[发明专利]一种车位检测方法及装置

说明书

本申请实施例提供了一种车位检测方法及装置。该方法包括：获取待检测图像；将待检测图像输入第一神经网络，由第一神经网络对所述待检测图像进行特征提取后检测出所述待检测图像中的车位框区域的轮廓信息；基于轮廓信息，从待检测图像中提取车位框区域各个顶角处的子图像区域；将各个子图像区域输入第二神经网络，由第二神经网络从各个子图像区域中检测出车位框区域的顶点位置信息；根据各个顶点位置信息，确定待检测图像中的最终车位框区域。应用本申请实施例提供的方案，能够更准确地从图像中确定出车位，提高车位检测的鲁棒性。

技术领域

本申请涉及自动泊车技术领域，特别是涉及一种车位检测方法及装置。

背景技术

在车辆使用中，将车辆停入车位是普遍认为较难的一项技术。随着停车难的问题日益严峻，泊车辅助系统的应用越来越广泛。自动泊车是为了解决停车入位的复杂性问题而研发的一项车辆智能化新技术。车位检测是实现自动泊车技术的一个重要问题。

相关技术中，在从图像中检测车位时，通常根据预先设置的车位线边缘特征和车位线的像素特征进行检测。但是，受周围光照和图像采集角度变化的影响，待检测图像千变万化。根据上述特征无法从千变万化的待检测图像中准确地检测出车位，鲁棒性较差。

发明内容

本申请实施例的目的在于提供了一种车位检测方法及装置，以更准确地从图像中检测出车位，提高车位检测的鲁棒性。具体的技术方案如下。

第一方面，本申请实施例提供了一种车位检测方法。该方法包括：

获取待检测图像；

将所述待检测图像输入第一神经网络，由所述第一神经网络对所述待检测图像进行特征提取后检测出所述待检测图像中的车位框区域的轮廓信息；

基于所述轮廓信息，从所述待检测图像中提取所述车位框区域各个顶角处的子图像区域；

将各个子图像区域输入第二神经网络，由所述第二神经网络从各个子图像区域中检测出所述车位框区域的顶点位置信息；

根据各个顶点位置信息，确定所述待检测图像中的最终车位框区域。

可选的，所述对所述待检测图像进行特征提取后检测出所述待检测图像中的车位框区域的轮廓信息的步骤，包括：

根据预先获取的模型参数，对所述待检测图像进行特征提取；

根据所提取的特征，对预设的候选框进行顶点回归处理，确定所述待检测图像中的候选车位框区域的轮廓信息和所述候选车位框区域的置信度；

根据置信度大于置信度阈值的候选车位框区域的轮廓信息，确定所述待检测图像中的车位框区域的轮廓信息。

可选的，顶点位置信息包括所述车位框区域在图像坐标系下的顶点坐标；

当检测出的车位框区域为至少两个时，所述根据各个所述顶点位置信息，确定所述待检测图像中的最终车位框区域的步骤，包括：

针对每个车位框区域，根据预设的图像坐标系与俯视图坐标系之间的转换参数，将该车位框区域在图像坐标系下的顶点坐标，转换成该车位框区域在俯视图坐标系下的顶点坐标；

根据各个车位框区域在所述俯视图坐标系下的顶点坐标，确定各个车位框区域的区域特征；

根据各个车位框区域的区域特征和预设区域特征，从各个车位框区域中确定所述待检测图像中的最终车位框区域。

可选的，所述根据各个车位框区域在俯视图坐标系下的位置信息，从各个车位框区域中确定所述待检测图像中的最终车位框区域的步骤，包括：

根据各个车位框区域在俯视图坐标系下的位置信息，确定各个车位框区域的形状特征；将符合预设形状特征的车位框区域，确定为所述待检测图像中的最终车位框区域。