[发明专利]一种用于车位检测的模型训练方法及系统

说明书

本发明公开了一种用于车位检测的模型训练方法及系统，其中，所述方法包括：获取车位的鸟瞰图样本，所述鸟瞰图样本中的车位具备编码标签，所述编码标签用于表征所述车位的闭环方向信息；所述闭环方向信息由车位线上各个像素点的方向信息构成；将所述鸟瞰图样本输入预设模型，以通过所述预设模型提取所述鸟瞰图样本的特征信息，并基于所述特征信息识别出所述鸟瞰图样本中车位的编码信息；比对所述车位的编码标签和所述车位的编码信息，并根据比对结果对所述预设模型中的训练参数进行校正，以使得校正后的预设模型对所述鸟瞰图样本处理得到的编码信息与所述编码标签相匹配。本发明提供的技术方案，具备更广的检测适配性和更高的车位识别精度。

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于车位检测的模型训练方法及系统。

背景技术

随着人工智能技术的不断发展，自动驾驶和辅助驾驶技术也在不断进步。目前，自动泊车功能已经被应用至部分车型中。在实现自动泊车功能时，往往需要对车身周围的环境进行检测，从而检测出能够泊车的车位。

现有的车位检测方法，可以识别出车位的角点信息，然后对角点信息进行分类，从而识别出车位信息。此外，还可以对包含车位的鸟瞰图进行标记点的检测，然后再使用机器学习的方法对检测出的标记点进行推断，从而预测出可能存在的车位。

然而，现有技术中的这些车位检测方法，往往都依赖角点或者标记点的识别过程，并且很多技术是针对一些常见车位进行专门设计的，对车位形状有较强的先验要求。如果车位的角点或者标记点受到环境影响无法被识别，无法很好地利用车位全局的闭环信息，会导致检测出的车位不准确。

发明内容

有鉴于此，本发明实施方式提供了一种用于车位检测的模型训练方法及系统，具备更广的检测适配性和更高的车位识别精度。

本发明一方面提供了一种用于车位检测的模型训练方法，所述方法包括：获取车位的鸟瞰图样本，所述鸟瞰图样本中的车位具备编码标签，所述编码标签用于表征所述车位的闭环方向信息；所述闭环方向信息由车位线上各个像素点的方向信息构成；针对所述鸟瞰图样本中车位的任意一条车位线，识别所述车位线的方向信息，并将与所述方向信息相匹配的编码值作为所述车位线的编码标签；将所述车位的各条车位线的编码标签的组合，作为所述车位的编码标签；将所述鸟瞰图样本输入预设模型，以通过所述预设模型提取所述鸟瞰图样本的特征信息，并基于所述特征信息识别出所述鸟瞰图样本中车位的编码信息；比对所述车位的编码标签和所述车位的编码信息，并根据比对结果对所述预设模型中的训练参数进行校正，以使得校正后的预设模型对所述鸟瞰图样本处理得到的编码信息与所述编码标签相匹配。

在一个实施方式中，若所述鸟瞰图样本中的车位为不规则形状，所述方法还包括：识别所述车位的车位线上各个像素点的方向信息，并将各个所述像素点的方向信息对应的编码值作为所述车位线的编码标签；其中，所述像素点的方向信息表征切线方向。

在一个实施方式中，提取所述鸟瞰图样本的特征信息包括：生成所述鸟瞰图样本的多个分层特征，并对所述多个分层特征中的至少两个分层特征进行融合，以生成对应的融合特征，并将生成的所述融合特征作为所述鸟瞰图样本的特征信息。

在一个实施方式中，所述车位的编码信息中包括车位的各条车位线的编码值，其中，每条车位线的编码值包括第一编码值和第二编码值，所述第一编码值和所述第二编码值分别通过所述预设模型的不同通道输出；若所述车位的目标车位线与其它车位的车位线重叠，所述目标车位线的第一编码值和第二编码值分别通过独立的两个不同的通道输出。

在一个实施方式中，在识别出所述鸟瞰图样本中车位的编码信息之后，所述方法还包括：识别所述车位的车位类型，所述车位类型包括可停车位或者不可停车位，并通过与所述车位类型相匹配的通道组输出所述车位的编码信息。