CN116620311B - 泊车误差检测方法、装置、车辆及存储介质 - Google Patents

Abstract

本申请实施例提供一种泊车误差检测方法、装置、车辆及存储介质，涉及智能驾驶技术领域。该方法通过在车辆泊入泊车验证场地的目标车位的过程中，实时获取车辆当前时刻的环视图像以及目标车位相对于车辆的实际相对位置，根据环视图像中的车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中目标车位相对于车辆的目标相对位置，根据目标环节中目标相对位置和实际相对位置，检测目标环节是否产生误差，从而可以判断出产生误差的环节，解决目前在自动泊车过程中，当发生泊入不正时，难以直观定位具体是车位检测、车位跟踪以及泊入控制中的哪个步骤影响或者较大影响到最终的泊入精度的问题。

Description

泊车误差检测方法、装置、车辆及存储介质

技术领域

本申请涉及智能驾驶技术领域，具体涉及一种泊车误差检测方法、装置、车辆及存储介质。

背景技术

自动泊车是通过遍布车辆周围的传感器探测车辆周围环境信息和有效泊车空间，并规划泊车路径，控制车辆的转向和加减速，使车辆半自动或自动完成泊车操作的功能。

根据自动化程度进行分类，自动泊车可分为半自动泊车、全自动泊车、记忆泊车、自主代客泊车四种，其中，根据搭载传感器和使用场景的不同，全自动泊车又可分为基于超声波的全自动泊车、超声波融合摄像头的全自动泊车、遥控泊车三种形态。随着自动泊车技术的不断迭代，自动泊车功能的实用性也越来越强。

目前，在自动泊车的过程中容易发生泊入不正的问题，很难达到每次都稳定居中泊入车位，而自动泊车过程中的车位检测、车位跟踪、泊入控制等步骤都有可能影响到最终的泊入效果，难以直观定位具体是车位检测、车位跟踪以及泊入控制中的哪个步骤影响或较大影响到最终的泊入精度。

发明内容

本申请实施例提出了一种泊车误差检测方法、装置、车辆及存储介质，以改善目前在自动泊车过程中，当发生泊入不正时，难以直观定位具体是车位检测、车位跟踪以及泊入控制中的哪个步骤影响或者较大影响到最终的泊入精度的问题。

第一方面，本申请实施例提供了一种泊车误差检测方法，所述方法包括：在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合；根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置，所述目标环节包括车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个；根据所述目标环节中所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

第二方面，本申请实施例提供了一种泊车误差检测装置，所述系统包括：位置获取模块，所述位置获取模块用于在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合；位置分析模块，所述位置分析模块用于根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置，所述目标环节包括车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个；误差检测模块，所述误差检测模块用于根据所述目标环节中所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

第三方面，本申请实施例提供了一种车辆，所述车辆包括存储器；一个或多个处理器；一个或多个应用程序，所述一个或多个应用程序存储在所述存储器中，并用于当被所述一个或多个处理器调用时执行上述方法。

第四方面，本申请实施例提供了一种计算机可读取存储介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码用于当被处理器调用时执行上述方法。

本申请实施例提供的泊车误差检测方法、装置、车辆及存储介质，可以在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，泊车验证场地上设置有黑白棋盘格以及ArUco标记，ArUco标记位于黑白棋盘格的白色棋盘格中，环视图像的中心与车辆的中心重合；根据环视图像中的车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中目标车位相对于车辆的目标相对位置；根据目标环节中的目标相对位置和实际相对位置，检测所述目标环节是否产生误差，可以检测到具体产生了误差的环节。此外，由于黑白棋盘格便于建立坐标系寻找角点，ArUco标记便于快速精确定位，因此采用黑白棋盘格结合ArUco标记的方式可以快速且精确地确定车辆和车位的相对位置关系。即，本申请实施例提供的泊车误差检测方法可以解决目前在自动泊车过程中，当发生泊入不正时，难以直观定位具体是车位检测、车位跟踪以及泊入控制中的哪个步骤影响或者较大影响到最终的泊入精度的问题。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域技术人员来讲，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示出了本申请实施例提供的泊车误差检测方法的流程示意图；

图2示出了本申请一示例性实施例提供的泊车验证场地的示意图；

图3示出了本申请一示例性实施例提供的目标棋盘格在泊车验证场地中的示意图；

图4示出了本申请一示例性实施例提供的目标车位内角点的示意图；

图5示出了本申请另一实施例提供的泊车误差检测方法的流程示意图；

图6示出了本申请一示例性实施例提供的目标图像的示意图；

图7示出了本申请一示例性实施例提供的环视图像的示意图；

图8示出了本申请又一实施例提供的泊车误差检测方法的流程示意图；

图9示出了本申请一示例性实施例提供的泊车误差检测方法的流程示意图；

图10示出了本申请实施例提供的泊车误差检测装置的结构示意图；

图11示出了本申请实施例提供的车辆的结构示意图。

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、完整的描述。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。

目前，许多智能驾驶车辆采用的超声波融合摄像头的全自动泊车，全自动泊车通常包括车位检测、车位跟踪、泊入控制等环节，其中，车位检测是指在摄像头采集到的图像中，根据车位线确定车位位置的技术；车位跟踪是指车辆在识别出目标车位后驶离该车位后，保持对目标车位的追踪，以获取驶回目标车位的路径的技术；泊入控制是指车辆在确定目标车位后，控制车辆自动泊入目标车位的技术。

然而，当前的自动泊车技术，车辆在泊车过程中容易发生泊入不正问题，很难达到每次都稳定居中泊入。其中，由于车位检测、车位跟踪、泊入控制等步骤都有可能影响到最终的泊入效果，不好直观定位具体是车位检测、车位跟踪、泊入控制中的哪个步骤影响或者较大影响到最终的泊入精度。

基于此，发明人想到，如果可以设计一个自动泊车标准验证场地，使车辆进入场地并通过安装在车辆上的多个摄像头获取场地地面上的ArUco标记，则能够实时对车辆和车位进行定位，进而更新车辆和车位的目标相对位置，并与车辆在自动泊车过程中的各个环节中的车辆与车位的实际相对位置进行对比，分析误差所属的环节，从而解决上述问题。

请参阅图1，图1示出了本申请一实施例提供的泊车误差检测方法的流程示意图。该泊车误差检测方法可以应用于泊车误差检测装置或车辆。该泊车误差检测方法具体可以包括以下步骤S110至步骤S130。

步骤S110：在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合。

示例的，请参阅图2，泊车验证场地的总尺寸为62m*24m，其中，泊车验证场地的地面上设置有黑白棋盘格以及ArUco标记，每个棋盘格的尺寸均为1m*1m，每个ArUco标记尺寸为0.6m*0.6m，每个白色棋盘格中均居中设置有一个ArUco标记，每个ArUco标记的标识信息(IdentityDocument，ID)均不同。在黑白棋盘格上设置有9个车位，每个车位的车位线的宽度为10cm，如图2所示，9个车位包括3个平行车位、3个垂直车位和3个斜车位。

其中，环视图像是由位于所述车辆四周的摄像头采集到的原始图像拼接得到的图像，可近似视为车辆上方拍摄的俯视图，环视图像中包括车辆、泊车验证场地中的部分黑白棋盘格以及部分ArUco标记。

其中，目标车位是指车辆最终泊入的车位，可以是上述车位线划分出的车位中的任意一个，在此不作限制。

其中，实际相对位置可以指目标车位相对于车辆在移动过程中的实际位置的相对位置，在不同的目标环节中，目标车位相对于车辆的实际相对位置的获取方法可以不同：在车位检测环节中，目标车位相对于车辆的实际相对位置可以由检测到的目标车位在环视图像中的位置计算得出；在车位跟踪环节中，目标车位相对于车辆的实际相对位置可以由航迹推算(DeadReckoning，DR)计算得出；在泊入控制环节中，目标车位相对于车辆的实际相对位置可以由路径规划算法计算得出。

步骤S120：根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置，所述目标环节包括在车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个。

在车辆泊入车位过程所采用的相关技术中，常根据环视图像中车辆的后轴中心与目标车位进行相对位置的计算，以完成车辆泊入，因此本申请实施例中，相对位置的计算均以车辆后轴中心为准。

目标车位相对于车辆的目标相对位置可以指根据环视图像中的黑白棋盘格与ArUco标记计算出的目标车位与车辆后轴中心的相对位置。

在本实施例中，泊车验证场地具有预先定义的第一坐标系，第一坐标系以所述泊车验证场地的预设角点为原点。其中，预设角点可以是泊车验证场地的左上角、左下角、右上角、右下角中的其中一个。示例的，如图2所示的泊车验证场地，预设角点可以是泊车验证场地的左上角，图2所示的第一坐标系以泊车验证场地中的左上角为坐标原点，以向右为水平坐标轴正方向，以向下为竖直坐标轴正方向。

在一些实施方式中，第一坐标系的单位长度为1m，每个棋盘格的角点均对应一个坐标，可以预先设置每个ArUco标记的标识信息与包含该ArUco标记的白色棋盘格的四个角点在第一坐标系中的坐标具有映射关系。例如，标识信息为“0”的ArUco标记所在的白色棋盘格的四个角点的坐标分别为：左上角角点“0_0”的坐标为(0，0)，右上角角点“0_1”的坐标为(1，0)，左下角角点“0_2”的坐标为(1，1)，右下角角点“0_3”的坐标为(0，1)。

在一些实施方式中，确定目标车位相对于车辆的目标相对位置的方法可以包括：根据目标环节中的环视图像所包括的所述车辆、黑白棋盘格以及ArUco标记，获取所述车辆在所述第一坐标系中的坐标；获取所述目标车位靠近所述车辆的两个内角点在所述第一坐标系中的坐标，内角点为目标车位的车位线内侧形成的矩形的角点，且内角点在所述泊车验证场地建立时预先确定；根据所述车辆以及所述两个内角点在所述第一坐标系中的坐标，确定所述目标车位相对于所述车辆的目标相对位置。

其中，“根据目标环节中的环视图像所包括的所述车辆、黑白棋盘格以及ArUco标记，获取所述车辆在所述第一坐标系中的坐标”可以包括：在环视图像中的车辆四周，分别获取一个最靠近车辆的竖直中轴线或水平中轴线，且未被车辆遮挡的白色棋盘格，作为目标棋盘格；基于目标棋盘格内的ArUco标记，获取目标棋盘格在第一坐标系中的坐标；获取目标棋盘格在第二坐标系中的坐标，第二坐标系以环视图像中的车辆后轴中心为原点；根据目标棋盘格在第二坐标系以及目标棋盘格在第一坐标系中的坐标，计算车辆的后轴中心在第一坐标系中的坐标，作为车辆在第一坐标系中的坐标。

作为一种示例，请参阅图3，车辆在黑白棋盘格中采用以灰色加粗线为框并以白色为底的矩形表示，灰色加粗的两条直线分别表示车辆的水平中轴线和竖直中轴线，分别在车辆左右两侧获取一个最靠近车辆且最靠近车辆的水平中轴线且未被车辆所遮挡的白色棋盘格，分别在车辆前后两侧获取一个最靠近车辆且最靠近车辆的竖直中轴线且未被车辆所遮挡的白色棋盘格，从而可以得到四个如图3所示的四个角点均被圆圈圈出的目标棋盘格。

也就是说，本申请实施例中的目标棋盘格为四个，目标棋盘格在第二坐标系中的坐标包括四个目标棋盘格的每个角点的坐标，共16个坐标。由于每个ArUco标记的标识信息与包括该ArUco标记的白色棋盘格在第一坐标系中的坐标具有预先建立的映射关系，因此可以获取目标棋盘格内的ArUco标记的标识信息，根据该映射关系获取与目标棋盘格内的ArUco标记的标识信息对应的坐标，作为目标棋盘格在第一坐标系中的坐标，也即目标棋盘格在第一坐标系中的坐标包括16个坐标。

上述“获取目标棋盘格在第二坐标系中的坐标”可以包括以下步骤：获取目标棋盘格在车辆中心坐标系中的坐标，车辆中心坐标系以环视图像中的车辆的中心(即环视图像的中心)作为原点；将目标棋盘格在车辆中心坐标系中的坐标转换为在第二坐标系中的坐标，得到目标棋盘格在第二坐标系中的坐标。

具体地，由于在环视图像中，每个像素对应的尺寸均为固定值，因此，以环视图像中车辆的中心为原点，通过计算目标棋盘格的每个角点距离车辆中心坐标系的原点的距离，即可按比例计算出目标棋盘格在车辆中心坐标系中的坐标，可将目标棋盘格的所有角点在车辆中心坐标系中的坐标作为目标棋盘格的每个角点各自在车辆中心坐标系中的坐标，即，由于目标棋盘格为四个，四个目标棋盘格有16个角点，则目标棋盘格在车辆中心坐标系中的坐标也包括16个坐标。

在得到目标棋盘格在车辆中心坐标系中的坐标之后，可以通过平移变换，将目标棋盘格在车辆中心坐标系中的坐标转换为在第二坐标系中的坐标，得到目标棋盘格在第二坐标系中的坐标，也即目标棋盘格在第二坐标系中的坐标也包括16个坐标。其中，第二坐标系可以是以环视图像中的车辆的后轴中心作为原点的世界坐标系。

在得到目标棋盘格在第一坐标系中的坐标以及在第二坐标系中的坐标之后，可以根据目标棋盘格在第一坐标系中的坐标以及在第二坐标系中的坐标(共32个坐标)联立产生超定方程，利用最小二乘法解出这个超定方程，即可计算出第二坐标系的原点在本场地的世界坐标系中的旋转向量和平移向量，得到车辆后轴中心在第一坐标系中的坐标。

在一些实施方式中，环视图像还包括目标车位；当车辆行驶至目标车位的车位线周围时，目标车位的完整车位线将出现在环视图像中。获取目标车位靠近车辆的两个内角点在第一坐标系中的坐标的方法可以包括：在环视图像中，确定目标车位靠近环视图像中的车辆的两个内角点，获取最靠近两个内角点的白色棋盘格，作为标志棋盘格；获取标志棋盘格最靠近两个内角点的白色棋盘格的标识信息，每个ArUco标记的标识信息与包括该ArUco标记的白色棋盘格在第一坐标系中的坐标具有预先建立的映射关系；根据映射关系获取与标识信息对应的坐标，作为标志棋盘格在第一坐标系中的坐标；根据两个内角点分别与标志棋盘格之间的位置关系，计算两个内角点分别在所述第一坐标系中的坐标。

其中，目标车位的内角点是指，目标车位的车位线内侧形成的矩形的角点。由于内角点的位置可能不位于棋盘格角点处，因此可通过最靠近内角点的白色棋盘格的坐标，按比例计算出内角点的坐标。

示例的，请参阅图4，图4中左侧矩形表示车辆，右侧矩形表示目标车位的车位线。由于车位线本身具有一定宽度，因此目标车位具有内角点与外角点，其中，内角点即为1、3、5、7这四个点，外角点即为2、4、6、8这四个点。其中，由于目标车位的车位线通常只有靠近车辆的一侧出现在环视图像中，因此通过目标车位靠近车辆的两个内角点进行目标车位的位置计算能够提高精度。在图4中，内角点1和3即为目标车位靠近车辆的两个内角点。

在一些实施方式中，“根据两个内角点分别与标志棋盘格之间的位置关系，计算两个内角点分别在所述第一坐标系中的坐标”具体可以包括：计算两个内角点分别与标志棋盘格的任意角点之间的距离，由于标志棋盘格角点在第一坐标系中的坐标可根据标志棋盘格内的标识信息获取，因此根据距离与坐标之间的比例关系即可计算出两个内角点分别在第一坐标系中的坐标。

需要说明的是，针对不同环节，上述计算目标相对位置所采用的环视图像不同，示例的，在目标环节为车位检测环节的情况下，获取检测到目标车位的第一帧环视图像，根据第一帧环视图像所包括的黑白棋盘格以及ArUco标记，确定在车位检测环节中目标车位相对于车辆的目标相对位置；或者在目标环节为车位跟踪环节的情况下，获取车位跟踪环节中的环视图像，根据车位跟踪环节中的环视图像所包括的黑白棋盘格以及ArUco标记，确定在车位跟踪环节中目标车位相对于车辆的目标相对位置；或者在目标环节为泊入控制环节的情况下，获取泊入控制环节中的环视图像，根据泊入控制环节中的环视图像所包括的黑白棋盘格以及ArUco标记，确定在泊入控制环节中目标车位相对于车辆的目标相对位置。

在一些实施方式中，可以按照车位检测环节、车位跟踪环节以及泊入控制环节的顺序，依次确定车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个为目标环节，根据目标环节中的环视图像所包括的黑白棋盘格以及ArUco标记，确定在目标环节中目标车位相对于车辆的目标相对位置。

步骤S130：根据所述目标环节中所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

在一些实施方式中，可以计算目标相对位置和与目标相对位置对应的实际相对位置之间的差值；若差值超出相对位置误差允许范围，确定目标环节产生误差；若差值处于相对位置误差允许范围内，确定目标环节未产生误差。其中，相对位置误差允许范围可以根据实际需求预先设定，在此不做具体限制。

在确定目标环节产生误差后，还可以发出用于提示目标环节产生误差的提示信息，以便提示相关人员对产生误差的环节进行优化改进。在一些实施方式中，在针对产生误差的环节进行优化改进后，可以按照车位检测环节、车位跟踪环节以及泊入控制环节的顺序，控制车辆重新泊入目标车位；在车辆重新泊入目标车位的过程中，重新执行“实时获取当前时刻的车辆的环视图像以及目标车位相对于车辆的实际相对位置”的步骤(即步骤S110)，直到车位检测环节、车位跟踪环节以及泊入控制环节均不产生误差。

本申请实施例提供的泊车误差检测方法，可以在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，泊车验证场地上设置有黑白棋盘格以及ArUco标记，ArUco标记位于黑白棋盘格的白色棋盘格中，环视图像的中心与车辆的中心重合；根据环视图像中的车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中目标车位相对于车辆的目标相对位置；根据目标环节中的目标相对位置和实际相对位置，检测所述目标环节是否产生误差，可以检测到具体产生了误差的环节。此外，由于黑白棋盘格便于建立坐标系寻找角点，ArUco标记便于快速精确定位，因此采用黑白棋盘格结合ArUco标记的方式可以快速且精确地确定车辆和车位的相对位置关系。即，本申请实施例提供的泊车误差检测方法可以解决目前在自动泊车过程中，当发生泊入不正时，难以直观定位具体是车位检测、车位跟踪以及泊入控制中的哪个步骤影响或者较大影响到最终的泊入精度的问题。

请参阅图5，图5是本申请另一实施例提供的泊车误差检测方法的流程示意图。该泊车误差检测方法可以应用于泊车误差检测装置或车辆。该泊车误差检测方法具体可以包括以下步骤S210至步骤S2100。

步骤S210：在所述车辆进入预先建立的泊车验证场地并处于静止状态时，获取位于所述车辆四周的多个摄像头采集到的原始图像，得到多个原始图像，所述原始图像包括部分所述黑白棋盘格。

其中，车辆四周设置的摄像头的数量不少于四个。示例的，车辆四周设置的摄像头可以为四个，四个摄像头可以均匀分布在车辆的前、后、左、右四个方向。车辆四周设置的摄像头可以均为鱼眼摄像头，而鱼眼摄像头拍摄图像会存在一定程度的畸变，因此在获取到原始图像之后，需要对原始图像进行畸变矫正，以展示出实际场景。

步骤S220：对所述多个原始图像进行畸变矫正，得到多个目标图像，所述目标图像包括含有部分所述黑白棋盘格的图像。

在本实施例中，原始图像中棋盘格的边扭曲为曲线，经过畸变矫正后，可以将扭曲的图像还原，还原出的目标图像中的棋盘格的边为直线。

步骤S230：根据所述多个目标图像中的黑白棋盘格，对所述多个摄像头进行内参误差检测。

在一些实施方式中，对所述多个摄像头进行内参误差检测的方法可以包括：获取所述目标图像中的第一目标直线上的所有角点，根据所述第一目标直线上的所有角点拟合出第一直线，所述第一目标直线为任一与所述目标图像的水平中轴线或竖直中轴线平行的直线；若第一目标直线与目标图像的水平中轴线平行，则根据所述第一目标直线上最靠近所述目标图像的竖直中轴线的两个角点拟合出第二直线，若第一目标直线与目标图像的竖直中轴线平行，则根据第一目标直线上最靠近目标图像的水平中轴线的两个角点拟合出第二直线；计算所述第一直线与所述第二直线之间的第一差值；若所述第一差值超出内参误差允许范围，确定所述目标图像对应的所述摄像头的内参存在误差。

其中，第一直线上的任意两个点均应拟合出与第一直线重合的直线，若第一直线与上述第二直线之间产生的第一差值大于内参误差允许范围，则表示畸变矫正的过程出现了问题，即摄像头的内参出现了误差，需要对内参有误差的摄像头的内参进行重新标定。

本申请实施例选取第一目标直线上最靠近所述目标图像的水平中轴线或竖直中轴线的两个角点，是因为这两个角点处于目标图像中央，原始图像中，越靠近图像中央的部分扭曲程度越低，因此在畸变矫正后，这两个角点拟合出的第二直线更接近准确的直线，从而与第一直线进行对比以进行内参误差检测。

请参阅图6，假设图6是一个目标图像，图6中两条灰色加粗的直线分别表示该目标图像的水平中轴线和竖直中轴线，则以第一目标直线与目标图像的水平中轴线为例，图中的角点1-6所在的直线为第一目标直线，可以根据角点1-6拟合出第一直线，可以根据第一目标直线上的最靠近目标图像的竖直中轴线的两个角点3和4拟合出第二直线，若第一直线和第二直线之间的第一差值超出内参误差允许范围，则判定该目标图像对应的摄像头的内参有误差，若第一直线和第二直线之间的第一差值处于内参误差允许范围内，则判定该目标图像对应的摄像头的内参没有误差。

本申请实施例选取第一目标直线上最靠近所述目标图像的水平中轴线或竖直中轴线的两个角点，是因为这两个角点处于目标图像中央，原始图像中，越靠近图像中央的部分扭曲程度越低，因此在畸变矫正后，这两个角点拟合出的第二直线更接近准确的直线，从而采用这两个角点拟合出的第二直线与第一直线进行对比来进行内参误差检测，可以提高内参误差检测的精度。

可以理解的是，第一目标直线上的任意两个点均应拟合出与第一直线基本重合的第二直线，若第一直线与第二直线之间的第一差值大于内参误差允许范围，则表示畸变矫正的过程出现了问题，即摄像头的内参出现了误差，需要对内参有误差的摄像头的内参进行重新标定。

步骤S240：若检测到所述多个摄像头中存在内参有误差的摄像头，对所述内参有误差的摄像头的内参进行重新标定。

其中，可以采用张正友标定法或其他内参标定方法，重新对内参有误差的摄像的内参进行标定。

在对内参有误差的摄像头的内参进行重新标定之后，可以重新获取标定内参后的摄像头采集到的原始图像，继续执行所述畸变矫正以及所述内参误差检测的步骤(即步骤S210和步骤S240)，直至所述多个摄像头中不存在内参有误差的摄像头，从而完成对摄像头的内参进行误差检测，避免后续误差检测中的累计误差。

步骤S250：若检测到所述多个摄像头中不存在内参有误差的摄像头，将所述多个目标图像进行拼接，得到环视图像，所述环视图像含有部分所述黑白棋盘格的图像。

步骤S260：根据所述环视图像中的黑白棋盘格，对所述多个摄像头进行外参误差检测。

在一些实施方式中，对多个摄像头进行外参误差检测的方法可以包括：获取所述环视图像中的第二目标直线上的所有角点，根据所述第二目标直线上的所有角点拟合出第三直线，所述第二目标直线为任一与所述环视图像的水平中轴线或竖直中轴线平行的直线；若第二目标直线与环视图像的水平中轴线平行，则根据第二目标直线上最靠近环视图像的竖直中轴线的两个角点拟合出第四直线；若第二目标直线与环视图像的竖直中轴线平行，则根据第二目标直线上最靠近环视图像的水平中轴线的两个角点拟合出第四直线；计算所述第三直线与所述第四直线之间的第二差值；若所述第二差值超出外参误差允许范围，确定所述环视图像对应的所述多个摄像头的外参存在误差。其中，外参误差允许范围可以根据实际需求预先设定，在此不做具体限制。

示例的，请参阅图7，假设图7是一个环视图像，图7中以灰色加粗线为框并以白色为底的矩形表示车辆，两条灰色加粗的直线分别表示环视图像的水平中轴线和竖直中轴线，则以第二目标直线与环视图像的水平中轴线为例，图中的角点1-6所在的直线为第二目标直线，可以根据角点1-6拟合出第三直线，可以根据第二目标直线上的最靠近环视图像的竖直中轴线的两个角点3和4拟合出第四直线，若第三直线和第四直线之间的第二差值超出外参误差允许范围，则判定多个摄像头的外参有误差，若第三直线和第四直线之间的第二差值处于内参误差允许范围内，则判定多个摄像头的外参没有误差。

本申请实施例选取第二目标直线上最靠近所述目标图像的水平中轴线或竖直中轴线的两个角点，是因为这两个角点距离原始图像之间的拼接线最远，距离拼接线越近，越可能由于外参误差产生扭曲，因此距离拼接线越远，扭曲程度越小，这两个角点拟合出的第四直线更接近准确的直线，从而采用这两个角点拟合出的第四直线与第三直线进行对比来进行外参误差检测，可以提升外参误差检测的精度。

可以理解的是，第二目标直线上的任意两个点均应拟合出与第三直线基本重合的第四直线，若第三直线与上述第四直线之间产生的第二差值大于外参误差允许范围，则表示原始图像拼接为环视图像的过程出现了问题，即多个摄像头的外参出现了误差，此时需要对多个摄像头的外参进行重新标定。

步骤S270：若检测到所述多个摄像头存在外参误差，对所述多个摄像头的外参进行重新标定。

在对多个摄像头的外参进行重新标定之后，可以获取重新标定外参后的摄像头采集到的原始图像，继续执行“将所述多个目标图像进行拼接，得到环视图像”的步骤(即步骤S250至步骤S270)，直到多个摄像头不存在外参误差，从而完成对摄像头的外参进行误差检测，避免后续误差检测中的累计误差。

步骤S280：在多个摄像头不存在外参误差时，可以控制车辆由静止状态启动并泊入泊车验证场地中的目标车位，在所述车辆从静止状态启动至所述车辆泊入所述泊车验证场地中的目标车位的过程中，实时获取所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述泊车验证场地包括黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合。

步骤S290：根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定所述目标车位相对于所述车辆的目标相对位置，所述目标环节包括在车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个。

步骤S2100：根据所述目标环节中的所述目标相对位置和与所述实际相对位置，检测所述目标环节是否产生误差。

其中，步骤S280至步骤S2100的具体描述请参阅上述步骤S110至步骤S130，在此不再赘述。

本申请实施例提供的泊车误差检测方法，相比于图1所示的实施例，在车辆开始进行自动泊车之前，先对多个摄像头进行内外参误差检测，确保采集到的环视图像误差处于误差允许范围内，避免多个摄像头的内外参误差引起后续泊车误差检测中的累计误差，从而可以提高后续泊车误差检测的精度。

请参阅图8，图8示出了本申请实施例提供的又一实施例提供的泊车误差检测方法的流程示意图。该泊车误差检测方法可以应用于泊车误差检测装置或车辆。该泊车误差检测方法具体可以包括以下步骤S310至步骤S340。

步骤S310：在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置。步骤S310的具体描述请参阅上述步骤S110。

步骤S320：在所述车辆泊入所述目标车位并处于静止状态时，获取所述车辆的实际泊车位置；获取所述目标车位对应的预先设定的目标泊车位置；计算所述实际泊车位置与所述目标泊车位置之间的差值。

在一些实施方式中，在计算所述实际泊车位置与所述目标泊车位置之间的差值之后，可以直接判断本次计算得到的实际泊车位置与目标泊车位置之间的差值是否超出泊车位置误差允许范围是否超出泊车位置误差允许范围；若所述差值超出泊车位置误差允许范围，则可以执行“根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置”的步骤，即步骤S330；若所述差值处于所述泊车位置误差允许范围内，则可以确定所述泊车位置未产生误差，即，本次车辆精准地泊入了目标车位中，不存在误差，此时可以控制所述车辆退出所述泊车验证场地，避免在不存在泊车误差时进行不必要的泊车误差检测而导致场地和系统资源的浪费。

在一些实施方式中，在计算实际泊车位置与目标泊车位置之间的差值之后，还可以根据是否获取到前一次实际泊车位置与目标泊车位置之间的差值，判断本次泊车误差检测是否是首次检测。在获取到前一次实际泊车位置与目标泊车位置之间的差值时，确定本次泊车误差检测不是首次检测，基于前一次实际泊车位置与目标泊车位置之间的差值与本次计算得到的实际泊车位置与目标泊车位置之间的差值，确定误差是否减小。若确定误差减小，则可以进一步判断本次计算得到的实际泊车位置与目标泊车位置之间的差值是否超出泊车位置误差允许范围。

若确定误差未减小，则说明针对上次的误差进行优化改进没有效果，此时可以控制车辆退出泊车验证场地，以对该车辆进行相关优化。示例的，可以控制车辆退出泊车验证场地后，重新针对上次的误差进行优化改进，在优化改进之后再重新执行步骤S310至步骤S320的步骤，直到基于前一次实际泊车位置与目标泊车位置之间的差值与本次计算得到的实际泊车位置与目标泊车位置之间的差值，确定误差减小。示例的，也可以控制车辆退出泊车验证场地，对车位检测环节、车位跟踪环节以及泊入控制环节之外的其他环节进行优化。

在未获取到前一次实际泊车位置与目标泊车位置之间的差值时，确定本次泊车误差检测是首次检测，此时再执行上述“判断本次计算得到的实际泊车位置与目标泊车位置之间的差值是否超出泊车位置误差允许范围”的操作。本实施方式中，通过检测本次泊车位置误差相比于前一次的泊车位置误差是否减小，在泊车位置误差没有减小时直接控制车辆退出泊车验证场地并重新针对上次的误差进行优化改进，可以避免进行不必要的泊车误差检测，从而提升泊车误差检测的效率。

步骤S330：若所述差值超出泊车位置误差允许范围，根据目标环节中的环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置。

步骤S340：根据所述目标环节中所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

其中，步骤S330和步骤S340的具体描述请参阅上述步骤S120至步骤S130，在此不再赘述。

本申请实施例提供的泊车误差检测方法，相比于图1所示的实施例，本实施例在检测到实际泊车位置和目标泊车位置之间的差值超出泊车位置误差允许范围的情况下，才对泊车过程中的车位检测、车位跟踪以及泊入控制环节进行误差检测，而在实际泊车位置与所述目标泊车位置之间的差值处于泊车位置误差允许范围内的情况下，不进行泊车误差检测，而非针对所有泊车情况进行泊车误差检测，从而既能实现在存在泊车误差时进行泊车误差检测以提高泊车精度，又能实现在不存在泊车误差时避免进行不必要的泊车误差检测而导致场地和系统资源的浪费。

为方便理解，请参阅图9，图9示出了本申请一示例性实施例提供的泊车误差检测方法的流程示意图。预先建立泊车验证场地，该泊车验证场地中包括黑白棋盘格、ArUco标记和预设车位的车位线，以车辆上设置有四个摄像头，四个摄像头分别设置在车辆的四周为例进行本示例的说明；控制车辆驶入泊车验证场地一定距离之后控制车辆处于静止状态，在车辆静止时，通过车辆上的四个摄像头实时采集车辆四周的原始图像，对原始图像畸变校正后得到四个目标图像。检测四个目标图像中的棋盘格角点，按照前述方法实施例中的相关方法，基于四个目标图像分别对应检测四个摄像头各自的内参是否有误差，以避免由摄像头内参误差引起累计误差。若存在内参有误差的摄像头，则对该内参有误差的摄像头的内参进行重新标定，直到不存在内参有误差的摄像头。

若不存在内参有误差的摄像头，则将四个目标图像拼接为一个环视图像。获检测环视图像中的棋盘格角点，按照前述方法实施例中的相关方法，基于环视图像对四个摄像头的外参进行误差检测，以避免由摄像头外参误差引起累计误差。若四个摄像头的外参有误差，则对四个摄像头的外参进行重新标定，直到四个摄像头的外参没有误差。

若四个摄像头的外参没有误差，则控制车辆由静止状态启动，并控制车辆泊入目标车位。在车辆由静止状态启动至车辆泊入目标车位的过程中，实时获取车位检测、车位跟踪以及泊入控制环节的环视图像和实际相对位置。在车辆泊入目标车位并处于静止状态时，按照前述方法实施例中的相关方法计算车辆的实际泊车位置与目标泊车位置的差值，判断本次泊车误差检测是否为首次检测。若本次泊车误差检测为首次检测，且车辆的实际泊车位置与目标泊车位置的差值处于泊车位置误差允许范围，则控制车辆驶离泊车验证场地。

若本次泊车误差检测为首次检测，且车辆的实际泊车位置与目标泊车位置的差值超出泊车位置误差允许范围，则按照车位检测、车位跟踪以及泊入控制环节的顺序，依次根据泊入过程车位检测、车位跟踪以及泊入控制环节中的环视图像，按照前述方法实施例中的相关方法计算对应环节的目标相对位置，计算该目标相对位置和与该目标相对位置对应的实际相对位置之间的差值，根据对应环节的目标相对位置和实际相对位置的差值是否超出相对位置误差允许范围来判断对应环节是否产生误差，并对产生误差的环节进行优化改进。优化改进结束后，控制车辆驶出目标车位并移动至之前处于静止状态时的位置，再控制车辆重新泊入目标车位，重复执行上述步骤，直到车位检测、车位跟踪以及泊入控制环节均不产生误差，即不存在泊车误差。

若本次检测不为首次检测，则根据前一次的车辆的实际泊车位置与目标泊车位置的差值与本次的车辆的实际泊车位置与目标泊车位置的差值，判断泊车位置误差是否减小。若泊车位置误差减小，且车辆的实际泊车位置与目标泊车位置的差值超出泊车位置误差允许范围，则按照车位检测、车位跟踪以及泊入控制环节的顺序，依次根据泊入过程中的车位检测、车位跟踪以及泊入控制环节中的环视图像，按照前述方法实施例中的相关方法计算对应环节的目标相对位置，计算该目标相对位置和与该目标相对位置对应的实际相对位置之间的差值，根据对应环节的目标相对位置和实际相对位置的差值是否超出相对位置误差允许范围来判断对应环节是否产生误差，并对产生误差的环节进行优化改进。优化改进结束后，控制车辆驶出目标车位并移动至之前处于静止状态时的位置，再控制车辆重新泊入目标车位，重复执行上述步骤，直到车位检测、车位跟踪以及泊入控制环节均不产生误差，即不存在泊车误差。若泊车位置误差没有减小，则说明泊车位置偏差产生的原因与车位检测、车位跟踪以及泊入控制环节无关，控制车辆退出泊车验证场地。

请参阅图10，图10示出了本申请实施例提供的泊车误差检测装置的结构示意图。该泊车误差检测装置100可以包括以下部件：位置获取模块110，用于在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合；位置分析模块120，用于根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述目标车位相对于所述车辆的目标相对位置，所述目标环节包括在车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个；误差检测模块130，用于根据所述目标环节中所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

需要说明的是，在泊车误差检测装置100中，可以基于上述实施例中的步骤设置对应的模块，均属于本申请所保护的范围，在此不再赘述。

本领域技术人员可以清楚地了解到，本申请实施例提供的泊车误差检测装置可以实现本申请实施例提供的泊车误差检测方法。上述模块的具体工作过程，可以参阅本申请实施例中的泊车误差检测方法对应的过程，在此不再赞述。

本申请提供的实施例中，所显示或讨论的模块相互之间的耦合、直接耦合或者通信连接，可以是通过一些接口、装置或模块的间接耦合或通信耦合，可以是电性、机械或其他形式，本申请实施例对此不作限制。

另外，在本申请实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件的功能模块的形式实现，本申请实施例在此不作限制。

请参阅图11，图11示出了本申请实施例提供的车辆200的结构示意图。该装置可以包括以下部件：存储器210；一个或多个处理器220；一个或多个应用程序，所述一个或多个应用程序存储在所述存储器210中，并用于当被所述一个或多个处理器220调用时执行如上述实施例所描述的方法。

其中，处理器220可以包括一个或者多个处理核。处理器220利用各种接口和线路连接整个车辆200内的各个部分，通过运行或执行存储在存储器210内的指令、程序、代码集或指令集，以及调用存储在存储器210内的数据，执行车辆的各种功能和处理数据。处理器220可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器220可集成中央处理器(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。可以理解的是，上述调制解调器也可以不集成到处理器220中，单独通过一块通信芯片进行实现。

存储器210可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read Only Memory，ROM)。存储器210可以用于存储指令、程序、代码、代码集或指令集。存储器210可以包括存储程序区和存储数据区。其中，存储程序区可以存储用于实现操作系统的指令、用于实现至少一个功能的指令、用于实现上述各个方法实施例的指令等。存储数据区可以存储车辆200在使用中所创建的数据等。

计算机可读取存储介质中存储有程序代码，所述程序代码用于当被处理器调用时执行如上述方法实施例中所描述的方法。

计算机可读存储介质可以是诸如闪存、电可擦除可编程只读存储器(Electrically Erasable Programmable Read Only Memory，EEPROM)、电动程控只读存储器(Electrical Programmable Read Only Memory，EPROM)、硬盘或者只读存储器(ReadOnly Memory，ROM)之类的电子存储器。在一些实施方式中，计算机可读取存储介质可以包括非易失性计算机可读介质(non-transitorycomputer-readable storage medium，NTRSM)。计算机可读存储介质具有执行上述方法中的任何方法步骤的程序代码的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码可以以适当形式进行压缩。

以上，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示如上，然而并非用以限定本申请，任何本领域技术人员，在不脱离本申请技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本申请技术方案的范围内。

Claims (14)

1.一种泊车误差检测方法，其特征在于，包括：

在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述实际相对位置由当前时刻所处的目标环节对应的算法确定，所述目标环节包括在车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合；

根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述车辆的位置以及目标车位靠近所述车辆的两个内角点的位置，以获取目标车位相对于所述车辆的目标相对位置；

根据所述目标环节中的所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

2.根据权利要求1所述的方法，其特征在于，第一坐标系以所述泊车验证场地的预设角点为原点，所述根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述车辆的位置以及目标车位靠近所述车辆的两个内角点的位置，以获取目标车位相对于所述车辆的目标相对位置，包括：

根据所述目标环节中的环视图像的所述车辆、黑白棋盘格以及ArUco标记的图像，获取所述车辆在所述第一坐标系中的坐标；

获取所述目标车位靠近所述车辆的两个内角点在所述第一坐标系中的坐标，所述内角点为目标车位的车位线内侧形成的矩形的角点，且所述内角点在所述泊车验证场地建立时预先确定；

根据所述车辆以及所述两个内角点在所述第一坐标系中的坐标，确定所述目标车位相对于所述车辆的目标相对位置。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标环节中的环视图像的所述车辆、黑白棋盘格以及ArUco标记的图像，获取所述车辆在所述第一坐标系中的坐标，包括：

在所述环视图像中的所述车辆四周，分别获取一个最靠近所述车辆的竖直中轴线或水平中轴线，且未被所述车辆遮挡的白色棋盘格，作为目标棋盘格；

基于所述目标棋盘格内的ArUco标记，获取所述目标棋盘格在所述第一坐标系中的坐标；

获取所述目标棋盘格在第二坐标系中的坐标，所述第二坐标系以所述环视图像中的所述车辆的后轴中心为原点；

根据所述目标棋盘格在所述第二坐标系中的坐标以及所述目标棋盘格在所述第一坐标系中的坐标，计算所述车辆的后轴中心在所述第一坐标系中的坐标，作为所述车辆在所述第一坐标系中的坐标。

4.根据权利要求3所述的方法，其特征在于，所述基于所述目标棋盘格内的ArUco标记，获取所述目标棋盘格在所述第一坐标系中的坐标，包括：

获取所述目标棋盘格内的ArUco标记的标识信息，每个ArUco标记的标识信息与包括该ArUco标记的白色棋盘格在所述第一坐标系中的坐标具有预先建立的映射关系；

根据所述映射关系获取与所述标识信息对应的坐标，作为所述目标棋盘格在所述第一坐标系中的坐标。

5.根据权利要求2所述的方法，其特征在于，所述环视图像还包括所述目标车位的图像，所述获取所述目标车位靠近所述车辆的两个内角点在所述第一坐标系中的坐标，包括：

在所述环视图像中，确定所述目标车位靠近所述环视图像中的所述车辆的两个内角点，获取最靠近所述两个内角点的白色棋盘格，作为标志棋盘格；

获取所述标志棋盘格内的ArUco标记的标识信息，每个ArUco标记的标识信息与包括该ArUco标记的白色棋盘格在所述第一坐标系中的坐标具有预先建立的映射关系；

根据所述映射关系获取与所述标识信息对应的坐标，作为标志棋盘格在所述第一坐标系中的坐标；

根据所述两个内角点分别与所述标志棋盘格之间的位置关系，计算所述两个内角点分别在所述第一坐标系中的坐标。

6.根据权利要求1所述的方法，其特征在于，所述实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置之前，所述方法还包括：

在所述车辆进入预先建立的泊车验证场地并处于静止状态时，获取位于所述车辆四周的多个摄像头采集到的原始图像，得到多个原始图像，所述原始图像包括部分所述黑白棋盘格；

对所述多个原始图像进行畸变矫正，得到多个目标图像，所述目标图像包括含有部分所述黑白棋盘格的图像；

根据所述多个目标图像中的黑白棋盘格，对所述多个摄像头进行内参误差检测；

若检测到所述多个摄像头中存在内参有误差的摄像头，对所述内参有误差的摄像头的内参进行重新标定，获取重新标定内参后的摄像头采集到的原始图像，继续执行所述畸变矫正以及所述内参误差检测的步骤，直至所述多个摄像头中不存在内参有误差的摄像头。

7.根据权利要求6所述的方法，其特征在于，所述根据所述多个目标图像中的黑白棋盘格，对所述多个摄像头进行内参误差检测的步骤中，所述内参误差检测的方法包括：

获取所述目标图像中的第一目标直线上的所有角点，根据所述第一目标直线上的所有角点拟合出第一直线，所述第一目标直线为任一与所述目标图像的水平中轴线或竖直中轴线平行的直线；

若所述第一目标直线与所述目标图像的水平中轴线平行，根据所述第一目标直线上最靠近所述目标图像的竖直中轴线的两个角点拟合出第二直线；若所述第一目标直线与所述目标图像的竖直中轴线平行，根据所述第一目标直线上最靠近所述目标图像的水平中轴线的两个角点拟合出第二直线；

计算所述第一直线与所述第二直线之间的第一差值；

若所述第一差值超出内参误差允许范围，确定所述目标图像对应的所述摄像头的内参存在误差。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

若检测到所述多个摄像头中不存在内参有误差的摄像头，将所述多个目标图像进行拼接，得到所述环视图像，所述环视图像包括含有部分所述黑白棋盘格的图像；

根据所述环视图像中的黑白棋盘格，对所述多个摄像头进行外参误差检测；

若检测到所述多个摄像头存在外参误差，对所述多个摄像头的外参进行重新标定，获取重新标定外参后的摄像头采集到的原始图像，继续执行所述将所述多个目标图像进行拼接，得到以所述车辆的中心为中心的环视图像的步骤，直到所述多个摄像头不存在外参误差。

9.根据权利要求8所述的方法，其特征在于，所述根据所述环视图像中的黑白棋盘格，对所述多个摄像头进行外参检测，包括：

获取所述环视图像中的第二目标直线上的所有角点，根据所述第二目标直线上的所有角点拟合出第三直线，所述第二目标直线为任一与所述环视图像的水平中轴线或竖直中轴线平行的直线；

若所述第二目标直线与所述环视图像的水平中轴线平行，根据所述第二目标直线上最靠近所述环视图像的竖直中轴线的两个角点拟合出第四直线；若所述第二目标直线与所述环视图像的竖直中轴线平行，则根据所述第二目标直线上最靠近所述环视图像的水平中轴线的两个角点拟合出第四直线；

计算所述第三直线与所述第四直线之间的第二差值；

若所述第二差值超出外参误差允许范围，确定所述环视图像对应的所述多个摄像头的外参存在误差。

10.根据权利要求1所述的方法，其特征在于，所述根据目标环节中的环视图像所包括的黑白棋盘格以及ArUco标记，确定在所述目标环节中所述目标车位相对于所述车辆的目标相对位置之前，包括：

在所述车辆泊入所述目标车位并处于静止状态时，获取所述车辆的实际泊车位置；

获取所述目标车位对应的预先设定的目标泊车位置；

计算所述实际泊车位置与所述目标泊车位置之间的差值；

若所述差值超出泊车位置误差允许范围，执行所述根据目标环节中的环视图像所包括的黑白棋盘格以及ArUco标记，确定在所述目标环节中所述目标车位相对于所述车辆的目标相对位置的步骤；

若所述差值处于所述泊车位置误差允许范围内，确定所述泊车位置未产生误差。

11.根据权利要求10所述的方法，其特征在于，所述计算所述实际泊车位置与所述目标泊车位置之间的差值之后，所述方法还包括：

根据是否获取到前一次实际泊车位置与目标泊车位置之间的差值，判断本次泊车误差检测是否是首次检测；

在获取到前一次实际泊车位置与目标泊车位置之间的差值时，确定本次泊车误差检测不是首次检测，基于前一次实际泊车位置与目标泊车位置之间的差值与本次计算得到的所述实际泊车位置与所述目标泊车位置之间的差值，确定误差是否减小；若确定误差减小，判断本次计算得到的所述实际泊车位置与所述目标泊车位置之间的差值是否超出所述泊车位置误差允许范围；若确定误差未减小，控制所述车辆退出所述泊车验证场地，以对所述车辆进行相关优化；

在未获取到前一次实际泊车位置与目标泊车位置之间的差值时，确定本次泊车误差检测是首次检测，判断本次计算得到的所述实际泊车位置与所述目标泊车位置之间的差值是否超出所述泊车位置误差允许范围。

12.一种泊车误差检测装置，其特征在于，包括：

位置获取模块，所述位置获取模块用于在车辆泊入泊车验证场地的目标车位的过程中，实时获取当前时刻的所述车辆的环视图像以及所述目标车位相对于所述车辆的实际相对位置，所述实际相对位置由当前时刻所处的目标环节对应的算法确定，所述目标环节包括在车辆泊入泊车验证场地的目标车位的过程中的车位检测环节、车位跟踪环节以及泊入控制环节中的其中一个，所述泊车验证场地上设置有黑白棋盘格以及ArUco标记，所述ArUco标记位于所述黑白棋盘格的白色棋盘格中，所述环视图像的中心与所述车辆的中心重合；

位置分析模块，所述位置分析模块用于根据所述环视图像中的所述车辆、黑白棋盘格以及ArUco标记的图像，确定目标环节中所述车辆的位置以及目标车位靠近所述车辆的两个内角点的位置，以获取目标车位相对于所述车辆的目标相对位置；

误差检测模块，所述误差检测模块用于根据所述目标环节中的所述目标相对位置和所述实际相对位置，检测所述目标环节是否产生误差。

13.一种车辆，其特征在于，包括：

存储器；

一个或多个处理器；

一个或多个应用程序，所述一个或多个应用程序存储在所述存储器中，并用于当被所述一个或多个处理器调用时执行如权利要求1-11任一项所述的方法。

14.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码用于当被处理器调用时执行如权利要求1-11任一项所述的方法。