[发明专利]一种基于智能视觉深度学习的自动泊车路径选择方法

权利要求书

1.一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于，包括如下步骤：

步骤1，从云空间将若干不同类型车辆轮廓的预设画面提前下载、储存，并从云空间实时更新所述预设画面；

步骤2，通过4G/5G流量从空间获取待停停车场的数据，提取每个停车位的空间位置信息和车位状况；

步骤3，根据步骤2获取的停车位空间位置信息和车位状况，自动规划多个车辆行驶路径供用户选择；

步骤4，车辆按步骤3的所述行驶路径行驶时，采集车辆正前方的画面信息，并与所述步骤1预存的车辆预设画面进行匹配计算；

步骤5，根据步骤4的计算结果和车辆的空间位置信息，判断车辆行驶路径是否完全受阻；

步骤6，如果所述车辆行驶路径完全受阻，重新计算并规划车辆行驶路径；如果所述车辆行驶路径没有完全受阻，则引导车辆转向并超越阻挡车辆后重新进入所述行驶路径；

步骤7，车辆进入停车位且熄火后，将车辆的空间位置信息上传到所述云空间，与停车位空间位置信息匹配计算后更新车位状况。

2.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于，步骤4包括如下步骤：

步骤4.1，根据采集的车辆前方画面信息，将采集的阻挡车辆轮廓分解为若干采集节点，将云空间下载的预设画面的车辆轮廓分解为若干预设节点；

步骤4.2，将步骤4.1分解的采集节点和预设节点进行匹配计算和对比，将二者的计算结果进行融合并计算匹配值，如果匹配值高于预设值则确定阻挡车辆的类型和大小；

步骤4.3，将步骤4.1分解的采集节点取几何中心作为阻挡车辆的空间位置信息，以确定阻挡车辆在停车场的具体位置。

3.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于：所述步骤4.2中的匹配计算方法为卷积神经网络或基于遗传算法的神经网络。

4.根据权利要求1所述的一种基于智能视觉深度学习的自动泊车路径选择方法，其特征在于：所述步骤4采用车载摄像头或者超声波雷达采集车辆正前方的画面信息。