[发明专利]用弹性多边形表示停车位区域的停车位检测系统及方法

说明书

本发明涉及一种智能驾驶领域，具体涉及用弹性多边形表示停车位区域的停车位检测系统及方法；现有技术中不能直接提供一个车位的完整结构信息且较难给出车位是否可停的信息；本发明提供了一种停车位检测系统和方法，通过训练好的神经网络作为检测模型可以获得完整的停车位信息，并且通过弹性多边形来表示停车位可以提取任意形态的停车位结构；并且具有旋转一致性，可以提取倾斜的停车位的信息。

技术领域

本发明涉及一种智能驾驶领域，具体涉及一种停车位检测系统及方法。

背景技术

随着科学技术的发展，自动驾驶、无人车等新兴概念应运而生。自动泊车系统是自动驾驶技术中一个不可或缺的部分，汽车工业界对发展自动泊车系统的兴趣也在逐渐提升，而停车位检测则是自动泊车问题中的核心感知任务之一。具体的，车辆的摄像头或者超声波等传感器可以感知车辆当前所处的环境，采用停车位检测技术对传感器获取的车辆周围环境信息进行处理，可以得到附近的空白停车位，从而指导车辆的停泊。

对这样的系统而言，怎样精准有效地检测、定位由车辆附近的常规线段限定的停车位是一个关键且尚未解决的问题。事实上，地面材料、光照条件的变化、附近物体的阴影等不利因素也增大了基于视觉的停车位检测方法的难度。

现有的停车位检测方法，一类通常利用底层边缘及角特征，基于人工构造规则来提取车位框，其特征表达能力较弱，基于规则的方法很难延伸到多样的停车位形态。另一类方法基于目标检测技术，使用一个方框来检测、提取车位，这类方法很难处理斜向停车位，而且对停车位边界框的定位也很不精确。还有一类方法通过整合停车位分隔点和分隔线的检测信息找到停车位的位置，这类方法不能直接提供一个车位的完整结构信息且较难给出车位是否可停的信息。

发明内容

有鉴于此，本申请提出了一种端到端的停车位结构化检测方法，该方法基于深度卷积神经网络，利用预先训练好的停车位结构化检测模型，对车辆拍摄的当前道路图像进行识别，提取完整的停车位结构化信息，包括停车位是否可以停车、停车位所处的位置及其对应的几何信息等。具体来说，本申请将一个独立停车位形式化为弹性多边形区域，并设计提出具体的方法步骤，通过深度神经网络模型分别得到当前道路图像中的可停的独立车位区域及组成该区域的点坐标信息。

本发明的一个方面，是提供一种停车位检测系统，其特征在于：所述系统包括停车位检测模型，所述停车位检测模型是经过样本图像训练的神经网络；所述系统通过将待检测图像输入到所述停车位检测模型中，得到停车位区域；其中所述待检测图像输入到所述停车位检测模型，得到独立车位区域和组成独立车位区域的点；并且所述系统融合所述独立车位区域信息和所述组成独立车位点的信息，对其结果进行处理，最后得到用弹性多边形所表示的独立停车位区域。

优选地，所述停车位检测模型是通过将所述样本图像输入到预先建立的初始神经网络，再通过训练所述初始神经网络得到的。

优选地，所述样本图像为标注有停车位区域信息的道路样本图像。

本发明的第二方面，是提供了一种停车位检测方法，所述方法包括以下步骤：

步骤S1：获取待检测图像；

步骤S2：将待检测图像输入到所述停车位检测模型中，得到停车位区域。

优选地，所述停车位检测模型是通过将所述样本图像输入到预先建立的初始神经网络，通过训练所述初始神经网络得到。

优选地，在步骤S2中，将所述待检测图像输入到所述停车位检测模型，得到独立车位区域和组成独立车位区域的点。

优选地，在步骤S2中，所述系统融合所述独立车位区域信息和所述组成独立车位点的信息，对结果进行后处理，最后得到用弹性多边形所表示的独立停车位区域。

优选地，所述样本图像为标注有停车位区域信息的道路样本图像。