[发明专利]车位检测方法和装置

说明书

一种车位检测方法，针对自动泊车系统车位检测的复杂环境，利用有监督学习的方法对候选车位角点的位置及类别进行检测，再利用较强的车位线视觉约束条件对检出的车位角点及类别进行二次确认；耦合车辆航迹信息，实现基于贪婪搜索的车位角点匹配；结合车位几何属性，在时空序列上对车位角点进行更新、跟踪以及对车位角点对的配对操作；实现了高精度的自动车位检测，大大提高了实际自动驾驶车辆的自主泊车成功率。

技术领域

本公开涉及视觉车位检测领域，特别涉及一种角点扫描式视觉车位检测方法，尤其涉及适合于全自动化无人驾驶领域的耦合车辆航迹的角点扫描式视觉自动车位检测方法、装置、电子设备及存储介质。

背景技术

随着汽车保有量的不断增加，人们对自动化、便捷化的交通出行工具诉求愈发强烈，自动驾驶技术随之迅猛发展，自动泊车需求也越来越广。

自动泊车指车辆能够自动泊车入位而无需人工干预。作为智能驾驶领域的一项关键技术，其研究热度逐年上升，而车位感知又是自动泊车中的关键环节。

目前，车位感知技术主要涉及超声波雷达的空间车位感知以及利用环视鱼眼相机的视觉车位感知两类。

其中，基于视觉的车位感知技术由于具有广阔的应用前景而备受重视，但是还存在很多技术问题亟待解决。

为了解现有技术的发展状况，本公开对已有的专利和论文进行了检索、比较和分析，筛选出如下与本公开相关度比较高的技术方案：

技术方案1：中国专利文献CN107491738A(“停车位检测方法及系统、存储介质及电子设备”)，利用LSD线段检测方法提取图像中两两相互平行、间距满足阈值范围且梯度方向相反的两个直线段的中心线作为车位线的亮线条。所述方法虽然满足车位线亮线条的视觉属性——暗-亮-暗的梯度变化，但在实际使用中，由于阴影等暗线条的视觉属性——亮-暗-亮的梯度变化特征也同时满足上述方法的所述判断条件，因此类似阴影等暗线条状物容易被误检为车位线的亮线条，从而导致误识别。

技术方案2：中国专利文献CN109766757A(“一种融合车辆和视觉信息的泊车位高精度定位方法及系统”)，利用航位信息和视觉里程计信息过滤异常航位信息，同时，通过车辆位姿信息跟踪目标车位在全景环视图中的位置，再对该位置附近的感兴趣区域进行车位检测以提高目标车位的检出率和可靠性。由于利用航位推算的车辆位姿信息进行目标跟踪势必要面对长时或长距离推算导致的误差累计问题，所以“惯性导航系统设定在车辆距离超过预设距离时会有复位操作”成为了该专利的解决措施。但复杂的复位时机判断使得这种方法具有系统复杂度高、实用性低的缺点。

技术方案3：论文《Vision-Based Parking-Slot Detection:A DCNN-BasedApproach and a Large-Scale Benchmark Dataset》，利用YoloV2检测鸟瞰图中的车位角点，再利用自定义的网络结构对两两匹配后的角点图像进行分类，从而确认左侧或右侧的直角车位，斜车位或无效车位；针对直角车位，统一用90°的车位夹角及入口角点连线角度推算车位分割线角度；而斜车位的车位夹角采用模板匹配的方法来计算，匹配得分最高的模板角度即为该车位的车位夹角。但是，模板匹配的方法在光照不均、车辆遮挡等干扰场景下容易导致误匹配，难以应对复杂的检测环境；且角度间隔过小的模板对算力有限的嵌入式平台也带来不小的挑战；此外，统一用90°的车位夹角及入口角点连线角度推算车位分割线角度，导致车位分割线的角度受入口车位角点位置的精度影响也较大。

可见，现有的基于视觉车位检测研究方面还存在很多技术难点：

第一、目前针对车位线的视觉属性提取图像符合亮线条特征线段的方法所提出的约束条件对车位线亮线条的检测仍显松弛，难以过滤阴影条状类的线条轮廓。