CN113096436B - 一种室内泊车方法和装置 - Google Patents
一种室内泊车方法和装置 Download PDFInfo
- Publication number
- CN113096436B CN113096436B CN202110321125.4A CN202110321125A CN113096436B CN 113096436 B CN113096436 B CN 113096436B CN 202110321125 A CN202110321125 A CN 202110321125A CN 113096436 B CN113096436 B CN 113096436B
- Authority
- CN
- China
- Prior art keywords
- parking space
- parking
- image
- indoor
- 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.)
- Active
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
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种室内泊车方法和装置,涉及人工智能技术领域。该方法的一具体实施方式包括:获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。该实施方式降低了泊车成本,提高了泊车的自动化程度,拓展了泊车的适用场景。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种室内泊车方法和装置。
背景技术
实现自动泊车首先需要执行环境感知步骤,即用传感器检测是否有合适的停车空。现有的自动泊车技术主要借助雷达***的传感器来获取周边环境,然后由软件处理***来操纵汽车做出响应,从而完成对应的操作。
现有技术中至少存在如下问题:
现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低。
发明内容
有鉴于此,本发明实施例提供了一种室内泊车方法和装置,能够降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景。
为实现上述目的,根据本发明实施例的第一方面,提供了一种室内泊车方法,包括:
获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;
对车位对象进行图像标注,确定车位对象的实际轮廓;
获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;
根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。
进一步地,在获取室内图像的步骤之后,方法还包括:
对室内图像进行图像识别处理,确定指示标签,其中,指示标签包括行驶方向标签、停车位方向标签、停车标签。
进一步地,对室内图像进行图像识别处理的步骤之后,若未确定车位对象,方法还包括:
根据行驶方向标签和/或停车位方向标签确定用户车辆的当前行驶路径;
获取当前行驶路径上,用户车辆周围的实时室内图像,直至确定至少一个车位对象。
进一步地,在获取室内图像的步骤之后,方法还包括:
对室内图像进行图像识别处理,确定障碍对象;其中,障碍对象包括固定障碍对象和移动障碍对象。
进一步地,在对室内环境图像进行图像识别处理的步骤之后,方法还包括:
根据图像识别处理结果和障碍对象确定至少一个车位对象。
进一步地,若障碍对象为移动障碍对象,方法还包括:
获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,并根据更新后的障碍对象对车位对象进行更新。
进一步地,对车位对象进行图像标注,确定车位对象的实际轮廓,还包括:
根据车位类型对车位对象进行图像标注;
根据图像标注结果确定车位对象的实际轮廓。
进一步地,根据车位类型对车位对象进行图像标注,还包括:
获取车位对象的车位图像属性对应的属性值;
根据属性值确定车位类型;
根据车位类型对车位对象进行图像标注。
进一步地,根据当前位置和目标车位对象的车位位置确定泊车路径,还包括:
根据当前位置、目标车位对象的车位位置以及障碍对象对应的位置确定泊车路径。
进一步地,根据当前位置、目标车位对象的车位位置以及障碍对象对应的位置确定泊车路径,还包括:
根据当前位置、目标车位对象的车位位置确定相对位置关系;
根据相对位置关系以及障碍对象对应的位置确定泊车路径。
进一步地,对室内图像进行图像识别处理,还包括:
获取多个障碍对象、车位对象以及指示标签,对神经网络模型进行训练;
利用训练之后的神经网络模型对室内图像进行图像识别处理。
根据本发明实施例的第二方面,提供了一种室内泊车装置,包括:
图像获取模块,用于获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;
图像标注模块,用于对车位对象进行图像标注,确定车位对象的实际轮廓;
车位对象确定模块,用于获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;
泊车模块,用于根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。
进一步地,图像标注模块,还用于:
获取车位对象的车位图像属性对应的属性值;
根据属性值确定车位类型;
根据车位类型对车位对象进行图像标注。
根据本发明实施例的第三方面,提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一种室内泊车方法。
根据本发明实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述任一种室内泊车方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的技术手段,所以克服了现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低的技术问题,进而达到降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明第一实施例提供的室内泊车方法的主要流程的示意图;
图2是根据本发明第二实施例提供的室内泊车方法的主要流程的示意图;
图3是根据本发明实施例提供的室内泊车装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例提供的室内泊车方法的主要流程的示意图;如图1所示,本发明实施例提供的室内泊车方法主要包括:
步骤S101,获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象。
具体地,根据本发明实施例,可以采用车载摄像头获取用户车辆周围的室内图像,进而根据对所获取的室内图像进行图像识别处理,确定至少一个车位对象。
进一步地,根据本发明实施例,在获取室内图像的步骤之后,上述方法还包括:
对室内图像进行图像识别处理,确定指示标签,其中,指示标签包括行驶方向标签、停车位方向标签、停车标签。
通过上述设置,通过对室内图像的识别处理,确定指示标签,有助于在未确定车位对象前,根据行驶方向标签、停车标签等规划用户车辆的当前行驶方向。
优选地,对室内图像进行图像识别处理的步骤之后,若未确定车位对象,上述方法还包括:
根据行驶方向标签和/或停车位方向标签确定用户车辆的当前行驶路径;
获取当前行驶路径上,用户车辆周围的实时室内图像,直至确定至少一个车位对象。
通过上述设置,在未确定车位对象的情况下,根据指示标签来规划车辆的当前行驶路径,进而获取当前行驶路径中用户车辆周围的实时图像,有助于用户完成泊车任务,满足用户泊车需求,提升用户体验。
示例性地,根据本发明实施例,在获取室内图像的步骤之后,上述方法还包括:
对室内图像进行图像识别处理,确定障碍对象;其中,障碍对象包括固定障碍对象和移动障碍对象。
具体地,固定障碍对象包括已完成泊车的车辆、柱子等;移动障碍对象包括行人、移动车辆等。通过对障碍对象的确定,尤其是移动障碍对象的状态变更后有助于实现对车位对象的更新。
进一步地,根据本发明实施例,上述对室内图像进行图像识别处理,还包括:
获取多个障碍对象、车位对象以及指示标签,对神经网络模型进行训练;
利用训练之后的神经网络模型对室内图像进行图像识别处理。
通过上述设置,根据大量深度学习,有助于提升图像识别处理效果,提高所确定的车位对象、障碍对象、指示标签的精确度,进而有利于满足用户需求。
优选地,根据本发明实施例,在对室内环境图像进行图像识别处理的步骤之后,上述方法还包括:
根据图像识别处理结果和障碍对象确定至少一个车位对象。
通过上述设置,上述图像识别处理结果包括车位对象、障碍对象、指示标签的图像模型,根据该图像模型与障碍对象进行匹配,可以快速确定至少一个车位对象,提升用户泊车效率。
进一步地,根据本发明实施例,若障碍对象为移动障碍对象,上述方法还包括:
获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,并根据更新后的障碍对象对车位对象进行更新。
通过上述设置,获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,进而对车位对象进行更新,拓展了自动泊车的适用场景,使其能够适用于复杂的环境。
步骤S102,对车位对象进行图像标注,确定车位对象的实际轮廓。
通过上述设置,利用图像标注技术确定车位对象的实际轮廓,有助于判断该车位对象是否能够满足泊车需求,以提升自动泊车的精确度。
进一步地,根据本发明实施例,上述根据车位类型对车位对象进行图像标注,还包括:
获取车位对象对应的车位图像属性对应的属性值;
根据属性值确定车位类型;
根据车位类型对车位对象进行图像标注。
具体地,车位图像属性包括:车位标识、车位对应的边缘点、车位入口点、车位被遮挡比例、车位被截断比例等。
车位类型包括空车位、遮挡车位、占用车位等。
通过上述设置,有助于快速、精确确定有效车位(可以满足用户泊车需求)。
步骤S103,获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象。
具体地,根据本发明实施例,可以根据用户需求(如便于泊车、距离入口最近距离、距离出口最近距离、空车位较多的片区等)来制定约束条件,进而根据当前位置、车位位置以及车位对象对应的实际轮廓等来确定目标车位对象,以进一步提升用户需求。
步骤S104,根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。
进一步地,根据本发明实施例,上述根据当前位置和目标车位对象的车位位置确定泊车路径,还包括:
根据当前位置、目标车位对象的车位位置以及障碍对象对应的位置确定泊车路径。
通过上述设置,将障碍对象的位置纳入考量范围,有助于提升用户泊车效率,避免出现不必要的延误等。
根据本发明实施例的技术方案,因为采用获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的技术手段,所以克服了现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低的技术问题,进而达到降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景的技术效果。
图2是根据本发明第二实施例提供的室内泊车方法的主要流程的示意图;如图2所示,本发明实施例提供的室内泊车方法主要包括:
步骤S201,获取室内图像,对室内图像进行图像识别处理,以确定障碍对象、指示标签和车位对象。
具体地,根据本发明实施例,可以采用车载摄像头获取用户车辆周围的室内图像,进而根据对所获取的室内图像进行图像识别处理,确定障碍对象、指示标签以及车位对象。其中,指示标签有助于在未确定车位对象前,根据行驶方向标签、停车标签等规划用户车辆的当前行驶方向。障碍对象的确定则有助于实现对车位对象的更新。
进一步地,根据本发明实施例,上述对室内图像进行图像识别处理,还包括:
获取多个障碍对象、车位对象以及指示标签,对神经网络模型进行训练;
利用训练之后的神经网络模型对室内图像进行图像识别处理。
通过上述设置,根据大量深度学习,有助于提升图像识别处理效果,提高所确定的车位对象、障碍对象、指示标签的精确度,进而有利于满足用户需求。
优选地,根据本发明实施例,在对室内环境图像进行图像识别处理的步骤之后,上述方法还包括:
根据图像识别处理结果和障碍对象确定至少一个车位对象。
通过上述设置,上述图像识别处理结果包括车位对象、障碍对象、指示标签的图像模型,根据该图像模型与障碍对象进行匹配,可以快速确定至少一个车位对象,提升用户泊车效率。
进一步地,根据本发明实施例,若障碍对象为移动障碍对象,上述方法还包括:
获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,并根据更新后的障碍对象对车位对象进行更新。
通过上述设置,获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,进而对车位对象进行更新,拓展了自动泊车的适用场景,使其能够适用于复杂的环境。
步骤S202,判断车位对象是否大于或等于一个。若否,即未确定车位对象,转到步骤S203;若是,即确定至少一个车位对象,执行步骤S204。
进一步地,若障碍对象为移动障碍对象,方法还包括:
获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,并根据更新后的障碍对象对车位对象进行更新。
步骤S203,根据行驶方向标签和/或停车位方向标签确定用户车辆的当前行驶路径;获取当前行驶路径上,用户车辆周围的实时室内图像,直至确定至少一个车位对象。
步骤S204,获取车位对象对应的车位图像属性对应的属性值;根据属性值确定车位类型;根据车位类型对车位对象进行图像标注。
步骤S205,根据图像标注结果确定车位对象的实际轮廓。
通过上述设置,利用图像标注技术确定车位对象的实际轮廓,有助于判断该车位对象是否能够满足泊车需求,以提升自动泊车的精确度。
进一步地,根据本发明实施例,上述根据车位类型对车位对象进行图像标注,还包括:
获取车位对象对应的车位图像属性对应的属性值;
根据属性值确定车位类型;
根据车位类型对车位对象进行图像标注。
具体地,车位图像属性包括:车位标识、车位对应的边缘点、车位入口点、车位被遮挡比例、车位被截断比例等。
车位类型包括空车位、遮挡车位、占用车位等。
通过上述设置,有助于快速、精确确定有效车位(可以满足用户泊车需求)。
具体地,根据本发明实施例的一具体实施方式,在进行图像标注处理过程中还可以设置处理规则,具体包括针对不同的车位类型:如遮挡类型、截断类型等情况的相应规则,具体规则包括:
其中,“入”表示入口点数量,;Empty Parking表示空车位;Occluded Parking表示遮挡车位;Occupied Parking表示被占用车位;Dont Care指图像识别不清晰;或不确定是否为停车位的区域。具体地还可以包括:Stop Bar是指停车位后方用来挡住车辆后轮的挡车器;Parking Obstacle是指障碍物等。通过上述识别规则,能够快速、精确地确定有效车位。
步骤S206,获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象。
具体地,根据本发明实施例,可以根据用户需求(如便于泊车、距离入口最近距离、距离出口最近距离、空车位较多的片区等)来制定约束条件,进而根据当前位置、车位位置以及车位对象对应的实际轮廓等来确定目标车位对象,以进一步提升用户需求。
步骤S207,根据当前位置、目标车位对象的车位位置确定相对位置关系;根据相对位置关系以及障碍对象对应的位置确定泊车路径。
通过上述设置,将障碍对象的位置纳入考量范围,有助于提升用户泊车效率,避免出现不必要的延误等。
步骤S208,根据泊车路径进行室内泊车。
根据本发明实施例的技术方案,因为采用获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的技术手段,所以克服了现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低的技术问题,进而达到降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景的技术效果。
图3是根据本发明实施例提供的室内泊车装置的主要模块的示意图;如图3所示,本发明实施例提供的室内泊车装置300主要包括:
图像获取模块301,用于获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象。
具体地,根据本发明实施例,可以采用车载摄像头获取用户车辆周围的室内图像,进而根据对所获取的室内图像进行图像识别处理,确定至少一个车位对象。
进一步地,根据本发明实施例,上述室内泊车装置300还包括指示标签确定模块,在获取室内图像的步骤之后,用于:
对室内图像进行图像识别处理,确定指示标签,其中,指示标签包括行驶方向标签、停车位方向标签、停车标签。
通过上述设置,通过对室内图像的识别处理,确定指示标签,有助于在未确定车位对象前,根据行驶方向标签、停车标签等规划用户车辆的当前行驶方向。
优选地,对室内图像进行图像识别处理的步骤之后,若未确定车位对象,上述图像获取模块301还用于:
根据行驶方向标签和/或停车位方向标签确定用户车辆的当前行驶路径;
获取当前行驶路径上,用户车辆周围的实时室内图像,直至确定至少一个车位对象。
通过上述设置,在未确定车位对象的情况下,根据指示标签来规划车辆的当前行驶路径,进而获取当前行驶路径中用户车辆周围的实时图像,有助于用户完成泊车任务,满足用户泊车需求,提升用户体验。
示例性地,根据本发明实施例,上述室内泊车装置300还包括障碍对象确定模块,在获取室内图像的步骤之后,用于:
对室内图像进行图像识别处理,确定障碍对象;其中,障碍对象包括固定障碍对象和移动障碍对象。
具体地,固定障碍对象包括已完成泊车的车辆、柱子等;移动障碍对象包括行人、移动车辆等。通过对障碍对象的确定,尤其是移动障碍对象的状态变更后有助于实现对车位对象的更新。
进一步地,根据本发明实施例,上述图像获取模块301,还用于:
获取多个障碍对象、车位对象以及指示标签,对神经网络模型进行训练;
利用训练之后的神经网络模型对室内图像进行图像识别处理。
通过上述设置,根据大量深度学习,有助于提升图像识别处理效果,提高所确定的车位对象、障碍对象、指示标签的精确度,进而有利于满足用户需求。
优选地,根据本发明实施例,在对室内环境图像进行图像识别处理的步骤之后,上述图像获取模块301,还用于:
根据图像识别处理结果和障碍对象确定至少一个车位对象。
通过上述设置,上述图像识别处理结果包括车位对象、障碍对象、指示标签的图像模型,根据该图像模型与障碍对象进行匹配,可以快速确定至少一个车位对象,提升用户泊车效率。
进一步地,根据本发明实施例,上述室内泊车装置300还包括更新模块,若障碍对象为移动障碍对象,用于:
获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,并根据更新后的障碍对象对车位对象进行更新。
通过上述设置,获取移动障碍对象的实时位置,根据实时位置对障碍对象进行更新,进而对车位对象进行更新,拓展了自动泊车的适用场景,使其能够适用于复杂的环境。
图像标注模块302,用于对车位对象进行图像标注,确定车位对象的实际轮廓。
通过上述设置,利用图像标注技术确定车位对象的实际轮廓,有助于判断该车位对象是否能够满足泊车需求,以提升自动泊车的精确度。
进一步地,根据本发明实施例,上述图像标注模块302,还用于:
获取车位对象对应的车位图像属性对应的属性值;
根据属性值确定车位类型;
根据车位类型对车位对象进行图像标注。
具体地,车位图像属性包括:车位标识、车位对应的边缘点、车位入口点、车位被遮挡比例、车位被截断比例等。
车位类型包括空车位、遮挡车位、占用车位等。
通过上述设置,有助于快速、精确确定有效车位(可以满足用户泊车需求)。
车位对象确定模块303,用于获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象。
具体地,根据本发明实施例,可以根据用户需求(如便于泊车、距离入口最近距离、距离出口最近距离、空车位较多的片区等)来制定约束条件,进而根据当前位置、车位位置以及车位对象对应的实际轮廓等来确定目标车位对象,以进一步提升用户需求。
泊车模块304,用于根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。
进一步地,根据本发明实施例,上述根据当前位置和目标车位对象的车位位置确定泊车路径,还包括:
根据当前位置、目标车位对象的车位位置以及障碍对象对应的位置确定泊车路径。
通过上述设置,将障碍对象的位置纳入考量范围,有助于提升用户泊车效率,避免出现不必要的延误等。
根据本发明实施例的技术方案,因为采用获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的技术手段,所以克服了现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低的技术问题,进而达到降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景的技术效果。
图4示出了可以应用本发明实施例的室内泊车方法或室内泊车装置的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404和服务器405(此架构仅仅是示例,具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如自动驾驶类应用、自动泊车类应用、数据处理类应用等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所(进行自动泊车/进行数据处理)的服务器(仅为示例)。该服务器可以对接收到的室内图像等数据进行分析等处理,并将处理结果(例如目标车位对象、泊车路径--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的室内泊车方法一般由服务器405执行,相应地,室内泊车装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机***500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、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,上述模块、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,在有些作为替换的实现中,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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括图像获取模块、图像标注模块、车位对象确定模块和泊车模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,泊车模块还可以被描述为“用于根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车。
根据本发明实施例的技术方案,因为采用获取室内图像,对室内图像进行图像识别处理,确定至少一个车位对象;对车位对象进行图像标注,确定车位对象的实际轮廓;获取用户车辆的当前位置和车位对象的车位位置,根据当前位置、车位位置和车位对象的实际轮廓确定目标车位对象;根据当前位置和目标车位对象的车位位置确定泊车路径,根据泊车路径进行室内泊车的技术手段,所以克服了现有的自动泊车技术,采用雷达***的传感器,导致泊车成本较高,且往往只能识别简单的场景,对于复杂的环境需要人工参与,适用场景较窄,自动化程度较低的技术问题,进而达到降低泊车成本,提高泊车的自动化程度,拓展泊车的适用场景的技术效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种室内泊车方法,其特征在于,包括:
获取室内图像,对所述室内图像进行图像识别处理,确定至少一个车位对象;若未确定车位对象,对所述室内图像进行图像识别处理,确定指示标签,其中,所述指示标签包括行驶方向标签、停车位方向标签、停车标签;根据所述行驶方向标签和/或所述停车位方向标签确定用户车辆的当前行驶路径;获取所述当前行驶路径上,所述用户车辆周围的实时室内图像,直至确定至少一个车位对象;所述对所述室内图像进行图像识别处理,确定至少一个车位对象的步骤包括:对所述室内图像进行图像识别处理,确定障碍对象;根据图像识别处理结果和所述障碍对象确定至少一个车位对象;其中,所述障碍对象包括固定障碍对象和移动障碍对象;
对所述车位对象进行图像标注,确定所述车位对象的实际轮廓;
获取用户车辆的当前位置和所述车位对象的车位位置,根据所述当前位置、所述车位位置和所述车位对象的实际轮廓确定目标车位对象;
根据所述当前位置和所述目标车位对象的车位位置确定泊车路径,根据所述泊车路径进行室内泊车。
2.根据权利要求1所述的室内泊车方法,其特征在于,若所述障碍对象为移动障碍对象,所述方法还包括:
获取所述移动障碍对象的实时位置,根据所述实时位置对所述障碍对象进行更新,并根据更新后的障碍对象对所述车位对象进行更新。
3.根据权利要求1所述的室内泊车方法,其特征在于,所述对所述车位对象进行图像标注,确定所述车位对象的实际轮廓,还包括:
根据车位类型对所述车位对象进行图像标注;
根据图像标注结果确定所述车位对象的实际轮廓。
4.根据权利要求3所述的室内泊车方法,其特征在于,所述根据车位类型对所述车位对象进行图像标注,还包括:
获取所述车位对象的车位图像属性对应的属性值;
根据所述属性值确定车位类型;
根据车位类型对所述车位对象进行图像标注。
5.根据权利要求1所述的室内泊车方法,其特征在于,所述根据所述当前位置和所述目标车位对象的车位位置确定泊车路径,还包括:
根据所述当前位置、所述目标车位对象的车位位置以及所述障碍对象对应的位置确定所述泊车路径。
6.根据权利要求5所述的室内泊车方法,其特征在于,所述根据所述当前位置、所述目标车位对象的车位位置以及所述障碍对象对应的位置确定所述泊车路径,还包括:
根据所述当前位置、所述目标车位对象的车位位置确定相对位置关系;
根据所述相对位置关系以及所述障碍对象对应的位置确定所述泊车路径。
7.根据权利要求1所述的室内泊车方法,其特征在于,所述对所述室内图像进行图像识别处理,还包括:
获取多个障碍对象、车位对象以及指示标签,对神经网络模型进行训练;
利用训练之后的神经网络模型对所述室内图像进行图像识别处理。
8.一种室内泊车装置,其特征在于,包括:
图像获取模块,用于获取室内图像,对所述室内图像进行图像识别处理,确定至少一个车位对象;若未确定车位对象,对所述室内图像进行图像识别处理,确定指示标签,其中,所述指示标签包括行驶方向标签、停车位方向标签、停车标签;根据所述行驶方向标签和/或所述停车位方向标签确定用户车辆的当前行驶路径;获取所述当前行驶路径上,所述用户车辆周围的实时室内图像,直至确定至少一个车位对象;在获取室内图像之后,所述图像获取模块还用于对所述室内图像进行图像识别处理,确定障碍对象;根据图像识别处理结果和所述障碍对象确定至少一个车位对象;其中,所述障碍对象包括固定障碍对象和移动障碍对象;
图像标注模块,用于对所述车位对象进行图像标注,确定所述车位对象的实际轮廓;
车位对象确定模块,用于获取用户车辆的当前位置和所述车位对象的车位位置,根据所述当前位置、所述车位位置和所述车位对象的实际轮廓确定目标车位对象;
泊车模块,用于根据所述当前位置和所述目标车位对象的车位位置确定泊车路径,根据所述泊车路径进行室内泊车。
9.根据权利要求8所述的室内泊车装置,其特征在于,所述图像标注模块,还用于:
获取所述车位对象的车位图像属性对应的属性值;
根据所述属性值确定车位类型;
根据车位类型对所述车位对象进行图像标注。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321125.4A CN113096436B (zh) | 2021-03-25 | 2021-03-25 | 一种室内泊车方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110321125.4A CN113096436B (zh) | 2021-03-25 | 2021-03-25 | 一种室内泊车方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113096436A CN113096436A (zh) | 2021-07-09 |
CN113096436B true CN113096436B (zh) | 2022-12-23 |
Family
ID=76669993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110321125.4A Active CN113096436B (zh) | 2021-03-25 | 2021-03-25 | 一种室内泊车方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113096436B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969655A (zh) * | 2019-10-24 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 用于检测车位的方法、装置、设备、存储介质以及车辆 |
CN111169468A (zh) * | 2018-11-12 | 2020-05-19 | 北京初速度科技有限公司 | 一种自动泊车的***及方法 |
CN111319615A (zh) * | 2020-03-16 | 2020-06-23 | 湖北亿咖通科技有限公司 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112419776A (zh) * | 2020-10-16 | 2021-02-26 | 爱驰汽车(上海)有限公司 | 自主泊车方法、装置、汽车及计算设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6660595B2 (ja) * | 2016-06-07 | 2020-03-11 | パナソニックIpマネジメント株式会社 | 駐車空間探索装置、プログラムおよび記録媒体 |
CN109741617A (zh) * | 2018-11-12 | 2019-05-10 | 浙江吉利汽车研究院有限公司 | 一种停车场泊车导航方法及装置 |
CN109754639B (zh) * | 2019-02-28 | 2020-12-25 | 北京智行者科技有限公司 | 泊车入库方法及装置 |
JP7346129B2 (ja) * | 2019-07-29 | 2023-09-19 | フォルシアクラリオン・エレクトロニクス株式会社 | 駐車支援装置及び駐車支援装置の制御方法 |
-
2021
- 2021-03-25 CN CN202110321125.4A patent/CN113096436B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111169468A (zh) * | 2018-11-12 | 2020-05-19 | 北京初速度科技有限公司 | 一种自动泊车的***及方法 |
CN110969655A (zh) * | 2019-10-24 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 用于检测车位的方法、装置、设备、存储介质以及车辆 |
CN111319615A (zh) * | 2020-03-16 | 2020-06-23 | 湖北亿咖通科技有限公司 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112419776A (zh) * | 2020-10-16 | 2021-02-26 | 爱驰汽车(上海)有限公司 | 自主泊车方法、装置、汽车及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113096436A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3637310A1 (en) | Method and apparatus for generating vehicle damage information | |
US10872251B2 (en) | Automated annotation techniques | |
CN110533055B (zh) | 一种点云数据的处理方法和装置 | |
CN110689804B (zh) | 用于输出信息的方法和装置 | |
CN112560680A (zh) | 车道线处理方法、装置、电子设备及存储介质 | |
CN113191256A (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN115240157B (zh) | 道路场景数据持久化方法、装置、设备和计算机可读介质 | |
CN114036253A (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN115761702A (zh) | 车辆轨迹生成方法、装置、电子设备和计算机可读介质 | |
CN110287817B (zh) | 目标识别及目标识别模型的训练方法、装置和电子设备 | |
CN110321854B (zh) | 用于检测目标对象的方法和装置 | |
CN110633597A (zh) | 一种可行驶区域检测方法和装置 | |
CN112558036B (zh) | 用于输出信息的方法和装置 | |
CN113096436B (zh) | 一种室内泊车方法和装置 | |
CN115326079B (zh) | 车辆车道级定位方法、装置、设备和计算机可读介质 | |
CN115512336B (zh) | 基于路灯光源的车辆定位方法、装置和电子设备 | |
CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
CN112668371B (zh) | 用于输出信息的方法和装置 | |
CN110634155A (zh) | 一种基于深度学习的目标检测方法和装置 | |
CN113688721B (zh) | 用于拟合车道线的方法及装置 | |
CN115061386A (zh) | 智能驾驶的自动化仿真测试***及相关设备 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN111383337B (zh) | 用于识别对象的方法和装置 |
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 |