CN113076845A - 一种车位获取方法、车位确定装置、车辆及可读存储介质 - Google Patents
一种车位获取方法、车位确定装置、车辆及可读存储介质 Download PDFInfo
- Publication number
- CN113076845A CN113076845A CN202110327889.4A CN202110327889A CN113076845A CN 113076845 A CN113076845 A CN 113076845A CN 202110327889 A CN202110327889 A CN 202110327889A CN 113076845 A CN113076845 A CN 113076845A
- Authority
- CN
- China
- Prior art keywords
- affinity
- thermodynamic diagram
- corner point
- corner
- line segment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000010586 diagram Methods 0.000 claims abstract description 368
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 abstract description 19
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
- Body Structure For Vehicles (AREA)
- Laminated Bodies (AREA)
Abstract
本发明实施例公开了一种车位获取方法、车位确定装置、车辆及可读存储介质,用于车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。本发明实施例方法包括:获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述角点热力图,确定亲和度热力图,所述亲和度热力图用于表征所述角点热力图中各个角点之间的位置关系,以及所述各个角点之间的长度关系;根据所述亲和度热力图,确定目标可停靠车位。
Description
技术领域
本发明涉及车辆应用领域,尤其涉及一种车位获取方法、车位确定装置、车辆及可读存储介质。
背景技术
现有技术中,车位可以通过扫描线算法进行获取,该车辆在扫描车位线之后,确定车位的两个角点,并根据这两个角点生成车位框;或,车位还可以通过卷积神经网络(Convolutional Neural Networks,CNN)回归角点的算法进行获取。
扫描线算法的缺点在于车辆在图像识别的过程中会使用到灰度值跳变,但是车辆在扫描车位线的过程中,经常会被背景类似线的背景干扰,扫描出错误的库位线,影响库位检测精度的同时,使得车位误检率较高,从而导致该车辆获取的车位的准确性较低;同样的,CNN回归角点的算法的缺点在于车辆不能准确地确定某个车位由哪几个车位角点组成,在处理图像中如果存在多个库位,只能通过条件过滤来确认哪几个角点属于同一库位,计算量大,角点错误匹配概率较高的同时,车位误检率也较高,从而也会导致该车辆获取的车位的准确性较低。
发明内容
本发明实施例提供了一种车位获取方法、车位确定装置、车辆及可读存储介质,用于车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
本发明实施例第一方面提供了一种车位获取方法,可以包括:
获取目标区域的俯视图;
基于卷积神经网络,从该俯视图中识别得到角点热力图;
根据该角点热力图,确定亲和度热力图,该亲和度热力图用于表征该角点热力图中各个角点之间的位置关系,以及该各个角点之间的长度关系;
根据该亲和度热力图,确定目标可停靠车位。
在本实施例中,车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
可选的,该根据该角点热力图,确定亲和度热力图,包括:在该角点热力图中,获取至少两个角点;根据该至少两个角点,确定亲和度热力图。
在本实施例中,车辆可以根据角点热力图中的角点,确定亲和度热力图中各个角点之间的关系,这样能够有效降低角点错误匹配概率,以降低车位误检率。
可选的,在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点、该第二角点和该第三角点,确定亲和度热力图,包括:根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第二角点和该第三角点,确定第二亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第二角点和该第三角点之间的第二线段,以及该第二线段对应的第二长度值;其中,该第一线段与该第二线段垂直;根据该亲和度热力图,确定目标可停靠车位,包括:根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位。
在本实施例中,车辆可以根据三个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
可选的,根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位,包括:将第一垂线与第二垂线的交点作为目标角点,该第一垂线为过该第一角点且垂直于该第一线段的垂线,该第二垂线为过该第三角点且垂直于该第二线段的垂线;将该第一线段、该第二线段,该第三线段以及该第四线段进行连接,确定第一目标可停靠车位;其中,第三线段为该第一角点与该目标角点之间的线段,第四线段为该第三角点与该目标角点之间的线段。
在本实施例中,车辆可以根据三个角点之间的关系,通过几何算法得到第一目标可停靠车位。这样一来,该车辆在降低角点错误匹配概率的同时,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
可选的,在该至少两个角点还包括第四角点的情况下,根据该第一角点、该第二角点、该第三角点和该第四角点,确定亲和度热力图,包括:根据该第三角点和该第四角点,确定第四亲和度热力图;根据该第四角点和该第一角点,确定第五亲和度热力图;其中,该第四亲和度热力图用于表征该第三角点和该第四角点之间的第五线段,以及该第五线段对应的第五长度值;该第五亲和度热力图用于表征该第四角点和该第一角点之间的第六线段,以及该第六线段对应的第六长度值;其中,该第二线段与该第五线段垂直,该第五线段与该第六线段垂直;该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内;该根据该亲和度热力图,确定目标可停靠车位,包括:根据该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图,确定第三目标可停靠车位。
在本实施例中,车辆可以根据四个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
可选的,在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点、该第二角点以及该第三角点,确定亲和度热力图,包括:根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第一角点和该第三角点,确定第三亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第一角点和该第三角点之间的第三线段,以及该第三线段对应的第三长度值;其中,该第一线段与该第三线段之间的夹角位于预设角度范围内;该根据该亲和度热力图,确定目标可停靠车位,包括:根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位。
在本实施例中,车辆可以根据三个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
可选的,在该至少两个角点包括第一角点和第二角点的情况下,该根据该第一角点和该第二角点,确定亲和度热力图,包括:根据该第一角点和该第二角点,得到第三目标亲和度热力图;其中,该第三目标亲和度热力图用于表征该第一角点和该第二角点之间的位置关系,以及该第一角点和该第二角点之间的长度关系;该根据该亲和度热力图,确定目标可停靠车位,包括:根据该第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
在本实施例中,车辆可以根据两个角点之间的关系,利用预设算法确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
本发明实施例第二方面提供了一种车位确定装置,可以包括:
获取模块,用于获取目标区域的俯视图;基于卷积神经网络,从该俯视图中识别得到角点热力图;
确定模块,用于根据该角点热力图,确定亲和度热力图,该亲和度热力图用于表征该角点热力图中各个角点之间的位置关系,以及该各个角点之间的长度关系;根据该亲和度热力图,确定目标可停靠车位。
可选的,该获取模块,具体用于在该角点热力图中,获取至少两个角点;
该确定模块,具体用于根据该至少两个角点,确定亲和度热力图。
可选的,该确定模块,具体用于在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第二角点和该第三角点,确定第二亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第二角点和该第三角点之间的第二线段,以及该第二线段对应的第二长度值;其中,该第一线段与该第二线段垂直;根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位。
可选的,该确定模块,具体用于将第一垂线与第二垂线的交点作为目标角点,该第一垂线为过该第一角点且垂直于该第一线段的垂线,该第二垂线为过该第三角点且垂直于该第二线段的垂线;将该第一线段、该第二线段,该第三线段以及该第四线段进行连接,确定第一目标可停靠车位;其中,第三线段为该第一角点与该目标角点之间的线段,第四线段为该第三角点与该目标角点之间的线段。
可选的,该确定模块,具体用于在该至少两个角点还包括第四角点的情况下,根据该第三角点和该第四角点,确定第四亲和度热力图;根据该第四角点和该第一角点,确定第五亲和度热力图;其中,该第四亲和度热力图用于表征该第三角点和该第四角点之间的第五线段,以及该第五线段对应的第五长度值;该第五亲和度热力图用于表征该第四角点和该第一角点之间的第六线段,以及该第六线段对应的第六长度值;其中,该第二线段与该第五线段垂直,该第五线段与该第六线段垂直;该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内;根据该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图,确定第三目标可停靠车位。
可选的,该确定模块,具体用于在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第一角点和该第三角点,确定第三亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第一角点和该第三角点之间的第三线段,以及该第三线段对应的第三长度值;其中,该第一线段与该第三线段之间的夹角位于预设角度范围内;根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位。
可选的,该确定模块,具体用于在该至少两个角点包括第一角点和第二角点的情况下,根据该第一角点和该第二角点,得到第三目标亲和度热力图;其中,该第三目标亲和度热力图用于表征该第一角点和该第二角点之间的位置关系,以及该第一角点和该第二角点之间的长度关系;根据该第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
本发明实施例第三方面提供了一种车位确定装置,可以包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如本发明实施例第一方面所述的方法。
本发明实施例第四方面提供了一种车位确定装置车辆,可以包括如本发明实施例第二方面或第三方面所述的车位确定装置。
本发明实施例又一方面提供一种计算机可读存储介质,其上存储有可执行程序代码,所述可执行程序代码被处理器执行时,实现如本发明实施例第一方面所述的方法。
本发明实施例又一方面公开一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
本发明实施例又一方面公开一种应用发布平台,该应用发布平台用于发布计算机程序产品,其中,当该计算机程序产品在计算机上运行时,使得该计算机执行本发明实施例第一方面公开的任意一种所述的方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述角点热力图,确定亲和度热力图,所述亲和度热力图用于表征所述角点热力图中各个角点之间的位置关系,以及所述各个角点之间的长度关系;根据所述亲和度热力图,确定目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图和该亲和度热力图,得到目标可停靠车位。这种方法使得车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例和现有技术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发明的一些实施例,还可以根据这些附图获得其它的附图。
图1为本发明实施例中车位获取方法的一个实施例示意图;
图2a为本发明实施例中车位获取方法的另一个实施例示意图;
图2b为本发明实施例中角点热力图的一个实施例示意图;
图2c为本发明实施例中第一亲和度热力图的一个实施例示意图;
图2d为本发明实施例中第二亲和度热力图的一个实施例示意图;
图2e为本发明实施例中第一目标亲和度热力图的一个实施例示意图;
图2f为本发明实施例中第一目标可停靠车位的一个实施例示意图;
图3a为本发明实施例中车位获取方法的另一个实施例示意图;
图3b为本发明实施例中第三亲和度热力图的一个实施例示意图;
图3c为本发明实施例中第二目标亲和度热力图的一个实施例示意图;
图3d为本发明实施例中第二目标可停靠车位的一个实施例示意图;
图4a为本发明实施例中车位获取方法的另一个实施例示意图;
图4b为本发明实施例中角点热力图的另一个实施例示意图;
图4c为本发明实施例中第四亲和度热力图的一个实施例示意图;
图4d为本发明实施例中第五亲和度热力图的一个实施例示意图;
图4e为本发明实施例中第三目标可停靠车位的一个实施例示意图;
图5为本发明实施例中车位获取方法的另一个实施例示意图;
图6为本发明实施例中车位确定装置的一个实施例示意图;
图7为本发明实施例中车位确定装置的另一个实施例示意图;
图8为本发明实施例中车辆的一个实施例示意图。
具体实施方式
本发明实施例提供了一种车位获取方法、车位确定装置、车辆及可读存储介质,用于车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本发明实施例中所涉及的执行主体可以是车位确定装置,也可以是车辆,下面以车辆为例,对本发明技术方案做进一步的说明。
如图1所示,为本发明实施例中车位获取方法的一个实施例示意图,可以包括:
101、获取目标区域的俯视图。
可以理解的是,目标区域可以是地面停车场中某一个或几个车位、也可以是地下停车库中某一个或几个车位;目标区域的俯视图可以是通过车辆上设置的鱼眼相机拍摄得到,也可以是通过车辆上设置的其它相机拍摄得到,此处不做具体限定。其中,鱼眼相机的数量为至少一个,一个鱼眼相机可以拍摄得到的俯视图数量也为至少一个。
可选的,车辆获取目标区域的俯视图,该目标区域为地下停车库,该方法可以包括:车辆检测地下停车库的亮度值;在该亮度值位于预设亮度值范围内的情况下,该车辆获取地下停车库中一个车位的俯视图。
需要说明的是,预设亮度值范围是第一亮度阈值和第二亮度阈值构成的区间。亮度值位于预设亮度值范围内,即该亮度值大于该第一亮度阈值,且小于等于该第二亮度阈值。
示例性的,假设第一亮度阈值为100坎德拉/平方米(简称:cd/m2),第二亮度阈值为300cd/m2,即预设亮度值范围为(100cd/m2,300cd/m2)。车辆检测目标区域的亮度值为180cd/m2,该180cd/m2位于(100cd/m2,300cd/m2)内,此时,该车辆通过鱼眼相机获取地下停车库中一个车位的俯视图。
102、基于卷积神经网络,从所述俯视图中识别得到角点热力图。
需要说明的是,卷积神经网络可以是预先训练好的网络模型,该网络模型可以具体用于处理俯视图,以得到角点热力图。该角点热力图可以是一个像素点概率图。其中,某一位置的像素点越密集,该位置成为卷积神经网络预测的车位角点(简称:角点)的可能性越大,即卷积神经网络可以将像素点最密集的位置作为角点。在本实施例中,角点的数量为至少两个。
103、根据所述角点热力图,确定亲和度热力图。
其中,该亲和度热力图用于表征该角点热力图中各个角点之间的位置关系,以及该各个角点之间的长度关系。
可以理解的是,车位可以由至少2根车位线围成。亲和度热力图中的部分亲和力可以是每根车位线的2维(Dimensional,D)矢量场;对于属于特定车位线的区域中的像素,每个像素对应的2D矢量编码都可以从车位中的一个角点指向另一角点。其中,每根车位线都有一个相应的亲和力场,且由两个相关的角点连接而成。
在车辆确定车位的过程中,该车辆可以在角点热力图上获取任意两个角点,确定任意两个角点之间所连接的线段;该车辆通过计算每一线段上的线积分,确定每一线段对应的置信度;当第一线段对应的置信度大于预设置信度阈值时,该车辆可以将该第一线段作为目标线段,即该车辆可以将满足条件的线段作为目标车位线;该车辆获取至少2根目标车位线,并将该至少2根目标车位线围成车位。
其中,任意两个角点之间所连接的线段可以作为候选车位线;每一线段对应的置信度可以是两个角点之间的置信度。
需要说明的是,各个角点之间的位置关系可以是两条线段是相交的关系,即这两条线段可以呈垂直关系,也可以呈一定角度关系;各个角点之间的长度关系可以是各个角度之间的距离长度。
可选的,车辆根据该角点热力图,确定亲和度热力图,可以包括:在该角点热力图中,获取至少两个角点;根据该至少两个角点,确定亲和度热力图。
需要说明的是,该至少两个角点可以包括第一角点和第二角点;该至少两个角点还可以包括第三角点,和/或,第四角点。
104、根据所述亲和度热力图,确定目标可停靠车位。
需要说明的是,当亲和度热度图的数量为至少两个时,车辆需要将这至少两个亲和度热度图进行拼接处理,和/或,进行重合并去重处理,从而确定目标可停靠车位。
步骤104之后,该方法还可以包括:车辆输出该目标可停靠车位。
可选的,该车辆输出该目标可停靠车位,可以包括但不限于以下实现方式:
实现方式1:车辆将该目标可停靠车位显示在车载大屏上。
实现方式2:车辆将该目标可停靠车位向与该车辆相关联的终端设备发送,该终端设备将该目标可停靠车位显示在屏幕上,并输出第一提示信息。
其中,该第一提示信息用于提示用户,该目标可停靠车位是否可以停车。这样可以使得用户及时获知目标可停靠车位是否可以停车的具体信息,并作出相应操作。
可以理解的是,当目标可停靠车位可以停车时,车辆在该目标可停靠车位中进行停靠;当目标可停靠车位不可以停车时,车辆重新寻找可以停靠的车位。
需要说明的是,实现方式2中与车辆相关联的终端设备可以包括一般的手持有屏电子终端设备,诸如手机、智能电话、便携式终端、终端、个人数字助理(Personal DigitalAssistant,PDA)、便携式多媒体播放器(Personal Media Player,PMP)装置、笔记本电脑、笔记本(Note Pad)、无线宽带(Wireless Broadband,Wibro)终端、平板电脑(PersonalComputer,PC)、智能PC、销售终端(Point of Sales,POS)和车载电脑等。
与车辆相关联的终端设备也可以包括可穿戴设备。可穿戴设备可以直接穿戴在用户身上,或是整合到用户的衣服或配件的一种便携式电子设备。可穿戴设备不仅仅是一种硬件设备,更可以通过软件支持以及数据交互、云端交互来实现强大的智能功能,比如:计算功能、定位功能、报警功能,同时还可以连接手机及各类终端。可穿戴设备可以包括但不限于以手腕为支撑的watch类(比如手表、手腕等产品),以脚为支撑的shoes类(比如鞋、袜子或者其他腿上佩戴产品),以头部为支撑的Glass类(比如眼镜、头盔、头带等)以及智能服装,书包、拐杖、配饰等各类非主流产品形态。
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述角点热力图,确定亲和度热力图,所述亲和度热力图用于表征所述角点热力图中各个角点之间的位置关系,以及所述各个角点之间的长度关系;根据所述亲和度热力图,确定目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图和该亲和度热力图,得到目标可停靠车位。这种方法使得车辆可以根据各个角点之间的关系,确定目标可停靠车位,能够有效降低车位误检率,以提高获取该目标可停靠车位的准确性。
如图2a所示,为本发明实施例中车位获取方法的另一个实施例示意图,在至少两个角点包括第一角点、第二角点以及第三角点的情况下,该方法可以包括:
201、获取目标区域的俯视图。
202、基于卷积神经网络,从所述俯视图中识别得到角点热力图。
需要说明的是,步骤201和202与本实施例中图1所示的步骤101和102类似,此处不再赘述。
可选的,如图2b所示,为本发明实施例中角点热力图的一个实施例示意图。在图2b中,可以包括第一角点A,第二角点B以及第三角点C。
203、根据所述第一角点和所述第二角点,确定第一亲和度热力图。
其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值。
可选的,如图2c所示,为本发明实施例中第一亲和度热力图的一个实施例示意图。在图2c中,可以包括第一角点A,第二角点B,第一线段AB。其中,第一线段AB对应的第一长度值为2.4米(简称:m)。
204、根据所述第二角点和所述第三角点,确定第二亲和度热力图。
其中,该第二亲和度热力图用于表征该第二角点和该第三角点之间的第二线段,以及该第二线段对应的第二长度值;其中,该第一线段与该第二线段垂直。
可选的,如图2d所示,为本发明实施例中第二亲和度热力图的一个实施例示意图。在图2d中,可以包括第二角点B,第三角点C,第二线段BC。其中,第二线段BC对应的第二长度值为5.0m。
205、根据所述第一亲和度热力图和所述第二亲和度热力图,确定第一目标可停靠车位。
可选的,该车辆根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位,可以包括:车辆根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标亲和度热力图;根据该第一目标亲和度热力图,确定第一目标可停靠车位。
可选的,如图2e所示,为本发明实施例中第一目标亲和度热力图的一个实施例示意图。在图2e中,可以包括:第一角点A,第二角点B,第三角点C,第一线段AB以及第二线段BC。
可选的,该车辆根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位,可以包括:车辆将第一垂线与第二垂线的交点作为目标角点,该第一垂线为过该第一角点且垂直于该第一线段的垂线,该第二垂线为过该第三角点且垂直于该第二线段的垂线;该车辆将该第一线段、该第二线段,该第三线段以及该第四线段进行连接,确定第一目标可停靠车位;其中,第三线段为该第一角点与该目标角点之间的线段,第四线段为该第三角点与该目标角点之间的线段。
可选的,如图2f所示,为本发明实施例中第一目标可停靠车位的一个实施例示意图。在图2f中,可以包括第一角点A,第二角点B,第三角点C,目标角点D,第一线段AB,第二线段BC,第三线段DA以及第四线段为CD。其中,第三线段DA对应的第三长度值为5.0m,第四线段为CD对应的第四长度值为2.4m。
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述第一角点和所述第二角点,确定第一亲和度热力图;根据所述第二角点和所述第三角点,确定第二亲和度热力图;根据所述第一亲和度热力图和所述第二亲和度热力图,确定第一目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图中三个角点,以及该三个角点之间的位置关系和长度关系,得到第一目标可停靠车位。这种方法使得车辆可以根据三个角点之间的关系,确定第一目标可停靠车位,能够有效降低车位误检率,以提高获取该第一目标可停靠车位的准确性。
如图3a所示,为本发明实施例中车位获取方法的另一个实施例示意图,在至少两个角点包括第一角点、第二角点以及第三角点的情况下,该方法可以包括:
301、获取目标区域的俯视图。
302、基于卷积神经网络,从所述俯视图中识别得到角点热力图。
303、根据所述第一角点和所述第二角点,确定第一亲和度热力图。
其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一角点和该第二角点之间的第一长度。
需要说明的是,步骤301-303与本实施例中图2所示的步骤201-203类似,此处不再赘述。
304、根据所述第一角点和所述第三角点,确定第三亲和度热力图。
其中,该第二亲和度热力图用于表征该第一角点和该第三角点之间的第三线段,以及该第三线段对应的第三长度值;其中,该第一线段与该第三线段之间的夹角位于预设角度范围内。
可选的,如图3b所示,为本发明实施例中第三亲和度热力图的一个实施例示意图。在图3b中,可以包括第一角点A,第三角点C,第三线段AC。其中,第三线段AC对应的第三长度值为5.55m。
305、根据所述第一亲和度热力图和所述第三亲和度热力图,确定第二目标可停靠车位。
可选的,该车辆根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位,可以包括:车辆根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标亲和度热力图;根据该第二目标亲和度热力图,确定第二目标可停靠车位。
可选的,如图3c所示,为本发明实施例中第二目标亲和度热力图的一个实施例示意图。在图3c中,可以包括:第一角点A,第二角点B,第三角点C,第一线段AB以及第三线段AC。
可选的,该车辆根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位,可以包括:车辆将该第二角点与该第三角点之间的线段确定为目标线段;该车辆将第三垂线与第四垂线的交点作为第一目标角点,该第三垂线为过该第一角点且垂直于该第一线段的垂线,该第四垂线为过该第三角点且垂直于该第二线段的垂线;该车辆将该第一线段、该目标线段,该第七线段以及该第八线段进行连接,确定第一目标可停靠车位;其中,第七线段为该第一角点与该第一目标角点之间的线段,第八线段为该第三角点与该第一目标角点之间的线段。
可选的,如图3d所示,为本发明实施例中第二目标可停靠车位的一个实施例示意图。在图3d中,可以包括第一角点A,第二角点B,第三角点C,第一目标角点E,第一线段AB,目标线段BC,第七线段EA以及第八线段为CE。其中,第七线段EA对应的第七长度值为5.0m,第八线段CE对应的第八长度值为2.4m。
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述第一角点和所述第二角点,确定第一亲和度热力图;根据所述第一角点和所述第三角点,确定第三亲和度热力图;根据所述第一亲和度热力图和所述第三亲和度热力图,确定第二目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图中三个角点,以及该三个角点之间的位置关系和长度关系,得到第二目标可停靠车位。这种方法使得车辆可以根据三个角点之间的关系,确定第二目标可停靠车位,能够有效降低车位误检率,以提高获取该第二目标可停靠车位的准确性。
如图4a所示,为本发明实施例中车位获取方法的另一个实施例示意图,在至少两个角点包括第一角点、第二角点,第三角点以及第四角点的情况下,该方法可以包括:
401、获取目标区域的俯视图。
402、基于卷积神经网络,从所述俯视图中识别得到角点热力图。
可选的,如图4b所示,为本发明实施例中角点热力图的另一个实施例示意图。在图4b中,可以包括第一角点A、第二角点B,第三角点C以及第四角点F。
403、根据所述第一角点和所述第二角点,确定第一亲和度热力图。
其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值。
404、根据所述第二角点和所述第三角点,确定第二亲和度热力图。
其中,该第二亲和度热力图用于表征该第二角点和该第三角点之间的第二线段,以及该第二线段对应的第二长度值;其中,该第一线段与该第二线段垂直。
需要说明的是,步骤401-404与本实施例中图2所示的步骤201-204类似,此处不再赘述。
405、根据所述第三角点和所述第四角点,确定第四亲和度热力图。
其中,该第四亲和度热力图用于表征该第三角点和该第四角点之间的第五线段,以及该第五线段对应的第五长度值。
可选的,如图4c所示,为本发明实施例中第四亲和度热力图的一个实施例示意图。在图4c中,可以包括第三角点C,第四角点F,第五线段CE。其中,第五线段CF对应的第五长度值为2.4m。
406、根据所述第四角点和所述第一角点,确定第五亲和度热力图。
其中,该第五亲和度热力图用于表征该第四角点和该第一角点之间的第六线段,以及该第六线段对应的第六长度值;其中,该第二线段与该第五线段垂直,该第五线段与该第六线段垂直;该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内。
需要说明的是,车辆获取的目标可停靠车位应该是一个矩形,由于车辆中的获取装置可能会存在误差,导致第一线段与第五线段不能够完全等长,以及第二线段与第六线段也不能够完全等长。但是车辆在获取车位时,只需要将检测到该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,以及检测到该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内,这样一来,该车辆获取的车位就会较为准确。
其中,预设长度差值范围是第一长度差阈值和第二长度差阈值构成的区间。长度差值位于预设长度差值范围内,即该长度差值大于该第一长度差阈值,且小于等于该第二长度差阈值。
可选的,如图4d所示,为本发明实施例中第五亲和度热力图的一个实施例示意图。在图4d中,可以包括第一角点A,第四角点F,第六线段FA。其中,第六线段FA对应的第六长度值为5.0m。
407、根据所述第一亲和度热力图、所述第二亲和度热力图,所述第四亲和度热力图以及所述第五亲和度热力图,确定第三目标可停靠车位。
可选的,该车辆根据该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图,确定第三目标可停靠车位,可以包括:该车辆将该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图进行拼接处理,并将重复的角点进行去重处理,确定第三目标可停靠车位。
可选的,如图4e所示,为本发明实施例中第三目标可停靠车位的一个实施例示意图。在图4e中,第一角点A、第二角点B,第三角点C,第四角点F,第一线段AB,第二线段BC,第五线段CF以及第六线段FA。其中,第五线段CF对应的第五长度值为2.4m,第六线段FA对应的第六长度值为5.0m。
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述第一角点和所述第二角点,确定第一亲和度热力图;根据所述第二角点和所述第三角点,确定第二亲和度热力图;根据所述第三角点和所述第四角点,确定第四亲和度热力图;根据所述第四角点和所述第一角点,确定第五亲和度热力图;根据所述第一亲和度热力图、所述第二亲和度热力图,所述第四亲和度热力图以及所述第五亲和度热力图,确定第三目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图中四个角点,以及该四个角点之间的位置关系和长度关系,得到第三目标可停靠车位。这种方法使得车辆可以根据四个角点之间的关系,确定第三目标可停靠车位,能够有效降低车位误检率,以提高获取该第三目标可停靠车位的准确性。
如图5所示,为本发明实施例中车位获取方法的另一个实施例示意图,在至少两个角点包括第一角点和第二角点的情况下,该方法可以包括:
501、获取目标区域的俯视图。
502、基于卷积神经网络,从所述俯视图中识别得到角点热力图。
需要说明的是,步骤501和502与本实施例中图1所示的步骤101和102类似,此处不再赘述。
503、根据所述第一角点和所述第二角点,得到第三目标亲和度热力图。
其中,该第三目标亲和度热力图用于表征该第一角点和该第二角点之间的位置关系,以及该第一角点和该第二角点之间的长度关系。
504、根据所述第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
需要说明的是,预设算法可以是扫描线算法。
在本发明实施例中,获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;根据所述第一角点和所述第二角点,得到第三目标亲和度热力图;根据所述第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。即车辆基于卷积神经网络,从获取的目标区域的俯视图中,识别得到角点热力图和亲和度热力图;该车辆根据该角点热力图中两个角点,以及该两个角点之间的位置关系和长度关系,利用预设算法得到第四目标可停靠车位。这种方法使得车辆可以根据两个角点之间的关系,利用预设算法确定第四目标可停靠车位,能够有效降低车位误检率,以提高获取该第四目标可停靠车位的准确性。
如图6所示,为本发明实施例中车位确定装置的一个实施例示意图,可以包括:
获取模块601,用于获取目标区域的俯视图;基于卷积神经网络,从该俯视图中识别得到角点热力图;
确定模块602,用于根据该角点热力图,确定亲和度热力图,该亲和度热力图用于表征该角点热力图中各个角点之间的位置关系,以及该各个角点之间的长度关系;根据该亲和度热力图,确定目标可停靠车位。
可选的,在本发明的一些实施例中,
获取模块601,具体用于在该角点热力图中,获取至少两个角点;
确定模块602,具体用于根据该至少两个角点,确定亲和度热力图。
可选的,在本发明的一些实施例中,
确定模块602,具体用于在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第二角点和该第三角点,确定第二亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第二线段对应的第二长度值,以及该第二角点和该第三角点之间的第二长度;其中,该第一线段与该第二线段垂直;根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位。
可选的,在本发明的一些实施例中,
确定模块602,具体用于将第一垂线与第二垂线的交点作为目标角点,该第一垂线为过该第一角点且垂直于该第一线段的垂线,该第二垂线为过该第三角点且垂直于该第二线段的垂线;将该第一线段、该第二线段,该第三线段以及该第四线段进行连接,确定第一目标可停靠车位;其中,第三线段为该第一角点与该目标角点之间的线段,第四线段为该第三角点与该目标角点之间的线段。
可选的,在本发明的一些实施例中,
确定模块602,具体用于在该至少两个角点还包括第四角点的情况下,根据该第三角点和该第四角点,确定第四亲和度热力图;根据该第四角点和该第一角点,确定第五亲和度热力图;其中,该第四亲和度热力图用于表征该第三角点和该第四角点之间的第五线段,以及该第五线段对应的第五长度值;该第五亲和度热力图用于表征该第四角点和该第一角点之间的第六线段,以及该第六线段对应的第六长度值;其中,该第二线段与该第五线段垂直,该第五线段与该第六线段垂直;该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内;根据该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图,确定第三目标可停靠车位。
可选的,在本发明的一些实施例中,
确定模块602,具体用于在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第一角点和该第三角点,确定第三亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第一角点和该第三角点之间的第三线段,以及该第三线段对应的第三长度值;其中,该第一线段与该第三线段之间的夹角位于预设角度范围内;根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位。
可选的,在本发明的一些实施例中,
确定模块602,具体用于在该至少两个角点包括第一角点和第二角点的情况下,根据该第一角点和该第二角点,得到第三目标亲和度热力图;其中,该第三目标亲和度热力图用于表征该第一角点和该第二角点之间的位置关系,以及该第一角点和该第二角点之间的长度关系;根据该第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
如图7所示,为本发明实施例中车位确定装置的另一个实施例示意图,可以包括:处理器701和存储器702;
处理器701具有以下功能:
获取目标区域的俯视图;
基于卷积神经网络,从该俯视图中识别得到角点热力图;
根据该角点热力图,确定亲和度热力图,该亲和度热力图用于表征该角点热力图中各个角点之间的位置关系,以及该各个角点之间的长度关系;
根据该亲和度热力图,确定目标可停靠车位。
可选的,处理器701还具有以下功能:
在该角点热力图中,获取至少两个角点;根据该至少两个角点,确定亲和度热力图。
可选的,处理器701还具有以下功能:
在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第二角点和该第三角点,确定第二亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第二角点和该第三角点之间的第二线段,以及该第二线段对应的第二长度值;其中,该第一线段与该第二线段垂直;根据该第一亲和度热力图和该第二亲和度热力图,确定第一目标可停靠车位。
可选的,处理器701还具有以下功能:
将第一垂线与第二垂线的交点作为目标角点,该第一垂线为过该第一角点且垂直于该第一线段的垂线,该第二垂线为过该第三角点且垂直于该第二线段的垂线;将该第一线段、该第二线段,该第三线段以及该第四线段进行连接,确定第一目标可停靠车位;其中,第三线段为该第一角点与该目标角点之间的线段,第四线段为该第三角点与该目标角点之间的线段。
可选的,处理器701还具有以下功能:
在该至少两个角点还包括第四角点的情况下,根据该第三角点和该第四角点,确定第四亲和度热力图;根据该第四角点和该第一角点,确定第五亲和度热力图;其中,该第四亲和度热力图用于表征该第三角点和该第四角点之间的第五线段,以及该第五线段对应的第五长度值;该第五亲和度热力图用于表征该第四角点和该第一角点之间的第六线段,以及该第六线段对应的第六长度值;其中,该第二线段与该第五线段垂直,该第五线段与该第六线段垂直;该第一线段与该第五线段的第一长度差值位于预设长度差值范围内,该第二线段与该第六线段的第二长度差值位于该预设长度差值范围内;根据该第一亲和度热力图、该第二亲和度热力图,该第四亲和度热力图以及该第五亲和度热力图,确定第三目标可停靠车位。
可选的,处理器701还具有以下功能:
在该至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据该第一角点和该第二角点,确定第一亲和度热力图;根据该第一角点和该第三角点,确定第三亲和度热力图;其中,该第一亲和度热力图用于表征该第一角点和该第二角点之间的第一线段,以及该第一线段对应的第一长度值;该第二亲和度热力图用于表征该第一角点和该第三角点之间的第三线段,以及该第三线段对应的第三长度值;其中,该第一线段与该第三线段之间的夹角位于预设角度范围内;根据该第一亲和度热力图和该第三亲和度热力图,确定第二目标可停靠车位。
可选的,处理器701还具有以下功能:
在该至少两个角点包括第一角点和第二角点的情况下,根据该第一角点和该第二角点,得到第三目标亲和度热力图;其中,该第三目标亲和度热力图用于表征该第一角点和该第二角点之间的位置关系,以及该第一角点和该第二角点之间的长度关系;根据该第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
存储器702具有以下功能:
存储处理器701的处理过程和处理结果。
如图8所示,为本发明实施例中车辆的一个实施例示意图,可以包括:如图6或图7所示的车位确定装置。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。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。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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全部或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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种车位获取方法,其特征在于,包括:
获取目标区域的俯视图;
基于卷积神经网络,从所述俯视图中识别得到角点热力图;
根据所述角点热力图,确定亲和度热力图,所述亲和度热力图用于表征所述角点热力图中各个角点之间的位置关系,以及所述各个角点之间的长度关系;
根据所述亲和度热力图,确定目标可停靠车位。
2.根据权利要求1所述的方法,其特征在于,所述根据所述角点热力图,确定亲和度热力图,包括:
在所述角点热力图中,获取至少两个角点;
根据所述至少两个角点,确定亲和度热力图。
3.根据权利要求2所述的方法,其特征在于,在所述至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据所述第一角点、所述第二角点和所述第三角点,确定亲和度热力图,包括:
根据所述第一角点和所述第二角点,确定第一亲和度热力图;
根据所述第二角点和所述第三角点,确定第二亲和度热力图;
其中,所述第一亲和度热力图用于表征所述第一角点和所述第二角点之间的第一线段,以及所述第一线段对应的第一长度值;所述第二亲和度热力图用于表征所述第二角点和所述第三角点之间的第二线段,以及所述第二线段对应的第二长度值;其中,所述第一线段与所述第二线段垂直;
所述根据所述亲和度热力图,确定目标可停靠车位,包括:
根据所述第一亲和度热力图和所述第二亲和度热力图,确定第一目标可停靠车位。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一亲和度热力图和所述第二亲和度热力图,确定第一目标可停靠车位,包括:
将第一垂线与第二垂线的交点作为目标角点,所述第一垂线为过所述第一角点且垂直于所述第一线段的垂线,所述第二垂线为过所述第三角点且垂直于所述第二线段的垂线;
将所述第一线段、所述第二线段,所述第三线段以及所述第四线段进行连接,确定第一目标可停靠车位;
其中,第三线段为所述第一角点与所述目标角点之间的线段,第四线段为所述第三角点与所述目标角点之间的线段。
5.根据权利要求2所述的方法,其特征在于,在所述至少两个角点还包括第四角点的情况下,根据所述第一角点、所述第二角点、所述第三角点和所述第四角点,确定亲和度热力图,包括:
根据所述第三角点和所述第四角点,确定第四亲和度热力图;
根据所述第四角点和所述第一角点,确定第五亲和度热力图;
其中,所述第四亲和度热力图用于表征所述第三角点和所述第四角点之间的第五线段,以及所述第五线段对应的第五长度值;所述第五亲和度热力图用于表征所述第四角点和所述第一角点之间的第六线段,以及所述第六线段对应的第六长度值;其中,所述第二线段与所述第五线段垂直,所述第五线段与所述第六线段垂直;所述第一线段与所述第五线段的第一长度差值位于预设长度差值范围内,所述第二线段与所述第六线段的第二长度差值位于所述预设长度差值范围内;
所述根据所述亲和度热力图,确定目标可停靠车位,包括:
根据所述第一亲和度热力图、所述第二亲和度热力图,所述第四亲和度热力图以及所述第五亲和度热力图,确定第三目标可停靠车位。
6.根据权利要求2所述的方法,其特征在于,在所述至少两个角点包括第一角点、第二角点以及第三角点的情况下,根据所述第一角点、所述第二角点以及所述第三角点,确定亲和度热力图,包括:
根据所述第一角点和所述第二角点,确定第一亲和度热力图;
根据所述第一角点和所述第三角点,确定第三亲和度热力图;
其中,所述第一亲和度热力图用于表征所述第一角点和所述第二角点之间的第一线段,以及所述第一线段对应的第一长度值;所述第二亲和度热力图用于表征所述第一角点和所述第三角点之间的第三线段,以及所述第三线段对应的第三长度值;其中,所述第一线段与所述第三线段之间的夹角位于预设角度范围内;
所述根据所述亲和度热力图,确定目标可停靠车位,包括:
根据所述第一亲和度热力图和所述第三亲和度热力图,确定第二目标可停靠车位。
7.根据权利要求1所述的方法,其特征在于,在所述至少两个角点包括第一角点和第二角点的情况下,根据所述第一角点和所述第二角点,确定亲和度热力图,包括:
根据所述第一角点和所述第二角点,得到第三目标亲和度热力图;
其中,所述第三目标亲和度热力图用于表征所述第一角点和所述第二角点之间的位置关系,以及所述第一角点和所述第二角点之间的长度关系;
所述根据所述亲和度热力图,确定目标可停靠车位,包括:
根据所述第三目标亲和度热力图,利用预设算法确定第四目标可停靠车位。
8.一种车位确定装置,其特征在于,包括:
获取模块,用于获取目标区域的俯视图;基于卷积神经网络,从所述俯视图中识别得到角点热力图;
确定模块,用于根据所述角点热力图,确定亲和度热力图,所述亲和度热力图用于表征所述角点热力图中各个角点之间的位置关系,以及所述各个角点之间的长度关系;根据所述亲和度热力图,确定目标可停靠车位。
9.一种车位确定装置,其特征在于,包括:
存储有可执行程序代码的存储器;
以及所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,所述可执行程序代码被所述处理器执行时,使得所述处理器实现如权利要求1-7任一所述的方法。
10.一种计算机可读存储介质,其上存储有可执行程序代码,其特征在于,所述可执行程序代码被处理器执行时,实现如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327889.4A CN113076845B (zh) | 2021-03-26 | 2021-03-26 | 一种车位获取方法、车位确定装置、车辆及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110327889.4A CN113076845B (zh) | 2021-03-26 | 2021-03-26 | 一种车位获取方法、车位确定装置、车辆及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076845A true CN113076845A (zh) | 2021-07-06 |
CN113076845B CN113076845B (zh) | 2024-06-18 |
Family
ID=76610785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110327889.4A Active CN113076845B (zh) | 2021-03-26 | 2021-03-26 | 一种车位获取方法、车位确定装置、车辆及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076845B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926454A (zh) * | 2022-06-13 | 2022-08-19 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348297A (zh) * | 2019-05-31 | 2019-10-18 | 纵目科技(上海)股份有限公司 | 一种用于识别立体停车库的检测方法、***、终端和存储介质 |
WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
CN111310770A (zh) * | 2020-02-21 | 2020-06-19 | 集美大学 | 目标检测方法和装置 |
WO2020124988A1 (zh) * | 2018-12-21 | 2020-06-25 | 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 |
CN111497828A (zh) * | 2020-02-17 | 2020-08-07 | 湖北亿咖通科技有限公司 | 一种自动泊车方法、装置、介质及设备 |
-
2021
- 2021-03-26 CN CN202110327889.4A patent/CN113076845B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
WO2020124988A1 (zh) * | 2018-12-21 | 2020-06-25 | 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 |
CN110348297A (zh) * | 2019-05-31 | 2019-10-18 | 纵目科技(上海)股份有限公司 | 一种用于识别立体停车库的检测方法、***、终端和存储介质 |
CN111497828A (zh) * | 2020-02-17 | 2020-08-07 | 湖北亿咖通科技有限公司 | 一种自动泊车方法、装置、介质及设备 |
CN111310770A (zh) * | 2020-02-21 | 2020-06-19 | 集美大学 | 目标检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
何俏君;郭继舜;关倩仪;钟斌;付颖;谷俊;: "基于YOLOv2-Tiny的环视实时车位线识别算法", 汽车电器, no. 09 * |
姜武华;辛鑫;陈无畏;谢有浩;: "基于信息融合的自动泊车***车位线车位识别和决策规划", 中国机械工程, no. 10 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926454A (zh) * | 2022-06-13 | 2022-08-19 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
CN114926454B (zh) * | 2022-06-13 | 2023-03-24 | 镁佳(北京)科技有限公司 | 一种停车位检测方法及装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113076845B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6158162B2 (ja) | 関心地点を表示するための方法及び装置 | |
CN110363076B (zh) | 人员信息关联方法、装置及终端设备 | |
CN108921894B (zh) | 对象定位方法、装置、设备和计算机可读存储介质 | |
CN102194367B (zh) | 信息处理设备、地图更新方法以及信息处理*** | |
US7554575B2 (en) | Fast imaging system calibration | |
CN111814752B (zh) | 室内定位实现方法、服务器、智能移动设备、存储介质 | |
CN110794955B (zh) | 定位跟踪方法、装置、终端设备及计算机可读取存储介质 | |
CN108965835B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN112348863A (zh) | 图像对齐方法、图像对齐装置及终端设备 | |
KR20140103046A (ko) | 객체 추적 방법 및 이를 지원하는 전자 장치 | |
CN116582653B (zh) | 一种基于多摄像头数据融合的智能视频监控方法及*** | |
CN111832579B (zh) | 地图兴趣点数据处理方法、装置、电子设备以及可读介质 | |
CN111935641B (zh) | 一种室内自定位的实现方法、智能移动设备和存储介质 | |
CN110926478A (zh) | 一种ar导航路线纠偏方法、***及计算机可读存储介质 | |
CN112102407A (zh) | 显示设备的定位方法、装置、显示设备及计算机存储介质 | |
CN111199169A (zh) | 图像处理方法和装置 | |
CN110163914B (zh) | 基于视觉的定位 | |
CN113076845A (zh) | 一种车位获取方法、车位确定装置、车辆及可读存储介质 | |
CN113515143A (zh) | 机器人导航方法、机器人及计算机可读存储介质 | |
CN111985266B (zh) | 尺度图确定方法、装置、设备及存储介质 | |
CN111739086A (zh) | 测量面积的方法及装置、电子设备及存储介质 | |
US20140098991A1 (en) | Game doll recognition system, recognition method and game system using the same | |
CN116246308A (zh) | 基于视觉识别的多目标跟踪预警方法、装置及终端设备 | |
JP6591594B2 (ja) | 情報提供システム、サーバ装置、及び情報提供方法 | |
CN115393423A (zh) | 目标检测方法和装置 |
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 |