[发明专利]一种线车位定位方法及装置

说明书

本发明提供线车位定位方法及装置，方法包括：步骤1、生成原始拼接鸟瞰图；步骤2、获取初始角点坐标；步骤3、获取修正角点坐标；步骤4、根据所述初始角点坐标、修正角点坐标确定最终车位角点坐标。本发明通过经过增加图像识别精定位，弥补了深度学习得到的车位角点的视觉误差，有效提高了线车位的定位精度。

技术领域

本发明涉及自动泊车技术领域，尤其涉及一种线车位定位方法及装置。

背景技术

自动泊车技术以其智能、便捷的特点，让泊车不再成为众多司机头疼的问题。自动泊车一般是融合视觉感知和空间感知而实现的。视觉感知系统通过安装在车身前后左右四个鱼眼摄像头获取车身四周的鱼眼图像，然后经过相应的算法处理生成拼接鸟瞰图，然后在鸟瞰图上进行线车位(即由路面上的车位标识线构成的车位)检测，其中一种检测方式就是基于深度学习。

现有的基于深度学习的视觉检测方案大多数采用检测框的方法，先标出靠近车身的两个角点和车位朝向的点，再利用目标检测的边界框(bounding box)框出停车位。虽然这种方式能很方便的识别出停车位，但是经后处理回归得到的停车位中的车位角点精度主要依赖数据的标注时车位点的准确度和训练车位的数据量，然而当数据增加到一定数量时，车位角点精度不再提升，并且线车位中地缝或其它非常规的标识线也会影响识别精度，因此无法保证得到的车位角点能够精确地定位到实际的车位角点上，有造成最终的泊车姿态压线的风险。

发明内容

本发明提供一种线车位定位方法及装置，旨在解决现有技术中的缺陷，实现弥补深度学习得到的车位角点的视觉误差，有效提高了线车位的定位精度。

为达到上述目的，本发明所采取的技术方案为：

本发明一方面提供一种线车位定位方法，包括：

步骤1、生成原始拼接鸟瞰图；

步骤2、获取初始角点坐标；

步骤3、获取修正角点坐标；

步骤4、根据所述初始角点坐标、修正角点坐标确定最终车位角点坐标。

具体地，所述步骤2包括：在所述原始拼接鸟瞰图中使用预设深度学习方法识别目标车位角点作为初始角点，所述初始角点的坐标为初始角点坐标。

具体地，所述预设深度学习方法为YOLO算法。

具体地，所述步骤3包括：

步骤301、对所述原始拼接鸟瞰图进行灰度处理，并将所述初始角点及其八邻接像素作为ROI区域；

步骤302、对每个所述ROI区域使用预设图像识别算法进行角点检测，得到修正角点，所述修正角点的坐标为修正角点坐标。

具体地，所述预设图像算法为SUSAN角点检测算法。

具体地，所述步骤4包括：

步骤401、判断所述修正角点坐标的数量是否为0，是则将所述初始角点坐标作为最终车位角点坐标，否则进入下一步；

步骤402、判断所述修正角点坐标的数量是否超过1个，是则进入下一步，否则将所述修正角点坐标作为最终车位角点坐标；

步骤403、计算所述修正角点的中心位置坐标，将计算得到的中心位置坐标作为最终车位角点坐标。

本发明另一方面提供一种线车位定位装置，包括：鸟瞰图生成模块，以及与其连接的第一角点检测模块、第二角点检测模块，与所述第一角点检测模块、第二角点检测模块连接的角点修正模块；

所述鸟瞰图生成模块，用于生成原始拼接鸟瞰图；

所述第一角点检测模块，用于获取初始角点坐标；