[发明专利]一种基于深度学习的空间车位检测方法

权利要求书

1.一种基于深度学习的空间车位检测方法，其特征在于，包括以下步骤：

S1、通过摄像头拍摄采集车辆四周的图像，并进行畸变矫正，得到未失真图像；

S2、将所述未失真图像输入到深度学习训练的泊车场景语义分割网络，得到图像的泊车场景语义分割结果图；

S3、在语义分割结果图上通过图像处理和逻辑处理得到车位线，并映射回原图中，由此检测出车位位置。

2.根据权利要求1所述的一种基于深度学习的空间车位检测方法，其特征在于，步骤S2中，深度学习训练的泊车场景语义分割网络包括构建的带标注的车辆泊车场景图像数据集，泊车场景图像的每个像素标注为可行驶区域、车位标记线、车辆和其他物体4类。

3.根据权利要求1所述的一种基于深度学习的空间车位检测方法，其特征在于，步骤S2中，泊车场景语义分割网络为以DeepLab V3+为基础改进的神经网络，其骨干网络为ResNet50。

4.根据权利要求3所述的一种基于深度学习的空间车位检测方法，其特征在于，对DeepLab V3+的改进方式为：把解码阶段第2次4倍的上采样拆分为2次2倍的上采样，即总共有3次上采样操作；在编码阶段的第1次下采样后的信息与解码阶段第2次上采样的信息融合，之后进行第3次上采样得到输出图像。

5.根据权利要求1所述的一种基于深度学习的空间车位检测方法，其特征在于，步骤S3中得到车位线后，通过所述车位线得到车位的4个角点坐标，并将车位的角点坐标一并映射回原图。

6.根据权利要求1-5任一所述的一种基于深度学习的空间车位检测方法，其特征在于，步骤S3中所述通过图像处理和逻辑处理得到车位线，具体包括：对语义分割结果图进行独热编码；对语义分割结果图进行网格搜索；对车位标记线进行像素融合；利用约束条件对检测到的标记线配对成组，以获得车位线。

7.根据权利要求6所述的一种基于深度学习的空间车位检测方法，其特征在于，在配对成组后，还包括步骤：对配对成组后的结果进行微调优化，当未检测到标记线但是检测到车辆时，如果车辆之间的空间满足泊车的需求，那么将检测到的车辆边界用来取代未检测到的标记线，标记为车位线。

8.根据权利要求7所述的一种基于深度学习的空间车位检测方法，其特征在于，在进行微调优化，得到最终的车位线后，还包括步骤：对得到的车位线以及车位线的角点位置进行标注。

9.根据权利要求6所述的一种基于深度学习的空间车位检测方法，其特征在于，所述约束条件包括：两个连续的停车位的标记线之间的区域不能包含车辆或其他障碍物；两条标记线之间的距离必须达到停车位的大小。

10.根据权利要求6所述的一种基于深度学习的空间车位检测方法，其特征在于，在非结构化道路条件下，车位标记线像素数P无法达到阈值时，此时依据车辆、可行使区域、其他物体来确定车位。