CN103600707B - 一种智能泊车***的泊车位检测装置及方法 - Google Patents

Abstract

本发明公开一种智能泊车***的泊车位检测装置，包括传感器单元：四个广角摄像头和超声波测距传感器；信号处理单元：环视图生成模块、泊车位检测模块；人机接口单元：输出模块用以显示环视图和检测到的库位、输入模块用以接受驾驶员输入的各种指令。其中，泊车位检测模块包括库位线检测子模块、障碍车检测子模块和泊车位输出子模块。本发明还公开一种智能泊车***的泊车位检测方法。本发明采用低成本传感器方案，通过融合超声波测距传感器得到的距离值与摄像头采集到的图像信息，提高了泊车位检测的正确率和精度，而且在地面存在库位线和存在障碍车的多种情况下都能有效检测到泊车位。

Description

一种智能泊车***的泊车位检测装置及方法

技术领域

本发明属于汽车技术领域，涉及驾驶辅助***，尤其涉及到智能泊车***的泊车位检测装置及方法。

背景技术

随着汽车保有量的增大，停车位日益紧张，停车难这一问题变得更加严重。对于没有经验的新手而言，把车辆安全地停入泊车位非常困难；即使对于有经验的驾驶员来讲，把车辆停入狭小的泊车位也并不是一件容易的事情。开发智能泊车***，有利于保证泊车过程的安全性，同时提高泊车过程的舒适性和便捷性。

智能泊车***一般包括以下几个模块：泊车位检测模块、路径规划模块、跟踪模块、执行模块和人机接口模块。泊车位检测模块是智能泊车***的基础，很大程度上影响着整个泊车***的性能。

目前，智能泊车***的泊车位检测方法主要包括以下三种：1.利用超声波测距传感器进行泊车位检测。由于车辆前端或后端存在圆角，受超声波测距传感器本身特性的局限，在前后端圆角处存在接收不到回波的现象，这将造成检测到的泊车位比实际偏大；此外，这种方法也不适用于地面存在库位线但没有前后障碍车的情况，如停车场等。大众汽车的泊车辅助系利用安装在保险杠两侧的超声传感器，在车辆行驶时对车辆两侧进行扫描，进而检测泊车位。该***在大众旗下途观、迈腾、CC等车型上均有搭载。2.利用激光雷达进行泊车位检测，其优点在于检测精度高，但是激光雷达的成本高昂。本田技研工业株式会社申请的专利CN10187849利用雷达装置以规定的时间间隔发送电磁波，根据反射波的接收结果检测电磁波在物体上反射的反射点，并根据预先存储的自车的车身尺寸数据和反射点的排列判断泊车空间的有无。3.利用机器视觉技术进行泊车位检测，其难点在于图像易受到阴影、光照等环境条件的影响。***在“基于环视的自动泊车方法研究与***设计”中提出了基于Radon变换的亮点特征检测泊车位以及基于兴趣窗口提取空泊车位的方法。以上方案各有优点，不过仍然存在不足。

发明内容

本发明的目的在于提供一种智能泊车***的泊车位检测装置及方法，在地面存在库位线和存在障碍车的多种情况下都能有效检测到泊车位。

为达到以上目的，本发明所采用的解决方案是：

一种智能泊车***的泊车位检测装置，包括：传感器单元：位于车辆车身上的摄像头和测距传感器；信号处理单元：环视图生成模块、泊车位检测模块；人机接口：输出模块用以显示环视图和检测到的库位，输入模块用以接受驾驶员输入的各种指令。

所述泊车位检测模块包括泊车位线检测子模块、障碍车检测子模块、泊车位输出子模块；泊车位线检测子模块利用地面泊车位线检测泊车位；障碍车检测子模块利用障碍车检测泊车位；泊车位输出子模块根据泊车位线检测子模块和障碍车检测子模块的检测结果，最终确定出泊车位。

所述传感器单元包括位于车辆前侧、后侧、左侧、右侧的四个广角摄像头和位于车辆两侧的超声波测距传感器。

所述四个摄像头的安装位置应保证四个摄像头采集到的图片覆盖到车辆四周360度区域，而且相邻两摄像头采集到的图片有重叠区域。

所述人机接口输出模块将检测到的泊车位叠加显示在环视图上，如果检测到的泊车位不正确或者不符合驾驶员的意愿，驾驶员可以通过输入模块调整泊车位的位置和（或）方向，在驾驶员改变泊车位的位置和（或）方向后，将新的泊车位四个角点坐标输出到智能泊车***的路径规划模块。

所述的智能泊车***的泊车位检测装置中的泊车位线检测子模块确定泊车位的方法，包括如下步骤：（1）图像预处理；（2）从环视图中提取直线；（3）对直线进行后处理，以保留地面泊车位线对应的线段，删除其他杂乱线段；（4）得到矩形泊车位。

所述的智能泊车***的泊车位检测装置中的障碍车检测子模块确定泊车位的方法：根据障碍车的前后端轮廓的位置来确定泊车位。

第一辆障碍车前端轮廓在全局坐标系中的位置采用以下方法确定：（1）利用超声波测距传感器得到的距离值和车辆位姿信息，拟合出对应于障碍车侧面轮廓的一条直线；（2）当超声波测距传感器的距离值发生正跳变时，存储这一时刻的环视图；（3）在环视图中设定感兴趣区域（ROI），使障碍车前端轮廓位于感兴趣区域内；（4）对所述感兴趣区域图像灰度化，做边缘检测，得到障碍车前端轮廓向前最凸出点（最前点）的坐标；（5）由最前点向拟合出的直线作垂线，确定出障碍车前端轮廓在全局坐标系中的位置；

若存在两辆障碍车，则第二辆障碍车后端轮廓在全局坐标系中的位置采用以下方法确定：（6）利用超声波测距传感器得到的距离值和车辆位姿信息，拟合出对应于障碍车侧面轮廓的一条直线；（2）当超声波测距传感器的距离值发生负跳变时，存储这一时刻的环视图；（3）在环视图中设定感兴趣区域，使障碍车后端轮廓位于感兴趣区域内；（4）对所述感兴趣区域图像灰度化，做边缘检测，得到障碍车前端轮廓向后最凸出点即最后点的坐标；（5）由最后点向拟合出的直线作垂线，确定出障碍车后端轮廓在全局坐标系中的位置。

由于采用了上述技术方案，本发明具有以下有益效果：采用低成本传感器方案，通过融合超声波测距传感器得到的距离值与摄像头采集到的图像信息，提高了泊车位检测的正确率和精度，而且在地面存在库位线和存在障碍车的多种情况下都能有效检测到泊车位。

附图说明

图1是本发明智能泊车***的泊车位检测装置功能模块示意图。

图2是本发明智能泊车***的泊车位检测方法的流程图。

图3是本发明实施例中传感器在车辆上的布置方案。

图4是本发明实施例中拼接生成的一张环视图。

图5是本发明的泊车位线检测子模块的算法流程图。

图6是本发明实施例中直线后处理方法的流程图。

图7是本发明障碍车检测子模块的算法流程图。

图8为本发明中全局坐标系和车辆坐标系的示意图。

图9是本发明第一辆障碍车前端轮廓确定方法的流程图。

图10是本发明实施例中第一辆障碍车前端轮廓确定方法示意图。

图11是本发明实施例中将检测到的泊车位在环视图中叠加显示的效果图。

具体实施方式

以下结合附图所示实施例对本发明作进一步的说明。

请参阅图1和图2。

1、传感器单元：

传感器单元包括：位于车辆前侧、后侧、左侧、右侧的四个广角摄像头和位于车辆两侧的超声波测距传感器。其中，四个摄像头的安装位置应保证四个摄像头采集到的图片覆盖到车辆四周360度区域，而且相邻两摄像头采集到的图片有重叠区域。超声波测距传感器可以是左、右侧各布置一个，也可以是左、右侧分别布置多个。在实施例1中，将前摄像头布置在车辆前方格栅处，左右摄像头布置在左右后视镜处，后摄像头布置在车辆后背门上；在左右后视镜处分别安装一个超声波测距传感器。传感器在车辆上的布置方案如图3所示。

2、环视图生成模块

（1）矫正畸变

为了获得较大的视野范围，本发明中位于车身四周的四个摄像头使用鱼眼广角摄像头。鱼眼摄像头采集到的图像存在着较大的畸变，首先需要对其进行校正畸变。

在实施例2中，只考虑摄像机的径向畸变和切向畸变，根据标定得到的摄像机畸变参数，利用下式对四个摄像头采集到的图像分别进行校正畸变：

x_cor=x+x(k₁r²+k₂r⁴+k₃r⁶)+[2p₁y+p₂(r²+2x²)]式（2-1）

y_cor=y+y(k₁r²+k₂r⁴+k₃r⁶)+[p₁(r²+2y²)+2p₂x]式（2-2）

其中，(x,y)是某一像素点的原始坐标；(x_cor,y_cor)是此像素点校正畸变后的坐标；[k₁,k₂,k₃]是径向畸变参数；[p₁,p₂]是切向畸变参数。

（2）生成四幅鸟瞰图

对矫正畸变后的四幅图像分别进行逆投影变换，将其转换为俯视效果的鸟瞰图。

1）摄像机模型

摄像机成像模型描述的是物体的成像过程，即任意一点在三维世界坐标系中的坐标到该点所成的像的坐标之间的数学映射关系。

①世界坐标系到摄像机坐标系的变换关系

$\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$ 式（2-3）

其中，R为3×3的旋转矩阵；T为3×1的平移向量； $\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]$ 为摄像机外参矩阵，(X_w,Y_w,Z_w)为空间中某点在世界坐标系中的坐标；(X_c,Y_c,Z_c)为此点在摄像机坐标系中的坐标。

②摄像机坐标系到图像坐标系的变换关系

$Z_c\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_x& 0& c_x& 0\\ 0& f_y& c_y& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{X}_c\\ Y_c\\ Z_c\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_x& 0& c_x& 0\\ 0& f_y& c_y& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{cc}R& T\\ 0& 1\end{array}\right]\left[\begin{array}{c}{X}_w\\ Y_w\\ Z_w\\ 1\end{array}\right]$ 式（2-4）

其中， $\left[\begin{array}{cccc}{f}_x& 0& c_x& 0\\ 0& f_y& c_y& 0\\ 0& 0& 1& 0\end{array}\right]$ 为摄像机内参矩阵；(x,y)为该点在图像坐标系中的坐标。

2）逆透视投影变换

由式（2-4）可知，根据某点在三维世界坐标系中的坐标(X_w,Y_w,Z_w)可以计算得到该点在图像坐标系中的坐标(x,y)，反之则不能。但是如果已知某点三维坐标中的某一维，则可以根据该点图像坐标系中的坐标(x,y)，计算出该点三维坐标的另两维。逆透视变换就是指：建立图像坐标系中的点与三维世界坐标系中已知平面上的点的位置对应关系。

建立如下坐标系：选取车辆几何中心点竖直向下投影在地面上的点为坐标原点O_w；Y_w轴方向平行于车辆后轴方向，指向车辆左侧为正；X_w垂直于Y_w轴，指向车辆前方为正；垂直于地面向上为Z_w轴正方向。将此坐标系作为世界坐标系。现假定Z_w=0，即假定图像中的所有点在三维世界坐标系中都位于地面上，利用四个摄像机的内参矩阵和外参矩阵，对四个摄像机采集到的图像分别进行逆透视变换，得到俯视效果的鸟瞰图。

（3）拼接生成环视图

通过逆透视变换，得到四幅俯视效果的鸟瞰图，相邻摄像头得到的鸟瞰图会有部分重合区域，通过对齐重叠区域，可以将四幅鸟瞰图拼接为环视图。

首先，设定环视图的视野范围。这也就确定了鸟瞰图的缩放因子；

然后，确定拼缝。选取四幅鸟瞰图两两之间的重叠区域内的四条直线作为拼缝。

最后，将四幅鸟瞰图沿着拼缝的位置剪裁、拼接。

图4为实施例2中拼接生成的一张环视图。

3、泊车位检测模块

泊车位检测模块包括泊车位线检测子模块、障碍车检测子模块、泊车位输出子模块。泊车位线检测子模块利用地面泊车位线检测泊车位；障碍车检测子模块利用障碍车检测泊车位；泊车位输出子模块根据泊车位线检测子模块和障碍车检测子模块的检测结果，最终确定出泊车位。

（1）泊车位线检测子模块

泊车位线检测子模块的算法流程图如图5所示。

1）图像预处理

对环视图进行灰度化，将彩色图变成灰度图。再对灰度图进行中值滤波，减少图像中的噪声。

2）提取直线

①边缘检测

在实施例3中,使用canny算子对灰度图进行边缘检测。Canny边缘检测算子使用两个阈值，如果一个像素的梯度大于上限阈值，则被认为是边缘像素，如果低于下限阈值，则被抛弃，如果介于二者之间，只有当其与高于上限阈值的像素连接时才会被接受。

在实施例3中采用Otsu算法计算Canny算子的高低阈值。Otsu算法基本思路是选取的最佳阈值应当使得用该阈值分割得到的两类间具有最好的分离性，具体过程利用了图像的灰度直方图，以使得目标和背景的灰度值方差最大为目标来确定图像分割的阈值。canny算子的高阈值为：

T=ArgMax[w₀(t)(u₀(t)-u)²+w₁(t)(u₁(t)-u)²]式（3-1）

其中，T为canny算子的高阈值；t为假设的图像分割阈值；u₀(t)为亮度值比t大的所有像素点的平均亮度值；w₀(t)为亮度值大于t的像素点所占的比例；u₁(t)为亮度值比t小的所有像素点的平均亮度值；w₁(t)为亮度值小于t的像素点所占的比例；u为图像中所有像素点的平均亮度值。

计算得到高阈值T后，再采用高阈值等于低阈值两倍的常用经验公式得到低阈值。

②霍夫变换

二维平面上的直线可用如下方程描述：

ρ=xcos(θ)+ysin(θ)式（3-2）

其中，ρ为原点到直线的距离，θ为该直线的倾角。

ρ和θ构成二维空间H(ρ,θ),H(ρ,θ)中的任意一点都对应着某一平面区域上的一条直线。Hough变换就是利用图像空间和Hough参数空间的点－线对偶性，把图像空间中的检测问题转换到参数空间。通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找计数器峰值的方法检测直线。

3）直线后处理

由于泊车位线有缺损或者地面存在阴影等，可能检测出许多杂乱线段。因此需要利用泊车位线满足的约束条件，对检测出的直线进行处理，以保留库位线对应的线段，删除其他杂乱线段。泊车位线满足的约束条件包括：泊车位线对边互相平行、邻边互相垂直、标准泊车位的尺寸、泊车位线的线宽等，可以选取其中的一条或者几条约束条件对直线进行处理。在实施例3中，直线后处理算法的流程图如图6所示。以上算法提供了直线后处理的一种方法，在其他实施例中也可以选取不同的约束条件。

（2）障碍车检测子模块

障碍车检测子模块的算法流程图如图7所示。

1）计算第一辆障碍车前端轮廓的位置

将全局坐标系定义为以泊车起点处自身车辆后轴中点为原点O_G；Y_G轴方向沿自身车辆在泊车起点处的后轴方向，指向车辆左侧为正；X_G轴垂直于Y_G轴，指向自身车辆前进方向为正。将车辆坐标系定义为以自身车辆后轴中点为原点O；Y轴方向沿自身车辆的后轴方向，指向车辆左侧为正；X轴垂直于Y轴，指向自身车辆前进方向为正。车辆坐标系在全局坐标系中是跟随车辆运动的。图8为本发明中定义的全局坐标系和车辆坐标系的示意图。

计算第一辆障碍车前端轮廓位置的算法流程图如图9所示。

①障碍车侧面轮廓直线

Ⅰ计算障碍车侧面轮廓上的点在全局坐标系中的坐标

超声波测距传感器可以是左、右侧各布置一个，也可以是左、右侧分别布置多个。在实施例4中，车辆左、右侧各布置一个超声波测距传感器。车辆向前行驶，利用超声波测距传感器，得到自身车辆与障碍车之间距离值。当超声波测距传感器返回的距离值未发生正跳变时，利用距离值和超声波测距传感器的安装位置参数，得到侧面轮廓上的点在车辆坐标系中的坐标。

X=X_ult式（3-1）

Y=dis+Y_ult式（3-2）

其中，（X,Y)为侧面轮廓上的点在车辆坐标系中的坐标；(X_ult,Y_ult)为超声波传感器在车辆坐标系中安装位置的坐标；dis的计算方法如下：其值为左侧超声波测距传感器返回的距离值，或右侧超声波测距传感器返回的距离值的相反数。

其中，正跳变指：当前时刻的dis的绝对值相对于前一时刻的dis的绝对值的增大量大于给定阈值。

再利用对应时刻的车辆位姿信息，计算得到侧面轮廓上的点在全局坐标系中的坐标。

X_G=(X+x_v)cosθ-(Y+y_v)sinθ式（3-3）

Y_G=(X+x_v)sinθ+(Y+y_v)cosθ式（3-4）

其中，（X_G,Y_G)为侧面轮廓上的点在全局坐标系中的坐标；（x_v,y_v,θ）为对应时刻的车辆位姿信息（x_v和y_v分别为对应时刻车辆坐标系原点（即车辆后轴中点）在全局坐标系中的x、y坐标；θ是车辆的航向角）。

Ⅱ用侧面轮廓上的点拟合出一条直线

在实施例4中，用最小二乘法对侧面轮廓上的点做直线拟合。

在其他实施例中也可以在车辆左、右侧各布置多个超声波测距传感器。例如，

在左、右两侧分别布置两个超声波测距传感器，则可以利用上述方法拟合得到两条直线，这两条直线在全局坐标系中的方程分别为：Y_G=k₁X_G+b₁、Y_G=k₂X_G+b₂。取k=0.5*(k₁+k₂),b=0.5*(b₁+b₂),得到直线Y_G=kX_G+b，即为障碍车侧面轮廓对应的直线。

②障碍车最前点

采用如下方法定义图像坐标系：将原点定义在图像的左上角处，水平向右为x轴正方向，竖直向下为y轴正方向。

Ⅰ设定ROI

当超声波测距传感器的距离值发生正跳变时，存储这一时刻的环视图。对环视图设定ROI，使障碍车前端轮廓位于ROI区域内。

Ⅱ灰度化、边缘检测

首先将ROI图像转换为灰度图，再利用canny边缘检测算子对灰度图进行边缘检测。

Ⅲ最前点在ROI图像坐标系中的坐标

在ROI边缘图像中，寻找y坐标值（图像坐标系中）最小的边缘点，将其作为障碍车前端轮廓向前最凸出点（最前点）。

Ⅳ最前点在全局坐标系中的坐标

首先，计算最前点在环视图的图像坐标系中的坐标：

X_H=X_R+X_X式（3-5）

Y_H=Y_R+Y_Y式（3-6）

其中，（X_H,Y_H)为最前点在环视图的图像坐标系中的坐标；（X_R,Y_R)为最前点在ROI图像的图像坐标系中的坐标；(X_X,Y_Y)为ROI区域的左上角点在环视图的图像坐标系中的坐标。

然后，计算最前点在车辆坐标系中的坐标：

X_FV=(Y_pix/2-Y_H)×(L/Y_pix)+d式（3-7）

Y_FV=(-X_H+X_pix/2)×(L/Y_pix)式（3-8）

其中，（X_FV,Y_FV)为最前点在车辆坐标系中的坐标，单位为厘米；X_pix为环视图在图像坐标系x方向上的像素点数,在实施例4中其值320；Y_pix为环视图在图像坐标系y方向上的像素点数,在本实施例中其值为550；d为车辆的几何中心到车辆后轴的距离,在本实施例中为130（厘米）；L为环视图在前后方向上能显示的范围对应的真实距离值，在本实施例中为1550（厘米）。

最后，计算最前点在全局坐标系中的坐标：

X_F=(X_FV+x_v)cosθ-(Y_FV+y_v)sinθ式（3-9）

Y_F=(X_FV+x_v)sinθ+(Y_FV+y_v)cosθ式（3-10）

其中，（X_F,Y_F)为最前点在全局坐标系中的坐标；（x_v,y_v,θ）为超声波传感器的距离值发生正跳变时的车辆位姿信息（x_v和y_v分别为对应时刻车辆坐标系原点（即车辆后轴中点）在全局坐标系中的x、y坐标；θ是车辆的航向角）。

③最前点向侧面轮廓直线作垂线

图10为本实施例中第一辆障碍车前端轮廓确定方法示意图。

2）判断是否存在第二辆障碍车

超声波测距传感器的距离值发生正跳变之后，车辆继续向前行驶，若向前行驶至预定距离，超声波测距传感器的距离值都未发生负跳变，则判定为不存在第二辆障碍车；若尚未行驶到预定距离，超声波测距传感器的距离值发生负跳变，判定为存在第二辆障碍车。其中，负跳变指：当前时刻的dis的绝对值相对于前一时刻的dis的绝对值的减小量大于给定阈值。dis的计算方法如下：其值为左侧超声波测距传感器返回的距离值，或右侧超声波测距传感器返回的距离值的相反数。

3）矩形泊车位

若存在第二辆障碍车，则根据第一辆障碍车前端轮廓和第二辆障碍车后端轮廓的位置，确定出两辆障碍车之间的矩形泊车位；若不存在第二辆障碍车，则根据第一辆障碍车前端轮廓或后端轮廓确定矩形泊车位。

（3）泊车位输出子模块

将泊车位线检测子模块和障碍车检测子模块的检测结果输入给泊车位输出子模块。泊车位线检测子模块和障碍车检测子模块的检测结果包括以下四种情况，泊车位输出子模块在四种情况下得到的可用泊车位如下表所示：

其中，√表示检测到库位，X表示未检测到库位。

对于情况1，如果障碍车检测子模块输出的泊车位区域包含泊车位线检测子模块输出的泊车位区域，则输出泊车位线检测子模块检测到的泊车位；否则，输出障碍车检测子模块检测到的泊车位。

对于情况3，输出障碍车检测子模块检测到的泊车位。

4、人机接口

人机接口包括输出模块和输入模块。输出模块用以显示环视图和检测到的库位，可以通过触摸屏、平视显示器（HUD）等实现。输入模块用以接受驾驶员输入的各种指令，可以通过触摸屏、语音指令、转向灯、车内按钮等实现。

如果叠加显示在环视图上的泊车位不正确或者不符合驾驶员的意愿，驾驶员可以通过人机接口的输入模块调整泊车位的位置和（或）方向。在驾驶员改变泊车位的位置和（或）方向后，将新的泊车位四个角点坐标输出到智能泊车***的路径规划模块。

图11为将检测到的泊车位在环视图中叠加显示的效果图。

上述的对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，不脱离本发明的范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (5)

1.一种智能泊车***的泊车位检测装置，其特征在于：包括：传感器单元：位于车辆车身上的摄像头和测距传感器；信号处理单元：环视图生成模块、泊车位检测模块；人机接口：输出模块用以显示环视图和检测到的库位，输入模块用以接受驾驶员输入的各种指令；

所述泊车位检测模块包括泊车位线检测子模块、障碍车检测子模块、泊车位输出子模块；泊车位线检测子模块利用地面泊车位线检测泊车位；障碍车检测子模块利用障碍车检测泊车位；泊车位输出子模块根据泊车位线检测子模块和障碍车检测子模块的检测结果，最终确定出泊车位；

所述障碍车检测子模块确定泊车位的方法：根据障碍车的前后端轮廓的位置来确定泊车位；

第一辆障碍车前端轮廓在全局坐标系中的位置采用以下方法确定：(1)利用超声波测距传感器得到的距离值和车辆位姿信息，拟合出对应于障碍车侧面轮廓的一条直线；(2)当超声波测距传感器的距离值发生正跳变时，存储这一时刻的环视图；(3)在环视图中设定感兴趣区域，使障碍车前端轮廓位于感兴趣区域内；

(4)对所述感兴趣区域图像灰度化，做边缘检测，得到障碍车前端轮廓向前最凸出点即最前点的坐标；(5)由最前点向拟合出的直线作垂线，确定出障碍车前端轮廓在全局坐标系中的位置；

若存在两辆障碍车，则第二辆障碍车后端轮廓在全局坐标系中的位置采用以下方法确定：(6)利用超声波测距传感器得到的距离值和车辆位姿信息，拟合出对应于障碍车侧面轮廓的一条直线；(7)当超声波测距传感器的距离值发生负跳变时，存储这一时刻的环视图；(8)在环视图中设定感兴趣区域，使障碍车后端轮廓位于感兴趣区域内；(9)对所述感兴趣区域图像灰度化，做边缘检测，得到障碍车前端轮廓向后最凸出点即最后点的坐标；(10)由最后点向拟合出的直线作垂线，确定出障碍车后端轮廓在全局坐标系中的位置。

2.根据权利要求1所述的智能泊车***的泊车位检测装置，其特征在于：所述传感器单元包括位于车辆前侧、后侧、左侧、右侧的四个广角摄像头和位于车辆两侧的超声波测距传感器。

3.根据权利要求2所述的智能泊车***的泊车位检测装置，其特征在于：所述四个摄像头的安装位置应保证四个摄像头采集到的图片覆盖到车辆四周360度区域，而且相邻两摄像头采集到的图片有重叠区域。

4.根据权利要求1所述的智能泊车***的泊车位检测装置，其特征在于：所述人机接口输出模块将检测到的泊车位叠加显示在环视图上，如果检测到的泊车位不正确或者不符合驾驶员的意愿，驾驶员可以通过输入模块调整泊车位的位置和或方向，在驾驶员改变泊车位的位置和或方向后，将新的泊车位四个角点坐标输出到智能泊车***的路径规划模块。

5.根据权利要求1所述的智能泊车***的泊车位检测装置，其特征在于：所述泊车位线检测子模块确定泊车位的方法包括如下步骤：(1)图像预处理；(2)从环视图中提取直线；(3)对直线进行后处理，以保留地面泊车位线对应的线段，删除其他杂乱线段；(4)得到矩形泊车位。