JP2022510329A - 駐車スペース検出方法、装置及び電子機器 - Google Patents

Abstract

駐車スペース検出方法、装置及び電子機器であって、該方法は、駐車スペース画像を取得すること（Ｓ１０１）と、駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ること（Ｓ１０２）と、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定すること（Ｓ１０３）と、を含む。【選択図】図１

Description

（関連出願の相互参照）
本願は、２０１９年５月２９日に提出された出願番号が２０１９１０４５８７５４．４である中国特許出願に基づく優先権を主張し、該中国特許出願の全内容が参照として本願に組み込まれる。

本願は、人工知能技術に関し、特に駐車スペース検出方法、装置及び電子機器に関する。

人々の生活水準の向上に伴い、自動車は、生活中の不可欠な交通手段になってきた。コンピュータビジョンの成長に伴い、インテリジェント運転は、注目を集めている。インテリジェント運転における１つの重要なタスクは、駐車スペース検出である。駐車スペース検出の目的は、空き駐車スペースを自動的に探し、車両を空き駐車スペースに駐車することである。

本願の実施例は、駐車スペース検出方法、装置及び電子機器を提供する。

第１態様によれば、本願の実施例は、駐車スペース検出方法を提供する。前記方法は、駐車スペース画像を取得することと、前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ることと、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することと、を含む。

第２態様によれば、本願の実施例は、駐車スペース検出装置を提供する。前記装置は、
駐車スペース画像を取得するように構成される第１取得モジュールと、
前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得るように構成される処理モジュールと、
前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成される決定モジュールと、を備える。

第３態様によれば、本願の実施例は、電子機器を提供する。前記電子機器は、コンピュータプログラムを記憶するように構成されるメモリと、前記コンピュータプログラムを実行し、第１態様のいずれか一項に記載の駐車スペース検出方法を実現させるように構成されるプロセッサと、を備える。

第４態様によれば、本願の実施例は、コンピュータ記憶媒体を提供する。前記記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムが実行される時、第１態様のいずれか一項に記載の駐車スペース検出方法を実現させる。

本願の実施例が提供する駐車スペース検出方法、装置及び電子機器は、駐車スペース画像を取得し、駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得て、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定する。つまり、本願の実施例の検出方法は、得られた駐車スペース画像をニューラルネットワークに入力さえすれば、正確な空き駐車スペースの領域情報及び／又は角点情報を得ることができる。初期の画像処理を必要とせず、検出プロセス全体は、簡単であり、かかる時間が短い。また、駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、駐車スペースにおける空き駐車スペースの検出結果を決定することで、空き駐車スペースの検出の正確性を効果的に向上させる。

本願の実施例による駐車スペース検出方法を示す第１フローチャートである。 駐車スペースの例を示す図である。 本願の実施例による駐車スペース検出方法を示す第２フローチャートである。 本願の実施例による用いられる駐車スペース訓練画像の例を示す図である。 図４ａに対してキーポイントアノテーションを行った後の画像を示す図である。 本願の実施例によるインスタンスセグメンテーションネットワークの訓練を示すフローチャートである。 本願の実施例によるインスタンスセグメンテーションネットワークの構造を示す概略図である。 本願の実施例による駐車スペース検出結果を示す概略図である。 本願の実施例による駐車スペース検出装置の構造を示す第１概略図である。 本願の実施例による駐車スペース検出装置の構造を示す第２概略図である。 本願の実施例による駐車スペース検出装置の構造を示す第３概略図である。 本願の実施例による電子機器の構造を示す概略図である。

本願の実施例又は従来技術における技術的解決手段をより明確に説明するために、以下、実施例又は従来技術の記述に必要な図面を簡単に説明する。勿論、下記図面は、本願の幾つかの実施例であり、当業者は、これらの図面に基づいて、創造的な労力なしに他の図面を得ることもできる。

本願の目的、技術的解決手段及び利点をより明確にするために、以下、本願の実施例における図面を参照しながら、本願の実施例における技術的解決手段を明瞭かつ完全に説明する。勿論、記述される実施例は、全ての実施例ではなく、ただ本願の一部の実施例である。本願における実施例に基づいて、当業者が創造的な労力なしに得られる他の実施例の全ては、本発明の保護範囲に含まれる。

本願の実施例は、端末機器、コンピュータシステム、サーバなどの電子機器に適用なの宇であり、これは、他の多くの汎用または専用のコンピューティング環境または構成と共に操作されることが可能である。端末機器、コンピュータシステム、サーバなどの電子機器と共に使用される周知の端末機器、コンピュータシステム、環境及び／又は構成の例は、パーソナルコンピュータシステム、サーバコンピュータシステム、シンクライアント、シッククライアント、ハンドヘルド又はラップトップデバイス、マイクロプロセッサ、中央演算装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＣＰＵ）、グラフィックスプロセッサ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：ＧＰＵ）ベースのシステム、車載システム、セットトップボックス、プログラマブル消費者向け電子製品、ネットワークパーソナルコンピュータ、小型コンピュータシステム、大型コンピュータシステム及び上記いずれかのシステムを含む分散型クラウドコンピューティング技術環境などのうちの少なくとも１つを含むが、これらに限定されない。

端末機器、コンピュータシステム、サーバなどの電子機器は、コンピュータシステムにより実行されるコンピュータシステムによる実行可能な命令（例えば、プログラムモジュール）の一般的な内容で説明できる。一般的には、プログラムモジュールは、ルーチン、プログラム、ターゲットプログラム、アセンブリ、ロジック、データ構造などを含んでもよい。これらは、特定のタスクを実行するか又は特定の抽象データタイプを実現させる。コンピュータシステム／サーバは、分散型クラウドコンピューティング環境で実行可能であり、分散型クラウドコンピューティング環境において、タスクは、通信ネットワークを介してリンクされるリモート処理機器により実行される。分散型クラウドコンピューティング環境において、プログラムモジュールは、記憶機器を含むローカル又はリモートコンピューティングシステム記憶媒体に位置してもよい。

１つの例示的な適用において、上記電子機器を車両に設け、後退システムに接続し、後退システムを補助して車両を空き駐車スペースに駐車するために用いる。もう１つの例示的な適用において、電子機器を補助運転システムに接続し、電子機器は、得られた空き駐車スペースの検出結果を補助運転システムに送信する。これにより、補助運転システムは、該空き駐車スペースの検出結果に基づいて車両の走行を制御する。例えば、車両を空き駐車スペースに駐車するように制御する。選択的に、該電子機器は、直接的に、補助運転システムの一部又は全部であってもよく、又は、後退システムの一部又は全部であってもよい。選択的に、該電子機器は、実際の需要に応じて他の車両制御システムに接続されてもよい。本願の実施例は、これを限定しない。

以下、具体的な実施例を参照しながら、本願の技術的解決手段を詳しく説明する。下記複数の実施例を互いに組み合わせることができる。同一又は類似した概念又はプロセスについて幾つかの実施例において重複した説明を省略することがある。

図１は、本願の実施例による駐車スペース検出方法を示す第１フローチャートである。図１に示すように、本願の方法は、以下を含んでもよい。

Ｓ１０１において、駐車スペース画像を取得する。

本実施例は、実行主体が電子機器であることを例として説明する。該電子機器は、スマートフォン、コンピュータ、車載システムなどであってもよく、これらに限定されない。

選択的に、図２は、駐車スペースの例を示す図である。本実施例の電子機器は、カメラを更に備えてもよい。カメラにより、車両の走行環境を撮影することができる。例えば、カメラにより、車両が走行する道路周辺の駐車スペースの画像を撮り、駐車スペース画像を得て、該駐車スペース画像を電子機器のプロセッサに送信し、プロセッサに本実施例の方法を実行させ、駐車スペース画像内の空き駐車スペースの検出結果を得る。

選択的に、本実施例の電子機器は、外部のカメラに接続されてもよい。外部のカメラにより、車両の走行環境を撮影し、駐車スペース画像を得る。

選択的に、本願の実施例のカメラのイメージングアセンブリは、相補型金属酸化膜半導体（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ：ＣＭＯＳ）又は電荷結合素子（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ：ＣＣＤ）であってもよく、これらに限定されない。

Ｓ１０２において、前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得る。

本願の実施例のニューラルネットワークは、逆伝播（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ：ＢＰ）ニューラルネットワーク、動径基底関数（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ：ＲＢＦ）ニューラルネットワーク、パーセプトロンニューラルネットワーク、線形ニューラルネットワーク、フィードバックニューラルネットワーク等を含むが、これらに限定されない。

選択的に、上記ニューラルネットワークは、インスタンスセグメンテーションを実現させることができる。ここで、インスタンスセグメンテーションは、画素レベルの分類を行うだけでなく、具体的なクラスの中で異なるインスタンスを見分ける必要がある。例えば、駐車スペース画像に複数の空き駐車スペースＡ、Ｂ、Ｃがあれば、インスタンスセグメンテーションにより、該３つの空き駐車スペースを異なる対象として認識することができる。

本願の実施例は、ニューラルネットワークにより、駐車スペース画像内の空き駐車スペースの領域情報、及び／又は、空き駐車スペースの角点情報を検出することができる。例えば、空き駐車スペースの領域情報及び／又は空き駐車スペースの角点情報を含む駐車スペース画像により、ニューラルネットワークに対して予め訓練を行い、ニューラルネットワークに、空き駐車スペースの領域情報及び／又は角点情報を抽出する能力を学習させる。これにより、図２に示す駐車スペース画像をニューラルネットワークに入力し、ニューラルネットワークにより駐車スペース画像を処理することで、該駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を出力することができる。

ここで、空き駐車スペースの領域情報は、該空き駐車スペースの位置及び大きさなどの情報を含んでもよく、角点情報は、空き駐車スペースの角点の位置情報を含む。

選択的に、空き駐車スペースの角点情報は、該空き駐車スペースの少なくとも３つの角点の角点情報を含んでもよい。駐車スペースが一般的には長方形であるため、空き駐車スペースの少なくとも３つの角点の角点情報に基づいて、該空き駐車スペースの領域情報を決定することができる。

本願の実施例の検出方法は、得られた駐車スペース画像をニューラルネットワークに入力さえすれば、正確な空き駐車スペースの領域情報及び／又は角点情報を得ることができる。初期の画像処理を必要とせず、検出プロセス全体は、簡単であり、かかる時間が短い。

Ｓ１０３において、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定する。

一例において、駐車スペース画像内の空き駐車スペースの領域情報を空き駐車スペースの検出結果とすることができる。もう１つの例において、駐車スペース画像内の空き駐車スペースの角点情報を空き駐車スペースの検出結果とすることができる。

また１つの例において、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することは、駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、駐車スペース画像内の空き駐車スペースの検出結果を決定することを含む。ここで、空き駐車スペースの領域情報と角点情報をフュージョンし、前記空き駐車スペースの検出結果を決定する方式は、下記方式を含むが、これらに限定されない。

方式１において、駐車スペース画像内の空き駐車スペースの角点情報で構成される駐車スペース領域情報を決定し、駐車スペース画像内の空き駐車スペースの領域情報と、角点情報で構成される駐車スペース領域情報と、をフュージョンし、フュージョンした領域情報に基づいて、駐車スペース画像内の空き駐車スペースの検出結果を決定する。例えば、空き駐車スペースの角点情報で囲まれて形成された駐車スペース領域情報を駐車スペース領域情報１と記し、駐車スペース画像内の空き駐車スペースの領域情報を領域情報２と記し、駐車スペース領域情報１と領域情報２をフュージョンし、領域情報３を得る。例えば、駐車スペース領域情報１と領域情報２の平均値を領域情報３とし、フュージョンした領域情報３を駐車スペース画像内の空き駐車スペースの検出結果とする。

方式２において、駐車スペース画像内の空き駐車スペースの領域情報の角点情報を決定し、駐車スペース画像内の空き駐車スペースの角点情報と領域情報の角点情報をフュージョンし、フュージョンした角点情報に基づいて、駐車スペース画像内の空き駐車スペースの検出結果を決定する。例えば、駐車スペース画像内の空き駐車スペースの領域情報に対応する角点をそれぞれ角点ａ１、角点ａ２、角点ａ３及び角点ａ４と記し、駐車スペース画像内の空き駐車スペースの角点情報に対応する角点をそれぞれ角点ｂ１、角点ｂ２、角点ｂ３及び角点ｂ４と記し、ここで、角点ａ１、角点ａ２、角点ａ３、角点ａ４はそれぞれ、角点ｂ１、角点ｂ２、角点ｂ３、角点ｂ４に一対一で対応する。従って、対応する２つの角点をフュージョンして１つの角点を得ることができる。例えば、角点ａ１と角点ｂ１をフュージョンして角点ａｂ１を得る。これにより、新たな角点情報を得て、これらの新たな角点情報を駐車スペース画像内の空き駐車スペースの検出結果とすることができる。

本願の実施例は、駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、駐車スペース画像内の空き駐車スペースの検出結果を決定することで、空き駐車スペースの検出の正確性を向上させることができる。

選択的に、本願の実施例の方法は、車両が駐車スペースを探す時しか、上記ステップを実行しないようにすることができる。例えば、インテリジェント運転システムが目的地に到着し、又は外部から送信された駐車スペース探し命令を受信した場合、インテリジェント運転システムは、電子機器を制御して動作させる。上記シーンにおいて、電子機器がカメラを有する場合、該電子機器におけるプロセッサは、カメラを、車両周辺の駐車スペース画像を撮影するように制御する。電子機器がカメラを有しないと、電子機器は、外部のカメラに撮影命令を送信する。これにより、カメラは、撮影した車両周辺の駐車スペース画像を電子機器に送信する。電子機器は、駐車スペース画像を得た後、該駐車スペース画像を処理し、駐車スペース画像内の空き駐車スペースの検出結果を検出する。例えば、電子機器は、得られた駐車スペース画像をニューラルネットワークに入力し、該ニューラルネットワークにより処理することで、駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を出力し、更に、駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、駐車スペース画像内の空き駐車スペースの検出結果を決定し、駐車スペースに対する正確な検出を更に実現させる。

選択的に、該電子機器は更に、インテリジェント運転システムに接続され、空き駐車スペースの検出結果をインテリジェント運転システムに送信する。インテリジェント運転システムは、該空き駐車スペースの検出結果に基づいて、車両を該空き駐車スペースに駐車するように制御する。

本願の実施例が提供する駐車スペース検出方法は、駐車スペース画像を取得し、駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得て、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定する。つまり、本願の実施例の検出方法は、得られた駐車スペース画像をニューラルネットワークに入力さえすれば、正確な空き駐車スペースの領域情報及び／又は角点情報を得ることができる。初期の画像処理を必要とせず、検出プロセス全体は、簡単であり、かかる時間が短い。また、駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、駐車スペースにおける空き駐車スペースの検出結果を決定することで、空き駐車スペースの検出の正確性を効果的に向上させる。

幾つかの実施例において、駐車スペース画像内の不完全な空き駐車スペースを検出するために、本願の実施例は、Ｓ１０２において前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得る前に、以下を更に含む。

Ｓ１０２ａにおいて、前記駐車スペース画像の四周縁において、外へ所定値で拡張する。

選択的に、前記所定値は、駐車スペースの長さの半分以下である。

例示的に、図４ａ及び図４ｂに示すように、図４ａが電子機器が取得した駐車スペース画像であるとすれば、該駐車スペース画像に、空き駐車スペース１及び空き駐車スペース２という２つの空き駐車スペースが含まれ、ここで、駐車スペース画像に、空き駐車スペースの一部分だけが含まれる。空き駐車スペース２を検出するために、図４ａに示す駐車スペース画像の四周縁を外へ所定値で拡張し、図４ｂにおける黒枠に示すように、図４ｂに示す結果を得る。これにより、駐車スペース画像の画角範囲を増大し、一部分が駐車スペース画像外に位置する空き駐車スペースを検出し、駐車スペース検出の正確性を更に向上させることができる。

この場合、上記Ｓ１０３において駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ることは、Ｓ１０３ａで置き換えられてもよい。

Ｓ１０３ａにおいて、拡張後の前記駐車スペース画像を前記ニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得る。

例えば、図４ｂをニューラルネットワークに入力し、図４ｂにおける空き駐車スペース１及び空き駐車スペース２の領域情報、及び／又は、空き駐車スペース１及び空き駐車スペース２の角点情報を検出することができる。

本願の実施例の方法は、駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を検出する前に、駐車スペース画像の四周縁において、外へ所定値で拡張し、拡張後の前記駐車スペース画像をニューラルネットワークに入力する。これにより、一部分が駐車スペース画像外に位置する空き駐車スペースを検出することができ、駐車スペース検出の正確性及び実用性を更に向上させる。

図３は、本願の実施例による駐車スペース検出方法を示す第２フローチャートである。上記実施例を基に、本願の実施例の方法は、ニューラルネットワークを訓練するプロセスを更に含む。図３に示すように、訓練プロセスは以下を含む。

Ｓ２０１において、複数の駐車スペース訓練画像を取得する。

該複数の駐車スペース訓練画像は、電子機器によりデータベースから取得されたものであってもよく、電子機器により過去に撮影されたものであってもい。本願の実施例は、電子機器が複数の駐車スペース訓練画像を取得する具体的なプロセスを限定しない。

ここで、各駐車スペース画像は、１つ又は複数の空き駐車スペースを含む。例えば、図４ｂは、駐車スペース訓練画像であり、ここに空き駐車スペース１及び空き駐車スペース２が含まれる。

選択的に、上記駐車スペース訓練画像は、広角カメラにより撮られた画像であってもよい。該画像は、一定の歪度を有する。該広角カメラにより撮られた駐車スペース訓練画像を用いてニューラルネットワークを訓練する場合、訓練されたニューラルネットワークは、異なる画角で撮られた駐車スペース画像に対して予測を行うことができ、更に、予測の正確性を確保すると共に、駐車スペース画像に対する撮影要求を下げることができる。

空き駐車スペースのキーポイントは、駐車スペースの境界線におけるポイント、空き駐車スペースの角点、又は空き駐車スペースの２本の対角線の交点を含んでもよい。これらのキーポイントに基づいて、空き駐車スペースの領域及び位置を正確に得ることができる。

上記駐車スペース訓練画像は、空き駐車スペースのキーポイント情報に対するアノテーション情報を含む。例えば、図４ｂに示すように、空き駐車スペース４のキーポイントとアノテーションされたキーポイントは、キーポイント１、キーポイント２、キーポイント３及びキーポイント４である。図４ｂは、空き駐車スペース１のキーポイントの１つのアノテーション方式であり、空き駐車スペース１のキーポイントは、上記４つのキーポイントを含むが、これらに限定されず、空き駐車スペース１のキーポイントの具体的な数及び選択方式は、実際の需要に応じて決定され、本願の実施例は、これを限定しないことに留意されたい。

Ｓ２０２において、前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練する。

空き駐車スペースのキーポイントに対するアノテーション情報を含む複数の駐車スペース画像をニューラルネットワークに入力し、ニューラルネットワークにより入力された検出結果と空き駐車スペースのキーポイント情報に対するアノテーション情報との差異に基づいて、該ニューラルネットワークのネットワークパラメータを調整し、該ニューラルネットワークの訓練を遂行する。

可能な実現形態において、ニューラルネットワークにより駐車スペース画像内の不完全な空き駐車スペースを検出することを実現させるために、ニューラルネットワークの訓練過程において、用いられる駐車スペース訓練画像の四周縁は、外へ所定値で拡張する。選択的に、上記所定値は、駐車スペースの長さの半分以下である。

引き続き図４ｂを参照すると、図４ｂに示す駐車スペース訓練画像の四周縁を外へ所定値で拡張する。前記所定値は、駐車スペースの長さの半分以下であり、図４ｂにおける黒枠に示すとおりである。これにより、駐車スペース訓練画像の画角範囲を増大することができる。訓練したニューラルネットワークが後続で駐車スペースを検出する時、一部分が撮られた駐車スペース画像外に位置する空き駐車スペースを検出できることを目的とする。

図４ｂに示す駐車スペース訓練画像の四周縁を外へ所定値で拡張した後、図４ｂにおける空き駐車スペース２を完全に表示することができる。これにより、空き駐車スペース２のキーポイントに対してアノテーションを行うことができる。空き駐車スペース２のキーポイントとアノテーションされたキーポイントは、キーポイント１１、キーポイント１２、キーポイント１３、キーポイント１４、キーポイント１５及びキーポイント１６であり、ここで、キーポイント１４は、拡張領域内に位置する。図４ｂは、空き駐車スペース２のキーポイント情報の１つの可能なアノテーション方式だけであり、空き駐車スペース２のキーポイントは、上記６つのキーポイントを含むが、これらに限定されず、空き駐車スペース２のキーポイントの具体的な数及び選択方式は、実際の需要に応じて決定され、本願の実施例はこれを限定しないことに留意されたい。

選択的に、上記空き駐車スペース１及び空き駐車スペース２のキーポイントの数及び選択方式は、同じであっても異なってもよく、空き駐車スペース１の各キーポイントを順次接続することで区画形成された面積が空き駐車スペース１の面積であり、空き駐車スペース２の各キーポイントを順次接続することで区画形成された面積が空き駐車スペース２の面積であることを確保すればよい。

図４ｂにおいて、空き駐車スペース１のキーポイント３及び４は、空き駐車スペース２のキーポイント１３及び１１と重なり合う。

選択的に、駐車スペース訓練画像内の空き駐車スペースのキーポイント情報は、前記空き駐車スペースの少なくとも１つの角点情報を含み、ここで、各角点情報に対応する角点は、空き駐車スペースの２本の境界線の交点である。

本願の実施例において、駐車スペース訓練画像の四周縁を外へ所定値で拡張することで、不完全な空き駐車スペースを補完し、駐車スペース訓練画像に、不完全な空き駐車スペースのキーポイント情報の標準情報を含ませる。このような駐車スペース訓練画像を用いてニューラルネットワークを訓練することで、訓練したニューラルネットワークは、駐車スペース画像内の完全に撮影されていない空き駐車スペースを予測することができ、駐車スペース検出の完全性及び正確性を向上させる。

上記ニューラルネットワークの訓練の実施例を基に、可能な実現形態において、図５に示すように、上記Ｓ２０２において、前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練することは、具体的には、以下を含んでもよい。

Ｓ３０１において、前記駐車スペース訓練画像内の空き駐車スペースの角点情報と、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報と、を取得する。

例示的に、図４ｂにおける空き駐車スペース２を例として、空き駐車スペース２の６つのキーポイントに４つ角点が含まれる。例えば、４つの角点のアノテーションを１と記し、他のキーポイントを０と記す。これにより、空き駐車スペース２の６つのキーポイント情報が｛“ｋｐｔｓ”： ［［１３４６．２８５０９７１９２２２４６，５１７．６２４１９００６４７９４８，１．０］，［１２２５．０１０７９９１３６０６９，５９１．１４４７０８４２３３２６２， １．０］，［１２８０．６４７９４８１６４１４６８，６６６．６５２２６７８１８５７４５， ０．０］，［１３００．５１８３５８５３１３１７５，７２８．２５０５３９９５６８０３４，１．０］，［１３３９．２６５６５８７４７３００２，７０７．３８６６０９０７１２７４３，０．０］，［１４３１．６６３０６６９５４６４３７，６３０．８８５５２９１５７６６７４，１．０］］｝であるとする。

上記空き駐車スペース２の６つのキーポイント情報で構成される領域情報を取得する。例えば、空き駐車スペース２の６つのキーポイントを時計回り又は反時計回りに順序付けし、続いて、その区画形成された面積を求め、区画形成された面積を空き駐車スペース２の領域情報とする。該空き駐車スペース２の領域情報は、駐車スペースの検出過程における領域情報の真値としてもよい。

上記方法を参照して、複数の駐車スペース訓練画像のうちの各枚の駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報を得て、空き駐車スペースの領域真値（Ｇｒｏｕｎｄｔｒｕｔｈ）を形成する。

なお、引き続き図４ｂにおける空き駐車スペース２を例として、空き駐車スペース２の６つのキーポイント情報から、空き駐車スペース２の４つの角点情報を取得し、｛“角点”： ［［１３４６．２８５０９７１９２２２４６，５１７．６２４１９００６４７９４８，１．０］，［１２２５．０１０７９９１３６０６９，５９１．１４４７０８４２３３２６２， １．０］，［１３００．５１８３５８５３１３１７５，７２８．２５０５３９９５６８０３４，１．０］， ［１４３１．６６３０６６９５４６４３７，６３０．８８５５２９１５７６６７４，１．０］］｝であるとする。該４つの角点情報は、空き駐車スペース２の角点真値を構成する。

上記方法を参照して、複数の駐車スペース訓練画像のうちの各枚の駐車スペース訓練画像内の空き駐車スペースの角点情報により、空き駐車スペースの角点真値を形成する。

Ｓ３０２において、前記駐車スペース訓練画像、前記駐車スペース訓練画像内の空き駐車スペースの角点情及び領域情報を用いて、前記ニューラルネットワークを訓練する。

図６を参照すると、図６は、本願の実施例によるニューラルネットワークの構造を示す概略図である。本願の実施例に係わるニューラルネットワークは、図６に示すニューラルネットワークを含むが、これに限定されない。

図６に示すように、該ニューラルネットワークはインスタンスセグメンテーション層を備えてもよく、該インスタンスセグメンテーション層は、空き駐車スペースの領域情報を取得するように構成される。

選択的に、本願の実施例のニューラルネットワークは、ｍａｓｋ－ＲＣＮＮ構造のニューラルネットワークであり、図６に示すように、該ニューラルネットワークは、特徴ピラミッドネットワーク（Ｆｅａｔｕｒｅ Ｐｙｒａｍｉｄ Ｎｅｔｗｏｒｋｓ：ＦＰＮ）検出底部及び領域畳み込みニューラルネットワーク（Ｒｅｇｉｏｎ ＣＮＮ：ＲＣＮＮ）位置回帰層を更に備え、ここで、ＦＰＮ検出底部の出力端は、ＲＣＮＮ位置回帰層の入力端に接続され、ＲＣＮＮ位置回帰層の出力端は、インスタンスセグメンテーション層の入力端に接続される。従って、ＦＰＮ検出底部は、前記駐車スペース訓練画像から、図６に示す矩形枠のような、空き駐車スペースの検出枠を検出するように構成される。続いて、検出された空き駐車スペースの検出枠をＲＣＮＮ位置回帰層に入力し、ＲＣＮＮ位置回帰層は、ＦＰＮ検出底部により検出された空き駐車スペースの検出枠に対して微調整を行う。ＲＣＮＮ位置回帰層は、微調整された空き駐車スペースの検出枠をインスタンスセグメンテーション層に入力し、該インスタンスセグメンテーション層は、セグメンテーションを行い、空き駐車スペースの領域情報を得て、例えば、図７における白色領域に示すとおりである。

選択的に、上記インスタンスセグメンテーション層は、一連の畳み込み層又はプーリング層を所定の順番に応じて積層することで得られたものである。

引き続き図６を参照すると、該ニューラルネットワークは、キーポイント検出層を更に備えてもよく、該キーポイント検出層は、空き駐車スペースの角点情報を取得するように構成される。

選択的に、該キーポイント検出層の入力端は、ＲＣＮＮ位置回帰層の出力端に接続され、ＲＣＮＮ位置回帰層は、微調整された空き駐車スペースの検出枠をキーポイント検出層に入力し、該キーポイント検出層は、空き駐車スペースの角点情報を出力し、例えば、図７における黒色角点に示すとおりである。図７における２つの隣接する空き駐車スペースの１本の境界線が重なり合うため、更に、別の２つの空き駐車スペースにおける２つの角点を重なり合わせる。

上記方法によれば、ニューラルネットワークにより、空き駐車スペースの領域情報及び角点情報を予測し、予測された空き駐車スペースの領域情報を上記ステップで得られた駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報と比較し、予測された空き駐車スペースの角点情報を上記ステップで得られた駐車スペース訓練画像内の空き駐車スペースの角点情報と比較し、ニューラルネットワークのパラメータを調整する。上記ステップを繰り返し、ニューラルネットワークの訓練回数が所定の回数に達すまで継続し、又は、ニューラルネットワークの予測誤差が所定の誤差値に達するまで継続する。

本願の実施例の方法は、前記駐車スペース訓練画像内の空き駐車スペースの角点情報と、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報を取得し、前記駐車スペース訓練画像、前記駐車スペース訓練画像内の空き駐車スペースの角点情報及び領域情報を用いて、前記ニューラルネットワークを訓練することで、訓練されたニューラルネットワークは、空き駐車スペースの領域情報及び／又は角点情報を正確に予測することができる。

本願の実施例が提供するいずれか１つの駐車スペース検出方法は、データ処理能力を持つ如何なる適切な機器により実行されてもよい。該機器は、端末機器又はサーバなどを含むが、これらに限定されない。又は、本願の実施例が提供するいずれか１つの駐車スペース検出方法は、プロセッサにより実行されてもよい。例えば、プロセッサは、メモリに記憶された命令を呼び出すことで、本願の実施例で言及されたいずれか１つの駐車スペース検出方法を実行する。下述において詳細な説明を省略する。

上記方法の実施例の全部又は一部のステップはプログラム命令に係るハードウェアにより実現されてもよく、上述したプログラムは、コンピュータ可読記憶媒体に記憶されてもよく、該プログラムが実行される時、上記方法の実施例のステップを実行し、上述した記憶媒体は、ＲＯＭ、ＲＡＭ、磁気ディスク又は光ディスクなどのような、プログラムコードを記憶できる種々の媒体を含むことは、当業者であれば理解すべきである。

図８は、本願の実施例による駐車スペース検出装置の構造を示す第１概略図である。図８に示すように、本実施例の駐車スペース検出装置１００は、
駐車スペース画像を取得するように構成される第１取得モジュール１１０と、
前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得るように構成される処理モジュール１２０と、
前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成される決定モジュール１３０と、を備えてもよい。

本願の実施例の駐車スペース検出装置は、上述した方法の実施例の技術的解決手段を実行するために用いられる。その実現原理及び技術的効果は類似しており、ここで、詳細な説明を省略する。

可能な実現形態において、前記決定モジュール１３０は、前記駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成される。

もう１つの可能な実現形態において、前記決定モジュール１３０は、前記駐車スペース画像内の空き駐車スペースの角点情報で構成される駐車スペース領域情報を決定し、前記駐車スペース画像内の空き駐車スペースの領域情報と、前記角点情報で構成される駐車スペース領域情報と、をフュージョンし、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成される。

図９は、本願の実施例による駐車スペース検出装置の構造を示す概略図である。前記駐車スペース検出装置１００は、拡張モジュール１４０を更に備え、
拡張モジュール１４０は、前記駐車スペース画像の四周縁において、外へ所定値で拡張するように構成され、前記所定値は、駐車スペースの長さの半分以下であり、
前記処理モジュール１２０は、拡張後の前記駐車スペース画像を前記ニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得るように構成される。

本願の実施例の駐車スペース検出装置は、上述した方法の実施例における技術的解決手段を実行するために用いられる。その実現原理及び技術的効果は類似しており、ここで、詳細な説明を省略する。

図１０は、本願の実施例による駐車スペース検出装置の構造を示す第３概略図である。前記駐車スペース検出装置１００は、
複数の駐車スペース訓練画像を取得するように構成される第２取得モジュール１５０と、
前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練するように構成される訓練モジュール１６０であって、前記駐車スペース訓練画像は、空き駐車スペースのキーポイント情報に対するアノテーション情報を含む、訓練モジュール１６０と、を備える。

可能な実現形態において、前記駐車スペース訓練画像の四周縁を外へ所定値で拡張し、前記所定値は、駐車スペースの長さの半分以下である。

もう１つの可能な実現形態において、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報は、前記空き駐車スペースの少なくとも１つの角点情報を含む。

もう１つの可能な実現形態において、前記訓練モジュール１６０は、
前記駐車スペース訓練画像内の空き駐車スペースの角点情報と、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報と、を取得し、前記駐車スペース訓練画像、前記駐車スペース訓練画像内の空き駐車スペースの角点情及び領域情報を用いて、前記ニューラルネットワークを訓練するように構成される。

選択的に、前記駐車スペース訓練画像は、広角カメラにより撮影された画像である。

本願の実施例の駐車スペース検出装置は、上述した方法の実施例における技術的解決手段を実行するために用いられる。その実現原理及び技術的効果は類似しており、ここで、詳細な説明を省略する。

図１１は、本願の実施例による電子機器の構造を示す概略図である。図１１に示すように、本願の実施例の電子機器３０は、
コンピュータプログラムを記憶するように構成されるメモリ３１０と、
前記コンピュータプログラムを実行し、上記駐車スペース検出方法を実現させるように構成されるプロセッサ３２０と、を備え、その実現原理及び技術的効果は類似しており、ここで、詳細な説明を省略する。

更に、本願の実施例における駐車スペース検出方法の少なくとも一部の機能は、ソフトウェアにより実現する時、本願の実施例は、コンピュータ記憶媒体を更に提供する。該コンピュータ記憶媒体は、揮発性又は不揮発性コンピュータ記憶媒体である。コンピュータ記憶媒体は、上記駐車スペース検出のためのコンピュータソフトウェア命令を記憶するように構成される。それはコンピュータで実行される時、コンピュータに上記方法の実施例における種々の可能な駐車スペース検出方法を実行させる。コンピュータに前記コンピュータ実行命令をロードして実行する時、本願の実施例に記載のプロセス又は機能を全体的にまたは部分的に発生することができる。前記コンピュータ命令は、コンピュータ記憶媒体に記憶されてもよく、又は、１つのコンピュータ記憶媒体からもう１つのコンピュータ記憶媒体に伝送されてもよい。前記伝送は、無線（例えば、セルラー通信、赤外、短距離無線、マイクロウェーブなど）の方式で、もう１つのウェブサイト、コンピュータ、サーバ又はデータセンタに伝送されてもよい。前記コンピュータ記憶媒体は、コンピュータによってアクセスされ得る任意の利用可能な媒体であってもよく、又は、１つ又は複数の利用可能な媒体で集積されたサーバ、データセンタなどのデータ記憶装置であってもよい。前記利用可能ば媒体は、磁気媒体（例えば、フレキシブルディスク、ハードディスク、磁気ディスク）、光媒体（例えば、デジタルバーサタイルディスク（ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｃ：ＤＶＤ））、又は半導体媒体（例えば、ソリッドステートドライブ（ｓｏｌｉｄ ｓｔａｔｅ ｄｉｓｋ：ＳＳＤ））等であってもよい。

上記実施例において、ソフトウェア、ハードウェア、ファームウェア又はその任意の組み合わせにより全体的又は部分的に実現可能である。ソフトウェアで実現する時、コンピュータプログラム製品の形態で全体的又は部分的に実現可能である。前記コンピュータプログラム製品は、１つ又は複数のコンピュータ命令を含む。コンピュータに前記コンピュータプログラム命令をロードして実行する場合、本願の実施例に記載のプロセス又は機能を全体的にまたは部分的に発生する。前記コンピュータは、汎用コンピュータ、専用コンピュータ、コンピュータネットワーク、又は他のプログラマブルデバイスであってもよい。前記コンピュータ命令は、コンピュータ可読記憶媒体に記憶されてもよく、又は、１つのコンピュータ可読記憶媒体からもう１つのコンピュータ可読記憶媒体に伝送されてもよい。例えば、前記コンピュータ命令を、１つのウェブサイト、コンピュータ、サーバ又はデータセンタから、有線（例えば、同軸ケーブル、光ファイバー、デジタル加入者回線（ｄｉｇｉｔａｌ ｓｕｂｓｃｒｉｂｅｒ ｌｉｎｅ：ＤＳＬ））又は無線（例えば、赤外、無線、マイクロウェーブ等）の方式で、もう１つのウェブサイト、コンピュータ、サーバ又はデータセンタに伝送することができる。前記コンピュータ可読記憶媒体は、コンピュータによってアクセスされ得る任意の利用可能な媒体であってもよく、又は、１つ又は複数の利用可能な媒体で集積されたサーバ、データセンタなどのデータ記憶装置であってもよい。前記利用可能な媒体は、磁気媒体（例えば、フレキシブルディスク、ハードディスク、磁気ディスク）、光媒体（例えば、ＤＶＤ）、又は半導体媒体（例えば、ＳＳＤ）等であってもよい。

本願の実施例において、「少なくとも１つ」は、１つ又は複数を表し、「複数」は、２つ以上を表す。「及び／又は」は、関連対象の関連関係を説明するためのものであり、３通りの関係が存在することを表す。例えば、Ａ及び／又はＢは、Ａのみが存在すること、ＡとＢが同時に存在すること、Ｂのみが存在するという３つの場合を表す。ここで、Ａ、Ｂは、奇数又は偶数であってもよい。文字「／」は一般的には、前後関連対象が「又は」という関係であることを示す。式において、文字「／」前後関連対象が「除算」という関係であることを示す。「以下少なくとも一項（個）」又はそのと類似した表現は、これらの項の任意の組み合わせを表し、奇数項（個）又は偶数項（個）の任意の組み合わせを含む。例えば、ａ、ｂ、又はｃのうちの少なくとも一項（個）は、ａ、ｂ、ｃ、ａ－ｂ、ａ－ｃ、ｂ－ｃ又はａ－ｂ－ｃを表すことができ、ここで、ａ、ｂ、ｃは、１つであってもよく、複数個であってもよい。

本願の実施例に係わる種々の数字番号は単に説明を容易にするために区別するためのものに過ぎず、本願の実施例の範囲を限定するものではないことは、理解されるべきである。

本願の実施例において、各ステップの番号の大きさは、実行順番を意味するものではなく、各ステップの具体的な実行順番はその機能及び考えられる内在的論理により決まり、本願の実施例の実施プロセスを限定するものではないことは、理解されるべきである。

最後に説明しておきたいこととして、上記各実施例は本願の技術的解決手段を説明するためのものに過ぎず、本願の技術的解決手段を限定するものではない。上述した各実施例を参照しながら詳しく説明したが、依然として前記各実施例に記載の技術的解決手段を修正し、又はその一部又は全ての技術的特徴に対して均等物による置換を行うことができ、これらの修正や置換によって、対応する技術的解決手段の本質が本願の各実施例の技術的解決手段の範囲から逸脱することはないことが、当業者であれば、理解すべきである。

Claims (20)

1. 駐車スペース検出方法であって、
   駐車スペース画像を取得することと、
   前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ることと、
   前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することと、を含む、駐車スペース検出方法。
2. 前記駐車スペース画像内の空き駐車スペースの領域情報及び角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することは、
   前記駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することを含むことを特徴とする
   請求項１に記載の方法。
3. 前記駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することは、
   前記駐車スペース画像内の空き駐車スペースの角点情報で構成される駐車スペース領域情報を決定することと、
   前記駐車スペース画像内の空き駐車スペースの領域情報と、前記角点情報で構成される駐車スペース領域情報と、をフュージョンし、フュージョンした領域情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定することと、を含むことを特徴とする
   請求項２に記載の方法。
4. 前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得る前に、前記方法は、
   前記駐車スペース画像の四周縁において、外へ所定値で拡張することであって、前記所定値は、駐車スペースの長さの半分以下である、ことを更に含み、
   前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ることは、
   拡張後の前記駐車スペース画像を前記ニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得ることを含むことを特徴とする
   請求項１－３のうちいずれか一項に記載の方法。
5. 前記方法は、
   複数の駐車スペース訓練画像を取得することと、
   前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練することであって、前記駐車スペース訓練画像は、空き駐車スペースのキーポイント情報に対するアノテーション情報を含む、ことと、を更に含むことを特徴とする
   請求項１－４のうちいずれか一項に記載の方法。
6. 前記駐車スペース訓練画像の四周縁を外へ所定値で拡張し、前記所定値は、駐車スペースの長さの半分以下であることを特徴とする
   請求項５に記載の方法。
7. 前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報は、前記空き駐車スペースの少なくとも１つの角点情報を含むことを特徴とする
   請求項５又は６に記載の方法。
8. 前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練することは、
   前記駐車スペース訓練画像内の空き駐車スペースの角点情報と、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報と、を取得することと、
   前記駐車スペース訓練画像、前記駐車スペース訓練画像内の空き駐車スペースの角点情及び領域情報を用いて、前記ニューラルネットワークを訓練することと、を含むことを特徴とする
   請求項７に記載の方法。
9. 前記駐車スペース訓練画像は、広角カメラにより撮影された画像であることを特徴とする
   請求項５－８のうちいずれか一項に記載の方法。
10. 駐車スペース検出装置であって、
    駐車スペース画像を取得するように構成される第１取得モジュールと、
    前記駐車スペース画像をニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得るように構成される処理モジュールと、
    前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成される決定モジュールと、を備える、駐車スペース検出装置。
11. 前記決定モジュールは、前記駐車スペース画像内の空き駐車スペースの領域情報と角点情報をフュージョンし、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成されることを特徴とする
    請求項１０に記載の装置。
12. 前記決定モジュールは、前記駐車スペース画像内の空き駐車スペースの角点情報で構成される駐車スペース領域情報を決定し、前記駐車スペース画像内の空き駐車スペースの領域情報と、前記角点情報で構成される駐車スペース領域情報と、をフュージョンし、フュージョンした領域情報に基づいて、前記駐車スペース画像内の空き駐車スペースの検出結果を決定するように構成されることを特徴とする
    請求項１１に記載の装置。
13. 前記装置は、
    前記駐車スペース画像の四周縁において、外へ所定値で拡張するように構成される拡張モジュールを更に備え、前記所定値は、駐車スペースの長さの半分以下であり、
    前記処理モジュールは、拡張後の前記駐車スペース画像を前記ニューラルネットワークに入力し、前記駐車スペース画像内の空き駐車スペースの領域情報及び／又は角点情報を得るように構成されることを特徴とする
    請求項１０－１２のうちいずれか一項に記載の装置。
14. 前記装置は、
    複数の駐車スペース訓練画像を取得するように構成される第２取得モジュールと、
    前記複数の駐車スペース訓練画像を用いて、前記ニューラルネットワークを訓練するように構成される訓練モジュールであって、前記駐車スペース訓練画像は、空き駐車スペースのキーポイント情報に対するアノテーション情報を含む、訓練モジュールと、を更に備えることを特徴とする
    請求項１０－１３のうちいずれか一項に記載の装置。
15. 前記駐車スペース訓練画像の四周縁を外へ所定値で拡張し、前記所定値は、駐車スペースの長さの半分以下であることを特徴とする
    請求項１４に記載の装置。
16. 前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報は、前記空き駐車スペースの少なくとも１つの角点情報を含むことを特徴とする
    請求項１４又は１５に記載の装置。
17. 前記訓練モジュールは、前記駐車スペース訓練画像内の空き駐車スペースの角点情報と、前記駐車スペース訓練画像内の空き駐車スペースのキーポイント情報で構成される領域情報と、を取得し、前記駐車スペース訓練画像、前記駐車スペース訓練画像内の空き駐車スペースの角点情及び領域情報を用いて、前記ニューラルネットワークを訓練するように構成されることを特徴とする
    請求項１６に記載の装置。
18. 前記駐車スペース訓練画像は、広角カメラにより撮影された画像であることを特徴とする
    請求項１４－１７のうちいずれか一項に記載の装置。
19. 電子機器であって、
    コンピュータプログラムを記憶するように構成されるメモリと、
    前記コンピュータプログラムを実行し、請求項１－９のうちいずれか一項に記載の駐車スペース検出方法を実現するように構成されるプロセッサと、を備える、電子機器。
20. コンピュータ記憶媒体であって、前記コンピュータ記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムが実行される時、請求項１－９のうちいずれか一項に記載の駐車スペース検出方法を実現する、コンピュータ記憶媒体。

Images