CN117274952A - 一种车位检测方法、装置、计算机设备及存储介质 - Google Patents
一种车位检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117274952A CN117274952A CN202311250699.2A CN202311250699A CN117274952A CN 117274952 A CN117274952 A CN 117274952A CN 202311250699 A CN202311250699 A CN 202311250699A CN 117274952 A CN117274952 A CN 117274952A
- Authority
- CN
- China
- Prior art keywords
- area
- parking space
- image
- detection result
- blank
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 185
- 230000015654 memory Effects 0.000 claims description 27
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶技术领域,公开了一种车位检测方法、装置、计算机设备及存储介质,该车位检测方法包括:获取目标区域的待检测图像;基于物体类别对待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,物体类别至少包括路面和障碍物,空白类型区域用于表征不包含障碍物的空白路面区域,非空类型区域用于表征包含障碍物的非空白路面;基于目标车辆的基础信息及图像检测结果对待检测图像中的车位区域进行识别,得到车位检测结果;本发明能够实现任意高度障碍物的检测,避免采用例如车位划线、车位边角等的明显车位特征对车位进行识别。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种车位检测方法、装置、计算机设备及存储介质。
背景技术
目前,针对车辆车位的检测,通常采用基于计算机视觉的车位检测方法或基于传感器的车位检测方法。
上述基于计算机视觉的车位检测方法,通常针对有划线车位进行检测,具体地,采用特定的算法模型对划线车位角点和/或车位线等车位特征进行检测,基于检测结果确定空闲车位;然而,这种检测方法对于没有明显的车位特征的无划线车位不能实现。
而基于传感器的车位检测方法,通常采用传感器对障碍物进行测量,根据传感器的测量结果进行检测,例如,采用超声波雷达对车与车之间的空间进行检测,基于测量结果确定空闲车位;这种检测方法能够实现无划线车位的检测,然而,检测范围与超声波雷达的安装位置有关,需要车与车之间的空间的障碍物位于超声波雷达安装位置所对应的检测高度才能够实现检测,无法实现任意高度障碍物包围的无划线车位的检测。
因此,针对没有明显的车位特征的场景下的无划线车位的检测需求,采用基于计算机视觉的车位检测方法无法实现检测,采用基于传感器的车位检测方法无法实现任意高度障碍物包围的无划线车位的检测。
发明内容
有鉴于此,本发明提供了一种车位检测方法、装置、计算机设备及存储介质,以解决相关技术中存在的针对没有明显的车位特征的无划线车位的检测需求的场景,采用基于计算机视觉的车位检测方法无法实现检测,采用基于传感器的车位检测方法无法实现任意高度障碍物包围的无划线车位的检测的问题。
第一方面,本发明提供了一种车位检测方法,所述车位检测方法包括:获取目标区域的待检测图像;基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面;基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
在一种可选的实施方式中,所述基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果,包括:基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域;基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果。
在一种可选的实施方式中,所述基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果,包括:基于所述图像检测结果计算每一所述候选区域的第一实际空闲占比;在所述第一实际空闲占比大于第一预设空闲占比时,确认对应的所述候选区域满足预设空闲条件;构建环绕满足预设空闲条件的所述候选区域的驶入条件判断区域;基于所述图像检测结果计算每一所述驶入条件判断区域的第二实际空闲占比;在所述候选区域的一边所对应的所述驶入条件判断区域的第二实际空闲占比大于第二预设空闲占比,且,其他边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,确认所述候选区域满足所述预设位置条件;将满足所述预设空闲条件及预设位置条件的所述候选区域确定为所述车位检测结果。
在一种可选的实施方式中,所述基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域,包括:基于所述基础信息,在所述待检测图像中构建预设大小的滑动窗口;基于所述滑动窗口,采用预设步长遍历所述待检测图像,得到多个滑动结果区域;遍历每一所述滑动结果区域,将区域中心位于所述空白类型区域的每一所述滑动结果区域作为所述候选区域。
在一种可选的实施方式中,所述车位检测方法还包括:基于所述图像检测结果确定所述区域中心与相对两侧的障碍物的距离;调整所述车位检测结果的位置,使所述区域中心与相对两侧的障碍物的距离相同。
在一种可选的实施方式中,所述车位检测方法还包括:基于所述图像检测结果,确定所述车位检测结果与两侧障碍物在对应位置上的总距离最短的待调整位置;基于所述待调整位置调整所述车位检测结果的位置,使所述待调整位置到对应侧的障碍物的距离相等。
在一种可选的实施方式中,所述基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,包括:遍历所述待检测图像中的每一像素点,对所述像素点基于物体类别进行分类,得到分类结果;基于所述分类结果,将类别信息满足预设空白类别的像素点标记为空白类型区域;将类别信息不满足预设空白类别的像素点标记为非空白类型区域,得到图像检测结果。
第二方面,本发明提供了一种车位检测装置,所述车位检测装置包括:图像获取模块,用于获取目标区域的待检测图像;类别检测模块,用于基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面;车位检测模块,用于基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的车位检测方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的车位检测方法。
本发明实施例提供一种车位检测方法,所述车位检测方法包括:获取目标区域的待检测图像;基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面;基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果;本实施例提供的车位检测方法,一方面,通过基于计算机视觉的方法确定待检测图像中的包含障碍物的非空路面和不包含障碍物的空白路面,能够实现任意高度障碍物的检测,解决了采用传感器对障碍物进行测量的方法,测量结果通常受限于传感器的设置位置的问题;另一方面,通过待检测图像中的物体类型对所述待检测图像中的车位区域进行识别,而避免采用例如车位划线、车位边角等的明显车位特征对车位进行识别,进而解决了相关技术中存在的基于计算机视觉的车位检测方法,对于没有明显的车位特征的无划线车位不能实现的技术问题,从而通过上述两个方面解决了相关技术中存在的车位检测方法的限制条件较多,普适性差的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的一种车位检测方法的流程示意图;
图2是根据本发明实施例的搜索区域的示意图;
图3是根据本发明实施例的另一种车位检测方法的流程示意图;
图4是根据本发明实施例的一种滑动结果区域的示意图
图5是根据本发明实施例的一种示意性的候选区域的示意图;
图6为本发明的一种示意性的滑动窗口的示意图
图7是根据本发明实施例的车位检测装置的结构框图;
图8是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
根据本发明实施例,提供了一种车位检测方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种车位检测方法,图1是根据本发明实施例的一种车位检测方法的流程示意图,如图1所示,该流程包括如下步骤:
步骤S101,获取目标区域的待检测图像。
在本实施例中,所述目标区域的待检测图像可由拍摄设备拍摄得到,其中,所述目标区域可以包括停车场、停车道路;其中,所述待检测图像可以通过拍摄设备拍取相片确定,也可以通过拍摄设备拍摄的视频截取视频帧确定。
作为一种可选的实施例,所述拍摄设备设置于待进行车位检测的车辆;在本实施例中,所述拍摄设备包括鱼眼相机;所述待检测图像为通过所述鱼眼相机拍摄的4张图像拼接成的逆透视变换(Inverse Perspective Mapping,IPM)俯视图,所述鱼眼相机设置于所述车辆的车头中间、左后视镜、右后视镜和车尾中间的四个位置;作为一种可选的实施例,所述拍摄设备设置停车场内或停车道路路侧。
在本实施例中,所述IPM俯视图的图片大小为1000×1000像素,所述IPM俯视图代表的真实物理距离为16×16米。
在本实施例中,由于鱼眼相机的镜头特性,一方面,在进行图像拍摄时存在图像畸变;因此,将实际畸变程度大于预设畸变程度的区域剔除搜索范围;作为可能的实现方式,将图像左上、右上、左下、右下4个区域畸变较大的区域剔出搜索范围;另一方面,图像的中间区域是车辆所在区域,通常不需要进行搜索;因此,将图像中间区域剔出搜索范围。
在本实施例中,还可以基于使用者的操作自行选定所述待检测图像的检测范围。
图2是根据本发明实施例的搜索区域的示意图,如图2所示,所述搜索区域包括第一子搜索区域21和第二子搜索区域22。
步骤S102,基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,具体地,所述空白类型区域可以为障碍物占比小于预设占比的区域;所述非空类型区域用于表征包含障碍物的非空白路面区域;具体地,所述空白类型区域可以为障碍物占比不小于预设占比的区域。
相关技术中,通常采用传感器对障碍物进行测量,存在测量结果通常受限于传感器的设置位置的问题;针对上述问题,在本实施例中,通过基于计算机视觉的方法,基于物体类别对待检测图像进行识别,得到待检测图像所包含的元素所表征的物体含义,进而通过物体含义确定元素所属的类型区域;其中,所述元素可以为待检测图像的每一像素点,也可以为由待检测像素点构成的区域。
在本实施例中,通过基于计算机视觉的方法确定待检测图像中的包含障碍物的非空路面和不包含障碍物的空白路面,能够实现任意高度障碍物的检测,解决了采用传感器对障碍物进行测量的方法,测量结果通常受限于传感器的设置位置的问题。
步骤S103,基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
针对可驶入的车位,通常需要满足车位本身有足够的空间,且,还需要满足在停车的过程中停车路径具有足够的空间;在本实施例中,基于目标车辆的基础信息确定车位区域的车位大小;且,基于所述图像检测结果,对所述待检测图像针对车位本身是否满足有足够的空间,且,停车的过程中停车路径是否满足具有足够的空间的判断条件进行识别,得到车位检测结果;具体地,通过待检测结果包含的空白类型区域和非空类型区域对所述待检测图像中的车位区域进行识别,根据上述条件得到车位检测结果。
在本实施例中,所述目标车辆的基础信息可以包括目标车辆的尺寸参数。
在本实施例中,所述车位区域的形状可以为矩形或平行四边形。
在本实施例中,通过待检测图像中的物体类型对所述待检测图像中的车位区域进行识别,而避免采用例如车位划线、车位边角等的明显车位特征对车位进行识别,进而解决了相关技术中存在的基于计算机视觉的车位检测方法,对于没有明显的车位特征的无划线车位不能实现的技术问题。
本实施例提供的车位检测方法,一方面,通过基于计算机视觉的方法确定待检测图像中的包含障碍物的非空路面和不包含障碍物的空白路面,能够实现任意高度障碍物的检测,解决了采用传感器对障碍物进行测量的方法,测量结果通常受限于传感器的设置位置的问题;另一方面,通过待检测图像中的物体类型对所述待检测图像中的车位区域进行识别,而避免采用例如车位划线、车位边角等的明显车位特征对车位进行识别,进而解决了相关技术中存在的基于计算机视觉的车位检测方法,对于没有明显的车位特征的无划线车位不能实现的技术问题,从而通过上述两个方面解决了相关技术中存在的车位检测方法的限制条件较多,普适性差的技术问题。
在一种可选的实施方式中,图3是根据本发明实施例的另一种车位检测方法的流程示意图,如图3所示,步骤103中,基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果的过程,包括:
步骤S1031,基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域;
步骤S1032,基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果。
示例性地,步骤S1031,基于所述基础信息及图像检测结果对所述待检测图像进行筛选可以包括:采用滑动窗口的形式对所述待检测图像进行遍历得到多个检测区域,并依次对所述检测区域进行判断,得到区域中心位于所述空白类型区域的多个候选区域;其中,所述预设空闲条件为所述目标车辆满足停入目标车位能够不被障碍物遮挡的条件;所述预设位置条件为所述目标车辆在驶入所述目标车位时满足能够驶入路径不被遮挡的条件。
示例性地,图4是根据本发明实施例的一种滑动结果区域的示意图,如图4所示,在所述矩形滑动结果区域中,第一滑动结果区域41、第二滑动结果区域42的区域中心位于所述空白类型区域,因此作为候选区域;第三滑动结果区域43的区域中心位于非空白类型区域,因此排除。
示例性地,在得到多个候选区域后,进入步骤S1032,基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果;其中,若所述候选区域所包含的障碍物的比例小于预设比例,认为候选区域满足预设空闲条件;若停车路径满足具有足够的空间的判断条件,认为候选区域满足预设位置条件。
在一种可选的实施方式中,步骤S1032中,基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果,包括:基于所述图像检测结果计算每一所述候选区域的第一实际空闲占比;在所述第一实际空闲占比大于第一预设空闲占比时,确认对应的所述候选区域满足预设空闲条件;构建环绕满足预设空闲条件的所述候选区域的驶入条件判断区域;基于所述图像检测结果计算每一所述驶入条件判断区域的第二实际空闲占比;在所述候选区域的一边所对应的所述驶入条件判断区域的第二实际空闲占比大于第二预设空闲占比,且,其他边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,确认所述候选区域满足所述预设位置条件;将满足所述预设空闲条件及预设位置条件的所述候选区域确定为所述车位检测结果。
在本实施例中,在所述第一实际空闲占比大于第一预设空闲占比时,认为候选区域内没有障碍物,说明所述目标车辆在停入所述候选区域时能够不被障碍物遮挡。
在所述驶入条件判断区域的第二实际空闲占比大于第二预设空闲占比时,认为该驶入条件判断区域内没有障碍物;在所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,认为该驶入条件判断区域内含有障碍物。
在所述候选区域的一边所对应的所述驶入条件判断区域的第二实际空闲占比大于第二预设空闲占比,且,其他边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,认为该候选区域两面或三面被障碍物包围,目标车辆驶入所述候选区域时的驶入路径能够不被遮挡。
示例性地,图5是根据本发明实施例的一种示意性的候选区域的示意图,如图5所示,构建环绕满足预设空闲条件的所述候选区域51的驶入条件判断区域,其中,所述驶入条件判断区域包括第一驶入条件判断区域521、第二驶入条件判断区域522、第三驶入条件判断区域523和第四驶入条件判断区域524。
在本实施例中,作为一种可能的实现方式,可以在其他两边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,认为目标车辆两面被包围,所述目标车辆驶入所述候选区域时的驶入路径不被遮挡,确认所述候选区域满足所述预设位置条件,将满足所述预设空闲条件及预设位置条件的所述候选区域确定为所述车位检测结果。
作为另一种可能的实现方式,可以在其他三边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,认为目标车辆三面被包围,所述目标车辆驶入所述候选区域时的驶入路径不被遮挡,确认所述候选区域满足所述预设位置条件,将满足所述预设空闲条件及预设位置条件的所述候选区域确定为所述车位检测结果。
示例性地,所述空闲占比为区域中非空类型区域占区域的比例;所述第一预设空闲占比、所述第二预设空闲占比和所述第三预设空闲占比可以为预先设置的阈值;示例性地,所述第一预设空闲占比、所述第二预设空闲占比和所述第三预设空闲占比可以为[0.8,1.0]区间内的任意数值;所述第一预设空闲占比、所述第二预设空闲占比和所述第三预设空闲可以为相同的数值,也可以为不同的数值。
在一种可选的实施方式中,步骤S1031中,基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域,包括:基于所述基础信息,在所述待检测图像中构建预设大小的滑动窗口;基于所述滑动窗口,采用预设步长遍历所述待检测图像,得到多个滑动结果区域;遍历每一所述滑动结果区域,将区域中心位于所述空白类型区域的每一所述滑动结果区域作为所述候选区域。
在本实施例中,所述预设大小基于所述基础信息确定可以自由设置;示例性地,在本发明中,所述IPM俯视图的图片大小为1000×1000像素,所述IPM俯视图代表的真实物理距离为16×16米;基于此,作为可能的实现方式,以所述基础信息为2米×5米举例对本实施例进行说明;作为一种可能的实现方式,基于所述2米×5米的基础信息确定所述车辆对应的大小为125×312.5像素,所述预设大小可以为大于所述车辆对应的大小的像素;例如,可以为160*400像素;应当理解的是,在本实施例中,也可以基于所述2米×5米的基础信息确定其他可选的预设大小。
示例性地,所述预设步长取为20个像素;通过125×312.5个像素的预设大小及20个像素的预设步长,能够将1000*1000的图片分割成2500个滑动结果区域;在分割后,遍历每一所述滑动结果区域,将区域中心位于所述空白类型区域的每一所述滑动结果区域作为所述候选区域。
示例性地,图6为本发明的一种示意性的滑动窗口的示意图;如图6所示,采用预设步长遍历所述待检测图像的所述第一子搜索区域21和所述第二子搜索区域22,得到如图6所示的A行B列个矩形滑动结果区域;其中,所述A和B的取值由预设步长确定。
在得到车位检测结果后,存在检测出的车位与两侧的障碍物距离不同的情况;针对平行四边形的车位检测结果,在一种可选的实施方式中,所述车位检测方法还包括:基于所述图像检测结果确定所述区域中心与相对两侧的障碍物的距离;调整所述车位检测结果的位置,使所述区域中心与相对两侧的障碍物的距离相同。
在得到车位检测结果后,存在检测出的车位与两侧的障碍物距离不同的情况;针对矩形的车位检测结果,在一种可选的实施方式中,所述车位检测方法还包括:基于所述图像检测结果,确定所述车位检测结果与两侧障碍物在对应位置上的总距离最短的待调整位置;基于所述待调整位置调整所述车位检测结果的位置,使所述待调整位置到对应侧的障碍物的距离相等。
在本实施例中,作为一种可能的实现方式,对于矩形车位检测结果,依照区域中心为坐标轴原点,矩形的两边的方向为坐标轴构建平面直角坐标系;在该坐标系内,针对矩形的两边,采样若干对对应的表征着与矩形车位检测结果外的障碍物的距离的直线对;所述距离确定直线包括y轴子直线对;其中,每一y轴子直线对的x坐标相同;将长度和最短的子直线对的长度作为所述待调整位置;基于所述待调整位置调整所述车位检测结果的位置,使所述待调整位置到对应侧的障碍物的距离相等。
作为一种可能的实现方式,对于矩形车位检测结果,依照区域中心为坐标轴原点,矩形的两边的方向为坐标轴构建平面直角坐标系;在该坐标系内,针对矩形的两边,采样若干对对应的表征着与矩形车位检测结果外的障碍物的距离的直线对;所述距离确定直线包括y轴子直线对;其中,每一y轴子直线对的x坐标相同;将长度和最短的子直线对的长度作为所述待调整位置;基于所述待调整位置调整所述车位检测结果的位置,使所述待调整位置到对应侧的障碍物的距离相等。
作为另一种可能的实现方式,对于矩形车位检测结果,依照区域中心为坐标轴原点,矩形的两边的方向为坐标轴构建平面直角坐标系;在该坐标系内,针对矩形的两边,采样若干对对应的表征着与矩形车位检测结果外的障碍物的距离的直线对;所述距离确定直线包括x轴子直线对和y轴子直线对;其中,每一x轴子直线对的y坐标相同,每一y轴子直线对的x坐标相同;将长度和最短的x轴子直线对的长度作为y坐标待调整位置;基于所述待调整位置调整所述车位检测结果的y坐标,使所述待调整位置到对应侧的障碍物的距离相等,且,将长度和最短的y轴子直线对的长度作为x坐标待调整位置;基于所述待调整位置调整所述车位检测结果的x坐标,使所述待调整位置到对应侧的障碍物的距离相等。
在一种可选的实施方式中,所述基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,包括:遍历所述待检测图像中的每一像素点,对所述像素点基于物体类别进行分类,得到分类结果;基于所述分类结果,将类别信息满足预设空白类别的像素点标记为空白类型区域;将类别信息不满足预设空白类别的像素点标记为非空白类型区域,得到图像检测结果。
在本实施例中,可以采用预先训练好的深度学习模型实现上述基于物体类别对所述待检测图像进行检测的步骤;其中,所述预先训练好的深度学习模型用于对待检测图像的每一像素进行分类,得到分类结果;具体地,所述深度学习模型用于从像素级别来理解图像,对图片上的每一个像素点进行分类;示例性地,所述深度学习模型包括语义分割模型。
示例性地,所述类别信息至少包括路面类别、汽车类别、行人类别至少之一;在本实施例中,采用数字0至9分别代表不同的类别ID,即,对待检测图像的每一像素进行分类后,每一所述像素都对应有0至9之间的一个数字,所述待检测图像对应有由像素所代表的类型对应的数字构成的矩阵。
在本实施例中,将表示路面类型的像素标记为0,将障碍物依照不同的分类标记为0以外的其他值;因此,本发明的方法可实现任意高度的障碍物包围的空间车位均可检测。
进一步地,基于所述分类结果,对于标记为0的像素点,认为类别信息满足预设空白类别,将所述像素点标记为空白类型区域;对于未标记为0的像素点,认为类别信息不满足预设空白类别,将所述像素点标记为非空白类型区域,得到图像检测结果。
实施例一:
获取目标区域的待检测图像;其中,所述待检测图像为通过所述鱼眼相机拍摄的4张图像拼接成的IPM俯视图,IPM俯视图的大小为1000*1000像素;在本实施例中,IPM俯视图代表的实际物理距离为16m×16m,即,每一像素对应的实际物理距离为1.6cm。
对所述待检测图像采用预先训练好的语义分割模型进行基于物体类别对所述待检测图像进行检测,得到表征着检测结果的1000*1000的矩阵的语义分割结果;矩阵中的每一个元素都是0到9之间的一个数字,数字代表这个像素所述的类别具体地,0表示路面,也就是可行驶区域,大于0的都是有高度的障碍物。
在本实施例中,目标车辆的基础信息设置为2m×5m,则对应为125*312.5个像素,基于125*312.5个像素对待检测图像中的车位区域进行识别;具体地,构建大小为160*400个像素的滑动窗口,为了节省计算量,采用20个像素的预设步长遍历所述待检测图像,得到2500个滑动结果区域。
对于每一所述滑动结果区域,将中心对应的矩阵元素的值为0的滑动结果区域作为候选区域;在所述候选区域中,计算候选区域矩阵中值为0的元素占整个元素的第一实际比值;将所述实际比值作为第一实际空闲占比。
在第一实际空闲占比大于低于预设空闲占比时,确认目标车辆驶入所述候选区域时的驶入路径不被遮挡,构建环绕满足预设空闲条件的所述候选区域的驶入条件判断区域;并计算驶入条件判断区域中为0的元素占整个元素的第二实际比值,将所述第二实际比值作为所述第二实际空闲占比;将候选区域的一边所对应的所述驶入条件判断区域的第二实际空闲占比小于第二预设空闲占比,且,其他边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,将候选区域确定为所述车位检测结果。
在本实施例中还提供了一种车位检测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种车位检测装置,如图7所示,包括:
图像获取模块701,用于获取目标区域的待检测图像。
类别检测模块702,用于基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面。
车位检测模块703,用于基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的车位检测装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图7所示的车位检测装置。
请参阅图8,图8是本发明可选实施例提供的一种计算机设备的结构示意图,如图8所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种车位检测方法,其特征在于,所述车位检测方法包括:
获取目标区域的待检测图像;
基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面;
基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
2.根据权利要求1所述的车位检测方法,其特征在于,所述基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果,包括:
基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域;
基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果。
3.根据权利要求2所述的车位检测方法,其特征在于,所述基于所述图像检测结果对每一所述候选区域进行筛选,将满足预设空闲条件和预设位置条件的候选区域作为所述车位检测结果,包括:
基于所述图像检测结果计算每一所述候选区域的第一实际空闲占比;
在所述第一实际空闲占比大于第一预设空闲占比时,确认对应的所述候选区域满足预设空闲条件;
构建环绕满足预设空闲条件的所述候选区域的驶入条件判断区域;
基于所述图像检测结果计算每一所述驶入条件判断区域的第二实际空闲占比;
在所述候选区域的一边所对应的所述驶入条件判断区域的第二实际空闲占比大于第二预设空闲占比,且,其他边所对应的其他所述驶入条件判断区域的第二实际空闲占比小于第三预设空闲占比时,确认所述候选区域满足所述预设位置条件;
将满足所述预设空闲条件及预设位置条件的所述候选区域确定为所述车位检测结果。
4.根据权利要求2所述的车位检测方法,其特征在于,所述基于所述基础信息及图像检测结果对所述待检测图像进行筛选,得到区域中心位于所述空白类型区域的多个候选区域,包括:
基于所述基础信息,在所述待检测图像中构建预设大小的滑动窗口;
基于所述滑动窗口,采用预设步长遍历所述待检测图像,得到多个滑动结果区域;
遍历每一所述滑动结果区域,将区域中心位于所述空白类型区域的每一所述滑动结果区域作为所述候选区域。
5.根据权利要求2所述的车位检测方法,其特征在于,所述车位检测方法还包括:
基于所述图像检测结果确定所述区域中心与相对两侧的障碍物的距离;
调整所述车位检测结果的位置,使所述区域中心与相对两侧的障碍物的距离相同。
6.根据权利要求2所述的车位检测方法,其特征在于,所述车位检测方法还包括:
基于所述图像检测结果,确定所述车位检测结果与两侧障碍物在对应位置上的总距离最短的待调整位置;
基于所述待调整位置调整所述车位检测结果的位置,使所述待调整位置到对应侧的障碍物的距离相等。
7.根据权利要求1所述的车位检测方法,其特征在于,所述基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,包括:
遍历所述待检测图像中的每一像素点,对所述像素点基于物体类别进行分类,得到分类结果;
基于所述分类结果,将类别信息满足预设空白类别的像素点标记为空白类型区域;将类别信息不满足预设空白类别的像素点标记为非空白类型区域,得到图像检测结果。
8.一种车位检测装置,其特征在于,所述车位检测装置包括:
图像获取模块,用于获取目标区域的待检测图像;
类别检测模块,用于基于物体类别对所述待检测图像进行检测,得到包含空白类型区域和非空类型区域的图像检测结果,其中,所述物体类别至少包括路面和障碍物,所述空白类型区域用于表征不包含障碍物的空白路面区域,所述非空类型区域用于表征包含障碍物的非空白路面;
车位检测模块,用于基于目标车辆的基础信息及所述图像检测结果对所述待检测图像中的车位区域进行识别,得到车位检测结果。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的车位检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的车位检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250699.2A CN117274952B (zh) | 2023-09-26 | 一种车位检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250699.2A CN117274952B (zh) | 2023-09-26 | 一种车位检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117274952A true CN117274952A (zh) | 2023-12-22 |
CN117274952B CN117274952B (zh) | 2024-05-28 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180239968A1 (en) * | 2017-02-20 | 2018-08-23 | Volkswagen Aktiengesellschaft | Method of generating segmented vehicle image data, corresponding system, and vehicle |
CN109635768A (zh) * | 2018-12-20 | 2019-04-16 | 深圳市捷顺科技实业股份有限公司 | 一种图像帧中停车位状态检测方法、系统及相关设备 |
CN111160172A (zh) * | 2019-12-19 | 2020-05-15 | 深圳佑驾创新科技有限公司 | 泊车位检测方法、装置、计算机设备和存储介质 |
CN112509354A (zh) * | 2020-12-08 | 2021-03-16 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆、可读介质 |
KR20210153421A (ko) * | 2020-06-10 | 2021-12-17 | 주식회사 엘지유플러스 | 영상 인식 기술을 이용한 주차 관리 시스템 및 장치 |
CN114998861A (zh) * | 2022-05-06 | 2022-09-02 | 南京中科创达软件科技有限公司 | 车辆与障碍物的距离检测方法及装置 |
CN115713745A (zh) * | 2021-08-20 | 2023-02-24 | 博泰车联网(南京)有限公司 | 障碍物检测方法、电子设备及存储介质 |
CN116012817A (zh) * | 2023-02-13 | 2023-04-25 | 北京茵沃汽车科技有限公司 | 基于双网络深度学习的实时全景车位检测方法、装置 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180239968A1 (en) * | 2017-02-20 | 2018-08-23 | Volkswagen Aktiengesellschaft | Method of generating segmented vehicle image data, corresponding system, and vehicle |
CN109635768A (zh) * | 2018-12-20 | 2019-04-16 | 深圳市捷顺科技实业股份有限公司 | 一种图像帧中停车位状态检测方法、系统及相关设备 |
CN111160172A (zh) * | 2019-12-19 | 2020-05-15 | 深圳佑驾创新科技有限公司 | 泊车位检测方法、装置、计算机设备和存储介质 |
KR20210153421A (ko) * | 2020-06-10 | 2021-12-17 | 주식회사 엘지유플러스 | 영상 인식 기술을 이용한 주차 관리 시스템 및 장치 |
CN112509354A (zh) * | 2020-12-08 | 2021-03-16 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆、可读介质 |
CN115713745A (zh) * | 2021-08-20 | 2023-02-24 | 博泰车联网(南京)有限公司 | 障碍物检测方法、电子设备及存储介质 |
CN114998861A (zh) * | 2022-05-06 | 2022-09-02 | 南京中科创达软件科技有限公司 | 车辆与障碍物的距离检测方法及装置 |
CN116012817A (zh) * | 2023-02-13 | 2023-04-25 | 北京茵沃汽车科技有限公司 | 基于双网络深度学习的实时全景车位检测方法、装置 |
Non-Patent Citations (2)
Title |
---|
SEUNGHYUN KIM: "Vacant Parking Slot Recognition Method for Practical Autonomous Valet Parking System Using around View Image", 《SYMMETRY》, 19 October 2020 (2020-10-19), pages 1 - 23, XP055938125, DOI: 10.3390/sym12101725 * |
张卓阳: "基于深度学习的室外停车场车位检测研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》, no. 05, 15 May 2023 (2023-05-15), pages 034 - 177 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
WO2021217625A1 (zh) | 停车检测方法、系统、处理设备和存储介质 | |
CN109697860A (zh) | 车位检测和跟踪系统及方法及车辆 | |
CN108229406B (zh) | 一种车道线检测方法、装置及终端 | |
CN110555407B (zh) | 路面车辆空间识别方法及电子设备 | |
CN110929655B (zh) | 一种行驶过程中车道线识别方法、终端设备及存储介质 | |
CN107909036B (zh) | 一种基于视差图的道路检测方法及装置 | |
CN111243003B (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
CN108596899B (zh) | 道路平坦性检测方法、装置及设备 | |
CN111837158A (zh) | 图像处理方法、装置、拍摄装置和可移动平台 | |
CN110667474B (zh) | 通用障碍物检测方法、装置与自动驾驶系统 | |
CN111213153A (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
CN112598922A (zh) | 车位检测方法、装置、设备及存储介质 | |
CN113205691A (zh) | 一种识别车辆位置的方法及装置 | |
CN108319931B (zh) | 一种图像处理方法、装置及终端 | |
CN107766847B (zh) | 一种车道线检测方法及装置 | |
CN112036359A (zh) | 一种车道线的拓扑信息获得方法、电子设备及存储介质 | |
CN112598743B (zh) | 一种单目视觉图像的位姿估算方法及相关装置 | |
CN117274952B (zh) | 一种车位检测方法、装置、计算机设备及存储介质 | |
CN114724119B (zh) | 车道线提取方法、检测设备及存储介质 | |
CN117274952A (zh) | 一种车位检测方法、装置、计算机设备及存储介质 | |
CN116794650A (zh) | 一种毫米波雷达与摄像头数据融合的目标检测方法和装置 | |
CN115953759A (zh) | 对车位限位器的检测方法、装置、电子设备及存储介质 | |
CN113903188B (zh) | 车位检测方法、电子设备及计算机可读存储介质 | |
CN115240150A (zh) | 基于单目相机的车道偏离预警方法、系统、设备及介质 |
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 | ||
GR01 | Patent grant |