[发明专利]停车位检测方法、装置、计算机设备和存储介质在审
申请号: | 202110802843.3 | 申请日: | 2021-07-15 |
公开(公告)号: | CN115700814A | 公开(公告)日: | 2023-02-07 |
发明(设计)人: | 袁慧珍;李莹;肖映彩;伏东奇;宋汉辰 | 申请(专利权)人: | 长沙智能驾驶研究院有限公司 |
主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V20/40;G06V10/764;G06V10/774;G06V10/75;G06V10/44 |
代理公司: | 华进联合专利商标代理有限公司 44224 | 代理人: | 聂榕 |
地址: | 410006 湖南省长沙市岳麓区学士*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 停车位 检测 方法 装置 计算机 设备 存储 介质 | ||
1.一种停车位检测方法,所述方法包括:
获取停车位图像的停车位线像素点图像;
对所述停车位线像素点图像进行处理,提取停车位线;
提取所述停车位线的线段集合,获取每个线段两端点的坐标;
根据线段集合中各线段两端点的坐标,按斜率和第一距离对各线段进行分类,得到每个类别所包括的线段子集;其中,所述第一距离为任意两条线段中一条线段的中点至另一线段的距离;
根据所述线段子集中各线段的端点坐标进行直线拟合,得到各线段子集对应的拟合直线;
确定各所述拟合直线的交点;
根据各类线段子集的最值端点和所述拟合直线的交点,确定各停车位的关键点,所述最值端点包括最大端点和/或最小端点。
2.根据权利要求1所述的方法,其特征在于,获取停车位图像的停车位线像素点图像,包括:
采集得到停车位图像;
将所述停车位图像输入训练好的生成对抗网络,通过所述生成对抗网络的生成器,生成所述停车位图像的停车位线像素点图像;其中所述生成对抗网络根据停车位图像以及标注的所述停车位图像的停车位线像素点图像训练得到。
3.根据权利要求2所述的方法,其特征在于,所述采集得到停车位图像,包括:
获取多个摄像头采集的停车位区域图像;
对所述停车位区域图像进行匹配并拼接,得到环视的停车位图像。
4.根据权利要求1所述的方法,其特征在于,所述对所述停车位线像素点图像进行处理,提取停车位线,包括:
对所述停车位线像素点图像进行二值化处理,得到线区域;
对所述线区域进行形态学处理后,提取线条并对线条进行骨架化处理,得到所述停车位线。
5.根据权利要求1所述的方法,其特征在于,所述根据线段集合中各线段两端点的坐标,按斜率和第一距离对各线段进行分类,得到每个类别所包括的线段子集,包括:
根据线段集合中各线段的端点的坐标,得到各线段的斜率,以及线段中点至另一线段的第一距离,将任意两线段中斜率差值和第一距离平均值均小于对应阈值的线段划分为一类,得到每个类别对应的粗分的线段子集。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对每类所述粗分的线段子集中的各线段端点,按端点坐标进行排序,得到端点序列,若所述端点序列中相邻端点的中间间隔点不存在停车位线信息,则将对应的相邻端点划分为不同的两类,得到细分的线段子集,各所述细分线段子集对应所述停车位图像中的一条停车位线段;其中,所述粗分的线段子集用于进行直线拟合,所述细分的线段子集用于确定所述最值端点。
7.根据权利要求6所述的方法,其特征在于,根据各类线段子集的最值端点和所述拟合直线的交点,确定各停车位的关键点,包括:
获取各所述细分的线段子集的最值端点对,所述最值端点对包括最大端点和最小端点;
根据所述拟合直线的交点以及各细分的线段子集的所述最值端点对的坐标,确定各停车位的交点以及各停车位的邻接交点范围内的最值端点,得到候选端点,所述交点表示停车位的边界顶点;
根据所述候选端点与交点的距离,将远离所述交点的候选端点确定为目标端点,所述目标端点表示停车位入口的位置点或被遮挡停车位线的位置点;
根据所述交点和目标端点,得到所述停车位的关键点。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙智能驾驶研究院有限公司,未经长沙智能驾驶研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110802843.3/1.html,转载请声明来源钻瓜专利网。