CN113034963B - 一种视觉车位跟踪*** - Google Patents

一种视觉车位跟踪*** Download PDF

Info

Publication number
CN113034963B
CN113034963B CN202110231087.3A CN202110231087A CN113034963B CN 113034963 B CN113034963 B CN 113034963B CN 202110231087 A CN202110231087 A CN 202110231087A CN 113034963 B CN113034963 B CN 113034963B
Authority
CN
China
Prior art keywords
parking space
parking
visual
vehicle
tracking
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
CN202110231087.3A
Other languages
English (en)
Other versions
CN113034963A (zh
Inventor
吕敏
丁智
王继贞
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.)
Inbo Supercomputing Nanjing Technology Co Ltd
Original Assignee
Inbo Supercomputing Nanjing Technology 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 Inbo Supercomputing Nanjing Technology Co Ltd filed Critical Inbo Supercomputing Nanjing Technology Co Ltd
Priority to CN202110231087.3A priority Critical patent/CN113034963B/zh
Publication of CN113034963A publication Critical patent/CN113034963A/zh
Application granted granted Critical
Publication of CN113034963B publication Critical patent/CN113034963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04H—BUILDINGS OR LIKE STRUCTURES FOR PARTICULAR PURPOSES; SWIMMING OR SPLASH BATHS OR POOLS; MASTS; FENCING; TENTS OR CANOPIES, IN GENERAL
    • E04H6/00—Buildings for parking cars, rolling-stock, aircraft, vessels or like vehicles, e.g. garages
    • E04H6/42—Devices or arrangements peculiar to garages, not covered elsewhere, e.g. securing devices, safety devices, monitoring and operating schemes; centering devices
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种视觉车位跟踪***，其技术方案要点是包括处理模块、摄像模块和车辆里程模块，处理模块包括全局模型单元和车位匹配单元，全局模型单元内配置有全局坐标系，车辆里程模块设置于车辆上，全局坐标系用于显示视觉车位和车辆里程路线，通过车位匹配单元将视觉车位与记录在跟踪列表中的跟踪车位进行比对，从而判断是否将视觉车位与跟踪车位进行匹配，从而实现能怼车位进行跟踪，并且准确的判断车位是否可以供车辆进行停泊的效果。

Description

一种视觉车位跟踪***
技术领域
本发明涉及汽车照明技术领域，更具体的说是涉及一种视觉车位跟踪***。
背景技术
随着停车场规模与复杂程度增加，室内的停车场和室外停车场的建设尤为重要，其中室内停车场，往往存在道路狭窄、环境复杂、视野不开阔的情况，室外停车场虽然视野相对开阔一点，但是在进行停车时，存在驾驶员难以快速找到需要停靠的车位，虽然目前日常生活中智能化程度在不断提高，也应运而生了智能化的辅助停泊***。
目前，辅助停泊***中会采用对车位进行检测，并将车辆与车位进行匹配，使得车辆可以方便的停泊进匹配的车位内，目前有很多种对车位进行检测的方法，其中通过鱼眼摄像头进行检测的方式是当下较为普遍的方式，这种检测方式一般通过传统图像算法或者深度学习算法进行检测，深度学习能够检测车位是否为空车位，但深度学习的检测效果主要依赖与学习的样本，即停车场的模型样本，但是车位场景极为复杂多变，很难通过深度学习的方法来支持所有车位的空车位检测，从而不能准确对车位状态进行实时跟踪；传统图像算法是通过检测车位的车位线夹角来识别车位，一般无法检测车位的状态，不能够准确的判断车位是否为空车位；目前通过鱼眼相机对车位进行检测，在对车位图像进行检测时，存在对车位的跟踪检测效果差，因此导致不能够准确的对车位进行跟踪，从而不能准确的判断车位是否可以供车辆进行停泊，降低了对车辆辅助停泊的效率。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种视觉车位跟踪***，具有能够对车位进行跟踪，实现准确的判断车位是否可以供车辆进行停泊的效果。
为实现上述目的，本发明提供了如下技术方案：
一种视觉车位跟踪***，包括处理模块、摄像模块和车辆里程模块，所述处理模块包括全局模型单元和车位匹配单元，所述全局模型单元内配置有全局坐标系，所述车辆里程模块设置于车辆上，所述车辆里程模块包括停泊触发单元，触发所述停泊触发单元时生成停泊指令和车辆坐标信息并发送停泊指令和车辆坐标信息至全局模型单元，所述车辆坐标信息表征开始停泊时车辆后轴中心位于全局坐标系中的坐标位置，所述全局模型单元将车辆坐标信息的坐标位置作为全局坐标系的原点；
所述摄像模块实时拍摄车位并生成视觉车位，所述摄像模块发送视觉车位至全局模型单元和车位匹配单元，所述全局模型单元接收到视觉车位时，所述全局模型单元将视觉车位在以车辆坐标信息为原点的全局坐标系中显示，以使所述视觉车位的边角处坐标位置于全局模型单元中显示；
所述车位匹配单元内配置有车位跟踪列表，所述车位匹配单元首次接收到视觉车位时，所述车位跟踪列表记录首次接收到的视觉车位并将所述视觉车位作为跟踪车位，所述车位匹配单元内配置有判断策略和预设的匹配阈值，所述判断策略包括将视觉车位的类型和跟踪车位的类型进行比对，若所述视觉车位的类型与跟踪车位的类型不同时，所述判断策略生成大于匹配阈值的预设匹配值，若所述视觉车位的类型与跟踪车位的类型一致时对车位进行是否匹配进行判断，所述车位匹配单元内还配置有用于是否进行车位匹配的匹配策略和匹配差异值，所述匹配差异值表征视觉车位与跟踪车位以车位入口边线的欧式距离值，并以此表示视觉车位与跟踪车位的匹配差异程度，所述匹配策略包括用于计算匹配差异值的差异算法，并将通过所述差异算法计算得出的匹配差异值与匹配阈值进行比较，若所述匹配差异值大于匹配阈值时，不匹配所述视觉车位和跟踪车位，若所述匹配差异值小于匹配阈值时，匹配所述视觉车位和跟踪车位。
作为本发明的进一步改进，所述摄像模块中还配置有视觉车位过滤策略，所述视觉车位过滤策略包括对摄像模块拍摄的视觉车位出现边缘畸变和车位尺寸异常的视觉车位进行过滤并提出异常的视觉车位。
作为本发明的进一步改进，所述处理模块还包括车位处理单元，所述车位处理单元配置有从摄像模块拍摄至接收到视觉车位的视觉车位时间戳和预设的成像时间戳，所述视觉车位时间戳表征摄像模块生成视觉车位并发送至全局模型单元中显示的时间值，所述车辆里程模块还包括里程单元，所述停泊触发单元被触发时还发送停泊指令至里程单元，所述里程单元接收到停泊指令时记录车辆的移动路线并生成里程信息，所述里程信息包括里程路线和里程时间戳，所述里程路线表征车辆沿全局坐标系移动的路线，所述里程时间戳表征车辆行驶至里程路线终端的时间值，所述里程单元接收到停泊指令时还生成车辆实时坐标系，所述车辆实时坐标系以车辆的后轴中心为原点，所述车辆实时坐标系的原点沿里程路线移动，所述车位处理单元内还配置有时间戳策略和补偿策略，所述时间戳策略包括根据里程信息寻找相对在视觉车位时间戳时显示车位模型的里程时间戳，并根据视觉车位时间戳与成像时间戳的差值生成真实车位时间戳，所述补偿策略包括将车辆位于车辆实时坐标系中的位置转换至全局坐标系中，并根据真实车位时间戳和里程时间戳计算车位位于全局坐标系中的真实坐标位置。
作为本发明的进一步改进，所述里程信息还包括车辆的航向角和车辆速度，所述车辆速度包括沿坐标系的速度分量，所述航向角表征车辆行驶时车头与全局坐标系的夹角，所述补偿策略根据补偿算法计算得出车位位于全局坐标系中的真实坐标位置，所述补偿算法具体配置为：
Figure GDA0003575121030000031
其中：xtemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的X方向坐标，ytemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的Y方向坐标，xv表示车辆位于车辆实时坐标系中的X方向坐标，yv表示车辆位于车辆实时坐标系中的Y方向坐标，α为航向角，x为车位边角处的X方向坐标，y为车位边角处的Y方向坐标，vx表示沿X轴的速度分量，vy表示沿Y轴的速度分量，tv表示真实车位时间戳，t0表示里程时间戳，x0表示车位位于全局坐标系中的X方向坐标，y0表示车位位于全局坐标系中的Y方向坐标。
作为本发明的进一步改进，所述差异算法具体为：
xvp＝(xv0+xv1)
yvp＝(yv0+yv1)
xtp＝(xt0+xt1)
ytp＝(yt0+yt1)
Figure GDA0003575121030000041
其中：xvp表示视觉车位的车位入口边线的X轴坐标，xv0表示视觉车位的车位入口边线一端端点的X轴坐标，xv1表示视觉车位的车位入口边线另一端端点的X轴坐标，yvp表示视觉车位的车位入口边线的Y轴坐标，yv0表示视觉车位的车位入口边线一端端点的Y轴坐标，yv1表示视觉车位的车位入口边线另一端端点的Y轴坐标，xtp表示跟踪车位的车位入口边线的X轴坐标，xt0表示跟踪车位的车位入口边线一端端点的X轴坐标，xt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，ytp表示跟踪车位的车位入口边线的Y轴坐标，yr0表示跟踪车位的车位入口边线一端端点的X轴坐标，yt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，d表示匹配差异值。
作为本发明的进一步改进，所述车位匹配单元还包括储备策略，所述储备策略包括所述视觉车位不与跟踪车位匹配时，将不与所述跟踪车位匹配的所述视觉车位判断为新车位，并将所述视觉车位记录至跟踪列表中。
作为本发明的进一步改进，所述处理模块还包括车位融合单元，所述车位融合单元中还配置有车位融合策略，所述融合策略根据与所述跟踪车位匹配的视觉车位重新计算跟踪车位。
作为本发明的进一步改进，所述视觉车位还包括车位角度和车位尺寸，所述车位角度表征车位与全局坐标系的夹角，所述车位尺寸包括车位长度和车位宽度，所述融合策略包括用于重新计算跟踪车位的融合算法，所述融合算法具体为：
svp＝0.5
s＝sf×mf
stp1＝(stp0+s)×(mf/tf)
ctp＝stp1/(stp0+svp)
cvp＝svp/(stp0+svp)
xtp1＝ctp×xtp+cvp×xvp
ytp1＝ctp×ytp+cvp×yvp
Figure GDA0003575121030000051
Figure GDA0003575121030000052
atp＝atan2(yt0-yt3,xt0-xt3)
其中：svp表示赋予检测到的视觉车位的得分值，s表示匹配成功次数的得分值，mf表示匹配成功的次数，sf表示匹配得分系数，默认取值为0.1，ctp表示跟踪车位加权系数，cvp表示视觉车位加权系数，stp1表示跟踪车位的平均得分，stp0表示跟踪车位得分，tf表示跟踪车位的匹配总数，xtp1表示重新计算后的跟踪车位X轴坐标，ytp1表示重新计算后的跟踪车位Y轴坐标，ltp表示重新计算跟踪车位后的车位长度，xt0、xt1、xt2、xt3分别为重新计算的跟踪车位边角处的X轴坐标，yt0、yt1、yt2、yt3分别为重新计算的跟踪车位边角处的Y轴坐标，wtp表示重新计算跟踪车位后的车位宽度，αtp表示重新计算的跟踪车位的车位角度，α为跟踪车位的初始车位角度。
作为本发明的进一步改进，所述处理模块还包括车位状态管理单元，所述车位状态管理单元中配置有对车位状态进行管理的管理策略，所述管理策略具体为：
若跟踪车位匹配次数为1，且匹配成功次数为零时，判断视觉车位为未知车位；
若跟踪车位匹配次数大于1，且匹配成功次数为1时，判断视觉车位为匹配一次成功，正在跟踪确认中；
若跟踪车位匹配次数大于1，且匹配成功次数大于1时，判断视觉车位为稳定跟踪状态，车位可靠；
否则判断车位为不可靠车位。
本发明的有益效果：通过摄像模块对车位进行实时拍摄，形成可以在全局坐标系中显示的视觉车位，触发车辆里程模块中设置的停泊触发单元时，使得全局坐标系能够显示车辆坐标和里程线路，在车位匹配单元的作用下，对视觉车位和跟踪车位的类型进行判断，并且对视觉车位与跟踪车位能否匹配进行准确的判断，实现对车位的跟踪，以此来对车位的状态进行准确的判断，达到准确的判断车位是否可以供车辆进行停泊的效果。
附图说明
图1为本发明的逻辑框图。
附图标记：1、处理模块；2、车位处理单元；3、全局模型单元；4、车位匹配单元；5、车位融合单元；6、车位状态管理单元；7、摄像模块；8、车辆里程模块；9、停泊触发单元。
具体实施方式
下面结合附图和实施例，对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
参照图1，为本发明一种视觉车位跟踪***的具体实施方式，包括处理模块1、摄像模块7和车辆里程模块8，处理模块1包括全局模型单元3和车位匹配单元4，全局模型单元3内配置有全局坐标系，车辆里程模块8设置于车辆上，车辆里程模块8包括停泊触发单元9，触发停泊触发单元9时生成停泊指令和车辆坐标信息并发送停泊指令和车辆坐标信息至全局模型单元3，车辆坐标信息表征开始停泊时车辆后轴中心位于全局坐标系中的坐标位置，全局模型单元3将车辆坐标信息的坐标位置作为全局坐标系的原点；
摄像模块7实时拍摄车位并生成视觉车位，摄像模块7发送视觉车位至全局模型单元3，全局模型单元3接收到视觉车位时，全局模型单元3将视觉车位在以车辆坐标信息为原点的全局坐标系中显示，以使视觉车位的边角处坐标位置于全局模型单元3中显示；摄像模块7中还配置有视觉车位过滤策略，视觉车位过滤策略包括对摄像模块7拍摄的视觉车位出现边缘畸变和车位尺寸异常的视觉车位进行过滤并剔除异常的视觉车位，使得在全局坐标系中显示出来的视觉车位均为正常的车位。
处理模块1还包括车位处理单元2，车位处理单元2配置有从摄像模块拍摄至接收到视觉车位的视觉车位时间戳和预设的成像时间戳，视觉车位时间戳表征摄像模块7生成视觉车位并发送至全局模型单元中显示的时间值，车辆里程模块8还包括里程单元，停泊触发单元被触发时还发送停泊指令至里程单元，里程单元接收到停泊指令时记录车辆的移动路线并生成里程信息，里程信息包括里程路线和里程时间戳，里程路线表征车辆沿全局坐标系移动的路线，里程时间戳表征车辆行驶至里程路线终端的时间值，里程单元接收到停泊指令时还生成车辆实时坐标系，车辆实时坐标系以车辆的后轴中心为原点，车辆实时坐标系的原点沿里程路线移动，车位处理单元2内还配置有时间戳策略和补偿策略，时间戳策略包括根据里程信息寻找相对在视觉车位时间戳时显示车位模型的里程时间戳，并根据视觉车位时间戳与成像时间戳的差值生成真实车位时间戳，补偿策略包括将车辆位于车辆实时坐标系中的位置转换至全局坐标系中，并根据真实车位时间戳和里程时间戳计算车位位于全局坐标系中的真实坐标位置；
里程信息还包括车辆的航向角和车辆速度，车辆速度包括沿坐标系的速度分量，速度分量包括沿X轴的速度分量和沿Y轴的速度分量，航向角表征车辆行驶时车头与全局坐标系的夹角，补偿策略根据补偿算法计算得出车位位于全局坐标系中的真实坐标位置，补偿算法具体配置为：
Figure GDA0003575121030000071
其中：xtemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的X方向坐标，ytemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的Y方向坐标，xv表示车辆位于车辆实时坐标系中的X方向坐标，yv表示车辆位于车辆实时坐标系中的Y方向坐标，α为航向角，x为车位边角处的X方向坐标，y为车位边角处的Y方向坐标，vx表示沿X轴的速度分量，vy表示沿Y轴的速度分量，tv表示真实车位时间戳，t0表示里程时间戳，x0表示车位位于全局坐标系中的X方向坐标，y0表示车位位于全局坐标系中的Y方向坐标，从而能够计算得出视觉车位的四个边角处在全局坐标系中的准确坐标。
处理模块1还包括车位匹配单元4，车位匹配单元4内配置有车位跟踪列表，车位匹配单元4首次接收到视觉车位时，车位跟踪列表记录首次接收到的视觉车位并将视觉车位作为跟踪车位，车位匹配单元4内配置有判断策略和预设的匹配阈值，匹配阈值取值为1.5，判断策略包括将视觉车位的类型和跟踪车位的类型进行比对，若视觉车位的类型与跟踪车位的类型不同时，所述判断策略生成大于匹配阈值的预设匹配值，预设匹配值取值为100；
若视觉车位的类型与跟踪车位的类型一致时，对车位进行是否匹配进行判断，车位匹配单元4内还配置有用于是否进行车位匹配的匹配策略和匹配差异值，匹配差异值表征视觉车位与跟踪车位以车位入口边线的欧式距离值，并以此表示视觉车位与跟踪车位的匹配差异程度，匹配策略包括用于计算匹配差异值的差异算法，并将通过所述差异算法计算得出的匹配差异值与匹配阈值进行比较；
所述差异算法具体为：
xvp＝(xv0+xv1)
yvp＝(yv0+yv1)
xtp＝(xt0+xt1)
ytp＝(yt0+yt1)
Figure GDA0003575121030000081
其中：xvp表示视觉车位的车位入口边线的X轴坐标，xv0表示视觉车位的车位入口边线一端端点的X轴坐标，xv1表示视觉车位的车位入口边线另一端端点的X轴坐标，yvp表示视觉车位的车位入口边线的Y轴坐标，yv0表示视觉车位的车位入口边线一端端点的Y轴坐标，yv1表示视觉车位的车位入口边线另一端端点的Y轴坐标，xtp表示跟踪车位的车位入口边线的X轴坐标，xt0表示跟踪车位的车位入口边线一端端点的X轴坐标，xt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，ytp表示跟踪车位的车位入口边线的Y轴坐标，yt0表示跟踪车位的车位入口边线一端端点的X轴坐标，yt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，d表示匹配差异值；
若匹配差异值大于匹配阈值时，不匹配视觉车位和跟踪车位，若匹配差异值小于匹配阈值时，匹配视觉车位和跟踪车位；车位匹配单元4内还包括储备策略，储备策略包括在视觉车位不与跟踪车位匹配时，将不与跟踪车位匹配的视觉车位判断为新车位，并且将视觉车位记录到跟踪列表中作为新的一个跟踪车位。
处理模块1还包括车位融合单元5，车位融合单元5中还配置有车位融合策略，融合策略根据与跟踪车位匹配的视觉车位重新计算跟踪车位，视觉车位还包括车位角度和车位尺寸，车位角度表征车位与全局坐标系的夹角，车位尺寸包括车位长度和车位宽度，融合策略包括用于重新计算跟踪车位的融合算法，融合算法具体为：
svp＝0.5
s＝sf×mf
stp1＝(stp0+s)×(mf/tf)
ctp＝stp1/(stp0+svp)
cvp＝svp/(stp0+svp)
xtp1＝ctp×xtp+cvp×xvp
ytp1＝ctp×ytp+cvp×yvp
Figure GDA0003575121030000091
Figure GDA0003575121030000092
atp＝atan2(yt0-yt3,xt0-xt3)
其中：svp表示赋予检测到的视觉车位的得分值，s表示匹配成功次数的得分值，mf表示匹配成功的次数，sf表示匹配得分系数，默认取值为0.1，ctp表示跟踪车位加权系数，cvp表示视觉车位加权系数，stp1表示跟踪车位的平均得分，stp0表示跟踪车位得分，tf表示跟踪车位的匹配总数，xtp1表示重新计算后的跟踪车位X轴坐标，ytp1表示重新计算后的跟踪车位Y轴坐标，ltp表示重新计算跟踪车位后的车位长度，xt0、xt1、xt2、xt3分别为重新计算的跟踪车位边角处的X轴坐标，yt0、yt1、yt2、yt3分别为重新计算的跟踪车位边角处的Y轴坐标，wtp表示重新计算跟踪车位后的车位宽度，αtp表示重新计算的跟踪车位的车位角度，α为跟踪车位的初始车位角度；从而能够重新计算出跟踪车位的四个边角处的坐标值、跟踪车位的车位长度、车位宽度和车位角度。
处理模块1还包括车位状态管理单元6，车位状态管理单元6中配置有对车位状态进行管理的管理策略，管理策略具体为：
若跟踪车位匹配次数为1，且匹配成功次数为零时，判断视觉车位为未知车位；若跟踪车位匹配次数大于1，且匹配成功次数为1时，判断视觉车位为匹配一次成功，正在跟踪确认中；若跟踪车位匹配次数大于1，且匹配成功次数大于1时，判断视觉车位为稳定跟踪状态，车位可靠；否则判断车位为不可靠车位；从而更加准确的判断视觉车位与跟踪车位匹配的情况，提高对车位的判断准确度。
工作原理及其效果：
通过摄像模块7对车位进行实时拍摄，形成可以在全局坐标系中显示的视觉车位，触发车辆里程模块8中设置的停泊触发单元9时，使得全局坐标系能够显示车辆坐标和里程线路，并且通过补偿算法算出视觉车位四个边角处的真实坐标，以使全局坐标系中显示的视觉车位为真实的视觉车位，在车位匹配单元4的作用下，对视觉车位和跟踪车位的类型进行判断，并且对视觉车位与跟踪车位能否匹配进行准确的判断，实现对车位的跟踪，以此来对车位的状态进行准确的判断，达到准确的判断车位是否可以供车辆进行停泊的效果。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种视觉车位跟踪***，其特征在于：包括处理模块(1)、摄像模块(7)和车辆里程模块(8)，所述处理模块(1)包括全局模型单元(3)和车位匹配单元(4)，所述全局模型单元(3)内配置有全局坐标系，所述车辆里程模块(8)设置于车辆上，所述车辆里程模块(8)包括停泊触发单元(9)，触发所述停泊触发单元(9)时生成停泊指令和车辆坐标信息并发送停泊指令和车辆坐标信息至全局模型单元(3)，所述车辆坐标信息表征开始停泊时车辆后轴中心位于全局坐标系中的坐标位置，所述全局模型单元(3)将车辆坐标信息的坐标位置作为全局坐标系的原点；
所述摄像模块(7)实时拍摄车位并生成视觉车位，所述摄像模块(7)发送视觉车位至全局模型单元(3)和车位匹配单元(4)，所述全局模型单元(3)接收到视觉车位时，所述全局模型单元(3)将视觉车位在以车辆坐标信息为原点的全局坐标系中显示，以使所述视觉车位的边角处坐标位置于全局模型单元(3)中显示；
所述车位匹配单元(4)内配置有车位跟踪列表，所述车位匹配单元(4)首次接收到视觉车位时，所述车位跟踪列表记录首次接收到的视觉车位并将所述视觉车位作为跟踪车位，所述车位匹配单元(4)内配置有判断策略和预设的匹配阈值，所述判断策略包括将视觉车位的类型和跟踪车位的类型进行比对，若所述视觉车位的类型与跟踪车位的类型不同时，所述判断策略生成大于匹配阈值的预设匹配值，不匹配所述视觉车位和跟踪车位，若所述视觉车位的类型与跟踪车位的类型一致时对车位进行是否匹配进行判断，所述车位匹配单元(4)内还配置有用于是否进行车位匹配的匹配策略和匹配差异值，所述匹配差异值表征视觉车位的入口边线与跟踪车位的入口边线欧式距离值，并以此表示视觉车位与跟踪车位的匹配差异程度，所述匹配策略包括用于计算匹配差异值的差异算法，并将通过所述差异算法计算得出的匹配差异值与匹配阈值进行比较，若所述匹配差异值大于匹配阈值时，不匹配所述视觉车位和跟踪车位，若所述匹配差异值小于匹配阈值时，匹配所述视觉车位和跟踪车位。
2.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述摄像模块(7)中还配置有视觉车位过滤策略，所述视觉车位过滤策略包括对摄像模块(7)拍摄的视觉车位出现边缘畸变和车位尺寸异常的视觉车位进行过滤并剔除异常的视觉车位。
3.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述处理模块(1)还包括车位处理单元(2)，所述车位处理单元(2)配置有从摄像模块拍摄至接收到视觉车位的视觉车位时间戳和预设的成像时间戳，所述视觉车位时间戳表征摄像模块(7)生成视觉车位并发送至全局模型单元中显示的时间值，所述车辆里程模块(8)还包括里程单元，所述停泊触发单元被触发时还发送停泊指令至里程单元，所述里程单元接收到停泊指令时记录车辆的移动路线并生成里程信息，所述里程信息包括里程路线和里程时间戳，所述里程路线表征车辆沿全局坐标系移动的路线，所述里程时间戳表征车辆行驶至里程路线终端的时间值，所述里程单元接收到停泊指令时还生成车辆实时坐标系，所述车辆实时坐标系以车辆的后轴中心为原点，所述车辆实时坐标系的原点沿里程路线移动，所述车位处理单元(2)内还配置有时间戳策略和补偿策略，所述时间戳策略包括根据里程信息寻找相对在视觉车位时间戳时显示车位模型的里程时间戳，并根据视觉车位时间戳与成像时间戳的差值生成真实车位时间戳，所述补偿策略包括将车辆位于车辆实时坐标系中的位置转换至全局坐标系中，并根据真实车位时间戳和里程时间戳计算车位位于全局坐标系中的真实坐标位置。
4.根据权利要求3所述的一种视觉车位跟踪***，其特征在于：所述里程信息还包括车辆的航向角和车辆速度，所述车辆速度包括沿坐标系的速度分量，所述航向角表征车辆行驶时车头与全局坐标系的夹角，所述补偿策略根据补偿算法计算得出车位位于全局坐标系中的真实坐标位置，所述补偿算法具体配置为：
Figure FDA0003575121020000021
其中：xtemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的X方向坐标，ytemp表示将位于车辆实时坐标系中的位置转换至全局坐标系时的Y方向坐标，xv表示车辆位于车辆实时坐标系中的X方向坐标，yv表示车辆位于车辆实时坐标系中的Y方向坐标，α为航向角，x为车位边角处的X方向坐标，y为车位边角处的Y方向坐标，vx表示沿X轴的速度分量，vy表示沿Y轴的速度分量，tv表示真实车位时间戳，t0表示里程时间戳，x0表示车位位于全局坐标系中的X方向坐标，y0表示车位位于全局坐标系中的Y方向坐标。
5.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述差异算法具体为：
xvp＝(xv0+xv1)
yvp＝(yv0+yv1)
xtp＝(xt0+xt1)
ytp＝(yt0+yt1)
Figure FDA0003575121020000031
其中：xvp表示视觉车位的车位入口边线的X轴坐标，xv0表示视觉车位的车位入口边线一端端点的X轴坐标，xv1表示视觉车位的车位入口边线另一端端点的X轴坐标，yvp表示视觉车位的车位入口边线的Y轴坐标，yv0表示视觉车位的车位入口边线一端端点的Y轴坐标，yv1表示视觉车位的车位入口边线另一端端点的Y轴坐标，xtp表示跟踪车位的车位入口边线的X轴坐标，xt0表示跟踪车位的车位入口边线一端端点的X轴坐标，xt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，ytp表示跟踪车位的车位入口边线的Y轴坐标，yt0表示跟踪车位的车位入口边线一端端点的X轴坐标，yt1表示跟踪车位的车位入口边线另一端端点的X轴坐标，d表示匹配差异值。
6.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述车位匹配单元(4)还包括储备策略，所述储备策略包括所述视觉车位不与跟踪车位匹配时，将不与所述跟踪车位匹配的所述视觉车位判断为新车位，并将所述视觉车位记录至跟踪列表中。
7.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述处理模块(1)还包括车位融合单元(5)，所述车位融合单元(5)中还配置有车位融合策略，所述融合策略根据与所述跟踪车位匹配的视觉车位重新计算跟踪车位。
8.根据权利要求7所述的一种视觉车位跟踪***，其特征在于：所述视觉车位还包括车位角度和车位尺寸，所述车位角度表征车位与全局坐标系的夹角，所述车位尺寸包括车位长度和车位宽度，所述融合策略包括用于重新计算跟踪车位的融合算法，所述融合算法具体为：
svp＝0.5
s＝sf×mf
stp1＝(stp0+s)×(mf/tf)
ctp＝stp1/(stp0+svp)
cvp＝svp/(stp0+svp)
xtp1＝ctp×xtp+cvp×xvp
ytp1＝ctp×ytp+cvp×yvp
Figure FDA0003575121020000041
Figure FDA0003575121020000042
atp＝atan2(yt0-yt3,xt0-xt3)
其中：svp表示赋予检测到的视觉车位的得分值，s表示匹配成功次数的得分值，mf表示匹配成功的次数，sf表示匹配得分系数，默认取值为0.1，ctp表示跟踪车位加权系数，cvp表示视觉车位加权系数，stp1表示跟踪车位的平均得分，stp0表示跟踪车位得分，tf表示跟踪车位的匹配总数，xtp1表示重新计算后的跟踪车位X轴坐标，ytp1表示重新计算后的跟踪车位Y轴坐标，ltp表示重新计算跟踪车位后的车位长度，xt0、xt1、xt2、xt3分别为重新计算的跟踪车位边角处的X轴坐标，yt0、yt1、yt2、yt3分别为重新计算的跟踪车位边角处的Y轴坐标，wtp表示重新计算跟踪车位后的车位宽度，αtp表示重新计算的跟踪车位的车位角度，α为跟踪车位的初始车位角度。
9.根据权利要求1所述的一种视觉车位跟踪***，其特征在于：所述处理模块(1)还包括车位状态管理单元(6)，所述车位状态管理单元(6)中配置有对车位状态进行管理的管理策略，所述管理策略具体为：
若跟踪车位匹配次数为1，且匹配成功次数为零时，判断视觉车位为未知车位；
若跟踪车位匹配次数大于1，且匹配成功次数为1时，判断视觉车位为匹配一次成功，正在跟踪确认中；
若跟踪车位匹配次数大于1，且匹配成功次数大于1时，判断视觉车位为稳定跟踪状态，车位可靠；
否则判断车位为不可靠车位。
CN202110231087.3A 2021-03-02 2021-03-02 一种视觉车位跟踪*** Active CN113034963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110231087.3A CN113034963B (zh) 2021-03-02 2021-03-02 一种视觉车位跟踪***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110231087.3A CN113034963B (zh) 2021-03-02 2021-03-02 一种视觉车位跟踪***

Publications (2)

Publication Number Publication Date
CN113034963A CN113034963A (zh) 2021-06-25
CN113034963B true CN113034963B (zh) 2022-08-02

Family

ID=76465560

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110231087.3A Active CN113034963B (zh) 2021-03-02 2021-03-02 一种视觉车位跟踪***

Country Status (1)

Country Link
CN (1) CN113034963B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201305903D0 (en) * 2012-04-06 2013-05-15 Xerox Corp Video-based detector and notifier for short-term parking violation enforcement
CN106548486A (zh) * 2016-11-01 2017-03-29 浙江大学 一种基于稀疏视觉特征地图的无人车位置跟踪方法
CN109697860A (zh) * 2017-10-20 2019-04-30 上海欧菲智能车联科技有限公司 车位检测和跟踪***及方法及车辆

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8289189B2 (en) * 2009-05-11 2012-10-16 Robert Bosch Gmbh Camera system for use in vehicle parking
EP3283972A4 (en) * 2015-04-17 2018-08-29 General Electric Company Identifying and tracking vehicles in motion
KR101795151B1 (ko) * 2015-10-05 2017-12-01 현대자동차주식회사 주차안내 장치 및 방법
CN106671974B (zh) * 2015-11-10 2019-09-20 新乡航空工业(集团)有限公司 一种用于智能泊车***的车位检测方法
CN107093328B (zh) * 2017-06-06 2020-08-04 重庆邮电大学 基于机器视觉的停车场导航***及方法
CN109766757B (zh) * 2018-12-11 2023-09-01 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***
CN110942449B (zh) * 2019-10-30 2023-05-23 华南理工大学 一种基于激光与视觉融合的车辆检测方法
CN112092825B (zh) * 2020-08-31 2022-04-29 英博超算(南京)科技有限公司 一种基于机器学习的车道保持方法
CN112068475B (zh) * 2020-09-21 2021-07-13 英博超算(南京)科技有限公司 一种车载多域控制器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201305903D0 (en) * 2012-04-06 2013-05-15 Xerox Corp Video-based detector and notifier for short-term parking violation enforcement
CN106548486A (zh) * 2016-11-01 2017-03-29 浙江大学 一种基于稀疏视觉特征地图的无人车位置跟踪方法
CN109697860A (zh) * 2017-10-20 2019-04-30 上海欧菲智能车联科技有限公司 车位检测和跟踪***及方法及车辆

Also Published As

Publication number Publication date
CN113034963A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN110472496B (zh) 一种基于目标检测与跟踪的交通视频智能分析方法
CN104517111B (zh) 车道线检测方法、***、车道偏离预警方法及***
CN109435942B (zh) 一种基于信息融合的车位线车位识别方法及装置
CN110287905B (zh) 一种基于深度学习的交通拥堵区域实时检测方法
CN110443225B (zh) 一种基于特征像素统计的虚实车道线识别方法及其装置
CN109977782B (zh) 基于目标位置信息推理的跨店经营行为检测方法
JP4914234B2 (ja) 先行車両検出装置
CN109871732B (zh) 停车格辨识***及其方法
CN112349144B (zh) 一种基于单目视觉的车辆碰撞预警方法及***
CN110458050B (zh) 基于车载视频的车辆切入检测方法及装置
CN106023595A (zh) 一种异常停车的判断方法、装置及球型摄像机
US11436815B2 (en) Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same
CN104590130A (zh) 基于图像识别的后视镜自适应调节方法
EP2813973B1 (en) Method and system for processing video image
JP4940177B2 (ja) 交通流計測装置
JP4296287B2 (ja) 車両認識装置
CN109919062A (zh) 一种基于特征量融合的道路场景天气识别方法
CN114998452A (zh) 一种车载摄像头在线标定方法及***
CN113029185B (zh) 众包式高精度地图更新中道路标线变化检测方法及***
CN110422173B (zh) 一种行车环境识别方法
CN113034963B (zh) 一种视觉车位跟踪***
CN114495066A (zh) 一种辅助倒车的方法
WO2022048053A1 (zh) 一种目标跟踪方法、装置、设备及计算机可读存储介质
CN112991734B (zh) 一种视觉车位的车位状态检测***
CN115388880B (zh) 一种低成本记忆泊车建图与定位方法、装置及电子设备

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