[发明专利]一种基于视觉的车辆目标位置和姿态角度的检测方法

说明书

本发明提供一种基于视觉的车辆目标位置和姿态角度的检测方法，首先采用语义分割的方法对图像中的像素点逐个检测，提取出所有的车辆的像素点，再针对这些像素点处理得到车辆的精准的位置坐标信息和姿态信息。本发明成本低，检测精度高：由于语义分割是对目标进行像素级别的判断，得到了准确的车辆外轮廓的信息，在不同的应用场所都可以得到很好的检测效果，可以根据场景的增加进行远程升级迭代。

技术领域

本发明提供一种基于视觉的车辆目标位置和姿态角度的检测方法，属于车辆目标检测领域。

背景技术

车辆目标的位置和姿态朝向检测是目前基于视觉的目标检测领域需要面对的一个难题，车辆目标的位置和姿态检测是指通过在外界安装的摄像头，应用一些视觉图像处理算法，检测识别得到图像中某些特定车辆相对于摄像头的位置和姿态角度。当前基于视觉的目标检测的主流方法是检测获取车辆目标在图形中的二维边界框，再根据二维边界框测算车辆目标的位置和姿态朝向角。目前这种主流的方法在进行坐标空间转换时容易导致检测得到的车辆位置形成较大距离误差，并且目标姿态朝向估计困难。如图1所示，由于二维边界框无法精准地包住车辆，因此不能够精准地描述车辆的图像信息。

传统的基于视觉的目标检测主要方法是在图像中根据CNN卷积神经网络(YOLO、SSD或者Faster-rcnn等)获取车辆目标在图像中的二维边界框(bounding box)。大致的方法流程是：首先对输入的图像进行尺寸改变(resize)等预处理操作，接着对预处理后的图进行神经网络推理得到所有车辆目标可能的二维边界框(bounding box),然后后处理阶段针对每一个车辆目标过滤掉所有重复的二维边界框，最后将二维边界框的下边界作为车辆目标在图像中的接地点坐标转换到车辆坐标系中输出相应的位置距离。我们很难从二维边界框获取车辆的姿态信息。

结合上一段对传统目标检测方法的描述，可以概述这些方法存在的缺点如下：

缺点1：车辆目标位置距离测算不准确，误差较大。传统的方法使用二维边界框将检测的车辆表示出来，但通常车辆目标的二维边界框的下边界，并不是车辆的接地点位置，这样就造成了检测得到的车辆目标位置距离相对于真实值有较大的误差。并且二维边界框往往不能很好的贴合车辆外轮廓，可能大小不一致或者存在一定的偏移，无法非常准确的表示车辆。

缺点2：无法有效检测目标车辆的姿态朝向。在传统的方法中往往只能检测得到车辆目标的宽度和高度方向这两维的尺寸，不太容易检测得到目标车辆的姿态朝向。

发明内容

随着新能源电动汽车保有量的增加，电动汽车的自动充电需求变得越来越来大。针对电动汽车设计一种自动充电装置，不仅可以节省驾驶员的手动操作时间，带给驾驶员良好的用户体验；还可以避免多人接触充电枪手把，从而有助于减少充电设备的消毒次数，降低新冠病毒传播的几率。

在自动充电装置中，基于视觉算法(摄像头)识别电动汽车充电口是其中最核心的功能环节，它保证了充电枪可以准确插入车辆充电口。其中基于视觉算法识别待充电汽车充电口功能又可以被分成两个主要步骤：待充电车辆目标位置姿态检测和车辆充电口孔位的识别。

待充电车辆目标位置和姿态的检测精度决定了车辆充电口孔位识别成功率的高低。只有准确检测得到待充电车辆相对于车位的实际位置、姿态角度，并结合车辆的自身信息(如充电口在车身的位置、车身高度等)，才能够得到车辆充电口的精确位置信息，从而保证车辆充电孔位的精准识别并最终引导充电枪完成自动充电。

因此本发明旨在设计出一种基于视觉的待充电车辆目标位置和姿态角度的检测方法，可以让车辆目标位置距离检测精度更高，同时更容易检测得到车辆目标的姿态朝向，并最后应用于车辆自动充电口位置的检测中。