CN110544386A - 车位识别方法、装置及存储介质 - Google Patents
车位识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110544386A CN110544386A CN201910883491.1A CN201910883491A CN110544386A CN 110544386 A CN110544386 A CN 110544386A CN 201910883491 A CN201910883491 A CN 201910883491A CN 110544386 A CN110544386 A CN 110544386A
- Authority
- CN
- China
- Prior art keywords
- parking space
- parking
- automobile
- environment
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 abstract description 11
- 238000009434 installation Methods 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000006748 scratching Methods 0.000 description 2
- 230000002393 scratching effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G06V10/40—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
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车位识别方法、装置及存储介质，属于车辆工程技术领域。所述方法包括：通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。本申请通过汽车安装的多个摄像头采集得到多个影像数据，并将多个影像数据进行拼接，得到环境影像图像，由于环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，拓展了汽车驾驶员对汽车周围的感知能力，在基于环境影像图像识别到车位时，提高了车位识别可靠性和泊车安全性，降低了驾驶难度。
Description
技术领域
本申请涉及车辆工程技术领域，特别涉及一种车位识别方法、装置及存储介质。
背景技术
随着经济的不断发展，汽车保有量不断上升，且随着汽车保有量的上升，停车位的数量已越来越不能满足汽车增长的数量。目前，为了寻找停车位，汽车的驾驶员在进行泊车时，通常可以通过超声波雷达识别车位。
但是，在通过超声波雷达识别车位时，对于高度较矮或者放置于超声波雷达工作范围死角区域的障碍物，可能无法进行有效的识别，导致存在很大的安全隐患，在汽车进行泊车入围过程中极易发生擦碰事故，降低泊车的安全性。
发明内容
本申请提供了一种车位识别方法、装置及存储介质，可以解决相关技术中车位识别可靠性低、泊车安全性低问题。所述技术方案如下：
一方面，提供了一种车位识别方法，所述方法包括：
通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；
将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；
通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。
在一些实施例中，所述对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位，包括：
对所述环境影像图像中的直角和直线通过霍夫变换进行检测，以得到所述环境影像图像中的直角和直线的特征信息；
当所述环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定所述环境影像图像中的直角和直线所处位置车位所在位置。
在一些实施例中，所述对所述环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到所述汽车所处环境中存在车位时，确定所述车位是否符合泊车条件；
当所述车位符合所述泊车条件时，提示符合所述泊车条件的车位的车位信息。
在一些实施例中，所述确定所述车位是否符合泊车条件，包括：
检测所述车位中是否存在障碍物；当所述车位中不存在障碍物时，确定所述车位符合所述泊车条件；和/或，
检测所述车位的尺寸是否大于或等于预设尺寸；当所述车位的尺寸大于或等于预设尺寸时，确定所述车位符合所述泊车条件。
在一些实施例中，所述对所述环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到所述汽车所处环境中存在符合泊车条件的车位时，基于所述汽车当前所处位置和目标车位所在位置，确定所述汽车的泊车路线，所述目标车位为符合所述泊车条件的车位中的任一车位；
向所述汽车的驾驶员提示所述泊车路线。
另一方面，提供了一种车位识别装置，所述装置包括：
采集模块，用于通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；
拼接模块，用于将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；
检测模块，用于通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。
在一些实施例中，所述检测模块包括：
检测子模块，用于对所述环境影像图像中的直角和直线通过霍夫变换进行检测，以得到所述环境影像图像中的直角和直线的特征信息；
第一确定子模块，用于当所述环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定所述环境影像图像中的直角和直线所处位置车位所在位置。
在一些实施例中，所述装置还包括：
第一确定模块，用于当检测到所述汽车所处环境中存在车位时，确定所述车位是否符合泊车条件；
第一提示模块，用于当所述车位符合所述泊车条件时，提示符合所述泊车条件的车位的车位信息。
在一些实施例中，所述第一确定模块包括：
第二确定子模块，用于检测所述车位中是否存在障碍物；当所述车位中不存在障碍物时，确定所述车位符合所述泊车条件；和/或，
第三确定子模块，用于检测所述车位的尺寸是否大于或等于预设尺寸；当所述车位的尺寸大于或等于预设尺寸时，确定所述车位符合所述泊车条件。
在一些实施例中，所述装置还包括：
第二确定模块，用于当检测到所述汽车所处环境中存在符合泊车条件的车位时，基于所述汽车当前所处位置和目标车位所在位置，确定所述汽车的泊车路线，所述目标车位为符合所述泊车条件的车位中的任一车位；
第二提示模块，用于向所述汽车的驾驶员提示所述泊车路线。
另一方面，提供了一种汽车，所述汽车包括存储器和处理器，所述存储器用于存放计算机程序，所述处理器用于执行所述存储器上所存放的计算机程序，以实现上述所述的车位识别方法的步骤。
另一方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述所述车位识别方法的步骤。
另一方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述所述的车位识别方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果：
在本申请中，可以通过汽车安装的多个摄像头采集得到多个影像数据，并将多个影像数据进行拼接，得到环境影像图像。由于环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，拓展了汽车驾驶员对汽车周围的感知能力，在基于环境影像图像识别到汽车所处环境中的车位时，提高了车位识别可靠性和泊车安全性，降低了驾驶难度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种实施环境的示意图；
图2是本申请实施例提供的一种车位识别方法的流程图；
图3是本申请实施例提供的另一种车位识别方法的流程图；
图4是本申请实施例提供的一种车位识别装置的结构示意图；
图5是本申请实施例提供的一种检测模块的结构示意图；
图6是本申请实施例提供的另一种车位识别装置的结构示意图；
图7是本申请实施例提供的一种第一确定模块的结构示意图；
图8是本申请实施例提供的另一种车位识别装置的结构示意图；
图9是本申请实施例提供的一种汽车的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的车位识别方法进行详细的解释说明之前，先对本申请实施例提供的应用场景及实施环境进行介绍。
首先，对本申请实施例涉及的应用场景进行介绍。
由于随着汽车保有量的上升，停车位的数量已越来越不能满足汽车增长的数量。驾驶员停车越来越困难，目前，为了找到停车位，汽车的驾驶员在进行泊车时，通常可以通过超声波雷达识别车位。但是，在通过超声波雷达识别车位时，对于高度较矮或者放置于超声波雷达工作范围死角区域的障碍物，可能无法进行有效的识别，导致存在很大的安全隐患，在汽车进行泊车入围过程中极易发生擦碰事故，降低了泊车的安全性。
基于这样的场景，本申请实施例提供了一种能够车位识别准确性和泊车安全性的车位识别方法。
其次，对本申请实施例涉及的实施环境进行介绍。
请参考图1，图1是根据一示例性实施例示出的一种实施环境的示意图。该实施环境包括汽车101和多个摄像头102，汽车101可以与摄像头102进行通信连接。该通信连接可以为有线或者无线连接，本申请对此不做限定。
其中，该多个摄像头102可以为长广角高清摄像头。为了便于说明，在本申请附图中以4个摄像头102为例进行说明，参见图1，该4个摄像头102可以安装在汽车101车身前后左右的4位置。
本领域技术人员应能理解上述汽车101和摄像头102仅为举例，其他现有的或今后可能出现的汽车或摄像头如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
接下来将结合附图对本申请实施例提供的车位识别方法进行详细的解释说明。
图2是本申请实施例提供的一种车位识别方法的流程图，该方法应用于汽车中。请参考图2，该方法包括如下步骤。
步骤201：通过汽车安装的多个摄像头对该汽车周围预设范围内的环境进行影像采集，得到多个影像数据。
步骤202：将该多个影像数据进行拼接，得到该汽车所处环境的环境影像图像。
步骤203：通过对该环境影像图像进行霍夫Hough变换检测，以识别该汽车所处环境中的车位。
在本申请中，可以通过汽车安装的多个摄像头采集得到多个影像数据，并将多个影像数据进行拼接，得到环境影像图像。由于环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，拓展了汽车驾驶员对汽车周围的感知能力，在基于环境影像图像识别到汽车所处环境中的车位时，提高了车位识别可靠性和泊车安全性，降低了驾驶难度。
在一些实施例中，对该环境影像图像进行霍夫Hough变换检测，以识别该汽车所处环境中的车位，包括：
对该环境影像图像中的直角和直线通过霍夫变换进行检测，以得到该环境影像图像中的直角和直线的特征信息；
当该环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定该环境影像图像中的直角和直线所处位置车位所在位置。
在一些实施例中，对该环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到该汽车所处环境中存在车位时，确定该车位是否符合泊车条件；
当该车位符合该泊车条件时，提示符合该泊车条件的车位的车位信息。
在一些实施例中，确定该车位是否符合泊车条件，包括：
检测该车位中是否存在障碍物；当该车位中不存在障碍物时，确定该车位符合该泊车条件；和/或，
检测该车位的尺寸是否大于或等于预设尺寸；当该车位的尺寸大于或等于预设尺寸时，确定该车位符合该泊车条件。
在一些实施例中，对该环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到该汽车所处环境中存在符合泊车条件的车位时，基于该汽车当前所处位置和目标车位所在位置，确定该汽车的泊车路线，该目标车位为符合该泊车条件的车位中的任一车位；
向该汽车的驾驶员提示该泊车路线。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图3为本申请实施例提供的一种车位识别方法的流程图，参见图3，该方法包括如下步骤。
步骤301：汽车通过安装的多个摄像头对汽车周围预设范围内的环境进行影像采集，得到多个影像数据。
由上述图1可知，汽车上可以安装多个摄像头，因此，汽车可以通过安装的多个摄像头对汽车周围预设范围内的环境进行影像采集，得到多个影像数据。由于该多个摄像头可以安装在汽车不通过的位置，因此，多个摄像头中每个摄像头所拍摄的影像数据各不相同。该影像数据可以为视频数据，也可以为图像数据。
需要说明的是，且摄像头通常具有拍摄范围，因此，汽车周围预设范围通常小于或等于摄像头的拍摄范围，比如，该预设范围可以为距离汽车10米的范围、5米的范围等等。
作为一种示例，汽车可以在检测到车位识别触发事件时通过安装的多个摄像头对汽车周围预设范围内的环境进行影像采集，该触发事件可以是汽车接收到影像采集指令时，和/或，检测到汽车处于驻车状态时，和/或检测到汽车处于ON档。当然汽车还可以实时通过多个摄像头进行影像采集，或者，每隔指定时间间隔通过安装的对个摄像头进行影像采集。
需要说明的是，该指定时间间隔可以事先设置，比如，该指定时间间隔可以为10分钟、30分钟等等。
由于当汽车的驾驶员需要进行泊车时，汽车的驾驶员需要汽车能够进行车位识别，此时，汽车的驾驶员可以通过作用在汽车按钮，和/或汽车显示屏，和/或与汽车通信的终端上的指定操作来触发影像采集指令，该指定操作可以为点击操作、滑动操作、长按操作、语音操作等等。
步骤302：汽车将多个影像数据进行拼接，得到汽车所处环境的环境影像图像。
由上述可知，多个摄像头分别可以拍摄不同的影像数据，为了便于进行车位识别，汽车可以多个影像数据进行拼接，得到环境影像图像。
值得说明的是，由于该环境影像图像有多个影像数据拼接得到，且多个影响数据能够反映汽车周围情况，因此，环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，更大地拓展了汽车驾驶员对汽车周围的感知能力，进一步提高了车位识别可靠性和泊车安全性，降低了驾驶难度。
作为一种示例，汽车可以通过无缝拼接技术将该多个影像数据进行拼接，得到汽车周围预设范围内的全景鸟瞰图(环境影像图像)。
作为一种示例，汽车在将多个影像数据进行拼接之前，该可以对多个影响数据进行预处理，比如，汽车可以对多个影像数据分别进行滤波去噪、二值化等处理。
需要说明的是，汽车中可以包括摄像头模块，该摄像头模块可以用于将多个影像数据进行拼接，并在得到环境影像图像后通过USB接口后将该环境影像图像发送至汽车中的处理器。
步骤303：汽车通过对环境影像图像进行霍夫Hough变换检测，以识别汽车所处环境中的车位。
作为一种示例，汽车对环境影像图像进行霍夫Hough变换检测，以识别汽车所处环境中的车位的操作可以为：对环境影像图像中的直角和直线通过霍夫变换进行检测，以得到环境影像图像中的直角和直线的特征信息；当环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定环境影像图像中的直角和直线所处位置车位所在位置。
由于汽车的车位通常有直线和直角构成，因此，汽车可以对环境影像图像中的直角和直线通过Hough变换检测，得到环境影像图像中直角和直线的特征信息。且由于不同物体的直线和直角具有不同的特征信息，因此，汽车可以将从环境影像图像中得到的直角和直线的特征信息与预设的车位特征信息进行比较，并当环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定环境影像图像中的直角和直线所处位置车位所在位置。当环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度小于预设相似度阈值时，确定环境影像图像中不存在车位。
需要说明的是，预设的车位特征信息可以为各种尺寸汽车的车位特征信息，也可以为满足当前汽车进行泊车的车位的车位特征信息。该预设相似度阈值可以根据需求事先设置，比如，该预设相似度阈值可以为95％、90％、80％等等。
还需要说明的是，对环境影像图像中的直角和直线通过霍夫变换进行检测的操作可以参考相关技术，本申请实施例对此不再进行一一赘述。
在一些实施例中，由于汽车可能从环境影像图像中并未识别到车位的存在，此时，汽车可以提示汽车的驾驶员当前所处环境中不存在车位。
需要说明的是，汽车可以通过播放第一提示信息的方式和/或显示第一提示信息的方式提示汽车当前所处环境中并不存在车位，该第一提示信息中可以包括本次车位识别范围等信息。
在一些实施例中，由于汽车可能会从环境影像图像中识别到车位的存在，但是汽车识别出的车位可能会不适合进行汽车进行泊车，因此，为了保证汽车能够顺利进行泊车，汽车对环境影像图像进行霍夫Hough变换检测之后，还可以确定该车位是否适合汽车进行泊车。
作为一种示例，当检测到汽车所处环境中存在车位时，汽车可以确定车位是否符合泊车条件；当车位符合泊车条件时，提示符合泊车条件的车位的车位信息。当车位不符合泊车条件时，提示汽车当前所处环境中的车位无法进行泊车。
需要说明的是，泊车条件用于衡量车位是否适合汽车进行泊车，且该泊车条件可以事先设置，比如，该泊车条件可以为车位尺寸大于或等于汽车尺寸，和/或，车位上不存在障碍物。
作为一种示例，汽车在提示符合泊车条件的车位的车位信息时，可以通过语音播放车位信息的方式和/或显示车位信息的方式进行提示。该车位信息可以包括车位所在位置、车位尺寸等信息。
同理，汽车在提示当前所处环境中的车位无法进行泊车时，汽车同样可以通过播放第二提示信息的方式和/或显示第二提示信息的方式提示当前所处环境中的车位无法进行泊车。
由于车位不适合泊车可能是车位太小或者车位上存在障碍物，因此，作为一种示例，汽车确定车位是否符合泊车条件的操作可以为：检测车位中是否存在障碍物；当车位中不存在障碍物时，确定车位符合泊车条件；和/或，检测车位的尺寸是否大于或等于预设尺寸；当车位的尺寸大于或等于预设尺寸时，确定车位符合泊车条件。当车位中存在障碍物，或者当车位的尺寸小于预设尺寸时，确定车位不符合泊车条件。
需要说明的是，该预设尺寸可以事先设置，比如，该预设尺寸可以为长边为4米，宽边为1.7米等等。
作为一种示例，汽车可以通过对环境影像图像进行图像检测，以进行障碍物的识别，或者可以通过超声波雷达进行障碍物识别，当然也可以通过其他方式进行障碍物识别。
步骤304：汽车基于识别到的车位规划泊车路线。
由上述可知，通过上述步骤301-303的操作，汽车可以进行车位识别，且可能会识别到适合汽车泊车的车位，此时，为了时汽车驾驶员能够顺利进行泊车，汽车可以基于识别到的车位规划泊车路线，并向汽车的驾驶员提示该泊车路线。也即是，当汽车检测到汽车所处环境中存在符合泊车条件的车位时，可以基于汽车当前所处位置和目标车位所在位置，确定汽车的泊车路线，该目标车位为符合泊车条件的车位中的任一车位；向该汽车的驾驶员提示该泊车路线。
需要说明的是，由于汽车当前所处位置中可能存在多个适合汽车进行泊车的车位，因此，汽车可以将该多个车位中任一个车位确定为目标车位，或者，将多个车位中距离汽车最近位置的车位确定为目标车位。
作为一种示例，当汽车确定泊车路线后，可以将该泊车路线通过语音提示方式或显示泊车路线的方式向汽车的驾驶员进行提示，以使汽车的驾驶员在获知该泊车路线后，按照该泊车路线手动进行泊车。
作为一种示例，当汽车确定泊车路线后，汽车也可以自动按照泊车路径进行泊车操作。且汽车在自动进行泊车时，可以通过语音播放方式或显示方式提示驾驶员即将进行自动泊车。
在本申请实施例中，汽车可以通过安装的多个摄像头采集得到多个影像数据，并将多个影像数据进行拼接，得到环境影像图像。由于环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，拓展了汽车驾驶员对汽车周围的感知能力，在基于环境影像图像识别到汽车所处环境中的车位时，提高了车位识别可靠性和泊车安全性。同时，汽车在识别车位后可以确定车位是否适合汽车进行泊车，并在适合泊车时为汽车规划泊车路线，从而降低了汽车的驾驶难度，减少了刮蹭、甚至碰撞碾压等事故的发生。
在对本申请实施例提供的车位识别方法进行解释说明之后，接下来，对本申请实施例提供的车位识别装置进行介绍。
图4是本申请实施例提供的一种车位识别装置的结构示意图，该车位识别装置可以由软件、硬件或者两者的结合实现成为汽车的部分或者全部，汽车可以为图1所示的汽车。请参考图4，该装置包括：采集模块401、拼接模块402和检测模块403。
采集模块401，用于通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；
拼接模块402，用于将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；
检测模块403，用于通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。
在一些实施例中，参见图5，所述检测模块403包括：
检测子模块4031，用于对所述环境影像图像中的直角和直线通过霍夫变换进行检测，以得到所述环境影像图像中的直角和直线的特征信息；
第一确定子模块4032，用于当所述环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定所述环境影像图像中的直角和直线所处位置车位所在位置。
在一些实施例中，参见图6，所述装置还包括：
第一确定模块404，用于当检测到所述汽车所处环境中存在车位时，确定所述车位是否符合泊车条件；
第一提示模块405，用于当所述车位符合所述泊车条件时，提示符合所述泊车条件的车位的车位信息。
在一些实施例中，参见图7，所述第一确定模块404包括：
第二确定子模块4041，用于检测所述车位中是否存在障碍物；当所述车位中不存在障碍物时，确定所述车位符合所述泊车条件；和/或，
第三确定子模块4042，用于检测所述车位的尺寸是否大于或等于预设尺寸；当所述车位的尺寸大于或等于预设尺寸时，确定所述车位符合所述泊车条件。
在一些实施例中，参见图8，所述装置还包括：
第二确定模块406，用于当检测到所述汽车所处环境中存在符合泊车条件的车位时，基于所述汽车当前所处位置和目标车位所在位置，确定所述汽车的泊车路线，所述目标车位为符合所述泊车条件的车位中的任一车位；
第二提示模块407，用于向所述汽车的驾驶员提示所述泊车路线。
综上所述，在本申请实施例中，汽车可以通过安装的多个摄像头采集得到多个影像数据，并将多个影像数据进行拼接，得到环境影像图像。由于环境影像图像能够直观的反映出汽车所处位置及汽车周边情况，拓展了汽车驾驶员对汽车周围的感知能力，在基于环境影像图像识别到汽车所处环境中的车位时，提高了车位识别可靠性和泊车安全性。同时，汽车在识别车位后可以确定车位是否适合汽车进行泊车，并在适合泊车时为汽车规划泊车路线，从而降低了汽车的驾驶难度，减少了刮蹭、甚至碰撞碾压等事故的发生。
需要说明的是：上述实施例提供的车位识别装置在识别车位时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的车位识别装置与车位识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图9是本申请实施例提供的一种汽车900的结构框图。通常，汽车900包括有：处理器901和存储器902。
处理器901可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器901可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器901也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器901可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器901还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器902可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器902还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器902中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器901所执行以实现本申请中方法实施例提供的车位识别方法。
在一些实施例中，汽车900还可选包括有：***设备接口903和至少一个***设备。处理器901、存储器902和***设备接口903之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口903相连。具体地，***设备包括：射频电路904、触摸显示屏905、摄像头906、音频电路907、定位组件908和电源909中的至少一种。
***设备接口903可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器901和存储器902。在一些实施例中，处理器901、存储器902和***设备接口903被集成在同一芯片或电路板上；在一些其他实施例中，处理器901、存储器902和***设备接口903中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路904用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路904通过电磁信号与通信网络以及其他通信设备进行通信。射频电路904将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路904包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路904可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路904还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏905用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏905是触摸显示屏时，显示屏905还具有采集在显示屏905的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器901进行处理。此时，显示屏905还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏905可以为一个，设置汽车900的前面板；在另一些实施例中，显示屏905可以为至少两个，分别设置在汽车900的不同表面或呈折叠设计；在再一些实施例中，显示屏905可以是柔性显示屏，设置在汽车900的弯曲表面上或折叠面上。甚至，显示屏905还可以设置成非矩形的不规则图形，也即异形屏。显示屏905可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件906用于采集图像或视频。可选地，摄像头组件906可以为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件906还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路907可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器901进行处理，或者输入至射频电路904以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在汽车900的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器901或射频电路904的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路907还可以包括耳机插孔。
定位组件908用于定位汽车900的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件908可以是基于美国的GPS(GlobalPositioning System，全球定位***)、中国的北斗***或俄罗斯的伽利略***的定位组件。
电源909用于为汽车900中的各个组件进行供电。电源909可以是交流电、直流电、一次性电池或可充电电池。当电源909包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中，汽车900还包括有一个或多个传感器910。
本领域技术人员可以理解，图9中示出的结构并不构成对汽车900的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在一些实施例中，还提供了一种计算机可读存储介质，该存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中车位识别方法的步骤。例如，所述计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
值得注意的是，本申请提到的计算机可读存储介质可以为非易失性存储介质，换句话说，可以是非瞬时性存储介质。
应当理解的是，实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是，在一些实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述所述的车位识别方法的步骤。
以上所述为本申请提供的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种车位识别方法，其特征在于，所述方法包括：
通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；
将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；
通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。
2.如权利要求1所述的方法，其特征在于，所述对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位，包括：
对所述环境影像图像中的直角和直线通过霍夫变换进行检测，以得到所述环境影像图像中的直角和直线的特征信息；
当所述环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定所述环境影像图像中的直角和直线所处位置车位所在位置。
3.如权利要求1所述的方法，其特征在于，所述对所述环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到所述汽车所处环境中存在车位时，确定所述车位是否符合泊车条件；
当所述车位符合所述泊车条件时，提示符合所述泊车条件的车位的车位信息。
4.如权利要求3所述的方法，其特征在于，所述确定所述车位是否符合泊车条件，包括：
检测所述车位中是否存在障碍物；当所述车位中不存在障碍物时，确定所述车位符合所述泊车条件；和/或，
检测所述车位的尺寸是否大于或等于预设尺寸；当所述车位的尺寸大于或等于预设尺寸时，确定所述车位符合所述泊车条件。
5.如权利要求1-4任一权利要求所述的方法，其特征在于，所述对所述环境影像图像进行霍夫Hough变换检测之后，还包括：
当检测到所述汽车所处环境中存在符合泊车条件的车位时，基于所述汽车当前所处位置和目标车位所在位置，确定所述汽车的泊车路线，所述目标车位为符合所述泊车条件的车位中的任一车位；
向所述汽车的驾驶员提示所述泊车路线。
6.一种车位识别装置，其特征在于，所述装置包括：
采集模块，用于通过汽车安装的多个摄像头对所述汽车周围预设范围内的环境进行影像采集，得到多个影像数据；
拼接模块，用于将所述多个影像数据进行拼接，得到所述汽车所处环境的环境影像图像；
检测模块，用于通过对所述环境影像图像进行霍夫Hough变换检测，以识别所述汽车所处环境中的车位。
7.如权利要求6所述的装置，其特征在于，所述检测模块包括：
检测子模块，用于对所述环境影像图像中的直角和直线通过霍夫变换进行检测，以得到所述环境影像图像中的直角和直线的特征信息；
第一确定子模块，用于当所述环境影像图像中的直角和直线的特征信息与预设的车位特征信息之间的相似度大于或等于预设相似度阈值时，确定所述环境影像图像中的直角和直线所处位置车位所在位置。
8.如权利要求6所述的装置，其特征在于，所述装置还包括：
第一确定模块，用于当检测到所述汽车所处环境中存在车位时，确定所述车位是否符合泊车条件；
第一提示模块，用于当所述车位符合所述泊车条件时，提示符合所述泊车条件的车位的车位信息。
9.如权利要求8所述的装置，其特征在于，所述第一确定模块包括：
第二确定子模块，用于检测所述车位中是否存在障碍物；当所述车位中不存在障碍物时，确定所述车位符合所述泊车条件；和/或，
第三确定子模块，用于检测所述车位的尺寸是否大于或等于预设尺寸；当所述车位的尺寸大于或等于预设尺寸时，确定所述车位符合所述泊车条件。
10.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910883491.1A CN110544386A (zh) | 2019-09-18 | 2019-09-18 | 车位识别方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910883491.1A CN110544386A (zh) | 2019-09-18 | 2019-09-18 | 车位识别方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110544386A true CN110544386A (zh) | 2019-12-06 |
Family
ID=68713767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910883491.1A Pending CN110544386A (zh) | 2019-09-18 | 2019-09-18 | 车位识别方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110544386A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792601A (zh) * | 2021-08-10 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及*** |
Citations (33)
| 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 |
| CN101833767A (zh) * | 2010-05-10 | 2010-09-15 | 河南理工大学 | 数字图像中基于梯度与颜色特征的直线自动匹配方法 |
| WO2011087354A2 (en) * | 2010-01-15 | 2011-07-21 | Mimos Berhad | Vehicle parking and obstacle avoidance system using a single panoramic camera |
| JP2012027534A (ja) * | 2010-07-20 | 2012-02-09 | Suzuki Motor Corp | 白線端検出方法及びそれを利用した駐車支援装置 |
| CN103358993A (zh) * | 2012-04-10 | 2013-10-23 | 现代自动车株式会社 | 用于识别车辆停车位线标记的***和方法 |
| 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 |
| JP2014126921A (ja) * | 2012-12-25 | 2014-07-07 | Nippon Soken Inc | 車載画像処理装置 |
| KR20140094116A (ko) * | 2013-01-21 | 2014-07-30 | 아진산업(주) | 드래그 앤드 드롭을 통한 차량의 주차지원 방법 |
| JP2014146182A (ja) * | 2013-01-29 | 2014-08-14 | Nippon Soken Inc | 車載画像処理装置 |
| CN105224908A (zh) * | 2014-07-01 | 2016-01-06 | 北京四维图新科技股份有限公司 | 一种基于正射投影的道路标线采集方法及装置 |
| CN105355083A (zh) * | 2015-12-14 | 2016-02-24 | 宁波裕兰信息科技有限公司 | 一种基于视觉的360度泊车辅助智能引导*** |
| CN106373426A (zh) * | 2016-09-29 | 2017-02-01 | 成都通甲优博科技有限责任公司 | 基于计算机视觉的停车位及违规占道停车监控方法 |
| CN106427784A (zh) * | 2016-11-28 | 2017-02-22 | 奇瑞汽车股份有限公司 | 一种车辆用全景显示***及其全景显示方法 |
| CN107738612A (zh) * | 2017-09-22 | 2018-02-27 | 西安电子科技大学 | 基于全景视觉辅助***的自动泊车停车位检测与识别*** |
| CN107886080A (zh) * | 2017-11-23 | 2018-04-06 | 同济大学 | 一种泊车位检测方法 |
| CN108154472A (zh) * | 2017-11-30 | 2018-06-12 | 惠州市德赛西威汽车电子股份有限公司 | 融合导航信息的泊车位视觉检测方法与*** |
| CN108399410A (zh) * | 2017-12-15 | 2018-08-14 | 天津津航计算技术研究所 | 一种基于图像处理的直角检测方法 |
| CN108537782A (zh) * | 2018-04-02 | 2018-09-14 | 东北大学 | 一种基于轮廓提取的建筑物图像匹配与融合的方法 |
| CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
| CN109278742A (zh) * | 2018-09-06 | 2019-01-29 | 北京长城华冠汽车科技股份有限公司 | 车辆和自动泊车方法、*** |
| CN109353334A (zh) * | 2018-10-25 | 2019-02-19 | 广州小鹏汽车科技有限公司 | 车位检测方法及装置 |
| CN109389013A (zh) * | 2017-08-10 | 2019-02-26 | 纵目科技（上海）股份有限公司 | 基于车位主方向及模板响应点的车位组合算法和介质 |
| 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 |
| CN109515324A (zh) * | 2018-11-30 | 2019-03-26 | 北京长城华冠汽车技术开发有限公司 | 汽车自动泊车*** |
| CN109670387A (zh) * | 2017-10-17 | 2019-04-23 | 天津所托瑞安汽车科技有限公司 | 一种基于全景视觉分析的车辆主动安全预警***及方法 |
| CN109686109A (zh) * | 2019-01-02 | 2019-04-26 | 江苏警官学院 | 一种基于人工智能的停车场安全监控管理*** |
| CN109766757A (zh) * | 2018-12-11 | 2019-05-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种融合车辆和视觉信息的泊车位高精度定位方法及*** |
| CN109784292A (zh) * | 2019-01-24 | 2019-05-21 | 中汽研（天津）汽车工程研究院有限公司 | 一种用于室内停车场的智能汽车自主寻找停车位的方法 |
| CN109785354A (zh) * | 2018-12-20 | 2019-05-21 | 江苏大学 | 一种基于背景光照去除和联通区域的车位检测方法 |
| CN109817018A (zh) * | 2019-02-20 | 2019-05-28 | 东软睿驰汽车技术（沈阳）有限公司 | 一种自动泊车方法及相关装置 |
| CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
| CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
| CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
-
2019
- 2019-09-18 CN CN201910883491.1A patent/CN110544386A/zh active Pending
Patent Citations (33)
| 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 |
| WO2011087354A2 (en) * | 2010-01-15 | 2011-07-21 | Mimos Berhad | Vehicle parking and obstacle avoidance system using a single panoramic camera |
| CN101833767A (zh) * | 2010-05-10 | 2010-09-15 | 河南理工大学 | 数字图像中基于梯度与颜色特征的直线自动匹配方法 |
| JP2012027534A (ja) * | 2010-07-20 | 2012-02-09 | Suzuki Motor Corp | 白線端検出方法及びそれを利用した駐車支援装置 |
| CN103358993A (zh) * | 2012-04-10 | 2013-10-23 | 现代自动车株式会社 | 用于识别车辆停车位线标记的***和方法 |
| JP2014126921A (ja) * | 2012-12-25 | 2014-07-07 | Nippon Soken Inc | 車載画像処理装置 |
| KR20140094116A (ko) * | 2013-01-21 | 2014-07-30 | 아진산업(주) | 드래그 앤드 드롭을 통한 차량의 주차지원 방법 |
| JP2014146182A (ja) * | 2013-01-29 | 2014-08-14 | Nippon Soken Inc | 車載画像処理装置 |
| 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 |
| CN105224908A (zh) * | 2014-07-01 | 2016-01-06 | 北京四维图新科技股份有限公司 | 一种基于正射投影的道路标线采集方法及装置 |
| CN105355083A (zh) * | 2015-12-14 | 2016-02-24 | 宁波裕兰信息科技有限公司 | 一种基于视觉的360度泊车辅助智能引导*** |
| CN106373426A (zh) * | 2016-09-29 | 2017-02-01 | 成都通甲优博科技有限责任公司 | 基于计算机视觉的停车位及违规占道停车监控方法 |
| CN106427784A (zh) * | 2016-11-28 | 2017-02-22 | 奇瑞汽车股份有限公司 | 一种车辆用全景显示***及其全景显示方法 |
| CN109389013A (zh) * | 2017-08-10 | 2019-02-26 | 纵目科技（上海）股份有限公司 | 基于车位主方向及模板响应点的车位组合算法和介质 |
| CN107738612A (zh) * | 2017-09-22 | 2018-02-27 | 西安电子科技大学 | 基于全景视觉辅助***的自动泊车停车位检测与识别*** |
| CN109670387A (zh) * | 2017-10-17 | 2019-04-23 | 天津所托瑞安汽车科技有限公司 | 一种基于全景视觉分析的车辆主动安全预警***及方法 |
| CN107886080A (zh) * | 2017-11-23 | 2018-04-06 | 同济大学 | 一种泊车位检测方法 |
| CN108154472A (zh) * | 2017-11-30 | 2018-06-12 | 惠州市德赛西威汽车电子股份有限公司 | 融合导航信息的泊车位视觉检测方法与*** |
| CN108399410A (zh) * | 2017-12-15 | 2018-08-14 | 天津津航计算技术研究所 | 一种基于图像处理的直角检测方法 |
| CN108537782A (zh) * | 2018-04-02 | 2018-09-14 | 东北大学 | 一种基于轮廓提取的建筑物图像匹配与融合的方法 |
| CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
| CN109278742A (zh) * | 2018-09-06 | 2019-01-29 | 北京长城华冠汽车科技股份有限公司 | 车辆和自动泊车方法、*** |
| CN109353334A (zh) * | 2018-10-25 | 2019-02-19 | 广州小鹏汽车科技有限公司 | 车位检测方法及装置 |
| 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 |
| CN109515324A (zh) * | 2018-11-30 | 2019-03-26 | 北京长城华冠汽车技术开发有限公司 | 汽车自动泊车*** |
| CN109766757A (zh) * | 2018-12-11 | 2019-05-17 | 惠州市德赛西威汽车电子股份有限公司 | 一种融合车辆和视觉信息的泊车位高精度定位方法及*** |
| CN109785354A (zh) * | 2018-12-20 | 2019-05-21 | 江苏大学 | 一种基于背景光照去除和联通区域的车位检测方法 |
| CN109686109A (zh) * | 2019-01-02 | 2019-04-26 | 江苏警官学院 | 一种基于人工智能的停车场安全监控管理*** |
| CN109784292A (zh) * | 2019-01-24 | 2019-05-21 | 中汽研（天津）汽车工程研究院有限公司 | 一种用于室内停车场的智能汽车自主寻找停车位的方法 |
| CN109817018A (zh) * | 2019-02-20 | 2019-05-28 | 东软睿驰汽车技术（沈阳）有限公司 | 一种自动泊车方法及相关装置 |
| CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
| CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
| CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792601A (zh) * | 2021-08-10 | 2021-12-14 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及*** |
| CN113792601B (zh) * | 2021-08-10 | 2024-01-12 | 武汉光庭信息技术股份有限公司 | 基于霍夫直线检测结果的车位线拟合方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108860141B (zh) | 泊车方法、装置及存储介质 | |
| CN109492566B (zh) | 车道位置信息获取方法、装置及存储介质 | |
| CN109298719B (zh) | 智能汽车的接管方法、装置及存储介质 | |
| CN111016888A (zh) | 汽车的泊车控制方法、装置及存储介质 | |
| CN109532845B (zh) | 智能汽车的控制方法、装置及存储介质 | |
| CN109581358B (zh) | 障碍物的识别方法、装置及存储介质 | |
| CN109445425B (zh) | 自动驾驶***的性能检测方法、装置及存储介质 | |
| CN110979332B (zh) | 智能汽车的控制方法、装置及存储介质 | |
| CN110751854B (zh) | 汽车的停车指引方法、装置及存储介质 | |
| CN110044638B (zh) | 车道保持功能的测试方法、装置及存储介质 | |
| CN110751127B (zh) | 距离的确定方法、装置及存储介质 | |
| CN111577010B (zh) | 汽车的遥控控制方法、装置及存储介质 | |
| CN112793586B (zh) | 汽车的自动驾驶控制方法、装置及计算机存储介质 | |
| CN111516690B (zh) | 智能汽车的控制方法、装置及存储介质 | |
| CN110871791A (zh) | 汽车的泊车控制方法、装置及存储介质 | |
| KR20130053137A (ko) | 이동 단말기 및 이동 단말기의 제어 방법 | |
| CN109130854B (zh) | 限速提醒方法、装置及存储介质 | |
| CN111361550B (zh) | 车位的识别方法、装置及存储介质 | |
| CN110956847B (zh) | 车位的识别方法、装置及存储介质 | |
| CN110329247B (zh) | 汽车的泊车提示方法、装置及存储介质 | |
| CN110962596B (zh) | 汽车的车速控制方法、装置及存储介质 | |
| CN111071151A (zh) | 汽车的防碰撞方法、装置及存储介质 | |
| CN109334641B (zh) | 智能汽车的驻车制动方法、装置及存储介质 | |
| CN112590793B (zh) | 汽车的变道控制方法、装置及计算机存储介质 | |
| CN110544386A (zh) | 车位识别方法、装置及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200716 Address after: 241000 Anshan South Road, Wuhu economic and Technological Development Zone, Anhui Applicant after: Wuhu Sambalion auto technology Co.,Ltd. Applicant after: CHERY AUTOMOBILE Co.,Ltd. Address before: 241006 Wuhu economic and Technological Development Zone, Anhui, No. 8 Changchun Road Applicant before: CHERY AUTOMOBILE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191206 |
|
| RJ01 | Rejection of invention patent application after publication |