CN110390306B - 直角车位的检测方法、车辆和计算机可读存储介质 - Google Patents

直角车位的检测方法、车辆和计算机可读存储介质 Download PDF

Info

Publication number
CN110390306B
CN110390306B CN201910676503.3A CN201910676503A CN110390306B CN 110390306 B CN110390306 B CN 110390306B CN 201910676503 A CN201910676503 A CN 201910676503A CN 110390306 B CN110390306 B CN 110390306B
Authority
CN
China
Prior art keywords
parking space
point
points
line segment
corner
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910676503.3A
Other languages
English (en)
Other versions
CN110390306A (zh
Inventor
汪群策
李葳
王明杰
仝学涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huzhou Hongwei New Energy Automobile Co ltd
Original Assignee
Huzhou Hongwei New Energy Automobile Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huzhou Hongwei New Energy Automobile Co ltd filed Critical Huzhou Hongwei New Energy Automobile Co ltd
Priority to CN201910676503.3A priority Critical patent/CN110390306B/zh
Publication of CN110390306A publication Critical patent/CN110390306A/zh
Application granted granted Critical
Publication of CN110390306B publication Critical patent/CN110390306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开一种直角车位的检测方法、车辆和计算机可读存储介质。上述检测方法包括：利用相机标定将获取的拍摄图像生成鸟瞰图；根据鸟瞰图中亮度跳跃规律和预设车位标线宽度值得到对比度图像；对上述对比度图像进行二值化处理，得到二值化图像，并按照霍夫概率变换进行线段提取得到候选线段集合，并从候选线段集合中筛选出所有满足两两垂直正交的线段对，得到候选线段对集合，根据候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合，判断标线外侧角点集合中是否存在属于同一车位的一组标线外侧角点，若是，则根据预设车位长宽值和对应的一组标线外侧角点确定直角车位。上述直角车位的检测方法提高了车位检测的准确度。

Description

直角车位的检测方法、车辆和计算机可读存储介质
技术领域
本发明涉及控制检测领域，尤其涉及一种直角车位的检测方法、车辆和计算机可读存储介质。
背景技术
随着汽车保有量的增加，交通拥挤和停车难现象越来越凸显。智能泊车辅助***可提高泊车安全，减少人员和经济损失，具有重大的研究价值和广阔的应用前景。停车位检测是实现自动泊车的基础性和关键性技术。
其中，停车位检测技术所使用的传感器通常采用超声传感器和激光传感器。由于超声波测距范围比较窄，干扰信号难以消除，其依靠障碍物进行检测，不适合用于地面喷绘的停车位检测。多线激光传感器可以通过障碍物检测判断是否存在适合车辆停放的空间，也可以通过反射率来检测地面喷绘的停车位，但由于其价格昂贵和体积较大，在研究型的智能车辆上运用较多，其不太适合于民用车。
发明内容
一种直角车位的检测方法，检测方法包括：
利用相机标定将获取的拍摄图像生成鸟瞰图；
根据鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合和对应的初始标线点灰度值集合；
根据初始标线点集合、初始标线点灰度值集合和预设车位标线宽度值计算初始标线点集合每个标线点的对比度值，得到对比度图像；
对上述对比度图像进行二值化处理，得到二值化图像；
对二值化图像按照累计霍夫概率变换进行线段提取以得到候选线段集合，并从候选线段集合中筛选出所有满足两两垂直正交的线段对，得到候选线段对集合；
根据候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合，标线外侧角点集合至少包括两个标线外侧角点；
判断标线外侧角点集合中是否存在属于同一车位的一组标线外侧角点；
若是，则根据预设车位长宽值和属于同一车位的一组标线外侧角点确定直角车位。
在一个实施例中，根据鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合的步骤通过以下方法实现：
根据鸟瞰图中亮度呈现暗-亮-暗的跳跃变化规律，由以下公式确定初始标线点集合和初始标线点灰度值集合：
Figure BDA0002143466780000021
其中，f(x,y)为像素点位置(x,y)对应的灰度值，w为预设车位标线宽度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值，O1(x,y)UO2(x,y)为初始标线点集合。
在一个实施例中，根据初始标线点集合、初始标线点灰度值集合和预设车位标线宽度值计算初始标线点集合每个标线点的对比度值，得到对比度图像的步骤通过以下公式来实现：
Figure BDA0002143466780000031
其中，G(x,y)为初始标线点(x,y)的对比度值，f(x,y)为初始标线点(x,y)对应的灰度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值。
在一个实施例中，对上述对比度图像进行二值化处理，得到二值化图像的步骤包括：
采用自适应阈值法选取二值化阈值；
根据二值化阈值对上述对比度图像进行二值化处理，得到二值化图像。
在一个实施例中，采用自适应阈值法确定二值化阈值的步骤包括：
计算对比度图像中所有标线点对比度值的平均值，得到参考对比度均值；
选取参考对比度均值的一半作为对应的二值化阈值。
在一个实施例中，根据候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合的步骤包括：
判断候选线段对集合中每对线段对的交点是否同时为对应线段对中每条线段的一侧端点；
若是，则将对应的交点判定为标线外侧角点，并加入标线外侧角点集合；
若否，则将对应的交点直接舍去。
在一个实施例中，判断标线外侧角点集合中是否存在属于同一车位的一组外侧角点的步骤包括：
将标线外侧角点集合中每两个标线外侧角点组合作为角点对，得到角点对集合；
获取角点对集合中每一角点对的各个角点所对应的线段对；
判断每一角点对所对应的两对线段对中是否存在两组相互平行的线段；
若存在两组相互平行的线段，确定对应的角点对中的两个角点为对角角点，计算对角角点之间的对角距离并判断对角距离是否符合预设对角距离范围，若是，则判断对角角点均属于同一车位，若否，则判断对角角点不属于同一车位；
若不存在两组相互平行的线段，确定对应的角点对中两个角点为相邻角点，计算相邻角点之间的相邻距离并判断相邻距离是否符合预设相邻距离范围，若是，则判断相邻角点均属于同一车位，若否，则判断相邻角点不属于同一车位。
在一个实施例中，根据预设车位长宽值和属于同一车位的一组标线外侧角点确定直角车位的步骤包括：
根据以下公式确定属于同一车位的一组标线外侧角点在同一车位中的相对位置关系：
P＝PLU，if[max(e1x，e2x)>Px&min(e1y，e2y)<Py]
P＝PLD，if[max(e1x，e2x)>Px&max(e1y，e2y)>Py]
P＝PRU，if[min(e1x，e2x)<Px&min(e1y，e2y)<Py]
P＝PRD，if[min(e1x，e2x)<Px&max(e1y，e2y)>Py]
其中，(Px，Py)代表属于同一车位的一组标线外侧角点中的一个标线外侧角点的坐标，PLU、PLD、PRU和PRD分别代表同一车位的左上角角点、左下角角点、右上角角点和右下角角点，(e1x，e1y)和(e2x，e2y)分别代表(Px，Py)对应的线段对中每条线段的另一侧端点坐标；
根据相对位置关系、预设车位长宽值和属于同一车位的一组标线外侧角点各自的坐标确定直角车位。
一种车辆，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使车辆执行上述检测方法。
一种计算机可读存储介质，其存储有车辆所使用的计算机程序。
上述直角车位的检测方法，利用亮度跳跃规律并根据鸟瞰图确定对比度图像的基础上，对该对比度图像进行二值化处理，得到对应的二值化头像，有效的排除了普通阴影的干扰，然后进一步进行霍夫概率变换并进行筛选得到候选线段对集合，基于车位标线外侧角点的位置属性进而找出属于同一车位的一组标线外侧角点，最后确定直角车位，能够有效的检测到图像中的车位标线外侧角点，解决由于磨损造成的角点丢失导致停车位无法检测的问题，同时能够找出属于车位的一组标线外侧角点，进而准确的确定直角停车位，提高了直角车位的检测准确度。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1为一个实施例中一种直角车位的检测方法的流程示意图；
图2为一个实施例中得到二值化图像的方法流程示意图；
图3为一个实施例中得到二值化阈值的方法流程示意图；
图4为一个实施例中得到标线外侧角点集合的方法流程示意图；
图5为一个实施例中确定属于同一车位的一组标线外侧角点的方法流程示意图；
图6为一个实施例中标线外侧角点集合中各个标线外侧角点的位置示意图；
图7为一个实施例中得到的直角车位的示意图；
图8为另一个实施例中得到的直角车位的示意图。
具体实施方式
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在下文中，将更全面地描述本公开的各种实施例。本公开可具有各种实施例，并且可在其中做出调整和改变。然而，应理解：不存在将本公开的各种实施例限于在此公开的特定实施例的意图，而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在下文中，可在本公开的各种实施例中使用的术语“包括”或“可包括”指示所公开的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本公开的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本公开的各种实施例中，表述A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本公开的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本公开的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
在本公开的各种实施例中使用的术语“用户”可指示使用电子装置的人或使用电子装置的装置(例如，人工智能电子装置)。
在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本公开的各种实施例中被清楚地限定。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
图1为一个实施例中一种直角车位的检测方法，包括：
步骤S110，利用相机标定将获取的拍摄图像生成鸟瞰图。
通常地，汽车上设置有摄像装置，可设置多个摄像头，也可设置单个摄像头，无人泊车汽车通常安装摄像装置能够获取当前视觉范围内拍摄图像。
其中，由于拍摄图像存在透视现象，需要进一步通过相机标定去除透视现象，去除远小近大的图像拍摄效果，以利于后续的处理。
步骤S120，根据鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合和对应的初始标线点灰度值集合。
其中，鸟瞰图中由于车位的实际标线颜色通常亮度比较明显，与背景颜色相比，实际车位标线点的亮度与周围背景点的亮度相比，通常存在亮度跳跃现象，进一步结合预设车位标线宽度值，可以得到初始标线点集合，对初始标线点集合中的每个像素点的每个像素点的像素值进行处理，得到初始标线点集合中的每个像素点的灰度值，进而得到与所述初始标线点集合相对应的初始标线点灰度值集合。
步骤S130，根据初始标线点集合、初始标线点灰度值集合和预设车位标线宽度值计算初始标线点集合每个标线点的对比度值，得到对比度图像。
其中，得到初始标线点灰度值集合之后，要得到二值化图像还需要做进行一步处理，根据初始标线点集合中的每个初始标线点、对应的初始标线点灰度值和预设车位标线宽度值，以距离每个初始标线点横坐标或者纵坐标预设距离的背景点的灰度值作为参照基础，可以计算出初始标线点集合中每个标线点的对比度值，进而得到对应的对比度图像。
其中，上述预设距离通常取预设车位标线宽度值为准。
步骤S140，对上述对比度图像进行二值化处理，得到二值化图像。
在得到对比度图像之后，还可以进一步对该对比度图像进行二值化处理，得到二值化图像，为后续的线段提取的步骤奠定基础。
步骤S150，对二值化图像按照累计霍夫概率变换进行线段提取以得到候选线段集合，并从候选线段集合中筛选出所有满足两两垂直正交的线段对，得到候选线段对集合。
对上述二值化图像进行累计霍夫概率变换之后，进行线段提取，可以提取到候选线段结合，由于待求的直角停车位外侧标线两两相邻之间是两两正交，因而为找到上述停车位外侧角点需要首先从候选线段对集合中找出两两正交的线段对，得到候选线段对集合。
步骤S160，根据候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合。
其中，由于是直角车位，该直角停车位的相邻两条外侧标线相交时的存在一特性，对应的每对相邻外侧标线交点不同于任意其他两条线段相交点位于十字交叉中心点的特性，因而可以根据候选线段对集合中每对线段对交点的位置属性的特异性确定对应的标线外侧角点集合，排除掉候选线段对集合中每对线段对交点处于十字交叉中心点的情形，可以得到对应的标线外侧角点集合。
步骤S170，判断标线外侧角点集合中是否存在属于同一车位的一组标线外侧角点，若是，则进入步骤S180。
其中，得到标线外侧角点集合之后，由于图像拍摄的视野角度问题，上述标线外侧角点集合有可能存在不属于同一个车位但分别属于两个车位相邻的角点，此时需要进一步判断排除不属于同一车位的角点。
步骤S180，根据预设车位长宽值和属于同一车位的一组标线外侧角点确定直角车位。
其中，预设车位长宽值是指预设车位长度值和宽度值，当确定属于同一车位的一组标线外侧角点，此时进一步结合预设车位长度值和宽度值，能够确定上述直角车位的外侧标线，从而为后续的泊车奠定基础。
上述直角车位的检测方法，在利用相机标定将获取的拍摄图像生成鸟瞰图的基础上，结合亮度跳跃规律并根据鸟瞰图确定对比度图像，然后对该对比度图像进行二值化处理，得到对应的二值化头像，有效的排除了普通阴影的干扰，然后进一步进行霍夫概率变换并进行筛选得到候选线段对集合，基于车位标线外侧角点的位置属性进而找出属于同一车位的一组标线外侧角点，最后确定直角车位，能够有效的检测到图像中的车位标线外侧角点，解决由于磨损造成的角点丢失导致停车位无法检测的问题，同时能够找出属于车位的一组标线外侧角点，进而准确的确定直角停车位，提高了直角车位的检测准确度。
在一个实施例中，上述直角车位的检测方法中步骤S120包括：
根据鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合的步骤通过以下方法实现：
根据鸟瞰图中亮度呈现暗-亮-暗的跳跃变化规律，由以下公式确定初始标线点集合和初始标线点灰度值集合：
Figure BDA0002143466780000101
其中，f(x,y)为像素点位置(x,y)对应的灰度值，w为预设车位标线宽度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值，O1(x,y)UO2(x,y)为初始标线点集合。
在一个实施例中，根据初始标线点集合、初始标线点灰度值集合和预设车位标线宽度值计算初始标线点集合每个标线点的对比度值，得到对比度图像的步骤通过以下公式来实现：
Figure BDA0002143466780000111
其中，G(x,y)为初始标线点(x,y)的对比度值，f(x,y)为初始标线点(x,y)对应的灰度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值。
如图2所示，在一个实施例中，步骤S140包括：
步骤S142，采用自适应阈值法选取二值化阈值。
其中，二值化阈值的选取对于图像二值化处理的过程产生较大的影响，采用自适应阈值法合理的选取二值化阈值有利于保证图像二值化处理结果的准确度。
步骤S144，根据二值化阈值对上述对比度图像进行二值化处理，得到二值化图像。
通过采用自适应阈值方法选取上述二值化阈值，进一步对上述对比度图像进行二值化处理，可得到准确度比较高的二值化图像。
在一个实施例中，如图3所示，步骤S142包括：
S142a，计算对比度图像中所有标线点对比度值的平均值，得到参考对比度均值。
对上述对比度图像中所有标线点的对比度值进行求和，然后除以对比度图像中的所有的标线点个数，可以得到参考对比度均值，从而为后续的二值化阈值的选取奠定基础。
S142b，选取参考对比度均值的一半作为对应的二值化阈值。
通过选取参考对比度均值的一半作为对应的二值化阈值，能够达到较好的效果，提高了上述二值化过程的准确度。
在一个实施例中，如图4所示，步骤S160包括：
S162，判断候选线段对集合中每对线段对的交点是否同时为对应线段对中每条线段的一侧端点；若是，则进入步骤S164，若否，则进入步骤S166。
其中，由于是直角停车位，该直角停车位的相邻的两条外侧标线相交时，其对应的交点同时是对应的线段对中每条线段的一侧端点，显然不同于任意其他两条线段相交点位于十字交叉中心点的特性，因而可以根据候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合。
步骤S164，将对应的交点判定为标线外侧角点，并加入标线外侧角点集合。
步骤S166，将对应的交点直接舍去。
在一个实施例中，如图5所示，步骤S170包括：
步骤S172，将标线外侧角点集合中每两个标线外侧角点组合作为角点对，得到角点对集合。
步骤S174，获取角点对集合中每一角点对的各个角点所对应的线段对。
步骤S176，判断每一角点对所对应的两对线段对中是否存在两组相互平行的线段，若存在两组相互平行的线段，则进入步骤S176a，若不存在两组相互平行的线段，则进入步骤S176b。
步骤S176a，确定对应的角点对中的两个角点为对角角点，计算对角角点之间的对角距离并判断对角距离是否符合预设对角距离范围，若是，则判断对角角点均属于同一车位，若否，则判断对角角点不属于同一车位。
显然，角点对集合中每一角点对如果是对角角点，所对应的两对线段对中必定存在两组相互平行的线段，因而通过判断每一角点对所对应的两对线段对中是否存在两组相互平行的线段，可以判断该角点对是否是对角角点，但是，由于角点对集合中可能存在属于不同车位的角点对，该对角角点可能不是同一车位，此时需要进一步计算该对角角点之间的距离，进而判断对角距离是否符合预设对角距离范围，若是，则判断对角角点均属于同一车位，若否，则判断对角角点不属于同一车位。
其中，预设对角距离范围通常参照预设车位对角距离为基准设置对应的距离误差范围，也可以直接以预设车位对角距离为标准，例如当预设车位长宽度值分别为a、b米长时，预设对角距离范围可以设置为
Figure BDA0002143466780000131
Figure BDA0002143466780000132
在一个实施例中，如图所示，已知预设车位长度值为a且预设车位宽度值为b，经过上述步骤得到标线外侧角点集合为(P1，P2，P3)，角点对集合((P1，P2)，(P1，P3)，(P2，P3))，对于(P1，P2)角点对所对应的线段对中，不存在两组相互平行的线段，因而进入步骤S176b进行处理。
同样地，对于(P2，P3)角点对所对应的线段对中，不存在两组相互平行的线段，只存在一组平行的线段边线，且另一组线段边线重合，因而需进入步骤S176b进行处理。
对于(P1，P3)角点对所对应的两组线段对中，存在两组相互平行的线段边线，因而确定(P1，P3)中的两个角点为对角角点，进一步计算P1点与P3之间的对角距离P1P3，发现P1P3的数值与预设车位对角距离
Figure BDA0002143466780000133
的数值相比较小，且差距值较大，因而可以判定(P1，P3)角点对不属于同一车位，这也与实际相符。
步骤S176b，确定对应的角点对中两个角点为相邻角点，计算相邻角点之间的相邻距离并判断相邻距离是否符合预设相邻距离范围，若是，则判断相邻角点均属于同一车位，若否，则判断相邻角点不属于同一车位。
显然，角点对集合中每一角点对如果不是对角角点，所对应的两对线段对中必定不存在两组相互平行的线段，只存在一组相互平行的线段，另一对线段对定然位于同一直线上，因而当判断每一角点对所对应的两对线段对中只存在一组相互平行的线段时，可以确定对应的角点对中两个角点为相邻角点，但是，由于角点对集合中可能存在属于不同车位的角点对，该相邻角点可能不是同一车位，此时需要进一步计算相邻角点之间的相邻距离并判断相邻距离是否符合预设相邻距离范围，若是，则判断相邻角点均属于同一车位，若否，则判断相邻角点不属于同一车位。
其中，预设相邻距离范围通常参照预设车位长度值或者宽度值进行设置，例如当预设车位长宽度值分别为a、b米长时，可以设置预设相邻距离范围为[a-0.03，a+0.03]，或者[b-0.03，b+0.03]。
同样地，如图所示，对于(P1，P2)角点对，在确定为相邻角点时，可以进一步计算邻角点之间的相邻距离并判断相邻距离P1P2，与预设车位长度值和宽度值分别进行比较，显然这里相邻距离P1P2和预设车位长度值相等或者较为接近，可以判定该组相邻角点属于同一车位。
在一个实施例中，根据预设车位长宽值和属于同一车位的一组标线外侧角点确定直角车位的步骤包括：
根据以下公式确定属于同一车位的一组标线外侧角点在同一车位中的相对位置关系：
P＝PLU，if[max(e1x，e2x)>Px&min(e1y，e2y)<Py]
P＝PLD，if[max(e1x，e2x)>Px&max(e1y，e2y)>Py]
P＝PRU，if[min(e1x，e2x)<Px&min(e1y，e2y)<Py]
P＝PRD，if[min(e1x，e2x)<Px&max(e1y，e2y)>Py]
其中，(Px，Py)代表属于同一车位的一组标线外侧角点中的一个标线外侧角点的坐标，PLU、PLD、PRU和PRD分别代表同一车位的左上角角点、左下角角点、右上角角点和右下角角点，(e1x，e1y)和(e2x，e2y)分别代表(Px，Py)对应的线段对中每条线段的另一侧端点坐标；
在一个实施例中，如图6所示，标线外侧角点集合为(P1，P2，P3)，根据上述步骤S176a和S176b之后，可以确定(P1，P2)角点对属于同一车位的一组外侧标线角点，因而可以根据上述PLU、PLD、PRU和PRD各个对应的判断公式，可以判定P1＝PRU，P2＝PRD。
进一步地，根据相对位置关系、预设车位长宽值和属于同一车位的一组标线外侧角点各自的坐标确定直角车位。
其中，通过上述公式可以确定属于同一车位的一组标线外侧角点各自在直角车位中的实际方位，进一步结合预设车位长宽值和属于同一车位的一组标线外侧角点各自的坐标确定直角车位。
在如图6所示实施例中，确定P1＝PRU且P2＝PRD之后，由于已知预设车位长宽值w，根据几何关系进一步确定直角停车位如图7所示。
由于已知预设标线宽度值，可进一步补全车位标线内侧角点和轮廓，如图8所示。
其中，为了进一步提高上述确定直角车位过程的准确度，还可以进行以下计算：
Pe1和Pe2分别指标线外侧角点P同对应的线段对中各个线段端点e1和e2之间的距离，通常满足以下公式：
w<dis(Pe1)<T,w<dis(Pe2)<T
其中，w代表预设车位标线宽度值，T代表预设车位长度值。
通过设置Pe1和Pe2的距离范围，有利于增强排除相邻车位角点的干扰能力，能够更准确的检测到上述直角停车位，更利于增强汽车泊车***的自动泊车能力。
一种车辆，包括存储器以及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使车辆执行上述检测方法。
一种计算机可读存储介质，其存储有车辆所使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种直角车位的检测方法，其特征在于，所述检测方法包括：
利用相机标定将获取的拍摄图像生成鸟瞰图；
根据所述鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合和对应的初始标线点灰度值集合；
根据所述初始标线点集合、所述初始标线点灰度值集合和所述预设车位标线宽度值计算所述初始标线点集合每个标线点的对比度值，得到对比度图像；
对所述对比度图像进行二值化处理，得到二值化图像；
对所述二值化图像按照累计霍夫概率变换进行线段提取以得到候选线段集合，并从所述候选线段集合中筛选出所有满足两两垂直正交的线段对，得到候选线段对集合；
根据所述候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合；
所述根据所述候选线段对集合中每对线段对交点的位置属性确定对应的标线外侧角点集合的步骤包括：
判断所述候选线段对集合中每对线段对的交点是否同时为对应线段对中每条线段的一侧端点；
若是，则将对应的交点判定为标线外侧角点，并加入标线外侧角点集合；
若否，则将对应的交点直接舍去；
判断所述标线外侧角点集合中是否存在属于同一车位的一组标线外侧角点；
若是，则根据预设车位长宽值和所述属于同一车位的一组标线外侧角点确定所述直角车位；
其中，所述判断所述标线外侧角点集合中是否存在属于同一车位的一组外侧角点的步骤包括：
将所述标线外侧角点集合中每两个标线外侧角点组合作为角点对，得到角点对集合；
获取所述角点对集合中每一角点对的各个角点所对应的线段对；
判断所述每一角点对所对应的两对线段对中是否存在两组相互平行的线段；
若存在两组相互平行的线段，确定对应的角点对中的两个角点为对角角点，计算所述对角角点之间的对角距离并判断所述对角距离是否符合预设对角距离范围，若是，则判断所述对角角点均属于同一车位，若否，则判断所述对角角点不属于同一车位；
若不存在两组相互平行的线段，确定对应的角点对中两个角点为相邻角点，计算所述相邻角点之间的相邻距离并判断所述相邻距离是否符合预设相邻距离范围，若是，则判断所述相邻角点均属于同一车位，若否，则判断所述相邻角点不属于同一车位。
2.根据权利要求1所述的检测方法，其特征在于，所述根据所述鸟瞰图中亮度跳跃规律和预设车位标线宽度值确定初始标线点集合的步骤通过以下方法实现：
根据所述鸟瞰图中亮度呈现暗-亮-暗的跳跃变化规律，由以下公式确定所述初始标线点集合和所述初始标线点灰度值集合：
Figure FDA0003002497110000031
其中，f(x,y)为像素点位置(x,y)对应的灰度值，w为预设车位标线宽度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值，O1(x,y)UO2(x,y)为初始标线点集合。
3.根据权利要求1所述的检测方法，其特征在于，所述根据所述初始标线点集合、所述初始标线点灰度值集合和所述预设车位标线宽度值计算所述初始标线点集合每个标线点的对比度值，得到对比度图像的步骤通过以下公式来实现：
Figure FDA0003002497110000032
其中，G(x,y)为初始标线点(x,y)的对比度值，f(x,y)为所述初始标线点(x,y)对应的灰度值，f(x±w,y)为像素点位置(x±w,y)对应的灰度值。
4.根据权利要求1所述的检测方法，其特征在于，所述对所述对比度图像进行二值化处理，得到二值化图像的步骤包括：
采用自适应阈值法选取二值化阈值；
根据所述二值化阈值对所述对比度图像进行二值化处理，得到二值化图像。
5.根据权利要求4所述的检测方法，其特征在于，采用所述自适应阈值法确定二值化阈值的步骤包括：
计算所述对比度图像中所有标线点对比度值的平均值，得到参考对比度均值；
选取所述参考对比度均值的一半作为对应的二值化阈值。
6.根据权利要求1所述的检测方法，其特征在于，根据预设车位长宽值和所述属于同一车位的一组标线外侧角点确定所述直角车位的步骤包括：
根据以下公式确定所述属于同一车位的一组标线外侧角点在同一车位中的相对位置关系：
Figure FDA0003002497110000041
其中，(Px，Py)代表所述属于同一车位的一组标线外侧角点中的一个标线外侧角点的坐标，PLU、PLD、PRU和PRD分别代表所述同一车位的左上角角点、左下角角点、右上角角点和右下角角点，(e1x，e1y)和(e2x，e2y)分别代表所述(Px，Py)对应的线段对中每条线段的另一侧端点坐标；
根据所述相对位置关系、所述预设车位长宽值和所述属于同一车位的一组标线外侧角点各自的坐标确定所述直角车位。
7.一种车辆，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述车辆执行权利要求1至6中任一项所述的检测方法。
8.一种计算机可读存储介质，其特征在于，其存储有权利要求7所述车辆所使用的所述计算机程序。
CN201910676503.3A 2019-07-25 2019-07-25 直角车位的检测方法、车辆和计算机可读存储介质 Active CN110390306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910676503.3A CN110390306B (zh) 2019-07-25 2019-07-25 直角车位的检测方法、车辆和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910676503.3A CN110390306B (zh) 2019-07-25 2019-07-25 直角车位的检测方法、车辆和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110390306A CN110390306A (zh) 2019-10-29
CN110390306B true CN110390306B (zh) 2021-08-10

Family

ID=68287461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910676503.3A Active CN110390306B (zh) 2019-07-25 2019-07-25 直角车位的检测方法、车辆和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110390306B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113129634B (zh) * 2019-12-31 2022-05-20 中移物联网有限公司 一种停车位的获取方法、***及通信设备
CN112052782B (zh) * 2020-08-31 2023-09-05 安徽江淮汽车集团股份有限公司 基于环视的停车位识别方法、装置、设备及存储介质
CN112767425A (zh) * 2020-12-30 2021-05-07 智车优行科技（北京）有限公司 一种基于视觉的车位检测方法及装置
CN112348817B (zh) * 2021-01-08 2021-05-11 深圳佑驾创新科技有限公司 车位识别方法、装置、车载终端和存储介质
CN113075933B (zh) * 2021-03-30 2023-08-29 北京布科思科技有限公司 机器人通行控制方法和装置及设备
CN113627277A (zh) * 2021-07-20 2021-11-09 的卢技术有限公司 一种识别车位的方法和装置
CN113903188B (zh) * 2021-08-17 2022-12-06 浙江大华技术股份有限公司 车位检测方法、电子设备及计算机可读存储介质
CN115206130B (zh) * 2022-07-12 2023-07-18 合众新能源汽车股份有限公司 一种车位检测方法、***、终端及存储介质
CN115083203B (zh) * 2022-08-19 2022-11-15 深圳云游四海信息科技有限公司 基于图像识别泊位对路内停车进行巡检的方法和***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103600707A (zh) * 2013-11-06 2014-02-26 同济大学 一种智能泊车***的泊车位检测装置及方法
EP2960827A1 (en) * 2014-06-27 2015-12-30 Connaught Electronics Ltd. Method for detecting an object with a predetermined geometric shape in an environmental region of a motor vehicle
CN107719361A (zh) * 2017-10-10 2018-02-23 深圳市豪恩汽车电子装备股份有限公司 基于图像视觉的自动泊车辅助方法及***
CN109063632A (zh) * 2018-07-27 2018-12-21 重庆大学 一种基于双目视觉的泊车位特征筛选方法
CN109094556A (zh) * 2018-07-25 2018-12-28 深圳大学 一种基于车位特征点的自动泊车方法及***
CN109243289A (zh) * 2018-09-05 2019-01-18 武汉中海庭数据技术有限公司 高精度地图制作中地下车库停车位提取方法及***
CN109435942A (zh) * 2018-10-31 2019-03-08 合肥工业大学 一种基于信息融合的车位线车位识别方法及装置
US10242575B1 (en) * 2017-12-05 2019-03-26 Industrial Technology Research Institute Marked parking space identification system and method thereof
CN109598972A (zh) * 2018-11-23 2019-04-09 中汽研（天津）汽车工程研究院有限公司 一种基于视觉的自动泊车停车位检测与测距***

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007310591A (ja) * 2006-05-17 2007-11-29 Auto Network Gijutsu Kenkyusho:Kk 画像処理装置及び駐車場判定方法
CN202139880U (zh) * 2011-07-20 2012-02-08 王正发 一种置于地下的立体车库
KR101947826B1 (ko) * 2012-04-10 2019-02-13 현대자동차주식회사 차량의 주차구획 인식방법
KR20180047210A (ko) * 2016-10-31 2018-05-10 현대자동차주식회사 주차구획 탐색 장치 및 방법
KR101911926B1 (ko) * 2016-11-25 2019-01-03 주식회사 와이즈오토모티브 주차 보조 장치 및 방법
CN106936964B (zh) * 2016-12-14 2019-11-19 惠州旭鑫智能技术有限公司 一种基于霍夫变换模板匹配的手机屏幕角点检测方法
CN109685000A (zh) * 2018-12-21 2019-04-26 广州小鹏汽车科技有限公司 一种基于视觉的车位检测方法及装置
CN109649384B (zh) * 2019-02-15 2020-08-14 华域汽车***股份有限公司 一种泊车辅助方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103600707A (zh) * 2013-11-06 2014-02-26 同济大学 一种智能泊车***的泊车位检测装置及方法
EP2960827A1 (en) * 2014-06-27 2015-12-30 Connaught Electronics Ltd. Method for detecting an object with a predetermined geometric shape in an environmental region of a motor vehicle
CN107719361A (zh) * 2017-10-10 2018-02-23 深圳市豪恩汽车电子装备股份有限公司 基于图像视觉的自动泊车辅助方法及***
US10242575B1 (en) * 2017-12-05 2019-03-26 Industrial Technology Research Institute Marked parking space identification system and method thereof
CN109094556A (zh) * 2018-07-25 2018-12-28 深圳大学 一种基于车位特征点的自动泊车方法及***
CN109063632A (zh) * 2018-07-27 2018-12-21 重庆大学 一种基于双目视觉的泊车位特征筛选方法
CN109243289A (zh) * 2018-09-05 2019-01-18 武汉中海庭数据技术有限公司 高精度地图制作中地下车库停车位提取方法及***
CN109435942A (zh) * 2018-10-31 2019-03-08 合肥工业大学 一种基于信息融合的车位线车位识别方法及装置
CN109598972A (zh) * 2018-11-23 2019-04-09 中汽研（天津）汽车工程研究院有限公司 一种基于视觉的自动泊车停车位检测与测距***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Convenient Vision-Based System for Automatic Detection of Parking Spaces in Indoor Parking Lots Using Wide-Angle Cameras;Shen-En Shih;《IEEE Transactions on Vehicular Technology》;20140731;第63卷(第6期);2521-2532 *
基于Harris与SVM角点判断的车位状态检测算法;杨英杰;《万方数据知识服务平台》;20150113;123-124,127 *
基于机器视觉的车位状态检测研究;庄一玮;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180215;C034-1013 *

Also Published As

Publication number Publication date
CN110390306A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
CN110390306B (zh) 直角车位的检测方法、车辆和计算机可读存储介质
CN106407893B (zh) 一种检测车道线的方法、装置和设备
CN109541634B (zh) 一种路径规划方法、装置和移动设备
Kong et al. Generalizing Laplacian of Gaussian filters for vanishing-point detection
Labayrade et al. In-vehicle obstacles detection and characterization by stereovision
Ebrahimpour et al. Vanishing point detection in corridors: using Hough transform and K-means clustering
US9336595B2 (en) Calibration device, method for implementing calibration, and camera for movable body and storage medium with calibration function
CN104700414A (zh) 一种基于车载双目相机的前方道路行人快速测距方法
EP2779025A2 (en) Method and system for detecting road edge
CN108573215B (zh) 道路反光区域检测方法、装置和终端
CN111681285B (zh) 一种标定方法、装置、电子设备及存储介质
CN111433780A (zh) 车道线检测方法、设备、计算机可读存储介质
JP5548212B2 (ja) 横断歩道標示検出方法および横断歩道標示検出装置
CN111308500A (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
Samadzadegan et al. Automatic lane detection in image sequences for vision-based navigation purposes
CN113933859A (zh) 一种无人矿卡行驶场景的路面及两侧挡墙检测方法
CN114898321A (zh) 道路可行驶区域检测方法、装置、设备、介质及***
CN109741306B (zh) 应用于危险化学品库房堆垛的图像处理方法
Nguyen et al. Toward real-time vehicle detection using stereo vision and an evolutionary algorithm
CN112837384B (zh) 车辆标记方法、装置和电子设备
CN113569812A (zh) 未知障碍物的识别方法、装置和电子设备
CN108615025B (zh) 家居环境下门识别定位方法、***以及机器人
Lu et al. Monocular multi-kernel based lane marking detection
KR101910256B1 (ko) 카메라 기반 도로 곡률 추정을 위한 차선 검출 방법 및 시스템
Huang et al. Rear obstacle warning for reverse driving using stereo vision techniques

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant