车辆为中心的车辆周围车位俯视图，输入预设检测算法，输出四通道热力图，即，空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图。

其中，空车位中心点热力图中像素点的值，表示像素点为空车位中心点的置信度，置信度越高像素点为空车位中心点可能性越大；被占车位中心点热力图中像素点的值，表示像素点为被占车位中心点的置信度，置信度越高像素点为被占车位中心点可能性越大；车位前角点热力图中像素点的值，表示像素点为车位前角点的置信度，置信度越高像素点为车位前角点可能性越大；车位后角点热力图中像素点的值，表示像素点为车位后角点的置信度，置信度越高像素点为车位后角点可能性越大。

作为一种示例，如图3所示的一种车辆周围车位俯视图、空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图的示意图。其中，左侧第一张图为车辆周围车位俯视图，右侧四张图分别为车位前角点热力图、车位后角点热力图、空车位中心点热力图和被占车位中心点热力图。

步骤203：根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点。

本申请实施例中，在步骤202获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图后，需要根据上述热力图中像素点的置信度，对空车位中心点、被占车位中心点、车位前角点和车位后角点进行定位。

在步骤202具体实施时，由于热力图中像素点的置信度大小以中心点向周围递减的特点，直接在热力图上进行置信度排序，查找多个车位角点、车位中心点，需要耗费巨大计算量；且置信度排序使得前n个最大置信度的像素点集中在一起，无法同时定位多个车位角点、车位中心点。为了节省大量的计算力，同时能定位多个车位角点、车位中心点，考虑到车位角点、车位中心点不相邻的特点；对空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图这四通道热力图分别应用分而治之算法。即，先将每个热力图划分成若干个热力图区域，再基于像素点的置信度筛选像素点，定位多个车位角点、车位中心点。因此，在本申请实施例一种可选的实施方式中，所述步骤203例如可以包括以下步骤中步骤C-步骤D：

步骤C：将所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图分别划分成多个区域，获得多个热力图区域。

其中，对前角点热力图、后角点热力图而言，图像尺寸例如可以为416*416像素，同一车位的前角点间隔是车位入口线的距离，垂直车位入口线对应图片尺寸大于60个像素，考虑到有相邻车位前角点临近，即，两车位不共线但相邻很近；因此，以8*8像素大小将热力图划分成2704块热力图区域，划分过程中不足8*8像素大小按一个热力图区域计算，理论上8*8区域内不会包含两个车位角点。

对空车位中心点热力图、被占车位中心点热力图而言，图像尺寸例如可以为416*416像素，相邻车位中心点间隔是车位入口线距离，对应图像尺寸大于60个像素，不相邻车位中心点间隔大于车位入口线距离；因此，以60*60像素大小将图片划分成49块热力图区域，不足60*60像素大小按一个热力图区域计算，理论上60*60区域内不会包含两个车位中心点。

步骤D：根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

在步骤D具体实施时，由于像素点的置信度越大，该像素点是车位角点或车位中心点的可能性越大，且设置一个表示为像素点是车位角点或车位中心点的置信度下限作为预设置信度，则首先需要通过预设置信度筛选每个热力图区域中置信度最大的像素点，保留大于预设置信度的每个热力图区域中置信度最大的像素点，得到多个第一候选像素点。然后，基于车位角点、车位中心点以及其周围像素点的置信度较高，其他像素点的置信度较低的特性，继续筛选多个第一候选像素点得到多个第二候选像素点，以避免车位角点或车位中心点以及其周围像素点划分至多个热力图区域，以及避免图像噪点，对定位车位角点、车位中心点的影响。最后，考虑到一个热力图区域可能有多个置信度相同的第二候选像素点，为了进一步精确定位车位角点或车位中心点，在热力图符合标准高斯曲面分布特点基础上，还需要对多个第二候选像素点进行高斯曲面拟合，确定车位角点或车位中心点。因此，在本申请实施例一种可选的实施方式中，所述步骤D例如可以包括以下步骤中步骤D1-步骤D3：

步骤D1：根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点。

步骤D1具体实施时，首先，需要从每个热力图区域中，查找到置信度最大的像素点，作为初始候选像素点，从而得到多个初始候选像素点；然后，针对每个初始候选像素点，若初始候选像素点小于预设置信度，表示该初始候选像素点不可能是车位角点或车位中心点，则删除初始候选像素点，从而得到多个第一候选像素点。因此，在本申请实施例一种可选的实施方式中，所述步骤D1例如可以包括以下步骤中步骤D11-步骤D12：

步骤D11：查找每个所述热力图区域中置信度最大的像素点，获得多个初始候选像素点；

步骤D12：若所述初始候选像素点的置信度小于所述预设置信度，删除所述初始候选像素点，获得多个所述第一候选像素点。

步骤D2：根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点。

步骤D1具体实施时，首先，在车位角点、车位中心点以及其周围像素点的置信度较高的基础上，为了避免车位角点或车位中心点以及其周围像素点划分至多个热力图区域，对定位车位角点、车位中心点的影响，需要对多个第一候选像素点进行融合，当任意两个第一候选像素点距离小于预设距离时，表示车位角点或车位中心点以及其周围像素点划分至多个热力图区域，该两个第一候选像素点中置信度大的第一候选像素点需要保留，置信度小的第一候选像素点无需保留删除即可。

然后，为了避免图像噪点对定位车位角点、车位中心点的影响，在图像噪点使得单个像素点置信度很高，而车位角点、车位中心点以及其周围像素点的置信度较高的基础上，只有当第一候选像素点的预设相邻区域内像素点的置信度均大于预设置信度时，才保留该第一候选像素点，当第一候选像素点的预设相邻区域内像素点的置信度均小于预设置信度时，无需保留该第一候选像素点删除即可。

因此，在本申请实施例一种可选的实施方式中，所述步骤D2例如可以包括以下步骤中步骤D21-步骤D22：

步骤D21：若任意两个所述第一候选像素点的距离小于预设距离，删除其中置信度小的所述第一候选像素点；

步骤D22：若所述第一候选像素点的预设相邻区域内像素点的置信度小于所述预设置信度，删除所述第一候选像素点，获得多个所述第二候选像素点。

步骤D3：基于所述多个第二候选像素点进行高斯曲面拟合，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

具体地，设(x₀,y₀)为高斯曲面方程中心点坐标，(σ_x,σ_y)为标准差，则高斯曲面方程可表示为：

其中，K为峰值。

为求取(x₀,y₀)，对高斯曲面方程取对数变换：

进行高斯曲面拟合的数据点一共为49个，将对数变换后的方程看成矩阵形式A＝BC，其中：

A_i＝f_i*ln f_i；

可以看出A为49*1向量，B为49*5矩阵，C为5*1向量。

假设误差向量E＝A-BC，高斯曲面方程的目标是使得E最小，即让MSE最小：

为了减少计算量，对B进行QR分解，即B＝QR，其中Q为49*49的正交矩阵Q^TQ＝I(I为单位矩阵)，R为49*5的上三角矩阵，进行如下推导：

其中，Q^TA为49*1向量，令

其中S为5*1向量，T为44*1向量，R₁为5*5上三角矩阵，则：

当S＝R₁C时，MSE取得最小值，此时

由此推出：

步骤204：根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

本申请实施例中，在步骤203确定空车位中心点、被占车位中心点、车位前角点、车位后角点之后，还需要基于此通过预设泊车车位匹配算法，匹配泊车车位以便精准地确定泊车车位角点。

在步骤204具体实施时，首先，需要以车位中心点为圆心、以预设半径值为半径画圆得到一个当前圆；然后，该当前圆内可能包含多个车位角点、车位中心点，需要其中四个车位角点进行组合，得到多个四边形；最后，当四个车位角点组合的某个四边形中只包含车位中心点而不包含其他车位角点或车位中心点，且在多个四边形中该四边形面积最小，认为该四个车位角点组成一个合格车位，则该四个车位角点为泊车车位角点。因此，在本申请实施例一种可选的实施方式中，所述步骤204例如可以包括以下步骤中步骤E-步骤G：

步骤E：将每个所述空车位中心点和每个被占车位中心点分别作为当前车位中心点，以所述当前车位中心点为圆心、预设半径值为半径画圆获得当前圆。

步骤F：在所述当前圆内组合两个所述车位前角点和两个所述车位后角点，获得多个四边形。

步骤G：若多个所述四边形中目标四边形只包括所述当前车位中心点，且所述目标四边形的面积最小，确定所述目标四边形对应的两个所述车位前角点和两个所述车位后角点为所述泊车车位角点。

通过本实施例提供的各种实施方式，在自动泊车时，通过环视车辆的周围车位，获得以车辆为中心的车辆周围车位俯视图；根据车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；预设检测算法是根据车辆周围车位俯视图样本和车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；根据空车位中心点热力图、被占车位中心点热力图、车位前角点热力图、车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；根据空车位中心点、被占车位中心点、车位前角点、车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

对于车辆周围车位俯视图，通过预设检测算法得到表示像素点分别为空车位中心点、被占车位中心点、车位前角点、车位后角点的置信度的四通道热力图；基于该四通道热力图对空车位中心点、被占车位中心点、车位前角点和车位后角点进行精确定位，并通过预设泊车车位匹配算法对泊车车位角点进行精确定位。该方法大大提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性，从而提升用户体验。

示例性装置

参见图4，示出了本申请实施例中一种确定泊车车位角点的装置的结构示意图。在本实施例中，所述装置例如具体可以包括：

第一获得单元401，用于在自动泊车时，通过环视车辆的周围车位，获得以所述车辆为中心的车辆周围车位俯视图；

第二获得单元402，用于根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；

第一确定单元403，用于根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；

第二确定单元404，用于根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

在本申请实施例一种可选的实施方式中，所述第一确定单元403，包括：

第一获得子单元，用于将所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图分别划分成多个区域，获得多个热力图区域；

第一确定子单元，用于根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

在本申请实施例一种可选的实施方式中，所述第一确定子单元，包括：

第一获得模块，用于根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点；

第二获得模块，用于根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点；

确定模块，用于基于所述多个第二候选像素点进行高斯曲面拟合，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

在本申请实施例一种可选的实施方式中，所述第一获得模块，包括：

第一获得子模块，用于查找每个所述热力图区域中置信度最大的像素点，获得多个初始候选像素点；

第二获得子模块，用于若所述初始候选像素点的置信度小于所述预设置信度，删除所述初始候选像素点，获得多个所述第一候选像素点。

在本申请实施例一种可选的实施方式中，所述第二获得模块，包括：

删除子模块，用于若任意两个所述第一候选像素点的距离小于预设距离，删除其中置信度小的所述第一候选像素点；

第三获得子模块，用于若所述第一候选像素点的预设相邻区域内像素点的置信度小于所述预设置信度，删除所述第一候选像素点，获得多个所述第二候选像素点。

在本申请实施例一种可选的实施方式中，所述第二确定单元404，包括：

第二获得子单元，用于将每个所述空车位中心点和每个被占车位中心点分别作为当前车位中心点，以所述当前车位中心点为圆心、预设半径值为半径画圆获得当前圆；

第三获得子单元，用于在所述当前圆内组合两个所述车位前角点和两个所述车位后角点，获得多个四边形；

第二确定子单元，用于若多个所述四边形中目标四边形只包括所述当前车位中心点，且所述目标四边形的面积最小，确定所述目标四边形对应的两个所述车位前角点和两个所述车位后角点为所述泊车车位角点。

在本申请实施例一种可选的实施方式中，所述第一获得单元401，包括：

获取子单元，用于在自动泊车时获取所述车辆的前、后、左、右四路鱼眼图像；

第四获得子单元，用于拼接所述车辆的前、后、左、右四路鱼眼图像，获得所述车辆周围车位俯视图。

通过本实施例提供的各种实施方式，在自动泊车时，通过环视车辆的周围车位，获得以车辆为中心的车辆周围车位俯视图；根据车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；预设检测算法是根据车辆周围车位俯视图样本和车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；根据空车位中心点热力图、被占车位中心点热力图、车位前角点热力图、车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；根据空车位中心点、被占车位中心点、车位前角点、车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

对于车辆周围车位俯视图，通过预设检测算法得到表示像素点分别为空车位中心点、被占车位中心点、车位前角点、车位后角点的置信度的四通道热力图；基于该四通道热力图对空车位中心点、被占车位中心点、车位前角点和车位后角点进行精确定位，并通过预设泊车车位匹配算法对泊车车位角点进行精确定位。该方法大大提高确定泊车车位角点的准确性，以提高确定泊车车位的准确性，提升自动泊车技术的准确性，从而提升用户体验。

此外，本申请实施例还提供了一种终端设备，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的确定泊车车位角点的方法。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的确定泊车车位角点的方法。

本说明书中各个实施例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部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

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。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，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。

Claims (10)

1.一种确定泊车车位角点的方法，其特征在于，包括：

在自动泊车时获得以车辆为中心的车辆周围车位俯视图；

根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；

根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；

根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

2.根据权利要求1所述的方法，其特征在于，所述根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点，包括：

将所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图分别划分成多个区域，获得多个热力图区域；

根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个热力图区域和所述像素点的置信度筛选所述像素点，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点，包括：

根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点；

根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点；

基于所述多个第二候选像素点进行高斯曲面拟合，确定所述空车位中心点、所述被占车位中心点、所述车位前角点和所述车位后角点。

4.根据权利要求3所述的方法，其特征在于，所述根据预设置信度筛选每个所述热力图区域中置信度最大的像素点，获得多个第一候选像素点，包括：

查找每个所述热力图区域中置信度最大的像素点，获得多个初始候选像素点；

若所述初始候选像素点的置信度小于所述预设置信度，删除所述初始候选像素点，获得多个所述第一候选像素点。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一候选像素点和周围像素点的置信度筛选所述第一候选像素点，获得多个第二候选像素点，包括：

若任意两个所述第一候选像素点的距离小于预设距离，删除其中置信度小的所述第一候选像素点；

若所述第一候选像素点的预设相邻区域内像素点的置信度小于所述预设置信度，删除所述第一候选像素点，获得多个所述第二候选像素点。

6.根据权利要求1所述的方法，其特征在于，所述根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点，包括：

将每个所述空车位中心点和每个被占车位中心点分别作为当前车位中心点，以所述当前车位中心点为圆心、预设半径值为半径画圆获得当前圆；

在所述当前圆内组合两个所述车位前角点和两个所述车位后角点，获得多个四边形；

若多个所述四边形中目标四边形只包括所述当前车位中心点，且所述目标四边形的面积最小，确定所述目标四边形对应的两个所述车位前角点和两个所述车位后角点为所述泊车车位角点。

7.根据权利要求1所述的方法，其特征在于，所述在自动泊车时获得以车辆为中心的车辆周围车位俯视图，包括：

在自动泊车时获取所述车辆的前、后、左、右四路鱼眼图像；

拼接所述车辆的前、后、左、右四路鱼眼图像，获得所述车辆周围车位俯视图。

8.一种确定泊车车位角点的装置，其特征在于，包括：

第一获得单元，用于在自动泊车时，通过环视车辆的周围车位，获得以所述车辆为中心的车辆周围车位俯视图；

第二获得单元，用于根据所述车辆周围车位俯视图和预设检测算法，获得空车位中心点热力图、被占车位中心点热力图、车位前角点热力图和车位后角点热力图；所述预设检测算法是根据车辆周围车位俯视图样本和所述车辆周围车位俯视图样本中空车位中心点位置、被占车位中心点位置、车位前角点位置、车位后角点位置，预先训练深度学习模型获得的；

第一确定单元，用于根据所述空车位中心点热力图、所述被占车位中心点热力图、所述车位前角点热力图、所述车位后角点热力图和像素点的置信度，确定空车位中心点、被占车位中心点、车位前角点和车位后角点；

第二确定单元，用于根据所述空车位中心点、所述被占车位中心点、所述车位前角点、所述车位后角点和预设泊车车位匹配算法，确定泊车车位角点。

9.一种终端设备，其特征在于，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的确定泊车车位角点的方法。

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用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的确定泊车车位角点的方法。

Images