[发明专利]一种全景停车位的检测方法在审
| 申请号： | 201811385268.6 | 申请日： | 2018-11-20 |
| 公开（公告）号： | CN109508682A | 公开（公告）日： | 2019-03-22 |
| 发明（设计）人： | 高体红 | 申请（专利权）人： | 成都通甲优博科技有限责任公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610213 四川省成都市天府*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种全景停车位的检测方法，属于停车位检测领域。该方法是一种基于全景图像的停车位检测方法。该方法首先标注全景停车位的图像，建立停车位的概率模型，并对标注的停车位生成标签信息。然后建立多特征融合的卷积神经网络提取停车位的轮廓图像，最后根据停车位的轮廓信息，分离停车位的位置信息。此方法不需要拍摄背景图像，对外界环境的变化不敏感，极大的提高了用户的满意度。该算法在任意时刻采集停车场图像信息，在停车位非空闲状态情况下，可以快速精确的检测到停车位，明显优于其他的车位检测方法。 | ||
| 搜索关键词： | 停车位 检测 全景 标注 卷积神经网络 拍摄背景图像 多特征融合 非空闲状态 停车场图像 标签信息 车位检测 概率模型 检测领域 轮廓图像 轮廓信息 全景图像 不敏感 满意度 算法 采集 图像 | ||
【主权项】：
1.一种全景停车位的检测方法，包含：获取停车位的全景图像；对所述停车位的全景图像进行标注，获取标注信息，并根据所述标注信息建立停车位的概率模型；根据所述停车位的概率模型，生成停车位的标签信息；其中每个停车位的概率模型和其标签信息是一一对应的；建立多特征融合的卷积神经网络；所述卷积神经网络包含多个阶段，每个阶段提取该阶段的特征信息；所述卷积神经网络融合了多个阶段的特征信息；所述卷积神经网络采用所述停车位的标签信息进行训练，获得所述卷积神经网络的参数；所述卷积神经网络利用所述卷积神经网络的参数，对输入的停车位的全景图像进行分类，输出停车位的概率图，所述停车位的概率图经过图像归一化处理，获得停车图像的轮廓信息；根据停车位的所述轮廓信息，分离停车位的位置信息。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都通甲优博科技有限责任公司，未经成都通甲优博科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811385268.6/，转载请声明来源钻瓜专利网。
