一种基于车载摄像头的路侧停车位感知方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110909705A(43)申请公布日2020.03.24(21)申请号201911208693.2(22)申请日2019.11.30(71)申请人的卢技术有限公司地址211103江苏省南京市秣陵街道利源南路55号C4栋(72)发明人马科(74)专利代理机构南京禹为知识产权代理事务所(特殊普通合伙)32272代理人王晓东(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图4页(54)发明名称一种基于车载摄像头的路侧停车位感知方法及系统(57)摘要本发明公开了一种基于车载摄像头的路侧停车位感知方法及系统，包括以下步骤，采集模块采集后车图像并输入识别模块，所述识别模块基于深度学习的方法对后车图像进行识别，输出车轮的像素坐标并传输给计算机视觉模块；所述计算机视觉模块将所述像素坐标转换成世界坐标，并画出参考线和参考车框；将所述参考车框输入至检测模块，通过粗检和细检判断是否能够停车以及标出停车位框。本发明的有益效果：基于车载摄像头，采用深度学习和计算机视觉识别路侧停车位，能够精确检测空闲车位中的障碍物，特别是低矮或较小的障碍物，增加了安全性。CN110909705ACN110909705A权利要求书1/2页1.一种基于车载摄像头的路侧停车位感知方法，其特征在于：包括以下步骤，采集模块(100)采集后车图像并输入识别模块(200)，所述识别模块(200)基于深度学习的方法对后车图像进行识别，输出车轮的像素坐标并传输给计算机视觉模块(300)；所述计算机视觉模块(300)将所述像素坐标转换成世界坐标，并画出参考线和参考车框；将所述参考车框输入至检测模块(400)，通过粗检和细检判断是否能够停车以及标出停车位框。2.如权利要求1所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述识别模块(200)部署于车载计算终端(500)内，还包括以下步骤，采集模块(100)采集图像作为训练样本；基于所述训练样本对识别模块(200)进行训练；利用训练后的识别模块(200)识别后车图像并输出车轮的像素坐标。3.如权利要求1或2所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述训练还包括以下步骤，所述样本图像的采集在不同环境下进行，并对采集到的图像进行分割，保留含有汽车车轮的图像作为训练样本；使用打标工具对训练样本进行打标并标注出车轮四个角点位置，输出标注图像；所述识别模块(200)对采集模块(100)采集的后车图像进行识别，识别出车轮四个角点位置，并计算出前、后车轮边框下边框中心点坐标。4.如权利要求3所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述计算还包括以下步骤，根据识别模块(200)得到的车轮位置坐标，计算出车轮下边框中心点坐标，计算公式如下：yc＝yright其中，(xc,yc)为车轮下边框中心点的像素坐标，(xleft,yleft)和(xright,yright)分别为车轮边框左上角和右下角点的坐标；分别检测前、后两个车轮的下边框中心点的像素坐标，两个中心点相连接后能够画出一条直线。5.如权利要求4所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述将像素坐标转换成世界坐标是利用相机标定原理进行的坐标转换。6.如权利要求5所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述画出参考线和参考框包括以下步骤，以前、后两个车轮的中心点相连接画出的直线作为参考线，根据所述参考线画出一个长为5m、宽为2.5m的汽车参考框；随着车辆的移动不停地画参考框，且画框的频率为每秒20帧。7.如权利要求6所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述粗检2CN110909705A权利要求书2/2页还包括以下步骤，将所述参考框输入检测模块(400)的深度学习网络模型中，检测图像中是否存在障碍物；若所述输入的参考框中没有障碍物，则判断可以停车并进行进一步的细检，反之则判断不可停并终止自动泊车。8.如权利要求6或7所述的基于车载摄像头感知路侧停车位的方法，其特征在于：所述细检还包括以下步骤，在所述参考框的基础上以5cm为单位继续前后画细参考框，共画出40个细参考框并输入检测模块(400)的深度学习网络模型；所述深度学习网络模型检测所述细参考框中是否存在障碍物，若存在则终止自动泊车；若不存在障碍物，则计算所有可停车框中心点的平均值，再根据该中心点坐标计算车框四角的物理坐标，最终画出可停车位。9.一种基于车载摄像头的路侧停车位感知系统，其特征在于：包括，采集模块(100)，所述采集模块(100)用于采集车辆周围环境数据；识别模块(200)，所述识别模块(2