[发明专利]一种泊车位检测方法

说明书

技术领域

本发明属于智能驾驶的辅助泊车领域，涉及车位检测方法，尤其是基于视觉机器学习的车位检测方法。

背景技术

汽车是当今使用最广泛的交通工具，汽车的数量日渐庞大，汽车行业也不仅仅满足于现状。汽车行业经过几十年的发展，从最早期的可行驶，到今天的一个综合多项复杂技术的专业性学科，未来更是向无人驾驶发展。所谓的无人驾驶，指的是不需要驾驶者就能启动、行驶以及停止，带给人们更加智能、安全的乘坐体验；而无人驾驶技术，集自动控制、人工智能、视觉计算为一体，是模式识别领域与汽车领域的有机结合的产物。在无人驾驶的目标任务中，主要分为对高速公路与城市路段的行驶、自动泊车两方面。自动泊车，是无人驾驶非常关键而困难的任务。在驾驶员驾驶过程中引起的车辆损坏，多半不是重大的交通事故，而是泊车过程中引起的碰擦。因此，泊车的操作复杂，是最容易发生事故的驾驶过程。设计一套完整的系统，来实现此过程的自动化十分必要。

为了解决在自动泊车方面的基于视觉的车位检测问题，已有的探索包括：Xu等人的“Vision-guided automatic parking for smart car”，是此领域的先驱工作，他们提出了基于神经网络的色彩分割来识别停车位标志线；Du and Tan等在“Autonomous reverse parking system based on robust path generation and improved sliding mode control”中，先将岭检测子(ridge detector)作用于图像上，然后通过噪声滤波、连通标注、去除像素较少的成员，最后返回车位标志线中轴位置，但此方法需要人为操作介入；Wang等人在“Automatic parking based on a bird’s eye view vision system”中，提出在Radon空间中检测，并认为此方法比Hough变换对于噪声容忍更鲁棒，但缺点是此方法对线的粗细较为敏感；Suhr和Jung等人在“Automatic parking space detection and tracking for underground and indoor environments”中，特别为室内地下车位设计了一种车位检测方法，他们用RANSAC算法对边缘像素来做鲁棒的线匹配。然后使用基于倒角匹配的距离变换。此方法的局限在于只能检测垂直车位，不能检测平行车位，且车位标志线的入口线必须清晰。

发明内容

本发明的目的在于提供辅助泊车技术方案，尤其是针对感知部分所存在的困难，提供一种泊车位检测算法，基于机器学习，从图像中检测出车位，并返回该车位的位置信息。

为达到上述目的，本发明的解决方案是：

一种泊车位检测方法，包括以下步骤：

(1)获取车辆周围的信息作为输入；

(2)在步骤(1)所获取的输入上进行标记点检测；

(3)通过步骤(2)获取的标记点实现车位推断。

进一步，步骤(1)中，所述输入是车辆周围的环视图像；

优选的，采用机器学习算法加以实现；优选的，包括以下步骤：

(a)、在所获取的输入中提取特征；(b)、用预先训练的检测子进行滑窗检测，检测出候选标记点的位置；(c)、根据候选标记点推断车位的位置和朝向。

步骤(a)中所述特征包括：特征一，归一化强度；特征二，梯度幅值；特征三，带方向的梯度幅值；优选的，最终得到八层特征图像，每层特征图像长宽均为图像的长宽，一层对应一种图像特征，其中特征一一层，特征二一层，特征三六层，分别为0，60，90，180，240，300，360度的方向上的梯度幅值。

步骤(b)中，使用滑窗遍历特征图像，对滑窗中的特征图块，进行二分分类，判断图块是否是标记点；如果是标记点，则根据滑窗位置得出标记点在图像中的位置；

优选的，所述的二分分类算法使用Adaboost算法和决策树预先训练完成，进一步使用constant soft-cascade恒定软级联策略和训练得到的检测子来检测。

步骤(c)中，任取两个检测获得的标记点，判断周围的区域是否符合车位模版，求得车位位置以及朝向；

优选的，步骤(c)中，需要剔除两点连线穿过其它有效车位点的点对；

优选的，步骤(c)中，推断车位深度由先验知识推断，最终输出车位四角的顶点位置。