[发明专利]一种基于深度学习的有效划线车位识别方法和系统

说明书

本发明公开了一种基于深度学习的有效划线车位识别方法和系统，包括以下步骤，车载摄像模块采集周围环境图像；将路边地面采集的周围环境传输至车载计算终端；图像识别处理模块采用深度学习方法和利用图像识别分割模型对传入环境图像进行判别，计算出空余停车位的数量和位置，并在车载中控屏上显示出空余停车位与本车的相对位置；所述图像识别处理模块在检测出车位同时判别停车位内是否存在禁停标志或地锁，若有则忽略当前车位继续下一处车位检测，直至完成符合的停车位的检测。本发明的有益效果：无需部署车位传感器，降低停车场智能化改造成本提高停车场的利用率，使用户能够快速查询到空余车位。

技术领域

本发明涉及自然环境下图像识别领域的技术领域，尤其涉及一种基于深度学习的有效划线车位识别方法和系统。

背景技术

近年来自动泊车是汽车自动驾驶技术领域中的重要一环，如何能够识别路边有效的停车位是自动泊车的基础，在识别出划线车位的同时，还要能够识别出车位内有没有禁停标志或地锁等障碍物，从而给出有效车位；与此同时，还要能够给出划线车位四个点的坐标，为自动驾驶提供实时车辆与车位的相对位置信息。深度学习是近年来在计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大的成功。现有的深度学习模型属于神经网络，用较为复杂的模型降低模型偏差，可以通过大量的图像训练不断优化图像识别效果。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的一个技术问题是：提供一种无需部署车位传感器，从而降低停车场智能化改造成本，同时提高停车场的利用率，使用户能够快速查询到空余车位的基于图像深度学习的停车位识别及分割方法。

为解决上述技术问题，本发明提供如下技术方案：一种基于深度学习的有效划线车位识别方法，包括以下步骤，车载摄像模块采集周围环境图像；将路边地面采集的周围环境传输至车载计算终端；图像识别处理模块采用深度学习方法和利用图像识别分割模型对传入环境图像进行判别，计算出空余停车位的数量和位置，并在车载中控屏上显示出空余停车位与本车的相对位置；所述图像识别处理模块在检测出车位同时判别停车位内是否存在禁停标志或地锁，若有则忽略当前车位继续下一处车位检测，直至完成符合的停车位的检测。

作为本发明所述的基于深度学习的有效划线车位识别方法的一种优选方案，其中：图像识别处理模块部署于车载计算终端内，还包括以下识别步骤，收集路边车位和停车场图像作为样本；预测图像包含的元素；所述样本进行深度学习训练及图像识别。

作为本发明所述的基于深度学习的有效划线车位识别方法的一种优选方案，其中：还包括以下步骤，样本图像包含划线车位、禁停标志、地锁障碍物，将图像中的元素分割为空余车位和障碍物，得到图像训练集；识别训练模型利用所述训练集进行训练；训练好的图像识别训练模型对采集的图形进行识别，识别结果包含，识别出划线车位四个角点位置；识别出禁停标志和地锁等障碍物及其坐标；汇总各区域图像识别结果，若障碍物的底部坐标落在划线车位四个角点构成的连通区域里，则忽略当前划线车位；否则当前车位作为有效车位返回位置坐标。

作为本发明所述的基于深度学习的有效划线车位识别方法的一种优选方案，其中：所述车载摄像模块为图像采集摄像头，以车辆右侧大灯下方近焦摄像头为主，经过预先标定，拍摄视角为水平向下45度，在车辆时速低于10km/h时自动启动。