CN114926454B - 一种停车位检测方法及装置、电子设备 - Google Patents
一种停车位检测方法及装置、电子设备 Download PDFInfo
- Publication number
- CN114926454B CN114926454B CN202210666841.0A CN202210666841A CN114926454B CN 114926454 B CN114926454 B CN 114926454B CN 202210666841 A CN202210666841 A CN 202210666841A CN 114926454 B CN114926454 B CN 114926454B
- Authority
- CN
- China
- Prior art keywords
- corner
- corner point
- point
- parking space
- vector
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种停车位检测方法及装置、电子设备,该方法包括:获取车辆周围停车场的环境信息得到角点集合;四个角点分别对应四个嵌入向量集合;计算第一个角点的嵌入向量与第三个角点的嵌入向量的余弦相似度,筛选出可能属于同一个车位的第一角点和第三角点组合,计算第二个角点的嵌入向量和第四个角点嵌入向量的余弦相似度,筛选出可能属于同一个车位的第二角点和第四角点的组合;对筛选出的第一角点和第二角点进行聚类,聚类出所有可能的停车位入口点,使用聚类后的入口点筛选出停车位组合中可能跨越多个车位的情况;最后使用NMS算法,得到属于同一车位的第一角点、第二角点、第三角点和第四角点。由此可以提高车位预测精度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种停车位检测方法及装置、电子设备。
背景技术
对于许多驾驶员而言,顺列式驻车是一种痛苦的经历,大城市停车空间有限,将汽车驶入狭小的空间已成为一项必备技能。很少有不费一番周折就停好车的情况。针对这种情况开发出了自动泊车的功能,驾驶员在使用该自动泊车功能时,只需轻轻启动按钮、坐定、放松,其他一切即可自动完成。但是实现自动泊车的前提是需要预测出停车位,才能自动安全的操作车辆停入停车位中。
现有的停车位检测方案中,由于停车位的类型差异,大多数是通过预测停车位四个角点的坐标进而得到目标车位,但是这种通过预测角点组成车位的方法,对停车位的预测精度过低,增加了停车位检测结果的不确定性,降低了停车位检测的精度。
发明内容
因此,本发明为了解决根据目前停车位预测过程过于繁琐且准确性不高的问题,从而提供一种停车位检测方法及装置、电子设备。
为实现上述目的,本发明采用如下技术方案:
本发明实施例提供了一种停车位检测方法,包括:获取车辆周围停车场的环境信息;将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合;在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成同一车位的两个对角线角点的第一向量集合;在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成同一车位的两个对角线角点的第二向量集合;计算所述第一向量集合中的各第一向量与第二向量集合中的各第二向量的线段相交性,根据所述的线段相交性在所述第一向量集合和所述第二向量集合中筛选出可能属于同一车位的第一向量和第二向量;并根据所述第一向量集合和所述第二向量集合得到可以属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集;利用聚类算法在所述第一个角点集合和第二个角点集合,聚类出与该第一角点属于同一车位的第二角点;利用聚类后的第一角点和第二角点聚类出的与该第一角点属于同一车位的第二角点在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。
可选地,所述停车位检测方法,还包括:在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度,包括:获取所述第一角点和所述第三角点集合中各角点的热力图、偏移量图和嵌入向量图;利用所述偏移量图对所述第一角点和所述第三角点集合中各角点的位置进行修正;根据所述热力图和所述嵌入向量图的对应关系,确定所述第一角点和所述第三角点集合中各角点的嵌入向量;计算所述第一角点的嵌入向量和所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;和/或,在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度,包括:获取所述第二角点和所述第四角点集合中各角点的热力图、偏移量图和嵌入向量图;利用所述偏移量图对所述第二角点和所述第四角点集合中各角点的位置进行修正;根据所述热力图和所述嵌入向量图的对应关系,确定所述第二角点和所述第四角点集合中各角点的嵌入向量;计算所述第二角点的嵌入向量和所述第四角点集合中各第四角点嵌入向量的第二余弦相似度。
可选地,利用所述偏移量图对热力图得到的坐标进行修正,包括:根据所述角点的热力图,确定所述角点的第一坐标;根据所述角点的偏移量图,确定所述角点的偏移量;利用所述角点的偏移量对所述角点的坐标进行修正,得到所述角点修正后的第二坐标。
可选地,根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点,包括:当所述第一余弦相似度大于预设的第一阈值时,确定所述第三角点集合中的第三角点与所述第一角点可能属于同一车位;和/或,根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点,包括:当所述第二余弦相似度大于预设的第一阈值时,确定所述第四角点集合中的第四角点与所述第二角点可能属于同一车位。
可选地,所述停车位检测方法,还包括:获取由以所述第一角点为顶点和所述第四角点、第二角点组成的第一角;获取由以所述第二角点为顶点和所述第三角点、第一角点组成的第二角;当所述第一角与所述第二角相似时,确定所述第一角点、第二角点、第三角点和第四角点为属于同一车位的第一角点、第二角点、第三角点和第四角点。
可选地,根据筛选出的与该第一角点属于同一车位的第二角点在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,包括:根据所述第一角点,确定在所述第三角点子集中与所述第一角点属于同一车位的第三角点;根据与所述第一角点属于同一车位的第二角点,确定在所述第四角点子集中与所述第二角点属于同一车位的第四角点。
可选地,所述根据所述角点的热力图,确定所述角点的第一坐标,还包括:根据所述角点的热力图,确定所述角点的占用概率;根据所述角点的占用概率,确定所述停车位的占用情况。
根据第二方面,本发明还公开了一种停车位检测方法装置,包括:获取模块,用于获取车辆周围停车场的环境信息;集合确定模块,用于将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合;第一构建模块,用于在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成同一车位的两个对角线角点的第一向量集合;第二构建模块,用于在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成同一车位的两个对角线角点的第二向量集合;计算模块,用于计算所述第一向量集合中的各第一向量与第二向量集合中的各第二向量的线段相交性,根据所述的线段相交性在所述第一向量集合和所述第二向量集合中筛选出可能属于同一车位的第一向量和第二向量;并根据所述第一向量集合和所述第二向量集合得到可以属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集;聚类模块,用于利用聚类算法在所述第一个角点集合和第二个角点集合,聚类出与该第一角点属于同一车位的第二角点;利用聚类后的第一角点和第二角点聚类出的与该第一角点属于同一车位的第二角点在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。
根据第四方面,本发明实施例还公开了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的停车位检测方法步骤。
根据第五方面,本发明实施方式还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的停车位检测方法步骤。
本发明技术方案,具有如下优点:
1、本发明通过获取车辆周围停车场的环境信息,进而将停车场的环境信息输入到图像处理模型中得到停车位的第一角点集合、第二角点集合、第三角点集合和第四角点集合,再在第一角点集合中选取任意一个第一角点,计算该第一角点与第三角点集合中各第三角点的第一余弦相似度,进而根据第一余弦相似度在第三角点集合中筛选出与该第一角点可能属于同一车位的第三角点,利用该第一角点与筛选出的第三角点构成一个停车位对角线集合,执行上述方法在第二角点中选取任意一个第二角点并筛选出与该第二角点可能属于同一车位的第四角点,得到第二角点和第四角点构成的另一个停车位对角线集合得到可以属于同一车位的第一角点、第二角点子集、第三角点子集、第四角点子集,进而利用聚类算法,筛选出可能属于同一车位的第一角点、第二角点、第三角点、第四角点。本发明通过上述方法可以准确的预测出停车位的位置,提高车位预测精度和实时性。
2、本发明通过利用停车位各个角点的热力图,确定该角点的占用概率,进而得到整个停车位的占用概率,最终得到该停车位的占用概率,提高了对听策划为占用情况的预测精度,提高了用户的体验感。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中停车位检测方法的流程示意图;
图2为本发明实施例中停车位检测方法的一个具体示意图;
图3为本发明实施例中停车位检测方法的另一个具体示意图;
图4为本发明实施例中一种停车位检测装置的结构示意图;
图5为本发明实施例中电子设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,在本申请说明书和所附权利要求书中使用的术语“及/和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种停车位检测方法,如图1所示,该方法包括如下步骤:
步骤101,获取车辆周围停车场的环境信息。
作为具体的实施方式,可以通过车辆的360环视***,采集车辆周围的停车场环境图片,得到车辆周围停车场的环境信息。
步骤102,将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合。
其中,如图2所示,图像处理模型可以为以堆叠沙漏的网络结构(HourglassNetwork)作为核心(backbone)的神经网络模型,该图像处理模型的训练方式为:采集图像数据,利用预设的标注规则对图像数据进行标注,得到训练数据,进而利用训练数据对待训练模型进行训练得到图像处理模型。
由于本发明是基于停车位的四个角点对停车位进行检测,因此为了提高算法的准确性,需要按照一定的标注规则对图像数据进行标注得到训练数据。标注规则可以为从停车位的入口处按照顺时针方向依次进行标注,如图3所示,l例如可以从停车位的入口角点1开始按照顺时针的方向进行标注得到带有1、2、3、4标识的训练数据。
进而,可以将车辆周围停车场的环境信息输入到已经训练好的图像处理模型中,得到车辆周围停车场环境中的第一角点集合、第二角点集合、第三角点集合和第四角点集合。
步骤103,在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成可能构成同一车位的两个对角线角点的第一个向量集合。
步骤104,在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成可能构成同一车位的两个对角线角点的第二向量集合。
作为具体的实施方式,对于第一角点集合、第二角点集合、第三角点集合和第四角点集合中的任意一个角点集合,获取该角点集合中角点的热力图和偏移量图,通过该角点的热力图,确定该角点的第一坐标,利用该角点的偏移量图得到该角点的偏移量,并根据该偏移量对该角点的第一坐标进行修正,得到该角点修正后的第二坐标。其中,热力图、偏移量图和嵌入向量图是一一对应的,其嵌入向量图中每一个像素位置是多维向量。嵌入向量图表示的是每个点的特征,这个特征是多维的,这种利用高维度对图像特征进行区分可以避免一些图像特征在低维度无法区分的问题。
进而计算该第一角点的嵌入向量与第三角点集合中任意一个第三角点的嵌入向量的第一余弦相似度,当该第一余弦相似度大于预设的第一阈值时,证明该第一角点和该第三角点可能属于同一车位。并利用该第一角点和筛选出的第三角点构成停车位对角线的集合第一向量。遍历第三角点集合中的所有第三角点,得到与该第一角点可能属于同一车位的所有第三角点,第一第三角点可以组成的所有停车位对角线集合利用上述方法,可以在第二角点集合中选取任意一个第二角点,计算该第二角点的嵌入向量与第四角点集合中任意一个第四角点的嵌入向量的第二余弦相似度,当该第二余弦相似度大于第一阈值时,证明该第二角点与该第四角点可能属于同一车位。并利用该第二角点和筛选出的第四角点构成第二向量。遍历第四角点集合中的所有第四角点,得到与该第二角点可能属于同一车位的所有第四角点,第二第四角点可以组成的所有停车位对角线集合。
步骤105,计算所述第一个向量集合中的各对角点组合第一向量与第二向量集合中的各第二向量的线段相交性第三余弦相似度,根据所述的线段相交性第三余弦相似度在所述第一向量集合和所述第二向量集合中筛选出可能属于同一车位的第一向量和第二向量;并根据所述第一向量集合向量和所述第二向量个集合向量得到可以属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集。
作为具体的实施方式,可以通过在第一个对角线组合中任选一个对角线然后在第二个对角线组合中任选一个判断两个对角线组成的线段的相交性,如果两个对角线组成的线段相交,则这两个对角线可以组成一个车位,组成这两个对角线的四个点可能是属于同一车位的第一角点、第二角点、第三角点和第四角点。
进而,筛选出可能属于同一车位的所有第一角点、第二角点、第三角点、第四角点的集合。
步骤106,利用聚类算法在所述第一个角点集合和第二个角点集合,聚类出可能的停车位入口的点第二角点子集中筛选出与该第一角点属于同一车位的第二角点;使利用聚类后的入口第一角点和第二角点筛选出停车位组合中可能跨越多个车位的情况根据筛选聚类出的与该第一角点属于同一车位的第二角点在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。
利用聚类算法,聚类出停车位的入口点,然后筛选上面得到的可能停车位的组合,筛选出停车位的入口线横跨至少三个入口点时,认为这是不对的,要筛除掉。作为具体的实施方式,可以利用聚类算法,例如mean-shift算法聚类出停车位的入口点,进而通过任意停车位入口处两点之间,在一定阈值范围内只能有两个聚类点筛选出最终的结果,最后根据得到的停车位的两个入口点连线线段在一定阈值范围之间只能有两个入口点,如果大于了两个入口点,则判定该停车位跨越了多个车位,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。进一步的,对停车位入口角点进行聚类算法前,还可以通过以第一角点为顶点,以第一角点和第四角点组成一条边以及以第一角点和第二角点一条边,进而利用该顶点以及两条边组成第一角。并利用以第二角点为顶点,以第二角点和第三角点组成一条边以及以第二角点和第一角点一条边,进而利用该顶点以及两条边组成第二角。进而比较该第一角与第二角的相似程度,当该第一角与第二角相似时,可以确定该第一角点与第二角点可能是属于同一车位,因为垂直车位、水平车位、倾斜车位本身两侧是对称的。
同时,每个角点的热力图还存在一组数据,用来表示该停车位的占用概率,可以根据每一个角点的占用概率,确定该停车位整体的概率。例如,可以在获取到四个角点的占用概率之后,计算四个角点占用概率的平均值,当该平均值大于占用概率阈值时,可以确定该车位已被占用,也可以根据大数据采集分析停车场车主的停车习惯,确定停车时最接近的角点,进而对四个角点进行加权计算,该计算方法,可以根据实际情况进行修改,本发明对此不作限定。
本发明还提供了一种停车位检测装置,如图4所示,该装置包括:
获取模块41,用于获取车辆周围停车场的环境信息,详细内容参考步骤101所述;
集合确定模块42,用于将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合,详细内容参考步骤102所述;
第一构建模块43,用于在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成同一车位的两个对角线角点的第一向量集合,详细内容参考步骤103所述;
第二构建模块44,用于在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成同一车位的两个对角线角点的第二向量集合,详细内容参考步骤104所述;
计算模块45,用于计算所述第一向量集合中的各第一向量与第二向量集合中的各第二向量的线段相交性,根据所述的线段相交性在所述第一向量集合和所述第二向量集合中筛选出可能属于同一车位的第一向量和第二向量;并根据所述第一向量集合和所述第二向量集合得到可以属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集,详细内容参考步骤105所述;
聚类模块46,用于利用聚类算法在所述第一个角点集合和第二个角点集合,聚类出与该第一角点属于同一车位的第二角点;利用聚类后的第一角点和第二角点聚类出的与该第一角点属于同一车位的第二角点在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点,详细内容参考步骤106所述。
本发明实施例还提供了一种工程机械,如图5所示,该电子设备可以包括处理器501和存储器502,其中处理器501和存储器502可以通过总线或者其他方式连接,图5中以通过总线连接为例。
处理器501可以为中央处理器(Central ProceAAing Unit,CPU)。处理器501还可以为其他通用处理器、数字信号处理器(Digital Aignal ProceAAor,DAP)、专用集成电路(Application Apecific Integrated Circuit,AAIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器502作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的停车位检测方法装置按键屏蔽方法对应的程序指令/模块。处理器501通过运行存储在存储器502中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的停车位检测方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器501所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至处理器501。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器502中,当被所述处理器501执行时,执行如图1-3所示实施例中的停车位检测方法。
上述电子设备具体细节可以对应参阅图1-3所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AcceAAMemory,RAM)、快闪存储器(FlaAhMemory)、硬盘(Hard DiAk Drive,缩写:HDD)或固态硬盘(Aolid-Atate Drive,AAD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种停车位检测方法,其特征在于,包括:
获取车辆周围停车场的环境信息;
将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合;
在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成同一车位的两个对角线角点的第一向量集合;
在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成同一车位的两个对角线角点的第二向量集合;
计算所述第一向量集合中的各第一向量与第二向量集合中的各第二向量的线段相交性,根据所述的线段相交性在所述第一向量集合和所述第二向量集合中筛选出属于同一车位的第一向量和第二向量;并根据所述第一向量和所述第二向量得到属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集;
利用聚类算法在所述第二角点子集中,筛选出与该第一角点属于同一车位的第二角点;根据筛选出的与该第一角点属于同一车位的第二角点,在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。
2.根据权利要求1所述的方法,其特征在于,
在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度,包括:
获取所述第一角点和所述第三角点集合中各角点的热力图、偏移量图和嵌入向量图;
利用所述偏移量图对所述第一角点和所述第三角点集合中各角点的位置进行修正;
根据所述热力图和所述嵌入向量图的对应关系,确定所述第一角点和所述第三角点集合中各角点的嵌入向量;
计算所述第一角点的嵌入向量和所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;
和/或,
在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度,包括:
获取所述第二角点和所述第四角点集合中各角点的热力图、偏移量图和嵌入向量图;
利用所述偏移量图对所述第二角点和所述第四角点集合中各角点的位置进行修正;
根据所述热力图和所述嵌入向量图的对应关系,确定所述第二角点和所述第四角点集合中各角点的嵌入向量;
计算所述第二角点的嵌入向量和所述第四角点集合中各第四角点嵌入向量的第二余弦相似度。
3.根据权利要求2所述的方法,其特征在于,所述利用所述偏移量图对所述第一角点和所述第三角点集合中各角点的位置进行修正或利用所述偏移量图对所述第二角点和所述第四角点集合中各角点的位置进行修正包括:
根据所述角点的热力图,确定所述角点的第一坐标;
根据所述角点的偏移量图,确定所述角点的偏移量;
利用所述角点的偏移量对所述角点的第一坐标进行修正,得到所述角点修正后的第二坐标。
4.根据权利要求1所述的方法,其特征在于,
根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点,包括:
当所述第一余弦相似度大于预设的第一阈值时,确定所述第三角点集合中的第三角点与所述第一角点可能属于同一车位;
和/或,
根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点,包括:
当所述第二余弦相似度大于预设的第一阈值时,确定所述第四角点集合中的第四角点与所述第二角点可能属于同一车位。
5.根据权利要求1所述的方法,其特征在于,还包括:
获取由以所述第一角点为顶点和所述第四角点、第二角点组成的第一角;
获取由以所述第二角点为顶点和所述第三角点、第一角点组成的第二角;
当所述第一角与所述第二角相似时,确定所述第一角点、第二角点、第三角点和第四角点为属于同一车位的第一角点、第二角点、第三角点和第四角点。
6.根据权利要求1所述的方法,其特征在于,根据筛选出的与该第一角点属于同一车位的第二角点,在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,包括:
根据所述第一角点,确定在所述第三角点子集中与所述第一角点属于同一车位的第三角点;
根据与所述第一角点属于同一车位的第二角点,确定在所述第四角点子集中与所述第二角点属于同一车位的第四角点。
7.根据权利要求3所述的方法,其特征在于,所述根据所述角点的热力图,确定所述角点的第一坐标,还包括:
根据所述角点的热力图,确定所述角点的占用概率;
根据所述角点的占用概率,确定所述停车位的占用情况。
8.一种停车位检测装置,其特征在于,包括:
获取模块,用于获取车辆周围停车场的环境信息;
集合确定模块,用于将所述环境信息输入到图像处理模型中得到第一角点集合、第二角点集合、第三角点集合和第四角点集合;
第一构建模块,用于在所述第一角点集合中选取任意一个第一角点,计算该第一角点与所述第三角点集合中各第三角点嵌入向量的第一余弦相似度;并根据所述第一余弦相似度在所述第三角点集合中筛选出与该第一角点可能属于同一个车位的第三角点;利用该第一角点与筛选出的第三角点构成同一车位的两个对角线角点的第一向量集合;
第二构建模块,用于在所述第二角点集合中选取任意一个第二角点,计算该第二角点与所述第四角点集合中各第四角点嵌入向量的第二余弦相似度;并根据所述第二余弦相似度在所述第四角点集合中筛选出与该第二角点可能属于同一个车位的第四角点;利用该第二角点与筛选出的第四角点构成同一车位的两个对角线角点的第二向量集合;
计算模块,用于计算所述第一向量集合中的各第一向量与第二向量集合中的各第二向量的线段相交性,根据所述的线段相交性在所述第一向量集合和所述第二向量集合中筛选出属于同一车位的第一向量和第二向量;并根据所述第一向量和所述第二向量得到属于同一车位的该第一角点、第二角点子集、第三角点子集和第四角点子集;
聚类模块,用于利用聚类算法在所述第二角点子集中,聚类出与该第一角点属于同一车位的第二角点;根据筛选出的与该第一角点属于同一车位的第二角点,在所述第三角点子集和第四角点子集分别筛选出与该第一角点属于同一车位的第三角点和第四角点,最终得到属于同一车位的第一角点、第二角点、第三角点和第四角点。
9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-7中任一项所述的停车位检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求 1-7中任一项所述的停车位检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666841.0A CN114926454B (zh) | 2022-06-13 | 2022-06-13 | 一种停车位检测方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210666841.0A CN114926454B (zh) | 2022-06-13 | 2022-06-13 | 一种停车位检测方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114926454A CN114926454A (zh) | 2022-08-19 |
CN114926454B true CN114926454B (zh) | 2023-03-24 |
Family
ID=82814450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210666841.0A Active CN114926454B (zh) | 2022-06-13 | 2022-06-13 | 一种停车位检测方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926454B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796063A (zh) * | 2019-10-24 | 2020-02-14 | 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 |
CN112052782A (zh) * | 2020-08-31 | 2020-12-08 | 安徽江淮汽车集团股份有限公司 | 基于环视的停车位识别方法、装置、设备及存储介质 |
CN112580508A (zh) * | 2020-12-18 | 2021-03-30 | 蔚来汽车科技(安徽)有限公司 | 停车位角点修正方法以及停车位角点修正***、车辆 |
CN113076845A (zh) * | 2021-03-26 | 2021-07-06 | 上海欧菲智能车联科技有限公司 | 一种车位获取方法、车位确定装置、车辆及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10458809B2 (en) * | 2016-02-11 | 2019-10-29 | International Business Machines Corporation | Cognitive parking guidance |
CN112749577B (zh) * | 2019-10-29 | 2023-09-22 | 北京魔门塔科技有限公司 | 一种停车位的检测方法及装置 |
US11132780B2 (en) * | 2020-02-14 | 2021-09-28 | Huawei Technologies Co., Ltd. | Target detection method, training method, electronic device, and computer-readable medium |
KR102406320B1 (ko) * | 2020-11-25 | 2022-06-10 | 현대모비스 주식회사 | 자율 주차를 위한 주차 영역을 인식하기 위한 장치 및 그에 관한 방법 |
CN113269163B (zh) * | 2021-07-16 | 2022-06-03 | 中汽创智科技有限公司 | 基于鱼眼图像的立体泊车位检测方法及装置 |
-
2022
- 2022-06-13 CN CN202210666841.0A patent/CN114926454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796063A (zh) * | 2019-10-24 | 2020-02-14 | 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 |
CN112052782A (zh) * | 2020-08-31 | 2020-12-08 | 安徽江淮汽车集团股份有限公司 | 基于环视的停车位识别方法、装置、设备及存储介质 |
CN112580508A (zh) * | 2020-12-18 | 2021-03-30 | 蔚来汽车科技(安徽)有限公司 | 停车位角点修正方法以及停车位角点修正***、车辆 |
CN113076845A (zh) * | 2021-03-26 | 2021-07-06 | 上海欧菲智能车联科技有限公司 | 一种车位获取方法、车位确定装置、车辆及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114926454A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038474B (zh) | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 | |
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
WO2021003823A1 (zh) | 基于视频帧图片分析的车辆违停检测方法及装置 | |
CN112085056B (zh) | 目标检测模型生成方法、装置、设备及存储介质 | |
CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
CN110705338A (zh) | 车辆检测方法、装置及监控设备 | |
CN114038004A (zh) | 一种证件信息提取方法、装置、设备及存储介质 | |
CN113065427A (zh) | 一种车辆停车状态确定方法、装置、设备和存储介质 | |
CN113850136A (zh) | 基于yolov5与BCNN的车辆朝向识别方法及*** | |
CN110852327A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114820679A (zh) | 图像标注方法、装置、电子设备和存储介质 | |
CN116229406B (zh) | 车道线检测方法、***、电子设备及存储介质 | |
CN114926454B (zh) | 一种停车位检测方法及装置、电子设备 | |
CN112528994A (zh) | 一种自由角度车牌检测方法、车牌识别方法和识别*** | |
CN114120259A (zh) | 一种空车位识别方法及其***、计算机设备、存储介质 | |
CN114926817B (zh) | 识别车位的方法、装置、电子设备和计算机可读存储介质 | |
CN112634141B (zh) | 一种车牌矫正方法、装置、设备及介质 | |
CN112149600A (zh) | 一种大数据汽车驾驶区域图像分析方法及*** | |
CN114118188A (zh) | 针对待检测图像中移动对象的处理***、方法和存储介质 | |
CN112434591B (zh) | 车道线确定方法、装置 | |
CN112215042A (zh) | 一种车位限位器识别方法及其***、计算机设备 | |
CN116563769B (zh) | 一种视频目标识别追踪方法、***、计算机及存储介质 | |
CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
CN112498338B (zh) | 一种库位确定方法、装置及电子设备 | |
CN111582021B (zh) | 场景图像中的文本检测方法、装置及计算机设备 |
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 |