[发明专利]基于GhostNet的轻量化空车位识别算法

说明书

本发明公开了基于GhostNet的轻量化空车位识别算法，涉及目标检测识别技术领域，基于已有的车位数据集，在已有的车位数据集上加上实地采集图片，构建空车位检测数据集，并标注，标注类型主要分为两类空车位以及车位角点；将Ghost Net作为主干特征提取网络；使用Ghost Net输出两个尺度的有效特征层，构建加强特征提取网络，并嵌入SPPF以及注意力模块；使用解耦头对有效特征层进行回归预测，从而生成模型；在基于GhostNet的轻量化空车位识别模型构建完成后，首先检测空车位，根据生成的用于泊车车位角点进行下一步的路径规划，并根据泊车车位角点之间的距离判断车位的类型。

技术领域

本发明涉及目标检测识别技术领域，具体的是基于GhostNet的轻量化空车位识别算法。

背景技术

随着国民经济的稳健增长和汽车工业的持续发展使得我国汽车保有量急剧增长，截止2021年9月，我国小型汽车保有量达到3.9亿辆；人工智能技术的蓬勃发展，也使得无人驾驶技术的研究在汽车行业快速兴起，其中，自动泊车辅助系统作为无人驾驶的重要一环也成为了研究的热门，车位识别作为自动泊车系统中的重要的感知环节，其准确性和快速性对后续车辆泊车路径规划与控制至关重要；目前已有的空闲车位识别技术可以分为基于用户界面、基于基础设施、基于自由空间以及基于停车位标识线的停车位检测与定位方法，随着机器视觉的发展，基于停车位标识线的方法成为研究热点，Jung^[1]等人在Hough空间中应用峰值检测和聚类检测停车位，通过T形模板匹配识别出分离的停车位标识线，文献使用Line Segment Detector检测识别车位线，这些基于直线、角点的低层视觉的检测方法难以满足实时性要求，且泛化性、鲁棒性都比较低，为此，现在提出基于GhostNet的轻量化空车位识别算法；以自动泊车系统所要求的运算资源成本低且实时性要求高为出发点，提出一种以Ghost Module为核心构造的GhostNet轻量级目标检测网络，为模型在嵌入式车载移动终端上的部署和应用提供条件。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供基于GhostNet的轻量化空车位识别算法。

本发明的目的可以通过以下技术方案实现：基于GhostNet的轻量化空车位识别算法，方法包括以下步骤：

步骤一：基于已有的车位数据集，在已有的车位数据集上加上实地采集图片，构建空车位检测数据集，通过labeling进行标注，标注类型主要分为两类空车位以及车位角点；

需要进一步进行说明的是，在具体实施过程中，labeling为一种数据标注工具，能够起到对数据进行标记的作用。

步骤二：构建GhostNet轻量级网络，并将GhostNet作为主干特征提取网络；需要进一步进行说明的是，在具体实施过程中，这样设计和构建的好处是减少模型的参数与计算量，提高模型的运行速度；

步骤三：使用GhostNet输出的13×13、26×26两个尺度的有效特征层，构建加强特征提取网络，并嵌入SPPF以及注意力模块；需要进一步进行说明的是，在具体实施过程中，这样设计的好吃是用于提高检测精度；

步骤四：使用Decoupled Head对有效特征层进行回归预测，从而生成基于GhostNet的轻量化空车位识别模型；需要进一步进行说明的是，在具体实施过程中，这样设计的好处是为了提高精度；

步骤五：在基于GhostNet的轻量化空车位识别模型构建完成后，首先检测空车位，对空车位内的检测到的车位角点连线作为一对用于泊车车位角点，根据生成的用于泊车车位角点进行下一步的路径规划，并根据泊车车位角点之间的距离判断车位的类型；需要进行说明的是，首先当设备检测到空车位时，会将空车位区域设置位ROI感兴趣区域，对于空车位里面检测的车位角，输出它们的像素坐标，进行下一步像素坐标对世界坐标的转换，以供后续自动泊车的路径规划需要。