CN115909271A - 停车位识别方法、装置、车辆及存储介质 - Google Patents
停车位识别方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115909271A CN115909271A CN202211404438.7A CN202211404438A CN115909271A CN 115909271 A CN115909271 A CN 115909271A CN 202211404438 A CN202211404438 A CN 202211404438A CN 115909271 A CN115909271 A CN 115909271A
- Authority
- CN
- China
- Prior art keywords
- parking space
- image
- target
- preset
- line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及智能驾驶技术领域，特别涉及一种停车位识别方法、装置、车辆及存储介质，其中，方法包括：采集目标停车位图像，将目标停车位图像转化为俯视图像；对俯视图像进行预处理，得到车位线完整的车位图像，并判断车位线完整的车位图像是否满足预设输出条件；在车位线完整的车位图像满足预设输出条件时，输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位。由此，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
Description
技术领域
本申请涉及智能驾驶技术领域，特别涉及一种停车位识别方法、装置、车辆及存储介质。
背景技术
现在智能驾驶领域，对车位的识别，大多采用的是深度学习的方法，首先必须要采集大量的、不同姿态的车位图片，然后进行标注，训练模型，最后用于车位检测，高度的依赖大数据，其中，数据闭环里面非常重要的一个环节-数据采集，需要消耗大量的人力物力及时间，并且采集及标注过程是时间消耗高且工作量大工作量大，只有样本足够全面，在后期检测的时候准确性才高。
然而，样本数据的积累，一方面是耗时间，然后还需要经过标注及模型训练才能用来做车位的识别；另一方面是测距方面的不足，标注过程存在的误差及识别的误差两者叠加，使得测距的误差不可估量，亟待解决。
发明内容
本申请提供一种停车位识别方法、装置、车辆及存储介质，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
本申请第一方面实施例提供一种停车位识别方法，包括以下步骤：采集目标停车位图像，将所述目标停车位图像转化为俯视图像；对所述俯视图像进行预处理，得到车位线完整的车位图像，并判断所述车位线完整的车位图像是否满足预设输出条件；在所述车位线完整的车位图像满足所述预设输出条件时，输出所述目标停车位的车位偏转角度和车位尺寸，根据所述车位偏转角度和所述车位尺寸确定所述目标停车位。
可选地，上述的停车位识别方法，还包括：在车辆倒车入库时，对所述目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；将所述多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算所述目标直线的中点坐标和直线偏转角度；根据所述中点坐标和所述直线偏转角度确定目标直线方程，并根据所述目标直线方程计算得到所述车辆与车位线的距离。
可选地，所述判断所述车位线完整的车位图像是否满足预设输出条件，包括：判断所述车位图像是否为预设格式的四边形，所述车位的像素面积是否在预设范围内，所述四边形每个内角的余弦值是否小于预设值；若所述车位图像为所述预设格式的四边形，所述车位的像素面积在所述预设范围内，所述四边形每个内角的余弦值小于所述预设值，则判定所述车位图像满足所述预设输出条件。
可选地，在判断所述车位线完整的车位图像是否满足所述预设输出条件之后，还包括：若所述车位线完整的车位图像不满足所述预设输出条件，则输出未检测到所述目标停车位。
本申请第二方面实施例提供一种停车位识别装置，包括：采集模块，用于采集目标停车位图像，将所述目标停车位图像转化为俯视图像；判断模块，用于对所述俯视图像进行预处理，得到车位线完整的车位图像，并判断所述车位线完整的车位图像是否满足预设输出条件；输出模块，用于在所述车位线完整的车位图像满足所述预设输出条件时，输出所述目标停车位的车位偏转角度和车位尺寸，根据所述车位偏转角度和所述车位尺寸确定所述目标停车位。
可选地，上述的停车位识别装置，还包括：处理模块，用于在车辆倒车入库时，对所述目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；第一计算模块，用于将所述多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算所述目标直线的中点坐标和直线偏转角度；第二计算模块，用于根据所述中点坐标和所述直线偏转角度确定目标直线方程，并根据所述目标直线方程计算得到所述车辆与车位线的距离。
可选地，所述判断模块，还用于：判断所述车位图像是否为预设格式的四边形，所述车位的像素面积是否在预设范围内，所述四边形每个内角的余弦值是否小于预设值；若所述车位图像为所述预设格式的四边形，所述车位的像素面积在所述预设范围内，所述四边形每个内角的余弦值小于所述预设值，则判定所述车位图像满足所述预设输出条件。
可选地，在判断所述车位线完整的车位图像是否满足所述预设输出条件之后，所述判断模块，还用于：若所述车位线完整的车位图像不满足所述预设输出条件，则输出未检测到所述目标停车位。
本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的停车位识别方法。
本申请第四方面实施例提供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，以用于实现如上述实施例所述的停车位识别方法。
由此，通过采集目标停车位图像，将目标停车位图像转化为俯视图像，并对俯视图像进行预处理，得到车位线完整的车位图像，若车位线完整的车位图像满足预设输出条件则输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位，并对车位图像预处理得到目标直线，根据目标直线的中点坐标和直线偏转角度计算得到车辆与车位线的距离。由此，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种停车位识别方法的流程图；
图2为根据本申请一个实施例的车位检测的流程图；
图3为根据本申请一个实施例的车线检测的流程图；
图4为根据本申请实施例的停车位识别装置的方框示意图；
图5为本申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的停车位识别方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，本申请提供了一种停车位识别方法，在该方法中，通过采集目标停车位图像，将目标停车位图像转化为俯视图像，并对俯视图像进行预处理，得到车位线完整的车位图像，若车位线完整的车位图像满足预设输出条件则输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位，并对车位图像预处理得到目标直线，根据目标直线的中点坐标和直线偏转角度计算得到车辆与车位线的距离。由此，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
具体而言，图1为本申请实施例所提供的一种停车位识别方法的流程示意图。
如图1所示，该停车位识别方法包括以下步骤：
在步骤S101中，采集目标停车位图像，将目标停车位图像转化为俯视图像。
具体地，如图2所示，将四个摄像头与服务器建立连接，设定好采集的参数，包括图像分辨率、图像曝光度和远焦镜头焦距等，调整参数使得摄像头采集的图像清晰，由摄像头采集目标停车位图像，并通过逆透视变换法将摄像头检测的侧方位图像转化为俯视图像。
在步骤S102中，对俯视图像进行预处理，得到车位线完整的车位图像，并判断车位线完整的车位图像是否满足预设输出条件。
具体地，由于实际的车位会存在边线模糊，不连贯、部分遮挡等的问题，因此，需要采用膨胀、腐蚀等的一系列方法对图像进行处理，将车位线完整的显示在图像中，得到车位线完整的车位图像。
进一步地，判断车位线完整的车位图像是否满足预设输出条件，包括：判断车位图像是否为预设格式的四边形，车位的像素面积是否在预设范围内，四边形每个内角的余弦值是否小于预设值；若车位图像为预设格式的四边形，车位的像素面积在预设范围内，四边形每个内角的余弦值小于预设值，则判定车位图像满足预设输出条件。其中，预设格式的四边形指车位图像为四边形且是凸形。
可选地，在判断车位线完整的车位图像是否满足预设输出条件之后，还包括：若车位线完整的车位图像不满足预设输出条件，则输出未检测到目标停车位。
可以理解的是，通过摄像头读取类似车位线的轮廓之后，进一步对该轮廓进行判断，若检测的车位图像为四边形且是凸形，车位的像素面积在预设范围内，四边形每个内角的余弦值小于预设值，则判定车位图像满足预设的输出条件，若车位图像不用满足预设的输出条件，则输出未检测到停车位。
在步骤S103中，在车位线完整的车位图像满足预设输出条件时，输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位。
其中，通过车辆的角度测量装置车位偏转角度，并通过摄像头检测车位尺寸，车位偏转角度和车位尺寸是以距离车辆最近的横向车位线为基准计算。
应当理解的是，若车位线完整的车位图像满足预设输出条件，则输出停车位的车位偏转角度和车位尺寸，以车辆后轴中点为车辆的基准点，基于停车位的车位偏转角度和车位尺寸计算基准点到直线的距离，即为车辆与车位的距离，则确定目标停车位。
可选地，上述的停车位识别方法，还包括：在车辆倒车入库时，对目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；将多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算目标直线的中点坐标和直线偏转角度；根据中点坐标和直线偏转角度确定目标直线方程，并根据目标直线方程计算得到车辆与车位线的距离。
具体地，如图3所示，在车辆倒车入库时，通过摄像头拍摄车位图像，并对车位图像进行滤波、边缘检测、膨胀、腐蚀等处理，通过预设的霍夫变换检测到车位的多条直线，由于车线是一条粗实线，因此在检测过程中，为便于计算，可以选平行线且直线角度差值小于4的直线，即将整条车线最边缘的两条直线拟合成一条目标直线，然后计算该条直线的中点坐标和直线偏转角度，得到关于中点横坐标的二次方程，系数来源于最小二乘中得到的实际距离与像素距离的对应关系方程，最后根据该直线方程输出车辆与车位线的距离。其中，以车辆的后轴中点作为车辆的坐标点。
需要说明的是，因为车位及车线的检测过程，是在车辆的运动过程中实现的，因此在寻找车位的过程中，建议车速不超过30km/h，对于入库过程中，车位线的检测及车辆与车位线的距离输出，因为本身的运动距离就比较短，因此检测入库过程，车速控制在5KM/h左右。
根据本申请实施例提出的停车位识别方法，通过采集目标停车位图像，将目标停车位图像转化为俯视图像，并对俯视图像进行预处理，得到车位线完整的车位图像，若车位线完整的车位图像满足预设输出条件则输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位。由此，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
其次参照附图描述根据本申请实施例提出的停车位识别装置。
图4是本申请实施例的停车位识别装置的方框示意图。
如图4所示，该停车位识别装置10包括：采集模块100、判断模块200和输出模块300。
其中，采集模块100，用于采集目标停车位图像，将目标停车位图像转化为俯视图像；判断模块200，用于对俯视图像进行预处理，得到车位线完整的车位图像，并判断车位线完整的车位图像是否满足预设输出条件；输出模块300，用于在车位线完整的车位图像满足预设输出条件时，输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位。
可选地，上述的停车位识别装置10，还包括：处理模块，用于在车辆倒车入库时，对目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；第一计算模块，用于将多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算目标直线的中点坐标和直线偏转角度；第二计算模块，用于根据中点坐标和直线偏转角度确定目标直线方程，并根据目标直线方程计算得到车辆与车位线的距离。
可选地，判断模块200，还用于：判断车位图像是否为预设格式的四边形，车位的像素面积是否在预设范围内，四边形每个内角的余弦值是否小于预设值；若车位图像为预设格式的四边形，车位的像素面积在预设范围内，四边形每个内角的余弦值小于预设值，则判定车位图像满足预设输出条件。
可选地，在判断车位线完整的车位图像是否满足预设输出条件之后，判断模块200，还用于：若车位线完整的车位图像不满足预设输出条件，则输出未检测到目标停车位。
需要说明的是，前述对停车位识别方法实施例的解释说明也适用于该实施例的停车位识别装置，此处不再赘述。
根据本申请实施例提出的停车位识别装置，通过采集目标停车位图像，将目标停车位图像转化为俯视图像，并对俯视图像进行预处理，得到车位线完整的车位图像，若车位线完整的车位图像满足预设输出条件则输出目标停车位的车位偏转角度和车位尺寸，根据车位偏转角度和车位尺寸确定目标停车位，并对车位图像预处理得到目标直线，根据目标直线的中点坐标和直线偏转角度计算得到车辆与车位线的距离。由此，解决了相关技术中车位识别方法采用的深度学习所需大数据的成本高的问题，检测方法具有普适性，能够比较准确的输出车位，指导驾驶人员车辆入库。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括：
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的停车位识别方法。
进一步地，车辆还包括：
通信接口503，用于存储器501和处理器502之间的通信。
存储器501，用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，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。
本申请实施例还提供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如上的停车位识别方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种停车位识别方法，其特征在于，包括以下步骤：
采集目标停车位图像，将所述目标停车位图像转化为俯视图像；
对所述俯视图像进行预处理，得到车位线完整的车位图像，并判断所述车位线完整的车位图像是否满足预设输出条件；以及
在所述车位线完整的车位图像满足所述预设输出条件时，输出所述目标停车位的车位偏转角度和车位尺寸，根据所述车位偏转角度和所述车位尺寸确定所述目标停车位。
2.根据权利要求1所述的方法，其特征在于，还包括：
在车辆倒车入库时，对所述目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；
将所述多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算所述目标直线的中点坐标和直线偏转角度；
根据所述中点坐标和所述直线偏转角度确定目标直线方程，并根据所述目标直线方程计算得到所述车辆与车位线的距离。
3.根据权利要求1所述的方法，其特征在于，所述判断所述车位线完整的车位图像是否满足预设输出条件，包括：
判断所述车位图像是否为预设格式的四边形，所述车位的像素面积是否在预设范围内，所述四边形每个内角的余弦值是否小于预设值；
若所述车位图像为所述预设格式的四边形，所述车位的像素面积在所述预设范围内，所述四边形每个内角的余弦值小于所述预设值，则判定所述车位图像满足所述预设输出条件。
4.根据权利要求1或3所述的方法，其特征在于，在判断所述车位线完整的车位图像是否满足所述预设输出条件之后，还包括：
若所述车位线完整的车位图像不满足所述预设输出条件，则输出未检测到所述目标停车位。
5.一种停车位识别装置，其特征在于，包括：
采集模块，用于采集目标停车位图像，将所述目标停车位图像转化为俯视图像；
判断模块，用于对所述俯视图像进行预处理，得到车位线完整的车位图像，并判断所述车位线完整的车位图像是否满足预设输出条件；以及
输出模块，用于在所述车位线完整的车位图像满足所述预设输出条件时，输出所述目标停车位的车位偏转角度和车位尺寸，根据所述车位偏转角度和所述车位尺寸确定所述目标停车位。
6.根据权利要求5所述的装置，其特征在于，还包括：
处理模块，用于在车辆倒车入库时，对所述目标停车位图像进行预处理，并基于预设的霍夫变换检测到多条直线；
第一计算模块，用于将所述多条直线中满足预设拟合条件的两条平行直线拟合成一条目标直线，并计算所述目标直线的中点坐标和直线偏转角度；
第二计算模块，用于根据所述中点坐标和所述直线偏转角度确定目标直线方程，并根据所述目标直线方程计算得到所述车辆与车位线的距离。
7.根据权利要求5所述的装置，其特征在于，所述判断模块，还用于：
判断所述车位图像是否为预设格式的四边形，所述车位的像素面积是否在预设范围内，所述四边形每个内角的余弦值是否小于预设值；
若所述车位图像为所述预设格式的四边形，所述车位的像素面积在所述预设范围内，所述四边形每个内角的余弦值小于所述预设值，则判定所述车位图像满足所述预设输出条件。
8.根据权利要求5或7所述的装置，其特征在于，在判断所述车位线完整的车位图像是否满足所述预设输出条件之后，所述判断模块，还用于：
若所述车位线完整的车位图像不满足所述预设输出条件，则输出未检测到所述目标停车位。
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的停车位识别方法。
10.一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，以用于实现如权利要求1-4任一项所述的停车位识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211404438.7A CN115909271A (zh) | 2022-11-10 | 2022-11-10 | 停车位识别方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211404438.7A CN115909271A (zh) | 2022-11-10 | 2022-11-10 | 停车位识别方法、装置、车辆及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115909271A true CN115909271A (zh) | 2023-04-04 |
Family
ID=86494864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211404438.7A Pending CN115909271A (zh) | 2022-11-10 | 2022-11-10 | 停车位识别方法、装置、车辆及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115909271A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115995161A (zh) * | 2023-02-01 | 2023-04-21 | 华人运通(上海)自动驾驶科技有限公司 | 基于投影确定停车位置的方法和电子设备 |
-
2022
- 2022-11-10 CN CN202211404438.7A patent/CN115909271A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115995161A (zh) * | 2023-02-01 | 2023-04-21 | 华人运通(上海)自动驾驶科技有限公司 | 基于投影确定停车位置的方法和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113874927A (zh) | 停车检测方法、系统、处理设备和存储介质 | |
| CN112132131B (zh) | 量筒液位识别方法和装置 | |
| CN113781537B (zh) | 一种轨道弹条扣件缺陷识别方法、装置和计算机设备 | |
| CN115909271A (zh) | 停车位识别方法、装置、车辆及存储介质 | |
| CN114820679B (zh) | 图像标注方法、装置、电子设备和存储介质 | |
| CN114973198A (zh) | 目标车辆的航向角预测方法、装置及电子设备、存储介质 | |
| CN114092683A (zh) | 基于视觉反馈和深度网络的轮胎变形量识别方法及装置 | |
| CN116386000A (zh) | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 | |
| CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
| CN114296095A (zh) | 自动驾驶车辆的有效目标提取方法、装置、车辆及介质 | |
| CN112037536A (zh) | 一种基于视频特征识别的车辆测速方法及装置 | |
| CN114926817B (zh) | 识别车位的方法、装置、电子设备和计算机可读存储介质 | |
| CN109766799B (zh) | 车位识别模型训练方法及装置和车位识别方法及装置 | |
| CN115482672B (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
| CN114509224B (zh) | 一种桥梁挠度测试方法、系统、可读存储介质及设备 | |
| JP2009014645A (ja) | 車両用距離測定装置 | |
| CN114067598B (zh) | 确定空闲车位的方法、装置 | |
| CN113869440A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
| CN114882470A (zh) | 车载防碰撞预警方法、装置、计算机设备及存储介质 | |
| CN112241717B (zh) | 前车检测方法、前车检测模型的训练获取方法及装置 | |
| CN115457138A (zh) | 基于雷达及相机的位置标定方法、系统及存储介质 | |
| CN113147746A (zh) | 坡道车位的探测方法及装置 | |
| CN116863124B (zh) | 车辆姿态确定方法、控制器及存储介质 | |
| CN113419075B (zh) | 基于双目视觉的船舶测速方法、系统、装置和介质 | |
| CN115761699A (zh) | 交通信号灯的分类方法、装置及电子设备 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240410 Address after: 241000 10th Floor, Block B1, Wanjiang Wealth Plaza, Guandou Street, Jiujiang District, Wuhu City, Anhui Province Applicant after: Dazhuo Intelligent Technology Co.,Ltd. Country or region after: China Applicant after: Dazhuo Quxing Intelligent Technology (Shanghai) Co.,Ltd. Address before: 241009 South Road, Wuhu economic and Technological Development Zone, Anshan, Anhui Applicant before: Wuhu Sambalion auto technology Co.,Ltd. Country or region before: China Applicant before: CHERY AUTOMOBILE Co.,Ltd. |