CN115775382A - 车位重建方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开实施例公开了一种车位重建方法、装置、电子设备和存储介质，其中，方法包括：基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果；确定当前帧集中各车位分别对应的第一状态量；基于当前帧集中各车位分别对应的各第二车位角点检测结果、及预设优化规则，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量；基于各车位分别对应的第二状态量，确定各车位分别对应的第一坐标系下的目标位置。本公开实施例可以有效提高车位优化的鲁棒性，从而提高优化获得的车位位置的准确性。

Description

车位重建方法、装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术，尤其是一种车位重建方法、装置、电子设备和存储介质。

背景技术

车位重建已成为HPA(自学习型泊车)、AVP(代客泊车)等泊车场景中的重要技术，是高精地图中必不可少的部分。目前的车位重建通常基于深度学习模型提取车位角点，进而通过帧滑窗策略，基于滑窗中的车位观测情况对车位角点进行优化，但是采用帧滑窗策略，对误检、漏检、图像标定误差、图像拼接误差等的鲁棒性较差，从而导致优化获得的车位位置准确性较差。

发明内容

为了解决上述帧滑窗策略导致车位重建的位置准确性较差等技术问题，提出了本公开。本公开的实施例提供了一种车位重建方法、装置、电子设备和存储介质。

根据本公开实施例的一个方面，提供了一种车位重建方法，包括：基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，所述当前帧集包括当前帧和第二数量的历史帧，所述第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，所述第一车位角点检测结果及所述第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置；确定当前帧集中各所述车位分别对应的第一状态量，其中，对于所述当前帧集中首次检测到的新车位，所述新车位的第一状态量为所述新车位的初始化状态量，对于所述当前帧集中非首次检测到的已检车位，所述已检车位的第一状态量为在在前帧集中所述已检车位对应的优化后的状态量；基于当前帧集中各所述车位分别对应的各所述第二车位角点检测结果、及预设优化规则，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量；基于各所述车位分别对应的所述第二状态量，确定各所述车位分别对应的所述第一坐标系下的目标位置。

根据本公开实施例的另一个方面，提供了一种车位重建装置，包括：第一处理模块，用于基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，所述当前帧集包括当前帧和第二数量的历史帧，所述第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，所述第一车位角点检测结果及所述第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置；第一确定模块，用于确定当前帧集中各所述车位分别对应的第一状态量，其中，对于所述当前帧集中首次检测到的新车位，所述新车位的第一状态量为所述新车位的初始化状态量，对于所述当前帧集中非首次检测到的已检车位，所述已检车位的第一状态量为在在前帧集中所述已检车位对应的优化后的状态量；第二处理模块，用于基于当前帧集中各所述车位分别对应的各所述第二车位角点检测结果、及预设优化规则，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量；第三处理模块，用于基于各所述车位分别对应的所述第二状态量，确定各所述车位分别对应的所述第一坐标系下的目标位置。

根据本公开实施例的再一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开上述任一实施例所述的车位重建方法。

根据本公开实施例的又一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本公开上述任一实施例所述的车位重建方法。

基于本公开上述实施例提供的车位重建方法、装置、电子设备和存储介质，通过观测置信度确定出各车位分别对应的第一数量的第二车位角点检测结果，实现了基于观测置信度的观测滑窗，用于对车位的状态量进行优化，获得优化后的车位的目标位置，可以有效降低因图像标定误差、感知误差等的影像，有效提高车位优化的鲁棒性，从而提高优化获得的车位位置的准确性。

下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。

附图说明

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本公开提供的车位重建方法的一个示例性的应用场景；

图2是本公开一示例性实施例提供的车位重建方法的流程示意图；

图3是本公开另一示例性实施例提供的车位重建方法的流程示意图；

图4是本公开一示例性实施例提供的畸变误差示意图；

图5是本公开一示例性实施例提供的步骤2031的流程示意图；

图6是本公开一示例性实施例提供的平行四边形车位的示意图；

图7是本公开一示例性实施例提供的车位朝向残差的原理示意图；

图8是本公开一示例性实施例提供的车位长度残差的原理示意图；

图9是本公开一示例性实施例提供的车位侧边投影残差的原理示意图；

图10是本公开再一示例性实施例提供的车位重建方法的流程示意图；

图11是本公开一示例性实施例提供的入口线对齐示意图；

图12是本公开一示例性实施例提供的车位重建装置的结构示意图；

图13是本公开另一示例性实施例提供的车位重建装置的结构示意图；

图14是本公开电子设备一个应用实施例的结构示意图。

具体实施方式

下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。

还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。

还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。

另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。

还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

本公开概述

在实现本公开的过程中，发明人发现，车位重建已成为HPA(自学习型泊车)、AVP(代客泊车)等泊车场景中的重要技术，是高精地图中必不可少的部分。目前的车位重建通常基于深度学习模型提取车位角点，进而通过帧滑窗策略，基于滑窗中的车位观测情况对车位角点进行优化，但是采用帧滑窗策略，对误检、漏检、图像标定误差、图像拼接误差等的鲁棒性较差，从而导致优化获得的车位位置准确性较差。

示例性概述

图1是本公开提供的车位重建方法的一个示例性的应用场景。

在泊车场景中，可以通过预配置的角点检测模型对车位角点进行检测，获得各车位分别对应的第一坐标系(比如世界坐标系)下的车位角点检测结果(称为第一车位角点检测结果)，角点检测模型可以采用任意可实施的模型，比如基于深度学习的角点检测模型，具体可以根据实际需求设置。比如，在进行角点检测时，可以基于车辆上的摄像头采集车辆周围的环境图像，基于周围的环境图像进行车位角点检测，获得各车位分别对应的第一车位角点检测结果，也可以是基于环境图像获得图像坐标系下的车位角点检测结果，再转换到第一坐标系下获得各车位分别对应的第一车位角点检测结果，具体不作限定。利用本公开的车位重建方法，可以基于当前帧集中各帧分别对应的第一车位角点检测结果及观测置信度规则，确定各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，当前帧集可以包括当前帧和第二数量的历史帧，第二数量可以根据实际需求设置，比如可以包括所有历史帧，也可以是包括在前确定的观测置信度满足预设条件的历史帧，具体可以根据实际需求设置。观测置信度可以采用任意可实施的方式确定，比如基于误差分布描述函数或基于车位语义分割结果确定，具体可以根据实际需求设置，观测置信度表征了第一车位角点检测结果在其他观测方式中的可信程度，观测置信度越高表示该第一车位角点检测结果越接近真实车位角点。在确定了各车位分别对应的各第二车位角点检测结果之后，可以确定当前帧集中各车位分别对应的第一状态量，第一状态量是当前帧集下各车位分别对应的待优化的状态量，对于当前帧集中首次检测到的新车位，将新车位的初始化状态量作为第一状态量，对于当前帧集中非首次检测到的已检车位，将在前帧集中该已检车位对应的优化后的状态量作为当前帧集下该已检车位的第一状态量，进而基于当前帧集中各车位分别对应的各第二车位角点检测结果对各车位分别对应的第一状态量进行优化，获得各车位分别对应的优化后的第二状态量，基于各车位分别对应的第二状态量可以确定各车位分别对应的第一坐标系下的目标位置。由于是基于第一车位角点检测结果的观测置信度确定出第一数量的第二车位角点检测结果用于状态量的优化，实现了基于观测置信度的观测滑窗，相对于相关技术的帧滑窗规则，本公开的车位重建方法采用较优观测结果，可以有效提高对误检、漏检、图像标定误差、图像拼接误差等的鲁棒性，从而提高优化获得的车位位置的准确性。

本公开的车位重建方法不限于应用于泊车场景，还可以应用于任意需要进行车位重建的其他场景，比如停车场地图的建图场景，具体不作限定。

示例性方法

图2是本公开一示例性实施例提供的车位重建方法的流程示意图。本实施例可应用在电子设备上，具体比如车载计算平台上，如图2所示，包括如下步骤：

步骤201，基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，当前帧集包括当前帧和第二数量的历史帧，第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，第一车位角点检测结果及第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置。

其中，第一数量和第二数量可以根据实际需求设置，比如第一数量可以为预设值，比如10、20，等等。第二数量可以为当前帧之前的所有历史帧数量，也可以是在前确定的观测置信度满足预设条件的历史帧数量，具体可以根据实际需求设置。观测置信度可以采用任意可实施的方式确定，比如基于误差分布描述函数或基于车位语义分割结果确定，具体可以根据实际需求设置，观测置信度表征了第一车位角点检测结果在其他观测方式中的可信程度，观测置信度越高表示该第一车位角点检测结果越接近真实车位角点。预设条件可以根据实际需求设置。第一坐标系可以为世界坐标系，第一车位角点检测结果可以采用任意可实施的角点检测模型获得，比如基于深度学习的角点检测模型，具体可以根据实际需求设置。

在一个可选示例中，在当前帧进行角点检测时，可以基于车辆上的摄像头采集车辆周围的当前帧环境图像，基于当前帧环境图像进行车位角点检测，获得当前帧的各车位分别对应的第一车位角点检测结果，作为当前帧对应的第一车位角点检测结果，也可以是基于当前帧环境图像获得图像坐标系下的车位角点检测结果，再转换到第一坐标系下获得当前帧的各车位分别对应的第一车位角点检测结果，具体不作限定。每个历史帧都在每个历史帧对应的历史时刻作为当前帧，其对应的第一车位角点检测结果获得方式与前述当前帧一致，不再一一赘述。每一帧可以包括一个或多个车位，每一帧对应的第一车位角点检测结果包括该帧检测到的各车位分别对应的第一车位角点检测结果，因此，对于一个车位来说，其可以在一个或多个帧中对应有第一车位角点检测结果，比如对于某车位A，在连续20帧图像中观测到该车位A，则该20帧图像中的每帧图像都可以对应该车位A的第一车位角点检测结果。每个第一车位角点检测结果可以包括其对应车位的第一坐标系下的至少一个角点的观测位置，比如包括4个角点分别对应的观测位置。对于每个车位，其对应的各第二车位角点检测结果是基于观测置信度从其对应的各第一车位角点检测结果中确定出的一部分，因此，每个第二车位角点检测结果实质上对应一个第一车位角点检测结果，每个第二车位角点检测结果也包括其对应车位的第一坐标系下的至少一个角点的观测位置。

在一个可选实施例中，不同帧中的车位可以通过跟踪算法实现车位的跟踪，确定出不同帧中车位的对应关系，具体原理不再赘述。

在实际应用中，对于每个车位，其第一数量可以相同或不同，具体可以根据实际需求设置。比如在首次观测到某车位时，其观测帧数只有一帧，也即只有一个第一车位角点检测结果，第一数量为1，在后续随着观测帧数的增加，第一数量可以增加，当观测帧数达到数量阈值后，第一数量可以为固定值，比如第一数量设置为20帧，具体可以根据实际需求设置。

步骤202，确定当前帧集中各车位分别对应的第一状态量，其中，对于当前帧集中首次检测到的新车位，新车位的第一状态量为新车位的初始化状态量，对于当前帧集中非首次检测到的已检车位，已检车位的第一状态量为在在前帧集中已检车位对应的优化后的状态量。

其中，各车位分别对应的第一状态量是当前帧集下各车位分别对应的待优化的状态量，对于当前帧集中非首次检测到的已检车位，其在在前帧集下已进行过优化，基于车位实际位置的不变性，可以将在前帧集中该已检车位对应的优化后的状态量作为当前帧集下该已检车位的第一状态量；对于当前帧集中首次检测到的新车位，其还未有对应的状态量，因此，需要对其进行状态量初始化，获得初始化状态量，将该初始化状态量作为新车位对应的第一状态量。新车位的数量根据实际检测结果确定，可以包括1个或多个，或者当前帧也可以不包括新车位，具体不作限定。新车位的初始化状态量可以采用任意可实施的方式确定，比如可以基于该新车位的第一车位角点检测结果对新车位的状态量进行初始化，获得初始化状态量。

在一个可选示例中，第一状态量X₁可以包括车位的航向角θ₁、内角α₁、中心点横坐标px₁、中心点纵坐标py₁、宽度W₁和长度L₁，可以表示为：

X₁＝[θ₁,α₁,px₁,py₁,W₁,L₁]^T

其中，T表示转置。

步骤203，基于当前帧集中各车位分别对应的各第二车位角点检测结果、及预设优化规则，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量。

其中，预设优化规则可以根据实际需求设置，比如可以采用任意的非线性最小二乘优化算法进行状态量优化。

步骤204，基于各车位分别对应的第二状态量，确定各车位分别对应的第一坐标系下的目标位置。

在一个可选实施例中，目标位置可以包括车位的四个角点的第一世界坐标系下的目标坐标，可以基于第二状态量与车位角点的转换关系，确定各车位分别对应的目标位置。

在一个可选示例中，矩形车位A的优化后的第二状态量表示为：

X₂＝[θ₂,α₂,px₂,py₂,W₂,l₂]^T

则车位A的四个角点的坐标分别通过如下转换关系获得：

其中，P0、P1、P2和P3表示车位A的四个角点坐标。

在一个可选实施例中，也可以将第二状态量中各状态量作为车位的目标位置，比如上述X₂作为车位的目标位置，由后续应用根据该目标位置确定车位的四个角点坐标，本实施例不作限定。

本实施例提供的车位重建方法，基于观测置信度从当前帧集的各车位分别对应的第一车位角点检测结果中确定出各车位分别对应的满足预设条件的第一数量的第二车位角点检测结果，用于对各车位分别对应的第一状态量进行优化，获得各车位分别对应的优化后的第二状态量，进而基于优化后的第二状态量确定各车位分别对应的目标位置，由于采用的是观测较优的第二车位角点检测结果进行状态量优化，实现了基于观测置信度的观测滑窗，相对于相关技术的帧滑窗规则，可以有效提高对误检、漏检、图像标定误差、图像拼接误差等的鲁棒性，从而提高优化获得的车位位置的准确性。

图3是本公开另一示例性实施例提供的车位重建方法的流程示意图。

在一个可选实施例中，步骤201具体可以包括以下步骤：

步骤2011，基于各第一车位角点检测结果、及预先获得的误差分布描述函数，确定各帧中各车位分别对应的第一车位角点检测结果的第一观测置信度；和/或，基于各第一车位角点检测结果、及各帧分别对应的第一车位语义分割结果，确定各帧中各车位分别对应的第一车位角点检测结果的第二观测置信度。

其中，误差分布描述函数用于描述车位观测的畸变误差分布，误差越大表示置信度越小，可以基于此原理，设置误差到置信度的映射规则，将误差映射为置信度，确定出各车位分别对应的第一车位角点检测结果的第一观测置信度。

在一个可选实施例中，车位角点检测基于IPM(Inverse Perspective Mapping，逆透视变换)鸟瞰图实现，比如通过四路环视鱼眼相机采集的图像经IPM变换获得鸟瞰图，鸟瞰图对应的坐标系可以为车辆坐标系或其他可以表示鸟瞰视角的坐标系，在鸟瞰图下，在横向和纵向具有一定的畸变误差。示例性的，图4是本公开一示例性实施例提供的畸变误差示意图。其中，越亮的区域误差越小。误差分布描述函数是用于模拟图4所示的畸变误差。对于误差的确定需要用到其他坐标系(比如图像坐标系、车辆坐标系)的角点坐标，则可以通过第一车位角点检测结果中的第一坐标系下的角点的观测位置进行坐标转换获得，也可以是预先存储有其他坐标系下对应的角点坐标，则通过第一车位角点检测结果中的角点观测位置及预存储的对应关系获得其他坐标系下的角点坐标，具体原理不再赘述。

在一个可选示例中，误差分布描述函数可以为变形双曲抛物描述函数，具体可以根据实际需求设置。

在一个可选实施例中，每帧的第一车位语义分割结果可以包括该帧中观测到的各车位分别对应的车位轮廓像素点，将车位轮廓像素点转换到第一坐标系，可以获得第一坐标系下的车位轮廓点，基于车位轮廓点可以确定车位线，通过第一车位角点检测结果中各角点的观测位置与车位线的距离(距离越大表示置信度越小)，可以确定第一车位角点检测结果的第二观测置信度。

在一个可选实施例中，也可以将第一车位角点检测结果中各角点的观测位置投影到对应帧的图像上，获得投影点，通过投影点与车位语义分割结果确定的图像坐标系下的车位线的距离，确定第二观测置信度。

步骤2012，对于任一车位，基于该车位对应的各第一车位角点检测结果的第一观测置信度和/或第二观测置信度，确定该车位对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果。

其中，预设条件可以根据实际需求设置，比如预设条件为观测置信度较高的TOPn(观测置信度从高到低排序，排名靠前的n个)的第二车位角点检测结果。n表示第一数量。

在一个可选实施例中，可以仅根据第一观测置信度或第二观测置信度确定各第二车位角点检测结果。

在一个可选实施例中，可以综合第一观测置信度和第二观测置信度确定各第二车位角点检测结果。比如选择第一观测置信度靠前的一部分第一车位角点检测结果和第二观测置信度靠前的一部分第一车位角点检测结果，去重后形成第一数量的第二车位角点检测结果。具体综合规则可以根据实际需求设置。

本实施例通过第一观测置信度和/或第二观测置信度确定各车位分别对应的观测较优的第二车位角点检测结果，用于状态量的优化，进一步提升角点检测的鲁棒性和准确性。

在一个可选实施例中，步骤203的基于当前帧集中各车位分别对应的各第二车位角点检测结果、及预设优化规则，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，包括：

步骤2031，基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，预设目标函数包括车位入口角点残差函数、车位朝向残差函数、车位侧边投影残差函数和车位长度残差函数中的至少一种残差函数。

其中，预设目标函数基于车位入口角点残差函数、车位朝向残差函数、车位侧边投影残差函数和车位长度残差函数中的至少一种残差函数构建，作为状态量优化的目标，即通过不断优化状态量使得预设目标函数的值最小，预设优化算法可以为非线性最小二乘算法，将车位角点的优化转化为非线性最小二乘问题，可以通过一定的求解算法(比如最速梯度下降法、牛顿法、高斯牛顿法，等等)求解，实现状态量的迭代更新，从而实现车位位置的优化。车位入口角点残差函数用于表征状态量与第二车位角点检测结果中角点的观测位置的重投影残差；车位朝向残差函数用于表征状态量与第二车位角点检测结果的车位朝向残差；车位侧边投影残差函数用于表征状态量所确定的车位侧边与第二车位角点检测结果所确定的车位侧边的投影残差；车位长度残差函数用于表征状态量所确定的车位长度与第二车位角点检测结果所确定的车位长度的残差。通过各残差函数中的至少一种对状态量优化进行约束，使得优化后的状态量所确定的车位位置更加接近实际车位位置。

本实施例通过各车位分别对应的第二车位角点检测结果及预设目标函数，将车位角点的优化转化为非线性优化问题，便于通过一定的求解算法实现状态量的迭代更新，从而实现车位位置的优化。

图5是本公开一示例性实施例提供的步骤2031的流程示意图。

在一个可选实施例中，步骤2031的基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，包括：

步骤20311，基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位入口角点残差、车位朝向残差、车位侧边投影残差、车位长度残差和当前雅克比矩阵，当前雅克比矩阵包括车位入口角点残差、车位朝向残差和车位长度残差分别关于第一状态量的雅克比，或者，当前雅克比矩阵包括车位入口角点残差、车位侧边投影残差和车位长度残差分别关于第一状态量的雅克比。车位入口角点残差可以基于车位入口角点残差函数确定，车位朝向残差可以基于车位朝向残差函数确定，车位侧边投影残差可以基于车位侧边投影残差函数确定，车位长度残差可以基于车位长度残差函数确定。

其中，由于车位朝向残差和车位侧边投影残差都是表示车位朝向的残差，因此可以择一使用，以降低计算复杂度。

在一个可选实施例中，若采用车位朝向残差，则可以基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位入口角点残差、车位朝向残差、车位长度残差和当前雅克比矩阵，这种情况下，当前雅克比矩阵(可以称为第一当前雅克比矩阵)包括车位入口角点残差、车位朝向残差和车位长度残差分别关于第一状态量的雅克比。

在一个可选实施例中，若采用车位侧边投影残差，则可以基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位入口角点残差、车位朝向残差、车位侧边投影残差、车位长度残差和当前雅克比矩阵，这种情况下，当前雅克比矩阵(可以称为第二当前雅克比矩阵)包括车位入口角点残差、车位侧边投影残差和车位长度残差分别关于第一状态量的雅克比。

在一个可选实施例中，也可以既采用车位朝向残差，又采用车位侧边投影残差，这种情况下，当前雅克比矩阵(可以称为第三当前雅克比矩阵)包括车位入口角点残差、车位朝向残差、车位侧边投影残差和车位长度残差分别关于第一状态量的雅克比。具体可以根据实际需求设置。

在一个可选实施例中，对于任一种残差，可以基于各车位分别对应的第一状态量、各第二车位角点检测结果、以及该残差对应的确定规则确定，比如对于车位入口角点残差，对于每个车位，将第一状态量映射到入口角点坐标，将该入口角点坐标与第二车位角点检测结果中的入口角点观测位置的差值用于确定车位入口角点残差。各残差分别对应的确定规则可以根据实际需求设置。

步骤20312，基于车位入口角点残差、车位朝向残差、车位长度残差、及当前雅克比矩阵，确定当前迭代步长；或者，基于车位入口角点残差、车位侧边投影残差、车位长度残差、及当前雅克比矩阵，确定当前迭代步长。

其中，当前迭代步长可以采用任意可实施的求解算法确定，比如高斯牛顿法，具体不作限定。当前雅克比矩阵可以通过各残差分别对第一状态量的各状态量(比如包括航向角、内角、中心点横坐标、中心点纵坐标、宽度、长度6个状态量)的一阶偏导数获得，具体一阶偏导数的确定原理不再赘述。

在一个可选实施例中，参见前述内容，对于车位朝向残差和车位侧边投影残差择一而用的情况，若步骤20311采用了车位朝向残差，则基于车位入口角点残差、车位朝向残差、车位长度残差、及第一当前雅克比矩阵，确定当前迭代步长；若步骤20311采用了车位侧边投影残差，则基于车位入口角点残差、车位侧边投影残差、车位长度残差、及第二当前雅克比矩阵，确定当前迭代步长。

在一个可选实施例中，对于车位朝向残差和车位侧边投影残差均使用的情况，则基于车位入口角点残差、车位朝向残差、车位侧边投影残差、车位长度残差、及第三当前雅克比矩阵，确定当前迭代步长。

步骤20313，基于当前迭代步长，对各第一状态量进行更新，获得各车位分别对应的第二状态量。

其中，当前迭代步长表征了第一状态量的更新步长，因此，通过当前迭代步长对第一状态量进行更新，可以获得优化后的第二状态量。

本实施例通过综合车位入口角点残差、车位朝向残差或车位侧边投影残差、车位长度残差确定当前迭代步长，对第一状态量进行更新，使得优化后的第二状态量所确定的车位位置在入口角点、车位方向、车位长度方面都能够更加接近实际车位情况，进一步提高车位位置的准确性。

在一个可选实施例中，步骤20311中的基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位入口角点残差，包括：

1、对于任一车位，基于该车位对应的第一状态量，确定该车位的各入口角点分别对应的第一入口角点坐标。

2、基于该车位对应的各第二车位角点检测结果，确定该车位在各帧分别对应的入口角点观测位置。

3、基于各车位分别对应的各第一入口角点坐标、及各车位在各帧分别对应的入口角点观测位置，确定车位入口角点残差。

其中，入口角点包括车位入口的两个角点，基于第一状态量确定各第一入口角点坐标的具体操作与第二状态量确定角点坐标类似，比如，对于矩形车位，可以参见前述P0-P3，P0-P3四个角点中包括车位入口的两角点，在实际应用中，对于每个车位可以标记入口角点，在整个观测过程中保证入口角点始终用相同的符号表示。比如P0和P3表示两个入口角点，则根据上述P0和P3的转换关系将第一状态量转换为对应车位的各入口角点分别对应的第一入口角点坐标。

在一个可选实施例中，对于平行四边形车位，从状态量到车位角点坐标的转换关系与矩形车位不同，示例性的，图6是本公开一示例性实施例提供的平行四边形车位的示意图。在本示例中，对于平行四边形车位B，基于第一状态量X₁＝[θ₁,α₁,px₁,py₁,W₁,L₁]^T确定的四个角点坐标P0^′、P1′、P2′、P3′可以表示如下：

基于上述转换关系，可以确定车位B的第一状态量对应的各入口角点分别对应的第一入口角点坐标。

第i个车位的第一状态量所确定的各第一入口角点坐标(比如为P0^′和P3^′)与该车位的第j个第二车位角点检测结果所确定的各入口角点观测位置(比如为P0(1)和P3(1))的重投影残差表示为：

其中，e_ij(1)和e_ij(2)分别表示两个入口角点的残差。

则车位入口角点残差表示为：

其中，N表示当前帧集中观测到的车位的总数量，M表示每个车位的第二车位角点检测结果的数量，也即第一数量。

本实施例通过采用入口角点的重投影残差作为预设目标函数的一个残差项，用于状态量的优化，保证了入口角点的稳定性。

在一个可选实施例中，步骤20311中的基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位朝向残差，包括：

1、对于任一车位，基于该车位对应的第一状态量，确定第一状态量对应的第一入口线中点与第一远端线中点之间的第一直线。

其中，第一入口线中点和第一远端线中点可以通过第一状态量所确定的四个角点坐标来确定，第一直线是经过第一入口线中点和第一远端线中点的直线，也即第一状态量所确定的车位的中轴线。

2、基于该车位对应的各第二车位角点检测结果，确定各第二车位角点检测结果分别对应的第一观测远端线中点和第一观测远端线所在的第二直线。

其中，对于任一第二车位角点检测结果，其对应的第一观测远端线是指该第二车位角点检测结果中的两远端角点的观测位置之间的观测车位线，第一观测远端线中点是指两远端角点的观测位置之间的中点。

3、基于第一直线和各第二直线，确定各第二车位角点检测结果分别对应的第一交点。

其中，对于任一第二车位角点检测结果，其对应的第一交点是其对应的第二直线与第一直线的交点。

4、基于各第一交点与各第一观测远端线中点，确定该车位对应的朝向残差。

其中，对于该车位的任一第二车位角点检测结果，可以基于其对应的第一交点与第一观测远端线中点的距离表示该第二车位角点检测结果的残差，基于各第二车位角点检测结果的残差，确定该车位对应的朝向残差。若第一状态量的车位与第二车位角点检测结果一致，该第一交点应该与第一观测远端线中点重合，因此，通过第一交点与第一观测远端线中点的距离可以表征一次观测的朝向残差。

5、基于各车位分别对应的朝向残差，确定车位朝向残差。

示例性的，图7是本公开一示例性实施例提供的车位朝向残差的原理示意图。其中，实线矩形是基于第一状态量确定的车位，p1表示第一入口线中点，p2表示第一远端线中点，l1表示第一直线，虚线框表示第二车位角点检测结果对应的车位，虚线框的四个角的黑色点表示第二车位角点检测结果所包括的四个角点的观测位置，p3表示第一观测远端线中点，l2表示第二直线，p4表示第一交点，p4与p3的距离用于确定车位的朝向残差。示例性的，第s个车位的第k个第二车位角点检测结果的朝向残差表示为e_sk，则车位朝向残差表示为：

本实施例通过第一状态量所确定车位的远端线中点与第二车位角点检测结果的观测远端线中点的距离约束车位朝向角，可以避免远端点的纵向误差对车位位置产生的不利影响，从而进一步提高车位位置的准确性。

在一个可选实施例中，步骤20311中的基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位长度残差，包括：

1、对于任一车位，基于该车位对应的第一状态量，确定第一状态量对应的第二远端线中点及从第一状态量对应的第二入口线中点到第二远端线中点的第一矢量。

其中，第二远端线中点与前述的第一远端线中点的确定方式一致，第二入口线中点与前述的第一入口线中点的确定方式一致，在此不再赘述。第一矢量表示从第二入口线中点指向第二源端线中点的矢量，第一矢量可以是单位矢量。

2、基于该车位对应的各第二车位角点检测结果，确定各第二车位角点检测结果分别对应的第二观测远端线中点。

其中，第二观测远端线中点与前述的第一观测远端线中点的确定方式一致，在此不再赘述。

3、基于第二远端线中点和各第二观测远端线中点，确定各第二车位角点检测结果分别对应的从第二远端线中点指向第二观测远端线中点的第二矢量。

4、基于第一矢量和各第二矢量，确定各第二矢量在第一矢量上的投影长度。

其中，第二矢量表征了第二远端线中点与第二观测远端线中点的关系，若第一状态量所确定的车位与第二车位角点检测结果所确定的车位一致，则第二矢量在第一矢量上的投影长度应该为0，因此，通过第二矢量在第一矢量上的投影长度作为预设函数的一个残差项，通过投影长度最小化约束车位的长度，保证车位长度的稳定性，进一步提高车位位置的准确性。

5、基于各投影长度，确定该车位的长度残差。

6、基于各车位分别对应的长度残差，确定车位长度残差。

示例性的，图8是本公开一示例性实施例提供的车位长度残差的原理示意图。其中，实线矩形是基于第一状态量确定的车位，p1表示第二入口线中点，p2表示第二远端线中点，虚线框表示第二车位角点检测结果对应的车位，虚线框的四个角的黑色点表示第二车位角点检测结果所包括的四个角点的观测位置，p3表示第二观测远端线中点，实线箭头表示第一矢量，p2到p3的虚线箭头表示第二矢量，第二矢量向第一矢量投影，确定投影长度，基于各第二车位角点检测结果分别对应的投影长度确定该车位的长度残差，进而基于各车位分别对应的长度残差确定整体的车位长度残差。示例性的，第m个车位的第n个第二车位角点检测结果的长度残差表示为e_mn，则车位长度残差表示为：

在一个可选实施例中，第一矢量也可以是与第一状态量所确定车位的中轴线平行的侧边线矢量，比如图8中实线框角点3到角点2的矢量，或者角点0到角点1的矢量，具体可以根据实际需求设置。

在一个可选实施例中，车位长度残差也可以直接使用观测长度和第一状态量确定的长度的差值获得，具体可以根据实际需求设置。

本实施例通过状态量的远端中点与观测远端中点的矢量投影长度作为预设目标函数的一个残差项，实现对车位长度的约束，保证车位长度的稳定性，进一步提高车位位置的准确性。

在一个可选实施例中，步骤20311的基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位侧边投影残差，包括：

1、对于任一车位，基于该车位对应的第一状态量，确定该车位对应的第一侧边矢量和第二侧边矢量。

其中，第一侧边矢量和第二侧边矢量是指与入口线相邻的两侧边矢量，可以通过侧边的两个角点坐标确定。比如前述角点0和3为入口角点，则角点0与角点1之间的边为一个侧边，角点3与角点2之间的边为另一个侧边。

2、基于该车位对应的各第二车位角点检测结果，确定该车位对应的各第一观测侧边矢量和第二观测侧边矢量。

其中，第一观测侧边矢量和第二观测侧边矢量分别与第一侧边矢量和第二侧边矢量类似，通过第二车位角点检测结果中侧边的两角点的观测位置确定，具体不再赘述。

3、基于各第一观测侧边矢量、各第二观测侧边矢量、第一侧边矢量和第二侧边矢量，确定该车位对应的侧边投影残差。

其中，将第一侧边矢量顺时针旋转90度，确定第三矢量，对于任一第一观测侧边矢量，将该第一观测侧边矢量投影到第三矢量上，获得第一投影长度，对于另一侧边同样处理，获得第二投影长度，将第一投影长度和第二投影长度作为该第二车位角点检测结果对应的侧边投影残差，基于各第二车位角点检测结果对应的侧边投影残差确定该车位对应的侧边投影残差。

在一个可选实施例中，也可以是基于第一状态量的航向角θ₁旋转90度(θ₁+π/2)确定第三矢量，将第一观测侧边矢量投影到第三矢量上，具体可以根据实际需求设置。

4、基于各车位分别对应的侧边投影残差，确定车位侧边投影残差。

示例性的，图9是本公开一示例性实施例提供的车位侧边投影残差的原理示意图。其中，实线矩形是基于第一状态量确定的车位，虚线框表示第二车位角点检测结果对应的车位，虚线框的四个角的黑色点表示第二车位角点检测结果所包括的四个角点的观测位置，p1p2表示第一观测侧边矢量，p1'p2'表示第一侧边矢量，虚线箭头表示第三矢量，第一观测侧边矢量在第三矢量的投影长度表征了第一观测侧边的方向与第一侧边的方向的一致程度，若两者一致，投影长度应为0，基于此，可以将车位侧边投影残差用于约束车位的朝向，替代前述的车位朝向残差。

示例性的，第h个车位的第d个第二车位角点检测结果的侧边投影残差表示为e_hd，则车位侧边投影残差表示为：

在一个可选实施例中，预设目标函数可以表示为：

L＝L(1)+L(2)+L(3)

在一个可选实施例中，预设目标函数可以表示为：

L＝L(1)+L(4)+L(3)

在一个可选实施例中，预设目标函数可以表示为：

L＝L(1)+L(2)+L(3)+L(4)

优化目的为使目标函数最小。

在一个可选实施例中，对应车位侧边投影残差，可以配置两条侧边权重，比如当某条侧边被遮挡，可以降低该侧边对车位朝向的贡献，进一步提高车位重建的准确性。且即使车位位置因里程计不准发生了偏移，由于矢量点乘不会受位置的影响，使得车位航向角约束在任何情况下都能够有效起到约束作用。

图10是本公开再一示例性实施例提供的车位重建方法的流程示意图。

在一个可选实施例中，步骤2031的基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，包括：

步骤2031a，基于各车位分别对应的各第二车位角点检测结果、预设目标函数、及预设相邻车位约束条件，采用高斯牛顿迭代法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量。

其中，预设相邻车位约束条件可以根据实际需求设置，比如相邻车位航向角相同(航向角约束)、内角相同(内角约束)、入口线共线(入口线共线约束)，等等。高斯牛顿迭代法通过雅克比矩阵、迭代步长和残差(目标函数)所满足的正规方程求解当前迭代步长。

示例性的，当前雅克比矩阵表示为J(x)，当前迭代步长表示为Δx，当前残差表示为f(x)，x表示状态量(比如本公开的第一状态量)，满足如下方程：

J(x)^TJ(x)Δx＝-J(x)^Tf(x)

其中，J(x)和f(x)为已确定的量，通过求解该方程组即可获得当前迭代步长Δx，进而可以基于当前迭代步长对第一状态量进行更新，获得优化后的状态量，还可以再基于优化后的状态量按照上述流程继续迭代更新，直至满足迭代结束条件，获得优化后的第二状态量。高斯牛顿迭代法的具体原理不再赘述。

本实施例通过预设相邻车位约束条件对相邻车位之间所满足的特性进行约束，使得优化获得的第二状态量所确定的各车位更加符合实际车位情况，有效提高车位重建效果，且通过高斯牛顿迭代法可以避免求二次偏导数，有效降低计算复杂度。

在一个可选实施例中，预设相邻车位约束条件包括相邻车位朝向角相等约束、相邻车位内角相等约束和相邻车位入口线共线约束；步骤2031a的基于各车位分别对应的各第二车位角点检测结果、预设目标函数、及预设相邻车位约束条件，采用高斯牛顿迭代法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，包括：

基于各车位分别对应的第一状态量及预设聚类规则，对各车位进行聚类，获得至少一类中各类分别对应的车位集合；在基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用高斯牛顿迭代法对各第一状态量进行优化的过程中，对各车位集合分别基于预设相邻车位约束条件进行约束，以使获得的各第二状态量分别对应的车位中，属于同一车位集合的各车位满足预设相邻车位约束条件。

其中，预设聚类规则可以根据实际需求设置，比如车位聚类可以依据如下条件实现：

1、车位形状条件：同一类的车位应为同一车位形状，比如均为矩形车位，或者均为平行四边形车位。

2、车位入口到远端的单位矢量：同一类车位中两两车位单位矢量的点积应大于0，避免将尾尾相接的车位聚为一类。

3、入口线中点：同一类车位中两两车位的入口线中点应在同一直线上。

4、观测帧数条件：比如当车位的观测帧数较少(比如第一帧观测)时，由于观测量太少，车位尚未稳定，不纳入车位聚类。

5、车位朝向：同一类车位中，两两车位航向角(Yaw，也称朝向角，表示为θ)的差值应小于航向角阈值，即两两车位朝向相同或相近。

6、车位内角：同一类车位中，两两车位的内角(angle，表示为α)差值应小于内角阈值，即两两车位内角相同或相近。

7、车位四个角点围成的凸包：同一类车位中，两两车位进行尺寸膨胀后应有重叠，即相邻车位将长和宽增大一定量后具有一定的重叠部分。

8、对于7中任意两车位尺寸膨胀后没有重叠部分的，后续不再将该两车位聚为一类，避免两车位各方面条件恰好在阈值附近，导致聚类在成功和失败之间跳变。

基于上述这些条件，对各车位进行聚类，获得至少一类中各类分别对应的车位集合，将每一类对应的车位集合作为一组相邻的车位，在优化过程中对各组相邻的车位分别基于预设相邻车位约束条件进行约束，以使获得的各第二状态量分别对应的车位中，属于同一车位集合的各车位满足预设相邻车位约束条件。

本实施例通过对车位进行聚类，将相邻车位聚为一类，便于后续进行相邻车位约束，有利于将整体车位优化得更好，提高车位重建效果，且参与联合优化的车位越多，越能够消除图像畸变、IPM拼接误差、地面不平等不利因素的作用。

在一个可选实施例中，在进行相邻车位约束后，为了避免一类车位中的各车位实际并不满足相邻车位约束(比如相邻车位入口线实际并非共线、或者相邻车位的航向角并不相同)，却强加了相邻车位约束导致其与实际不符的情况发生，还可以在优化完成后，对于偏差结果较大的车位，解除相邻车位约束，转而进行单车位优化，保证车位重建的准确性。

在一个可选实施例中，相邻车位约束可以是在每次状态量更新后进行约束，也可以是在优化求解过程中加入约束，具体可以根据实际需求设置。

在一个可选示例中，对于航向角约束和内角约束，可以是在优化求解过程中，相邻车位的状态量共用同一参数实现，比如相邻车位的航向角状态量用同一航向角。

在一个可选示例中，对于入口线共线约束，可以在每次状态量更新后，对于一组相邻车位，基于更新后的状态量确定一个入口位置均值，将该组相邻车位中的每个车位根据入口线进行平移，平移到入口均值位置，使得该组相邻车位中的每个车位的入口线位于同一直线上。

在一个可选示例中，对于入口线共线约束，还可以在优化器求解过程中就加入共线约束。这种约束方式，可以通过建立入口线对齐的数学模型实现。比如，可以将同一类的车位集合中第一个车位的入口中点作为锚点，将其他车位的入口线移动至锚点所在直线上，将该操作过程加入优化问题的构建，并对该过程求导。具体来说，在确定各项残差时，基于移动后的车位状态量确定相应的残差，并确定当前雅克比矩阵，进而确定出当前迭代步长。

示例性的，图11是本公开一示例性实施例提供的入口线对齐示意图。对齐直线为第一个车位的中心点所在的与第一个车位中轴线垂直的直线。其中，黑色点表示对齐前各车位的中心点，灰色点表示对齐后的各车位的中心点，将该类的车位集合中第一个车位的入口中点作为锚点，由于车位位置状态量使用的中心点坐标，因此，将锚点所在直线移动半个待挪动车位长度，将其他车位的入口线移动至锚点所在直线，需要确定车位对齐后新的中心点坐标(灰色点)，将锚点表示为m，待挪动车位的中心点表示为p，需要确定锚点对锚定车位状态量的导数，表示为

由于对锚定车位状态量进行了求导，因此锚点并非固定点，锚定直线方程表示为l3，表示如下：

l1：y＝kx-k*mx+my+Δb

其中，x和y表示锚定直线方程变量，Δb是锚定直线挪动后的截距变化量，mx表示锚点的横坐标，my表示锚点的纵坐标，k表示锚定直线的斜率。

待挪动车位中轴线方程表示为：

l4：y＝tan(θ)(x-px)+py

其中，px和py分别表示待挪动车位的中心点横坐标和中心点纵坐标。

求l3和l4的交点即为新的车位中心点(灰色点)。

将新的车位中心点表示为p_new＝f(m，k，p，θ，Δb)，确定新的车位中心对锚定车位参数的导数表示如下：

f'(k)*dk/dθ

确定新的车位中心对自身车位参数的导数，表示如下：

f'(p)

f'(θ)

基于上述的各导数，确定当前雅克比矩阵，用于求解当前迭代步长，实现求解过程中的入口线共线约束。

在一个可选实施例中，步骤202的确定当前帧集中各车位分别对应的第一状态量，包括：

步骤2021，对于任一新车位，基于新车位对应的第一车位角点检测结果确定新车位的初始化状态量，将初始化状态量作为新车位的第一状态量。

在一个可选实施例中，可以基于第一车位角点检测结果包括的各角点的观测位置确定出航向角、内角、中心点横坐标、中心点纵坐标、宽度和长度，形成初始化状态量。

步骤2022，对于任一已检车位，获取在前帧集中已检车位对应的优化后的状态量，将在前帧集中已检车位对应的优化后的状态量作为已检车位的第一状态量。

对于已检车位，其在在前帧集下已进行过优化，基于车位实际位置的不变性，可以将在前帧集中该已检车位对应的优化后的状态量作为当前帧集下该已检车位的第一状态量。

本实施例通过对首次检测的新车位，基于第一车位角点检测结果确定其初始化状态量，实现了基于观测的状态量初始化，使得初始化状态量比较接近实际车位情况，提高收敛速度。

在一个可选实施例中，第二状态量包括其对应车位在第一坐标系下的车位中心点坐标、车位长度、车位宽度、车位朝向角和车位内角；步骤204的基于各车位分别对应的第二状态量，确定各车位分别对应的第一坐标系下的目标位置，包括：

步骤2041，基于各车位分别对应的车位中心点坐标、车位长度、车位宽度、车位朝向角、车位内角、及状态量与角点坐标的映射关系，确定各车位分别对应的车位角点坐标。

步骤2042，将各车位分别对应的车位角点坐标作为各车位分别对应的目标位置。

其中，状态量与角点坐标的映射关系参见前述内容，在此不再赘述。

本实施例通过将优化获得的第二状态量映射到车位角点坐标，将车位角点坐标作为车位的目标位置，方便后续的应用。

本公开上述各实施例或可选示例可以单独实施也可以在不冲突的情况下以任意组合方式结合实施，具体可以根据实际需求设置，本公开不作限定。

本公开实施例提供的任一种车位重建方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种车位重建方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种车位重建方法。下文不再赘述。

示例性装置

图12是本公开一示例性实施例提供的车位重建装置的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例，如图12所示的装置包括：第一处理模块501、第一确定模块502、第二处理模块503和第三处理模块504。

第一处理模块501，用于基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，当前帧集包括当前帧和第二数量的历史帧，第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，第一车位角点检测结果及第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置。

第一确定模块502，用于确定当前帧集中各车位分别对应的第一状态量，其中，对于当前帧集中首次检测到的新车位，新车位的第一状态量为新车位的初始化状态量，对于当前帧集中非首次检测到的已检车位，已检车位的第一状态量为在在前帧集中已检车位对应的优化后的状态量。

第二处理模块503，用于基于当前帧集中各车位分别对应的各第二车位角点检测结果、及预设优化规则，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量。

第三处理模块504，用于基于各车位分别对应的第二状态量，确定各车位分别对应的第一坐标系下的目标位置。

图13是本公开另一示例性实施例提供的车位重建装置的结构示意图。

在一个可选实施例中，第一处理模块501包括：第一确定单元5011和/或第二确定单元5012。第一处理模块501还包括第三确定单元5013。

第一确定单元5011，用于基于各第一车位角点检测结果、及预先获得的误差分布描述函数，确定各帧中各车位分别对应的第一车位角点检测结果的第一观测置信度。

第二确定单元5012，用于基于各第一车位角点检测结果、及各帧分别对应的第一车位语义分割结果，确定各帧中各车位分别对应的第一车位角点检测结果的第二观测置信度。

第三确定单元5013，用于对于任一车位，基于该车位对应的各第一车位角点检测结果的第一观测置信度和/或第二观测置信度，确定该车位对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果。

在一个可选实施例中，第二处理模块503包括：第一处理单元5031，用于基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量，预设目标函数包括车位入口角点残差函数、车位朝向残差函数、车位侧边投影残差函数和车位长度残差函数中的至少一种残差函数。

在一个可选实施例中，第一处理单元5031具体用于：

基于各车位分别对应的第一状态量、各车位分别对应的各第二车位角点检测结果，确定车位入口角点残差、车位朝向残差、车位侧边投影残差、车位长度残差和当前雅克比矩阵，当前雅克比矩阵包括车位入口角点残差、车位朝向残差和车位长度残差分别关于第一状态量的雅克比，或者，当前雅克比矩阵包括车位入口角点残差、车位侧边投影残差和车位长度残差分别关于第一状态量的雅克比；基于车位入口角点残差、车位朝向残差、车位长度残差、及当前雅克比矩阵，确定当前迭代步长；或者，基于车位入口角点残差、车位侧边投影残差、车位长度残差、及当前雅克比矩阵，确定当前迭代步长；基于当前迭代步长，对各第一状态量进行更新，获得各车位分别对应的第二状态量。

在一个可选实施例中，第一处理单元5031具体用于：

对于任一车位，基于该车位对应的第一状态量，确定该车位的各入口角点分别对应的第一入口角点坐标；基于该车位对应的各第二车位角点检测结果，确定该车位在各帧分别对应的入口角点观测位置；基于各车位分别对应的各第一入口角点坐标、及各车位在各帧分别对应的入口角点观测位置，确定车位入口角点残差。

在一个可选实施例中，第一处理单元5031具体用于：

对于任一车位，基于该车位对应的第一状态量，确定第一状态量对应的第一入口线中点与第一远端线中点之间的第一直线；基于该车位对应的各第二车位角点检测结果，确定各第二车位角点检测结果分别对应的第一观测远端线中点和第一观测远端线所在的第二直线；基于第一直线和各第二直线，确定各第二车位角点检测结果分别对应的第一交点；基于各第一交点与各第一观测远端线中点，确定该车位对应的朝向残差；基于各车位分别对应的朝向残差，确定车位朝向残差。

在一个可选实施例中，第一处理单元5031具体用于：

对于任一车位，基于该车位对应的第一状态量，确定第一状态量对应的第二远端线中点及从第一状态量对应的第二入口线中点到第二远端线中点的第一矢量；基于该车位对应的各第二车位角点检测结果，确定各第二车位角点检测结果分别对应的第二观测远端线中点；基于第二远端线中点和各第二观测远端线中点，确定各第二车位角点检测结果分别对应的从第二远端线中点指向第二观测远端线中点的第二矢量；基于第一矢量和各第二矢量，确定各第二矢量在第一矢量上的投影长度；基于各投影长度，确定该车位的长度残差；基于各车位分别对应的长度残差，确定车位长度残差。

在一个可选实施例中，第一处理单元5031具体用于：

对于任一车位，基于该车位对应的第一状态量，确定该车位对应的第一侧边矢量和第二侧边矢量；基于该车位对应的各第二车位角点检测结果，确定该车位对应的各第一观测侧边矢量和第二观测侧边矢量；基于各第一观测侧边矢量、各第二观测侧边矢量、第一侧边矢量和第二侧边矢量，确定该车位对应的侧边投影残差；基于各车位分别对应的侧边投影残差，确定车位侧边投影残差。

在一个可选实施例中，第一处理单元5031具体用于：基于各车位分别对应的各第二车位角点检测结果、预设目标函数、及预设相邻车位约束条件，采用高斯牛顿迭代法，对各第一状态量进行优化，获得当前帧集的各车位分别对应的优化后的第二状态量。

在一个可选实施例中，预设相邻车位约束条件包括相邻车位朝向角相等约束、相邻车位内角相等约束和相邻车位入口线共线约束；第一处理单元5031具体用于：

基于各车位分别对应的第一状态量及预设聚类规则，对各车位进行聚类，获得至少一类中各类分别对应的车位集合；在基于各车位分别对应的各第二车位角点检测结果、及预设目标函数，采用高斯牛顿迭代法对各第一状态量进行优化的过程中，对各车位集合分别基于预设相邻车位约束条件进行约束，以使获得的各第二状态量分别对应的车位中，属于同一车位集合的各车位满足预设相邻车位约束条件。

在一个可选实施例中，第一确定模块502包括：第四确定单元5021和第五确定单元5022。

第四确定单元5021，用于对于任一新车位，基于新车位对应的第一车位角点检测结果确定新车位的初始化状态量，将初始化状态量作为新车位的第一状态量。

第五确定单元5022，用于对于任一已检车位，获取在前帧集中已检车位对应的优化后的状态量，将在前帧集中已检车位对应的优化后的状态量作为已检车位的第一状态量。

在一个可选实施例中，第二状态量包括其对应车位在第一坐标系下的车位中心点坐标、车位长度、车位宽度、车位朝向角和车位内角；第三处理模块504包括：第二处理单元5041和第三处理单元5042。

第二处理单元5041，用于基于各车位分别对应的车位中心点坐标、车位长度、车位宽度、车位朝向角、车位内角、及状态量与角点坐标的映射关系，确定各车位分别对应的车位角点坐标；第三处理单元5042，用于将各车位分别对应的车位角点坐标作为各车位分别对应的目标位置。

本公开上述实施例中各模块或单元还可以根据实际需求进行更细粒度的划分，具体可以根据实际需求设置，本公开不作限定。

示例性电子设备

本公开实施例还提供了一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的车位重建方法。

图14是本公开电子设备一个应用实施例的结构示意图。本实施例中，该电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本公开的各个实施例的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，该输入装置13可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。

此外，该输入装置13还可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图14中仅示出了该电子设备10中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。

本说明书中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它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。

本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (15)

1.一种车位重建方法，包括：

基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，所述当前帧集包括当前帧和第二数量的历史帧，所述第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，所述第一车位角点检测结果及所述第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置；

确定当前帧集中各所述车位分别对应的第一状态量，其中，对于所述当前帧集中首次检测到的新车位，所述新车位的第一状态量为所述新车位的初始化状态量，对于所述当前帧集中非首次检测到的已检车位，所述已检车位的第一状态量为在在前帧集中所述已检车位对应的优化后的状态量；

基于当前帧集中各所述车位分别对应的各所述第二车位角点检测结果、及预设优化规则，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量；

基于各所述车位分别对应的所述第二状态量，确定各所述车位分别对应的所述第一坐标系下的目标位置。

2.根据权利要求1所述的方法，其中，所述基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，包括：

基于各所述第一车位角点检测结果、及预先获得的误差分布描述函数，确定各所述帧中各所述车位分别对应的所述第一车位角点检测结果的第一观测置信度；和/或，

基于各所述第一车位角点检测结果、及各所述帧分别对应的第一车位语义分割结果，确定各所述帧中各所述车位分别对应的所述第一车位角点检测结果的第二观测置信度；

对于任一所述车位，基于该车位对应的各所述第一车位角点检测结果的所述第一观测置信度和/或所述第二观测置信度，确定该车位对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果。

3.根据权利要求1所述的方法，其中，所述基于当前帧集中各所述车位分别对应的各所述第二车位角点检测结果、及预设优化规则，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量，包括：

基于各所述车位分别对应的各所述第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量，所述预设目标函数包括车位入口角点残差函数、车位朝向残差函数、车位侧边投影残差函数和车位长度残差函数中的至少一种残差函数。

4.根据权利要求3所述的方法，其中，所述基于各所述车位分别对应的各所述第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量，包括：

基于各所述车位分别对应的所述第一状态量、各所述车位分别对应的各所述第二车位角点检测结果，确定车位入口角点残差、车位朝向残差、车位侧边投影残差、车位长度残差和当前雅克比矩阵，所述当前雅克比矩阵包括所述车位入口角点残差、所述车位朝向残差和所述车位长度残差分别关于所述第一状态量的雅克比，或者，所述当前雅克比矩阵包括所述车位入口角点残差、所述车位侧边投影残差和所述车位长度残差分别关于所述第一状态量的雅克比；

基于所述车位入口角点残差、所述车位朝向残差、所述车位长度残差、及所述当前雅克比矩阵，确定当前迭代步长；或者，

基于所述车位入口角点残差、所述车位侧边投影残差、所述车位长度残差、及所述当前雅克比矩阵，确定所述当前迭代步长；

基于所述当前迭代步长，对各所述第一状态量进行更新，获得各所述车位分别对应的所述第二状态量。

5.根据权利要求4所述的方法，其中，所述基于各所述车位分别对应的所述第一状态量、各所述车位分别对应的各所述第二车位角点检测结果，确定车位入口角点残差，包括：

对于任一所述车位，基于该车位对应的所述第一状态量，确定该车位的各入口角点分别对应的第一入口角点坐标；

基于该车位对应的各所述第二车位角点检测结果，确定该车位在各帧分别对应的入口角点观测位置；

基于各所述车位分别对应的各所述第一入口角点坐标、及各所述车位在各帧分别对应的入口角点观测位置，确定所述车位入口角点残差。

6.根据权利要求4所述的方法，其中，基于各所述车位分别对应的所述第一状态量、各所述车位分别对应的各所述第二车位角点检测结果，确定车位朝向残差，包括：

对于任一所述车位，基于该车位对应的所述第一状态量，确定所述第一状态量对应的第一入口线中点与第一远端线中点之间的第一直线；

基于该车位对应的各所述第二车位角点检测结果，确定各所述第二车位角点检测结果分别对应的第一观测远端线中点和第一观测远端线所在的第二直线；

基于所述第一直线和各所述第二直线，确定各所述第二车位角点检测结果分别对应的第一交点；

基于各所述第一交点与各所述第一观测远端线中点，确定该车位对应的朝向残差；

基于各所述车位分别对应的所述朝向残差，确定所述车位朝向残差。

7.根据权利要求4所述的方法，其中，基于各所述车位分别对应的所述第一状态量、各所述车位分别对应的各所述第二车位角点检测结果，确定车位长度残差，包括：

对于任一所述车位，基于该车位对应的所述第一状态量，确定所述第一状态量对应的第二远端线中点及从所述第一状态量对应的第二入口线中点到所述第二远端线中点的第一矢量；

基于该车位对应的各所述第二车位角点检测结果，确定各所述第二车位角点检测结果分别对应的第二观测远端线中点；

基于所述第二远端线中点和各所述第二观测远端线中点，确定各所述第二车位角点检测结果分别对应的从所述第二远端线中点指向所述第二观测远端线中点的第二矢量；

基于所述第一矢量和各所述第二矢量，确定各所述第二矢量在所述第一矢量上的投影长度；

基于各所述投影长度，确定该车位的长度残差；

基于各所述车位分别对应的所述长度残差，确定所述车位长度残差。

8.根据权利要求4所述的方法，其中，基于各所述车位分别对应的所述第一状态量、各所述车位分别对应的各所述第二车位角点检测结果，确定车位侧边投影残差，包括：

对于任一所述车位，基于该车位对应的所述第一状态量，确定该车位对应的第一侧边矢量和第二侧边矢量；

基于该车位对应的各所述第二车位角点检测结果，确定该车位对应的各第一观测侧边矢量和第二观测侧边矢量；

基于各所述第一观测侧边矢量、各所述第二观测侧边矢量、所述第一侧边矢量和所述第二侧边矢量，确定该车位对应的侧边投影残差；

基于各所述车位分别对应的所述侧边投影残差，确定所述车位侧边投影残差。

9.根据权利要求3所述的方法，其中，所述基于各所述车位分别对应的各所述第二车位角点检测结果、及预设目标函数，采用预设优化算法，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量，包括：

基于各所述车位分别对应的各所述第二车位角点检测结果、所述预设目标函数、及预设相邻车位约束条件，采用高斯牛顿迭代法，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的所述第二状态量。

10.根据权利要求9所述的方法，其中，所述预设相邻车位约束条件包括相邻车位朝向角相等约束、相邻车位内角相等约束和相邻车位入口线共线约束；

所述基于各所述车位分别对应的各所述第二车位角点检测结果、所述预设目标函数、及预设相邻车位约束条件，采用高斯牛顿迭代法，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量，包括：

基于各所述车位分别对应的所述第一状态量及预设聚类规则，对各所述车位进行聚类，获得至少一类中各类分别对应的车位集合；

在基于各所述车位分别对应的各所述第二车位角点检测结果、及所述预设目标函数，采用高斯牛顿迭代法对各所述第一状态量进行优化的过程中，对各所述车位集合分别基于所述预设相邻车位约束条件进行约束，以使获得的各所述第二状态量分别对应的车位中，属于同一所述车位集合的各所述车位满足所述预设相邻车位约束条件。

11.根据权利要求1所述的方法，其中，所述确定当前帧集中各所述车位分别对应的第一状态量，包括：

对于任一所述新车位，基于所述新车位对应的第一车位角点检测结果确定所述新车位的所述初始化状态量，将所述初始化状态量作为所述新车位的所述第一状态量；

对于任一所述已检车位，获取在前帧集中所述已检车位对应的优化后的状态量，将所述在前帧集中所述已检车位对应的优化后的状态量作为所述已检车位的所述第一状态量。

12.根据权利要求1-11任一所述的方法，其中，所述第二状态量包括其对应车位在所述第一坐标系下的车位中心点坐标、车位长度、车位宽度、车位朝向角和车位内角；

所述基于各所述车位分别对应的所述第二状态量，确定各所述车位分别对应的所述第一坐标系下的目标位置，包括：

基于各所述车位分别对应的所述车位中心点坐标、所述车位长度、所述车位宽度、所述车位朝向角、所述车位内角、及状态量与角点坐标的映射关系，确定各所述车位分别对应的车位角点坐标；

将各所述车位分别对应的所述车位角点坐标作为各所述车位分别对应的所述目标位置。

13.一种车位重建装置，包括：

第一处理模块，用于基于当前帧集中各帧分别对应的第一车位角点检测结果，确定检测到的各车位分别对应的观测置信度满足预设条件的第一数量的第二车位角点检测结果，所述当前帧集包括当前帧和第二数量的历史帧，所述第一车位角点检测结果包括其对应帧中检测到的至少一个车位分别对应的车位角点检测结果，所述第一车位角点检测结果及所述第二车位角点检测结果均包括其对应车位的第一坐标系下的至少一个角点的观测位置；

第一确定模块，用于确定当前帧集中各所述车位分别对应的第一状态量，其中，对于所述当前帧集中首次检测到的新车位，所述新车位的第一状态量为所述新车位的初始化状态量，对于所述当前帧集中非首次检测到的已检车位，所述已检车位的第一状态量为在在前帧集中所述已检车位对应的优化后的状态量；

第二处理模块，用于基于当前帧集中各所述车位分别对应的各所述第二车位角点检测结果、及预设优化规则，对各所述第一状态量进行优化，获得所述当前帧集的各所述车位分别对应的优化后的第二状态量；

第三处理模块，用于基于各所述车位分别对应的所述第二状态量，确定各所述车位分别对应的所述第一坐标系下的目标位置。

14.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-12任一所述的车位重建方法。

15.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-12任一所述的车位重建方法。

Images