[发明专利]可行驶区域识别方法及其系统、计算机设备、存储介质

说明书

本发明涉及可行驶区域识别方法及其系统、计算机设备、存储介质，所述方法包括：获取当前的时间信息和车辆位置信息，并根据所述当前的时间信息和车辆位置信息判定是否进行图像语义分割；当进行图像语义分割时，获取当前车辆周围环境的环视全景图像，利用预先训练好的语义分割模型对所述环视全景图像进行语义分割识别得到初始可行驶区域，将所述初始可行驶区域与历史可行驶区域进行融合得到当前的可行驶区域。其中，所述系统、计算机设备、存储介质为与实现所述方法对应的载体。实施本发明，至少能够减少计算资源的浪费，提高计算效率，并获取更加广阔的可行驶区域视野。

技术领域

本发明涉及自动泊车技术领域，具体涉及可行驶区域识别方法及其系统、计算机设备、存储介质。

背景技术

自动泊车系统的可行驶区域识别功能主要是为自动泊车提供路径规划辅助，可以实现整个的路面检测。目前可行驶区域识别主要基于路面颜色、基于纹理特征、基于深度学习的语义分割等方式来获取路面的基本结构特征。其中，所述基于路面颜色的可行驶区域识别方法当在路面区域内车辆较少，前景与背景之间分割效果较好，其局限性在于当前景的物体太多且颜色分布范围太广时，前景和背景分割成两个部分难度较大，且基于颜色的方法容易受到光照、阴影等环境变化影响。所述基于纹理特征的方法可提取出路面边缘的方向，同时具有尺度不变性，但在非结构化道路上，很难提取规则化的道路边缘特征，且夜间的识别效果较差。所述基于深度学习的语义分割方法不易受道路是否结构化影响，且不易受光照、阴影等环境因素影响，具有较好的实时性与准确性；但目前基于深度学习的语义分割方法所识别的可行驶区域视野较小，边界不平滑，并且，使用基于深度学习的语义分割方法时，若相邻识别车辆环境图像中图像信息较为相似，相邻帧的识别结果中会出现较多重复信息，会造成计算资源的浪费，影响整体系统的计算效率。

发明内容

本发明的目的在于提出一种应用于自动泊车的可行驶区域识别方法及其系统、计算机设备、计算机可读存储介质，以至少能够减少计算资源的浪费，提高计算效率，并获取更加广阔的可行驶区域视野。

为实现上述目的，根据第一方面，本发明的实施例提出一种可行驶区域识别方法，包括：

步骤S1、获取当前的时间信息和车辆位置信息，并根据所述当前的时间信息和车辆位置信息判定是否进行图像语义分割；其中，若当前时间与上一次图像语义分割时的时间之间的时间间隔大于预设时间阈值，或者，若当前车辆位置与上一次进行图像语义分割时的车辆位置之间的距离大于预设距离阈值，则判定进行图像语义分割；

步骤S2、当进行图像语义分割时，获取当前车辆周围环境的环视全景图像；利用预先训练好的语义分割模型对所述环视全景图像进行语义分割识别得到初始可行驶区域；以及，将所述初始可行驶区域与历史可行驶区域进行融合，输出当前的可行驶区域；其中所述历史可行驶区域为上一次输出的可行驶区域。

优选地，所述步骤S2，包括：

获取当前车辆周围环境的环视全景图像；

利用预先训练好的语义分割模型对所述环视全景图像进行语义分割识别得到初始可行驶区域；

提取所述初始可行驶区域的边界信息；

获取可行驶区域地图，并根据所述边界信息确定所述初始可行驶区域在所述可行驶区域地图中的区域；

在所述可行驶区域地图中，确定历史可行驶区域，并将所述初始可行驶区域与所述历史可行驶区域进行融合，得到当前的可行驶区域。

优选地，所述语义分割模型的结构包括编码模块和解码模块；