[发明专利]一种车位检测方法及装置

说明书

本发明公开一种车位检测方法及装置，涉及自动驾驶技术领域。包括：获取车辆所处的停车环境的鱼眼图像，采用预存的车位框识别模型对鱼眼图像进行识别，确定鱼眼图像中的多个车位框区域，并根据每个车位框区域和预存的角点识别模型，确定每个车位框区域对应的车位区域中每个角点的坐标，且根据每个车位框区域对应的车位区域中每个角点的坐标，确定每个车位框区域对应的车位区域。本发明直接采用鱼眼图像作为车位框识别模型的输入，且放弃了图像分割的思想，采用级联的车位框识别模型和角点识别模型，先进行车位框区域的识别再进行车位区域的角点识别，由粗到精的进行车位区域的角点定位，提高了车位检测的实时性和准确度。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种车位检测方法及装置。

背景技术

自主泊车技术是自动驾驶技术的重要分支技术之一，自主泊车技术对于车位检测的实时性与准确性，要求极高。

现有技术中主要采用深度学习方法来进行车位检测，在深度学习方法中，首先需要对车辆周围的全景环视图像进行泊车场景分割，输出可行驶区域、车位标记线、车辆和其他物体的分割结果，而后根据分割结果推断车位角点坐标。但是，使用该方法进行车位检测的实时性和准确性较低。

发明内容

本发明提供一种车位检测方法及装置，能够提高车位检测的实时性和准确性。

为达到上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种车位检测方法，包括：

获取鱼眼图像，鱼眼图像用于指示车辆所处的停车环境的图像；

采用预存的车位框识别模型对鱼眼图像进行识别，确定鱼眼图像中的多个车位框区域，一个车位框区域用于指示一个车位所处的区域；

根据每个车位框区域和预存的角点识别模型，确定每个车位框区域对应的车位区域中每个角点的坐标；

根据每个车位框区域对应的车位区域中每个角点的坐标，确定每个车位框区域对应的车位区域。

在一种可能的实现方式中，根据每个车位框区域和预存的角点识别模型，确定每个车位框区域对应的车位区域中每个角点的坐标，包括：根据每个车位框区域确定对应的第一车位框图像；根据预设的图像大小转换比例对每个第一车位框图像进行缩小处理，得到每个第一车位框图像对应的第二车位框图像；采用角点识别模型对每个第二车位框图像进行识别，确定每个车位框区域对应的车位区域中每个角点的坐标。

在一种可能的实现方式中，采用角点识别模型对每个第二车位框图像进行识别，确定每个车位框区域对应的车位区域中每个角点的坐标，包括：将每个第二车位框图像输入至角点识别模型，得到每个第二车位框图像的每个像素点对应的角点信息，角点信息包括多种角点类型中每种角点类型对应的置信度和坐标；将每个第二车位框图像的所有像素点对应的每种角点类型中，最大置信度对应的坐标确定为每个第二车位框图像对应的车位区域中每个角点的坐标；根据每个第二车位框图像对应的车位区域中每个角点的坐标，确定每个车位框区域对应的车位区域中每个角点的坐标。

在一种可能的实现方式中，根据每个第二车位框图像对应的车位区域中每个角点的坐标，确定每个车位框区域对应的车位区域中每个角点的坐标，包括：根据图像大小转换比例，分别对每个第二车位框图像对应的车位区域中每个角点的坐标进行还原处理，确定每个车位框区域对应的车位区域中每个角点的坐标。

在一种可能的实现方式中，根据每个车位框区域确定对应的第一车位框图像，包括：基于每个车位框区域的中心，将每个车位框区域向外围扩充预设数量的像素点，得到每个车位框区域扩充后的目标区域；根据每个车位框区域扩充后的目标区域中的像素点，确定每个车位框区域对应的第一车位框图像。

在一种可能的实现方式中，角点识别模型使用Hard Swish激活函数。