CN115953759A - 对车位限位器的检测方法、装置、电子设备及存储介质 - Google Patents
对车位限位器的检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115953759A CN115953759A CN202310004255.4A CN202310004255A CN115953759A CN 115953759 A CN115953759 A CN 115953759A CN 202310004255 A CN202310004255 A CN 202310004255A CN 115953759 A CN115953759 A CN 115953759A
- Authority
- CN
- China
- Prior art keywords
- target
- parking space
- determining
- limit
- semantic segmentation
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种对车位限位器的检测方法、装置、电子设备及存储介质。该方法包括:获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像;基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像;确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位。解决了现有技术中通过基于传统图像处理技术的特征提取或深度学习目标检测的方式检测限位器,存在检测准确性低的问题,实现提高对车位限位器的检测的准确性,达到提高自动泊车安全性的效果。
Description
技术领域
本发明涉及计算机处理技术领域,尤其涉及一种对车位限位器的检测方法、装置、电子设备及存储介质。
背景技术
随着智能驾驶技术的发展,越来越多的车辆配备了自动泊车系统,该系统能替代驾驶员自动完成车位检测与泊车功能。但是目前多数自动泊车系统会在车轮抵近限位器时,仍然保持较快速度,造成车轮与限位器的猛烈撞击,导致驾乘人员体验较差,因此限位器检测对于提高驾乘体验和车辆保护有着重大意义。
现有技术中对于限位器的检测方式通常是使用传统图像处理算法和基于深度学习的目标检测方法。其中,传统图像处理算法主要根据图像颜色、灰度、连通域等特征检测限位器,该类方法在光照变化大或限位器种类较少见的复杂场景下容易出现漏检和误检的情况。基于深度学习的目标检测方法所检测得到的是限位器的最大外接矩形,位置误差较大,且包含较多背景信息,存在检测误差大、准确性低的问题。
发明内容
本发明提供了一种对车位限位器的检测方法、装置、电子设备及存储介质,以实现提高对车位限位器的检测的准确性,达到提高自动泊车安全性的技术效果。
根据本发明的一方面,提供了一种对车位限位器的检测方法,该方法包括:
获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各所述待使用图像拼接为俯视图像;其中,所述位置包括车辆前端、车辆后端、车辆左端和车辆右端;
基于预先训练的语义分割模型对所述俯视图像进行处理,得到语义分割图像;
确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;
基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位。
根据本发明的另一方面,提供了一种对车位限位器的检测装置,该装置包括:
俯视图像确定模块,用于获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各所述待使用图像拼接为俯视图像;其中,所述位置包括车辆前端、车辆后端、车辆左端和车辆右端;
语义分割图像确定模块,用于基于预先训练的语义分割模型对所述俯视图像进行处理,得到语义分割图像;
目标连通域确定模块,用于确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;
限位点位确定模块,用于基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的对车位限位器的检测方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的对车位限位器的检测方法。
本发明实施例的技术方案,通过获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像;基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像;确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位,解决了现有技术中通过基于传统图像处理技术的特征提取或深度学习目标检测的方式检测限位器,存在检测准确性低的问题,实现了通过将基于目标车辆四个摄像头所采集的待使用图像拼接为俯视图像,增大检测范围,提高检测准确性,进而通过语义分割模型对俯视图像进行处理,得到语义分割图像,使得语义分割图像中包含每个像素点的分类类别,进而确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域,实现对标限位器的区域识别,进而基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,准确的确定出与目标车位相对应的两个限位点位,提高了对车位限位器的检测的准确性,达到提高自动泊车安全性,以及提高用户乘坐体验的技术效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对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发明的一些实施例,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他的附图。
图1是根据本发明实施例一提供的一种对车位限位器的检测方法的流程图;
图2是根据本发明实施例一提供的目标车位的示意图;
图3是根据本发明实施例一提供的目标限位器的示意图;
图4是根据本发明实施例二所提供的对车位限位器检测的场景示意图;
图5是根据本发明实施例二提供的对车位限位器的检测方法示意图;
图6是根据本发明实施例二提供的对车位限位器的检测方法示意图;
图7是根据本发明实施例二提供的对车位限位器的检测方法示意图;
图8是根据本发明实施例二提供的对车位限位器的检测方法示意图;
图9是根据本发明实施例三提供的一种对车位限位器的检测装置的结构示意图;
图10是实现本发明实施例的对车位限位器的检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在介绍本技术方案之前,可以先对应用场景进行说明。例如,在车辆自动泊车的过程中,为了准确有效的将车辆泊入的停车位中,系统会自动检测车辆周围场景内的车位,在已检测到目标车位的基础上,如何检测目标车位内的限位器可以采用本发明实施例所提供的技术方案来进行实施。
实施例一
图1是根据本发明实施例一提供的一种对车位限位器的检测方法的流程图,本实施例可适用于对车位限位器进行检测的情况,该方法可以由对车位限位器的检测装置来执行,该对车位限位器的检测装置可以采用硬件和/或软件的形式实现,该对车位限位器的检测装置可配置于计算设备中。如图1所示,该方法包括:
S110、获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像。
其中,当前时刻为车辆泊车过程中的各个时刻,检测每一时刻时的车位限位器的实现方式均相同,以其中任一时刻作为当前时刻进行说明。位置的数量可以为多个,如位置包括车辆前端、车辆后端、车辆左端和车辆右端等。摄像设备可以为鱼眼摄像头。需要说明的是,摄像设备可以设置在车辆上的任意位置,但是多个摄像头所拍摄到的图像需要保证可以拼接成360度俯视图。例如,摄像设备可以设置在目标车辆的前后左右的位置。
在本实施例中,可以在目标车辆自动泊车的过程中,利用部署在目标车辆前后左右四个摄像设备采集当前时刻车辆前后左右方向的图像,均作为待使用图像。为了提高对限位器检测的检测成功率,可以将各待使用图像进行拼接,得到视野更广的俯视图像。
为了提高图像采集的同步性、快捷性和准确性,在获取目标车辆上各摄像设备同步采集的待使用图像时,可以同时向各摄像设备发送采集指令,以得到在当前时刻的多个待使用图像。
可选的,获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,包括:在检测到摄像设备的拍摄视野中包含目标车位时,向各摄像设备发送拍摄指令,以使各摄像设备执行拍摄指令,得到各待使用图像。
其中,摄像设备的数量为多个(如四个或四个以上),各摄像设备的摄像头内外参数均不相同,摄像头内外参数包括拍摄角度、摄像头安装位置和广角参数等。摄像头安装位置可以是摄像设备安装的具体位置。广角参数可以是摄像设备的视野范围。
具体的,在确定检测到摄像设备的拍摄视野中包含目标车位时,可以向部署在目标车辆上的多个摄像设备同时发送拍摄指令。在多个摄像设备接收到拍摄指令后,多个摄像设备可以同时拍摄图像,得到多个待使用图像。
示例性的,在目标车辆的前后左右分别设置一个鱼眼摄像头(即摄像设备),在车辆泊车过程中,获取车辆前后左右四个鱼眼摄像头所拍摄的原始图像帧作为待使用图像,可以根据摄像头标定参数,将四个待使用图像拼接为俯视图,作为俯视图像,以基于俯视图像识别车位限位器,相比仅采用单路摄像头采集的车位图像,多个摄像头获取的图像内容更丰富,检测范围更广,提高车位限位器检测的检测率。
S120、基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像。
其中,语义分割模型可以用于对图像的每个像素点进行分类。例如,图像语义分割后的结果是将不同的物体分别用不同的颜色覆盖,以此来表示不同的语义类别。
在本实施例中,可以将俯视图像作为语义分割模型的输入,经语义分割模型处理,得到语义分割图像,此时语义分割图像中的每个像素点被赋予了相应的分类结果,如,分类结果可以为限位器、箭头、车道线、车位线、减速带等。
需要说明的是,在训练得到语义分割模型之前,为了使得到的语义分割模型存在较高的准确度,可以尽可能多而丰富的获取训练样本,从而得到训练后的语义分割模型。在实际应用中,可以获取大量且丰富的包含车位和限位器的原始图像,可以在这些图像中的限位器像素点上打上标签,作为点位标签,进而这些基于原始图像和点位标签确定训练语义分割模型的训练样本。具体的,可以将原始图像作为输入样本,将相应的点位标签作为该输入样本对应的输出标签,可以将输入样本和对应的输出标签作为一个训练样本,相应的,得到多个训练样本,以基于训练样本训练得到语义分割模型。
在本实施例中,训练得到语义分割模型的实现方式可以是:对于各训练样本,将当前训练样本的原始图像输入至语义分割模型中,得到实际分割图像;基于实际分割图像中限位器像素值和当前训练样本的点位标签,确定损失值,以基于损失值对语义分割模型中的模型参数进行修正;将语义分割模型中的损失函数收敛作为训练目标,得到语义分割模型。训练目标是指模型训练以达到预设损失函数收敛为目标。
在本实施例中,可以将当前训练样本的原始图像输入至语义分割模型中,得到当前训练样本相对应的实际分割图像,可以将当前输出的实际分割图像中限位器像素值与相应的点位标签进行比较,计算出相似误差值,即损失值,进而可以基于损失值调整模型中的模型参数。可以将损失函数的训练误差,即损失参数作为检测损失函数当前是否达到收敛的条件,比如训练误差是否小于预设误差或误差变化趋势是否趋于稳定,或者当前的迭代次数是否等于预设次数。若检测达到收敛条件,比如损失函数的训练误差达到小于预设误差或误差变化趋于稳定,表明待训练的语义分割模型训练完成,此时可以停止迭代训练。若检测到当前未达到收敛条件,可以进一步获取训练样本对待训练的语义分割模型进行训练,直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时,可以将待训练的语义分割模型作为最终训练得到的语义分割模型。
S130、确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域。
其中,目标车位是指车辆待泊入的车位,目标车位可以为由四条线框住的矩形,这四条线分别可以为用于与其他车位分割开的车位分割线、靠近车位入口的车位近端线以及远离车位入口的车位远端线,例如,目标车位的示意图可以参见图2,车辆可经过车位近端线泊入目标车位中。目标车位内的目标限位器可以为一个,也可以为两个,具体限位器的数量与目标车位相关。限位器又称为轮挡、挡车器、止滑器等,起到引导车辆停放准确、整齐的作用,也可防止车辆在倒车入库时因操作不当导致碰撞情况的发生,是一种保护车辆及其使用者的安全装置,部署在车位内。
在本实施例中,语义分割图像中每个像素点具有一定的分类结果,每个分类结果可能相同,也可能不同,如果相同,则说明具有相同的语义类别。可以将语义分割图像中与限位器类别相一致的像素点的分类结果且位置相邻的像素点进行组合,标识出至少一个连通区域,这些连通区域可以作为目标连通域。
需要说明的是,在基于语义分割图像确定与目标车位相对应的至少一个目标限位器的目标连通域时,可能存在语义分割图像中包含了区别于目标车位的其他车位,那么可能存在将其他车位内的限位器的连通域标识出来了并作为了目标连通域,为了提高目标连通域确定的准确性,可以对标识出的所有连通域进行筛选,从中准确性的确定出属于目标车位内的目标连通域。
在本实施例中,确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域的实现方式可以是:基于语义分割图像中每个像素点的分类结果,确定分类结果为预设结果的限位像素点;基于限位像素点,确定至少一个待选择限位器的待选择连通域;基于待选择连通域的第一数量、待选择连通域与目标车位之间的位置关系、待选择限位器的类别和尺寸,确定出至少一个目标限位器和相应的目标连通域。
其中,预设结果为限位器。限位器的类别可以为大型、小型等,如果是大型,那么一个车位中可能存在一个限位器,如果是小型,那么一个车位中可能存在两个限位器,具体的限位器的类别与车位的尺寸和限位器的尺寸均相关。限位器的尺寸可以包括长宽高,例如,可以为560*150*100mm。位置关系可以是指二维或三维坐标系下的位置关系。
在本实施例中,可以通过遍历语义分割图像中每个像素点的分类结果,查找到与预设结果为限位器相一致的分类结果对应的像素点,作为限位像素点。进一步的,可以基于各限位像素点之间的相邻距离,将各限位像素点进行划分,可以将相邻的多个限位像素点组成一个连通区域作为待选择连通域,每个待选择连通域对应一个待选择限位器,此时待选择限位器可能位于目标车位内,也可能位于其他车位内。可以统计出待选择连通域的数量,作为第一数量,还可以基于待选择连通域所含像素点数量识别出每个待选择限位器的类别,例如,在一个车位内存在两个待选择连通域A和B,且A和B两个连通域各自所含的像素点数量小于阈值,那么A和B的限位器类别为小型。还可以基于待选择连通域的中心像素点的位置和目标车位的四条边界线的位置,得到待选择连通域与目标车位之间的位置关系。进而,可以从待选择限位器中筛选出位于目标车位内的连通域作为与目标限位器和相应的目标连通域,目标限位器的示意图可参见图3。
示例性的,可以遍历语义分割图像,筛选出包含限位器语义元素的像素点,作为限位像素点,并基于限位像素点提取出限位器连通域(即待选择连通域);根据待选择连通域数量、连通域在目标车位内的位置关系、限位器类别、限位器形状等条件过滤出目标连通域,以基于目标连通域确定限位点位。
需要说明的是,在确定出语义分割图像之后,还可以调取当前时刻前一时刻所检测到的两个限位点位的历史检测位置,根据历史检测位置从语义分割图像中划定出待检测的感兴趣区域,例如,感兴趣区域的区域大小可以设置为历史检测两个限位点位的位置往车位近端线前移0.5米,往车位远端线后移0.5米的矩形区域范围内。进一步的,可以在感兴趣区域内检测目标连通域。如果前一时刻未检测到目标车位的历史两个限位点位,则可以将目标车位设定为待检测的感兴趣区域,并在感兴趣区域内检测目标连通域,提高对目标连通域检测的效率。
S140、基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位。
在本实施例中,在确定出目标连通域之后,可以确定出目标车位内的限位器的位置,此时将限位器上的点位定位在目标车位的车位分割线上,使得定位在两个车位分割线上的限位点位之间的连线与车位分割线垂直,同时使得定位在两个车位分割线上的限位点位之间的连线往车位近端线一侧移动一个预设距离,相应的,得到位于车位分割线上的限位点位。以使车辆根据限位点位规划泊车路径。
需要说明的是,基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位的实现方式可以存在至少两种,下面可以分别对这两种实现方式进行说明。
一种实现方式可以是:基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位,包括:基于目标连通域的中心点的第二数量、每两个中心点之间的连线、两个车位分割线以及车位近端线,确定与目标车位相对应的两个限位点位。
在本实施例中,可以基于与目标连通域相关联的限位像素点的位置信息,确定出目标连通域的中心点,每个目标连通域存在与之对应的中心点,可以统计出中心点的数量,作为第二数量,将每两个中心点进行连接,得到每两个中心点之间的连线,结合目标车位的两个车位分割线以及车位近端线等,定位出目标车位所对应的两个待筛选的限位点位。例如,如果存在三个中心点,那么存在三条连线,可以计算每个连线与车位分割线之间的垂直度(表征垂直程度),可以将垂直程度最高的那条连线筛选出来,该连线分别与车位分割线之间的相交点,可以作为限位点位,还需要对限位点位的位置进行修正,将限位点位向靠近车位近端线方向移动预设距离,使得车辆在泊车时不碰撞限位器。
在本实施例中,基于目标连通域的中心点的第二数量、每两个中心点之间的连线、两个车位分割线以及车位近端线,确定与目标限位器相对应的两个限位点位,包括:基于第二数量、连线与同一车位分割线之间的第一夹角,从中心点中确定出目标中心点;确定垂直于车位分割线且经过目标中心点的待使用直线,并确定待使用直线与两个车位分割线之间的待修正交点;将待修正交点的位置信息向靠近车位近端线方向移动预设距离阈值,得到两个限位点位。
需要说明的是,在确定每个连线与车位分割线之间的第一夹角时,为了保证夹角在同一维度下,每个连线只需与同一车位分割线相交确定第一夹角即可。预设距离阈值可以由技术人员根据实际工作情况进行确定,此处不做限定。
具体的,可以将每两个中心点之间的连线与同一车位分割线相交,计算出夹角,作为第一夹角。可以提取出最接近于垂直角度(90度)的第一夹角所对应的两个中心点,可以将两个中心点中距离车位近端线较近的中心点作为目标中心点。可以作垂直于两条车位分割线且经过目标中心点的直线,记为待使用直线。进一步的,可以将待使用直线与两个车位分割线之间的交点作为待修正交点。可以将待修正交点的位置信息向靠近车位近端线方向移动预设距离阈值,可以将移动后的点位作为限位点位。此时两个限位点位分别位于两个车位分割线上。
示例性的,根据目标连通域中心点数量、两两中心点所在直线与车位分割线夹角关系,计算出最终中心点,即目标中心点。计算经过目标中心点且与车位分割线垂直的直线,即待使用直线。计算该直线与车位分割线的两个交点,即待修正交点;将这两个交点分别沿所在的车位分割线往车位近端线方向移动预设距离阈值,可得到E和F点,作为当前时刻目标车位内限位器的检测结果,即限位点位。
另一种实现方式可以是:确定目标连通域中的各待筛选像素点与车位近端线之间的目标距离;基于各目标距离和预设比例,从各待筛选像素点中确定出目标像素点;基于目标像素点和两个车位分割线,确定与目标车位相对应的两个限位点位。
其中,预设比例的表示形式可以为小数,分数或百分数等,例如,可以为10%。
在本实施例中,可以基于位于目标连通域中的各待筛选像素点的位置信息,计算出每个待筛选像素点到车位近端线的垂直距离,作为目标距离,目标距离数值越大,表征待筛选像素点离车位近端线越远,目标距离数值越小,表征待筛选像素点离车位近端线越近。可以计算待筛选像素点的数量,并将该数量与预设比例作积,得到乘积值,可以基于目标距离从所有待筛选像素点中筛选出距离较小且与乘积值相一致数量的待筛选像素点,作为目标像素点。例如,假设预设比例为10%,可以将所有目标距离从小到大进行排序,筛选出位于前面数值较小的目标距离所属的待筛选像素点作为目标像素点,目标像素点的数量占待筛选像素点的数量的10%。进一步的,可以基于目标像素点和两个车位分割线,确定与目标车位相对应的两个限位点位。
需要说明的是,基于目标像素点和两个车位分割线,确定与目标车位相对应的两个限位点位的实现方式可以存在至少两种,下面可以分别对这两种实现方式进行说明。
一种实现方式可以是:对所有目标像素点进行直线拟合,得到第一拟合直线,并基于第一拟合直线和两个车位分割线,确定两个限位点位。
具体的,可以利用算法基于每个目标像素点的位置信息将所有目标像素点进行直线拟合,拟合成直线,作为第一拟合直线。可以计算第一拟合直线与目标车位内的两个车位分割线之间的交点,作为限位点位。
示例性的,在筛选出目标连通域像素点集中距离车位近端线较近的预设比例的像素点集之后,可以对筛选后的像素点集拟合直线,计算E、F点作为限位点位。
另一种实现方式可以是:分别对与各目标连通域中的目标像素点进行直线拟合,得到与各目标连通域相对应的第二拟合直线,并基于各第二拟合直线和两个车位分割线,确定两个限位点位。
在本实施例中,在确定出所有目标像素点之后,每个目标像素点有所属的目标连通域,可以并行或串行的将每个目标连通域内的所有目标像素点进行拟合,得到每个目标连通域所对应的拟合直线,作为第二拟合直线。可以从各第二拟合直线中筛选出最垂直于车位分割线的拟合直线,可以将筛选出的拟合直线与目标车位内的两个车位分割线之间的交点,作为限位点位。具体来说,基于各第二拟合直线和两个车位分割线,确定两个限位点位的实现方式可以是:基于第二拟合直线的第三数量、各第二拟合直线与同一车位分割线之间的第二夹角,从第二拟合直线中确定出第三拟合直线;基于两个车位分割线与第三拟合直线之间的交点,确定两个限位点位。
在本实施例中,可以统计出第二拟合直线的数量,作为第三数量,还可以将每个第二拟合直线分别与同一车位分割线相交,计算出夹角,作为第二夹角。可以提取出最接近于垂直角度(90度)的第二夹角所对应的第二拟合直线作为第三拟合直线。可以将第三拟合直线与目标车位内的两个车位分割线之间的交点,作为限位点位。
示例性的,在筛选出目标连通域像素点集中距离车位近端线较近的预设比例的像素点集之后,可以对每个目标连通域筛选后的像素点集拟合直线,根据直线数量、直线与车位分割线夹角关系,筛选出直线,计算E、F点作为限位点位。
需要说明的是,在对车位限位器检测的过程中,可能由于摄像头被遮挡等因素造成未识别出限位点位的情况,也可能出现检测故障,为了进一步提高检测的准确性以及泊车安全性,可以调取当前时刻前一时刻所识别的目标车位两个限位点位作为当前时刻的限位点位,保证限位点位的持续有效获取。或者,也可以将当前时刻所识别出的限位点位和前一时刻所识别的限位点位进行融合,得到最终的限位点位。
在本实施例中,在基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位之后,还包括:基于两个限位点位更新历史时刻所对应的历史限位点位,以使在未检测到与目标车位相对应的限位点位时,基于历史限位点位进行泊车;基于历史限位点位确定参考限位区域,以使在得到语义分割图像之后,从语义分割图像中确定与参考限位区域匹配的待检测区域图,并将待检测区域图作为新的语义分割图像,以从新的语义分割图像中确定与目标车位相对应的至少一个目标限位器的目标连通域。
其中,历史时刻是指位于当前时刻之前的时刻,每个时刻所对应的时间值可以与摄像设备所拍摄的单位时间所拍摄的画面相关,摄像设备每拍摄1帧图像,可以作为一个时刻。
在实际应用中,车辆在泊车的过程中,对车位限位器的检测是实时且连续的,在确定当前时刻所识别出的限位点位之后,可以结合历史时刻对限位器的检测结果,综合确定出最终的限位点位。在确定出最终的限位点位之后,还可以基于最终的限位点位更新历史时刻所对应的历史限位点位,以使后续在未检测到与目标限位器相对应的限位点位时,调取历史限位点位进行泊车路线规划。还可以在确定历史限位点位之后,基于历史限位点位划定出参考限位区域,这样在得到语义分割图像之后,可以从语义分割图像中确定与参考限位区域匹配的待检测区域图,并将待检测区域图作为新的语义分割图像,以从新的语义分割图像中确定与目标车位相对应的至少一个目标限位器的目标连通域。例如,在确定出语义分割图像之后,可以调取当前时刻前一时刻(即历史时刻)所检测到的目标限位器对应的历史限位点位,根据历史限位点位从语义分割图像中划定出待检测的感兴趣区域,例如,感兴趣区域的区域大小可以大于并包围历史限位点位,进一步的,可以在感兴趣区域内检测目标连通域。如果前一时刻未检测到目标限位器的历史限位点位,则可以将目标车位设定为待检测的感兴趣区域,并在感兴趣区域内检测目标连通域,提高对目标连通域检测的效率。
本实施例的技术方案,通过获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像;基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像;确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位,解决了现有技术中通过基于传统图像处理技术的特征提取或深度学习目标检测的方式检测限位器,存在检测准确性低的问题,实现了通过将基于目标车辆四个摄像头所采集的待使用图像拼接为俯视图像,增大检测范围,提高检测准确性,进而通过语义分割模型对俯视图像进行处理,得到语义分割图像,使得语义分割图像中包含每个像素点的分类类别,进而确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域,实现对标限位器的区域识别,进而基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,准确的确定出与目标车位相对应的两个限位点位,提高了对车位限位器的检测的准确性,达到提高自动泊车安全性,以及提高用户乘坐体验的技术效果。
实施例二
作为上述实施例的一可选实施例,为了使本领域技术人员进一步清楚本发明实施例的技术方案,给出具体的应用场景实例。具体的,可以参见下述具体内容。
示例性的,参见图4,图4可以用于表征对车位限位器检测的场景示意图,在目标车辆的自动泊车功能开启时,目标车辆由左向右行驶,系统自动检测车辆周围场景内的车位,若系统已检测到目标车位,则开始检测目标车位内目标限位器。其中,每个车位由一条车位近端线(AB线)、一条车位远端线(DC线)和两条车位分割线(AD线和BC线)组成。假设图4左侧车位为目标车位,且已知目标车位A,B,C,D四个角点坐标,目的在于检测E、F两点(即限位点位)坐标,可以将限位点位作为泊车完成后,目标车辆轮胎位置的参考点。
示例性的,参见图5,图5可以表示为对车位限位器的检测的方法示意图,其对车位限位器检测的实现方式可以是:采集训练样本数据并标注,训练基于深度学习的语义分割模型。在自动泊车过程中,可获取目标车辆前后左右四个鱼眼摄像头的原始图像帧(即待使用图像);根据摄像头标定参数,将四个原始图像帧拼接为俯视图(即俯视图像);将俯视图输入预先训练好的基于深度学习的语义分割模型中,得到语义分割图像;若历史帧已检测到限位器,则根据历史检测结果在语义分割图像中划定待检测的感兴趣区域,若历史帧未检测到限位器,则将目标车位设定为待检测的感兴趣区域;遍历语义分割图像中的感兴趣区域,筛选出包含限位器语义元素的像素点(即限位像素点),并基于限位像素点提取出限位器连通域(即待选择连通域);根据待选择连通域数量、连通域在目标车位内的位置关系、限位器类别、限位器形状等条件过滤出目标连通域;进而可根据已过滤出的目标连通域,计算限位器E、F两点(即限位点位)位置,确定限位点位的方式可分为如下三种:
第一种方式是:可参见图6,根据目标连通域中心点数量、两两中心点所在直线与车位分割线夹角关系,计算出最终中心点,即目标中心点。计算经过目标中心点且与车位分割线垂直的直线,即待使用直线。计算该直线与车位分割线的两个交点,即待修正交点;将这两个交点分别沿所在的车位分割线往车位近端线方向移动预设距离阈值,可得到E和F点,作为当前时刻目标车位内限位器的检测结果,即限位点位,进而结合历史时刻检测出的限位点位与当前时刻检测出的限位点位,返回最终的检测结果,并更新历史帧检测结果。
第二种方式是:可参见图7,筛选出目标连通域像素点集中距离车位近端线较近的预设比例的像素点集,可以对筛选后的像素点集拟合直线,计算E、F点作为限位点位,进而结合历史时刻检测出的限位点位与当前时刻检测出的限位点位,返回最终的检测结果,并更新历史帧检测结果。
第三种方式是:可参见图8,筛选出目标连通域像素点集中距离车位近端线较近的预设比例的像素点集,可以对每个目标连通域筛选后的像素点集拟合直线,根据直线数量、直线与车位分割线夹角关系,筛选出直线,计算E、F点作为限位点位,进而结合历史时刻检测出的限位点位与当前时刻检测出的限位点位,返回最终的检测结果,并更新历史帧检测结果。
本实施例所提供的技术方案通过训练基于深度学习的语义分割模型检测限位器,相比较传统图像处理技术,可以实现对复杂场景(如光线较暗,不常见限位器)的限位器检测,鲁棒性更强,相比基于深度学习的目标检测网络模型检测限位器,语义分割模型实现像素级检测,检测精度更高,提高对限位器检测的准确性。使用多路摄像头拼接而成的俯视图作为语义分割模型的输入,相比仅采用单路摄像头输入,模型可以同时检测多个摄像头获取的图像内容,检测范围更广,进一步提高了对限位器检测的准确性。同时还结合历史检测结果,稳定输出限位器检测结果,提高泊车安全性。
本实施例的技术方案,通过获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像;基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像;确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位,解决了现有技术中通过基于传统图像处理技术的特征提取或深度学习目标检测的方式检测限位器,存在检测准确性低的问题,实现了通过将基于目标车辆四个摄像头所采集的待使用图像拼接为俯视图像,增大检测范围,提高检测准确性,进而通过语义分割模型对俯视图像进行处理,得到语义分割图像,使得语义分割图像中包含每个像素点的分类类别,进而确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域,实现对标限位器的区域识别,进而基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,准确的确定出与目标车位相对应的两个限位点位,提高了对车位限位器的检测的准确性,达到提高自动泊车安全性,以及提高用户乘坐体验的技术效果。
实施例三
图9是根据本发明实施例三提供的一种对车位限位器的检测装置的结构示意图。如图9所示,该装置包括:俯视图像确定模块310、语义分割图像确定模块320、目标连通域确定模块330和限位点位确定模块340。
其中,俯视图像确定模块310,用于获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各所述待使用图像拼接为俯视图像;其中,所述位置包括车辆前端、车辆后端、车辆左端和车辆右端;语义分割图像确定模块320,用于基于预先训练的语义分割模型对所述俯视图像进行处理,得到语义分割图像;目标连通域确定模块330,用于确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;限位点位确定模块340,用于基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位。
本实施例的技术方案,通过获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各待使用图像拼接为俯视图像;基于预先训练的语义分割模型对俯视图像进行处理,得到语义分割图像;确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,确定与目标车位相对应的两个限位点位,解决了现有技术中通过基于传统图像处理技术的特征提取或深度学习目标检测的方式检测限位器,存在检测准确性低的问题,实现了通过将基于目标车辆四个摄像头所采集的待使用图像拼接为俯视图像,增大检测范围,提高检测准确性,进而通过语义分割模型对俯视图像进行处理,得到语义分割图像,使得语义分割图像中包含每个像素点的分类类别,进而确定语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域,实现对标限位器的区域识别,进而基于目标连通域、与目标车位相对应的车位近端线和两个车位分割线,准确的确定出与目标车位相对应的两个限位点位,提高了对车位限位器的检测的准确性,达到提高自动泊车安全性,以及提高用户乘坐体验的技术效果。
在上述装置的基础上,可选的,所述俯视图像确定模块310,包括待使用图像确定单元。
待使用图像确定单元,用于在检测到所述摄像设备的拍摄视野中包含目标车位时,向各所述摄像设备发送拍摄指令,以使各所述摄像设备执行所述拍摄指令,得到各所述待使用图像;
其中,各所述摄像设备的摄像头内外参数均不相同,所述摄像头内外参数包括拍摄角度、摄像头安装位置和广角参数。
在上述装置的基础上,可选的,所述目标连通域确定模块330,包括:限位像素点确定单元、待选择连通域确定单元和目标连通域确定单元。
限位像素点确定单元,用于基于所述语义分割图像中每个像素点的分类结果,确定所述分类结果为预设结果的限位像素点;其中,所述预设结果为限位器;
待选择连通域确定单元,用于基于所述限位像素点,确定至少一个待选择限位器的待选择连通域;
目标连通域确定单元,用于基于所述待选择连通域的第一数量、所述待选择连通域与所述目标车位之间的位置关系、待选择限位器的类别和尺寸,确定出所述至少一个目标限位器和相应的目标连通域。
在上述装置的基础上,可选的,所述限位点位确定模块340,包括:限位点位确定第一单元或限位点位确定第二单元。限位点位确定第二单元包括目标距离确定子单元、目标像素点确定子单元和限位点位确定第二子单元。
限位点位确定第一单元,用于基于所述目标连通域的中心点的第二数量、每两个中心点之间的连线、所述两个车位分割线以及所述车位近端线,确定与所述目标车位相对应的两个限位点位;
目标距离确定子单元,用于确定所述目标连通域中的各待筛选像素点与所述车位近端线之间的目标距离;
目标像素点确定子单元,用于基于各所述目标距离和预设比例,从所述各待筛选像素点中确定出目标像素点;
限位点位确定第二子单元,用于基于所述目标像素点和所述两个车位分割线,确定与所述目标车位相对应的两个限位点位。
在上述装置的基础上,可选的,所述限位点位确定第一单元包括目标中心点确定子单元、待修正交点确定子单元和限位点位确定第一子单元。
目标中心点确定子单元,用于基于所述第二数量、所述连线与同一车位分割线之间的第一夹角,从所述中心点中确定出目标中心点;
待修正交点确定子单元,用于确定垂直于所述车位分割线且经过所述目标中心点的待使用直线,并确定所述待使用直线与所述两个车位分割线之间的待修正交点;
限位点位确定第一子单元,用于将所述待修正交点的位置信息向靠近所述车位近端线方向移动预设距离阈值,得到所述两个限位点位。
在上述装置的基础上,可选的,所述限位点位确定第二子单元,具体用于对所有目标像素点进行直线拟合,得到第一拟合直线,并基于所述第一拟合直线和所述两个车位分割线,确定所述两个限位点位;或,分别对与各所述目标连通域中的目标像素点进行直线拟合,得到与各所述目标连通域相对应的第二拟合直线,并基于各所述第二拟合直线和所述两个车位分割线,确定所述两个限位点位。
在上述装置的基础上,可选的,所述限位点位确定第二子单元包括第三拟合直线确定小单元和限位点位确定小单元。
第三拟合直线确定小单元,用于基于所述第二拟合直线的第三数量、各所述第二拟合直线与同一车位分割线之间的第二夹角,从所述第二拟合直线中确定出第三拟合直线;
限位点位确定小单元,用于基于所述两个车位分割线与所述第三拟合直线之间的交点,确定所述两个限位点位。
在上述装置的基础上,可选的,所述装置还包括点位更新模块,所述点位更新模块包括点位更新单元和参考限位区域确定单元。
点位更新单元,用于基于所述两个限位点位更新历史时刻所对应的历史限位点位,以使在未检测到与所述目标限位器相对应的限位点位时,基于所述历史限位点位进行泊车;
参考限位区域确定单元,用于基于所述历史限位点位确定参考限位区域,以使在得到语义分割图像之后,从所述语义分割图像中确定与所述参考限位区域匹配的待检测区域图,并将所述待检测区域图作为新的语义分割图像,以从所述新的语义分割图像中确定与所述目标车位相对应的至少一个目标限位器的目标连通域。
本发明实施例所提供的对车位限位器的检测装置可执行本发明任意实施例所提供的对车位限位器的检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图10是实现本发明实施例的对车位限位器的检测方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图10所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如摄像头等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如对车位限位器的检测方法。
在一些实施例中,对车位限位器的检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的对车位限位器的检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行对车位限位器的检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及摄像头,用户可以通过该摄像头来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种对车位限位器的检测方法,其特征在于,包括:
获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各所述待使用图像拼接为俯视图像;其中,所述位置包括车辆前端、车辆后端、车辆左端和车辆右端;
基于预先训练的语义分割模型对所述俯视图像进行处理,得到语义分割图像;
确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;
基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位。
2.根据权利要求1所述的方法,其特征在于,所述获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,包括:
在检测到所述摄像设备的拍摄视野中包含目标车位时,向各所述摄像设备发送拍摄指令,以使各所述摄像设备执行所述拍摄指令,得到各所述待使用图像;
其中,各所述摄像设备的摄像头内外参数均不相同,所述摄像头内外参数包括拍摄角度、摄像头安装位置和广角参数。
3.根据权利要求1所述的方法,其特征在于,所述确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域,包括:
基于所述语义分割图像中每个像素点的分类结果,确定所述分类结果为预设结果的限位像素点;其中,所述预设结果为限位器;
基于所述限位像素点,确定至少一个待选择限位器的待选择连通域;
基于所述待选择连通域的第一数量、所述待选择连通域与所述目标车位之间的位置关系、待选择限位器的类别和尺寸,确定出所述至少一个目标限位器和相应的目标连通域。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位,包括:
基于所述目标连通域的中心点的第二数量、每两个中心点之间的连线、所述两个车位分割线以及所述车位近端线,确定与所述目标车位相对应的两个限位点位;或,
确定所述目标连通域中的各待筛选像素点与所述车位近端线之间的目标距离;
基于各所述目标距离和预设比例,从所述各待筛选像素点中确定出目标像素点;
基于所述目标像素点和所述两个车位分割线,确定与所述目标车位相对应的两个限位点位。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标连通域的中心点的第二数量、每两个中心点之间的连线、所述两个车位分割线以及所述车位近端线,确定与所述目标车位相对应的两个限位点位,包括:
基于所述第二数量、所述连线与同一车位分割线之间的第一夹角,从所述中心点中确定出目标中心点;
确定垂直于所述车位分割线且经过所述目标中心点的待使用直线,并确定所述待使用直线与所述两个车位分割线之间的待修正交点;
将所述待修正交点的位置信息向靠近所述车位近端线方向移动预设距离阈值,得到所述两个限位点位。
6.根据权利要求4所述的方法,其特征在于,所述基于所述目标像素点和所述两个车位分割线,确定与所述目标车位相对应的两个限位点位,包括:
对所有目标像素点进行直线拟合,得到第一拟合直线,并基于所述第一拟合直线和所述两个车位分割线,确定所述两个限位点位;或,
分别对与各所述目标连通域中的目标像素点进行直线拟合,得到与各所述目标连通域相对应的第二拟合直线,并基于各所述第二拟合直线和所述两个车位分割线,确定所述两个限位点位。
7.根据权利要求6所述的方法,其特征在于,所述基于各所述第二拟合直线和所述两个车位分割线,确定所述两个限位点位,包括:
基于所述第二拟合直线的第三数量、各所述第二拟合直线与同一车位分割线之间的第二夹角,从所述第二拟合直线中确定出第三拟合直线;
基于所述两个车位分割线与所述第三拟合直线之间的交点,确定所述两个限位点位。
8.根据权利要求1所述的方法,其特征在于,在所述基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位之后,还包括:
基于所述两个限位点位更新历史时刻所对应的历史限位点位,以使在未检测到与所述目标车位相对应的限位点位时,基于所述历史限位点位进行泊车;
基于所述历史限位点位确定参考限位区域,以使在得到语义分割图像之后,从所述语义分割图像中确定与所述参考限位区域匹配的待检测区域图,并将所述待检测区域图作为新的语义分割图像,以从所述新的语义分割图像中确定与所述目标车位相对应的至少一个目标限位器的目标连通域。
9.一种对车位限位器的检测装置,其特征在于,包括:
俯视图像确定模块,用于获取当前时刻在目标车辆多个位置处所部署的摄像设备所采集的待使用图像,并将各所述待使用图像拼接为俯视图像;其中,所述位置包括车辆前端、车辆后端、车辆左端和车辆右端;
语义分割图像确定模块,用于基于预先训练的语义分割模型对所述俯视图像进行处理,得到语义分割图像;
目标连通域确定模块,用于确定所述语义分割图像中与目标车位相对应的至少一个目标限位器的目标连通域;
限位点位确定模块,用于基于所述目标连通域、与所述目标车位相对应的车位近端线和两个车位分割线,确定与所述目标车位相对应的两个限位点位。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的对车位限位器的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004255.4A CN115953759A (zh) | 2023-01-03 | 2023-01-03 | 对车位限位器的检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310004255.4A CN115953759A (zh) | 2023-01-03 | 2023-01-03 | 对车位限位器的检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953759A true CN115953759A (zh) | 2023-04-11 |
Family
ID=87296559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310004255.4A Pending CN115953759A (zh) | 2023-01-03 | 2023-01-03 | 对车位限位器的检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953759A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740682A (zh) * | 2023-08-14 | 2023-09-12 | 禾昆科技(北京)有限公司 | 车辆泊入路线信息生成方法、装置、电子设备和可读介质 |
-
2023
- 2023-01-03 CN CN202310004255.4A patent/CN115953759A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740682A (zh) * | 2023-08-14 | 2023-09-12 | 禾昆科技(北京)有限公司 | 车辆泊入路线信息生成方法、装置、电子设备和可读介质 |
CN116740682B (zh) * | 2023-08-14 | 2023-10-27 | 禾昆科技(北京)有限公司 | 车辆泊入路线信息生成方法、装置、电子设备和可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11869247B2 (en) | Perception data detection method and apparatus | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN111488808A (zh) | 基于交通违法图像数据的车道线检测方法 | |
CN112528807A (zh) | 行驶轨迹的预测方法、装置、电子设备及存储介质 | |
CN113255444A (zh) | 图像识别模型的训练方法、图像识别方法和装置 | |
CN115953759A (zh) | 对车位限位器的检测方法、装置、电子设备及存储介质 | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN112764013A (zh) | 自动驾驶车辆感知系统测试方法、装置、设备及存储介质 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
CN112699754B (zh) | 信号灯识别方法、装置、设备以及存储介质 | |
CN208271388U (zh) | 一种基于视频监控的交通量采集系统 | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
CN115019511A (zh) | 基于自动驾驶车辆的识别机动车违规变道的方法和装置 | |
CN114998863A (zh) | 目标道路识别方法、装置、电子设备以及存储介质 | |
CN114005098A (zh) | 高精地图车道线信息的检测方法、装置和电子设备 | |
CN114359859A (zh) | 一种含遮挡的目标物处理方法、装置及存储介质 | |
CN107452230A (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 | |
CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN113052118A (zh) | 基于高速快球摄像机实现场景变换视频分析检测的方法、系统、装置、处理器及存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN115908838B (zh) | 基于雷视融合的车辆存在检测方法、装置、设备以及介质 | |
CN114373001A (zh) | 一种雷达和图像的联合标定方法及装置 | |
CN115578337A (zh) | 一种点云检测优化方法、装置、电子设备及存储介质 |
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 |