[发明专利]多角点聚类的车位检测方法、装置、电子设备及存储介质

权利要求书

1.一种多角点聚类的车位检测方法，其特征在于，所述方法包括：

获取车载相机所采集的、待检测的目标图像；

提取所述目标图像的多个热度图和标签图，一个热度图对应一个角点方向，所述热度图中包含在相应角点方向下不同像素点属于角点的热度值，所述标签图中包含不同像素点所属车位的标签值；

从每个热度图中分别提取热度值满足对应阈值的多个目标像素点，并基于所述标签图获取每个目标像素点的标签值；

将标签值满足对应差异条件的多个目标像素点聚类为同一车位在不同角点方向下的角点，并根据所聚类的角点确定车位。

2.根据权利要求1所述的方法，其特征在于，所述提取所述目标图像的多个热度图和标签图，包括：

调取预先训练获得的检测模型，所述检测模型是以对样本图像的热度图预测结果趋近于所述样本图像的热度图标注结果、对所述样本图像的标签图预测结果趋近于所述样本图像的标签图标注结果为目标，对神经网络训练得到的；

将所述目标图像输入至所述检测模型中，以获取所述检测模型针对所述目标图像所输出的多个热度图和标签图。

3.根据权利要求1所述的方法，其特征在于，所述样本图像的获取方式，包括：

获取第一日间样本图像；

调取预先基于生成对抗网络技术训练获得的转换模型，以通过所述转换模型将所述第一日间样本图像转换为第一夜间样本图像，所述转换模型是以对第二日间样本图像的转换结果趋近于所述第二日间样本图像被标注的第二夜间样本图像为目标，对生成对抗网络训练得到的。

4.根据权利要求3所述的方法，其特征在于，所述生成对抗网络包括第一生成网络、与所述第一生成网络对应的第一鉴别网络、第二生成网络以及与所述第二生成网络对应的第二鉴别网络；

相应的，基于生成对抗网络技术训练所述转换模型的过程，包括：

将所述第二日间样本图像分别输入至所述第一生成网络和所述第二鉴别网络，以及，将所述第二夜间样本图像输入至所述第一鉴别网络和所述第二生成网络，以实现：

所述第一生成网络基于所述第二日间样本图像生成第三夜间样本图像，并输出至所述第一鉴别网络，以使所述第一鉴别网络处理所述第二夜间样本图像和所述第三夜间样本图像；所述第二生成网络基于所述第二夜间样本图像生成第三日间样本图像，并输出至所述第二鉴别网络，以使所述第二鉴别网络处理所述第三日间样本图像和所述第二日间样本图像；

根据所述第一鉴别网络的处理结果计算第一损失函数值，以及，根据所述第二鉴别网络的处理结果计算第二损失函数值；

根据所述第一损失函数值和所述第二损失函数值分别调整所述第一生成网络、所述第二生成网络、所述第一鉴别网络和所述第二鉴别网络的网络参数；

在当前满足对应的训练结束条件情况下，将调整后的所述第一生成网络作为所述转换模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

将所述第三夜间样本图像输入至所述第二生成网络，以及，将所述第三日间样本图像输入至所述第一生成网络，以实现：

所述第二生成网络基于所述第三夜间样本图像生成第四日间样本图像；所述第一生成网络基于所述第三日间样本图像生成所述第四夜间样本图像；

根据所述第二日间样本图像和所述第四日间样本图像的对比结果、以及所述第二夜间样本图像和所述第四夜间样本图像的对比结果，计算第三损失函数值；

相应的，所述根据所述第一损失函数值和所述第二损失函数值分别调整所述第一生成网络、所述第二生成网络、所述第一鉴别网络和所述第二鉴别网络的网络参数，包括：

根据所述第一损失函数值、所述第二损失函数值和所述第三损失函数值分别调整所述第一生成网络、所述第二生成网络、所述第一鉴别网络和所述第二鉴别网络的网络参数。

6.根据权利要求1所述的方法，其特征在于，所述根据所聚类的角点确定车位，包括：

基于平行四边形几何特征，对聚类的角点进行几何位置修正，以确定车位。