一种车位检测方法、装置和系统与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及自动驾驶技术领域，具体涉及一种车位检测方法、装置和系统。背景技术：2.随着自动驾驶技术的飞速发展，基于低速场景的自动泊车技术得到了广泛应用。其中，自动泊车技术是指车辆在不需要人工控制的情况下，自动泊车入位。3.目前，不同的自动泊车系统可以采用不同的方法来感知车位，以进行自动泊车。其中一类自动泊车系统是基于雷达来感测车位的。这种自动泊车系统可以检测两车之间的车位，但无法检测空地上划线的车位。另一类自动泊车系统是基于摄像头来感测车位的。这种自动泊车系统可以识别空地上划线的车位，且受限制较少，目前发展比较迅速。4.现在，一些基于摄像头的自动泊车系统是通过角点检测来进行车位检测的。这在车位的角点不清晰时，存在漏检或误检的情况。检测精度还有待提高。技术实现要素：5.有鉴于此，本发明实施方式提供了一种车位检测方法、装置、系统以及计算机可读存储介质，可以提高检测精度及鲁棒性。6.本发明一方面提供了一种车位检测方法，所述方法包括：获取车辆周围的目标图像；检测所述目标图像中的车位框，得到车位框信息，所述车位框信息包括所述车位框的车位框顶点在目标图像中的位置信息；将所述目标图像划分为多个网格，并基于所述网格检测所述目标图像中的车位角点，得到车位角点信息，所述车位角点信息标识所述车位角点所在的目标网格，以及所述车位角点在所述目标网格中的位置信息；及根据所述车位角点的位置信息，对所述车位框的所述车位框顶点的位置信息进行修正，并将修正后的车位框所在区域确定为车位区域。7.在一些实施例中，所述将所述目标图像划分为多个网格，包括：按照预设规则将所述目标图像划分为多个网格，以在所述目标图像中存在多个所述车位角点时，使所述车位角点与所在的目标网格一一对应；所述根据所述车位角点的位置信息，对所述车位框的所述车位框顶点的位置信息进行修正，包括：若根据所述车位框顶点的位置信息，确定所述车位框的所述车位框顶点位于所述目标网格中，将所述车位框顶点的位置信息，修正为所述车位框顶点所在目标网格中的车位角点的位置信息。8.在一些实施例中，所述方法还包括：若根据所述车位框顶点的位置信息，确定所述车位框的至少部分所述车位框顶点未位于所述目标网格中，确定所述车位框所在区域中各个像素点所属的区域类别，所述区域类别包括车位区域和非车位区域；若在所述车位框所在区域中，像素点的区域类别属于所述非车位区域的占比超过第一阈值，将所述车位框所在区域确定为非车位区域。9.在一些实施例中，所述方法还包括：根据所述车位框顶点的位置信息，确定位于各个所述目标网格中的车位框顶点的数量，并将车位框顶点的数量不高于数量阈值的目标网格确定为待定网格；若存在多个所述待定网格，将所述多个待定网格中的车位角点进行两两匹配，其中，对于进行匹配的任意两个车位角点，若该两个车位角点之间的距离符合预设的车位边长，且该两个车位角点的方向角的夹角在阈值角度范围内，则以该两个车位角点为基准，确定待定车位区域，其中，所述方向角为所述车位角点指向所在车位区域中相对一侧的方向；确定所述待定车位区域中所在区域中各个像素点所属的区域类别，其中，所述区域类别包括车位区域和非车位区域；若所述待定车位区域中，像素点的区域类别属于所述车位区域的占比超过第二阈值，将所述待定车位区域确定为车位区域。10.在一些实施例中，所述车位角点信息还包括每个所述车位角点的形状类型，其中，所述车位角点的形状类型包括t型和l型；所述将车位框顶点的数量不高于数量阈值的目标网格确定为待定网格，包括：对于l型的车位角点所在的目标网格，将车位框顶点的数量不高于0的目标网格确定为待定网格；对于t型的车位角点所在的目标网格，将车位框顶点的数量不高于1的目标网格确定为待定网格。11.在一些实施例中，所述根据所述车位角点的位置信息，对所述车位框的所述车位框顶点的位置信息进行修正，包括：根据位于车位出入口一侧的车位角点的位置信息，对所述车位框的位于所述车位出入口一侧的车位框顶点的位置信息进行修正。12.在一些实施例中，在对所述车位框的位于所述车位出入口一侧的车位框顶点的位置信息进行修正后，所述方法还包括：以修正后的车位框顶点的位置信息作为基准，对所述车位框中其他未修正的车位框顶点的位置信息进行修正。13.在一些实施例中，所述根据所述车位角点的位置信息，对所述车位框的部分车位框顶点的位置信息进行修正，包括：根据位于车位出入口一侧的车位角点的位置信息，对所述车位框的位于所述车位出入口一侧的车位框顶点的位置信息进行修正。14.本发明另一方面还提供了一种车位检测装置，所述装置包括：图像获取模块，用于获取车辆周围的目标图像；车位框检测模块，用于检测所述目标图像中的车位框，得到车位框信息，所述车位框信息包括所述车位框的车位框顶点的位置信息；车位角点检测模块，用于将所述目标图像划分为多个网格，并基于所述网格检测所述目标图像中的车位角点，得到车位角点信息，所述车位角点信息包括所述车位角点所在的目标网格，以及所述车位角点在所述目标网格中的位置信息；及修正模块，用于根据所述车位角点的位置信息，对所述车位框的所述车位框顶点的位置信息进行修正，并将修正后的车位框所在区域确定为车位区域。15.本发明另一方面还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法。16.本发明另一方面还提供了一种车位检测系统，所述车位检测系统包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现如上所述的方法。17.在本技术的一些实施例中，对车辆周围的目标图像分别进行车位框检测和车位角点检测，并且在进行车位角点检测时，对目标图像进行网格划分，基于网格对车位角点进行检测，使得车位角点的位置信息精度可以较高，从而可以基于车位角点的位置信息，对车位框的车位框顶点的位置信息进行修正，可以达到提高车位区域检测精度的目的。附图说明18.通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：图1示出了本技术的一个实施例提供的车位检测方法的流程示意图；图2示出了本技术的一个实施例提供的一个目标图像的示意图；图3示出了本技术的一个实施例提供的图像检测模型的结构示意图；图4示出了本技术的一个实施例提供的对目标图像进行网格划分的示意图；图5示出了本技术的一个实施例提供的目标网格在目标图像中的位置示意图；图6示出了本技术的另一个实施例提供的目标网格在目标图像中的位置示意图；图7示出了本技术的另一个实施例提供的待定网格在目标图像中的位置示意图；图8示出了本技术的一个实施例提供的车位检测装置的模块示意图；图9示出了本技术的一个实施例提供的车位检测系统的示意图。具体实施方式19.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施方式，都属于本发明保护的范围。20.在对本技术的方案进行阐述前，先对本技术的图像检测模型进行说明。图像检测模块可以对包括车位区域的目标图像进行检测。请参阅图3，为本技术的一个实施例提供的图像检测模型的结构示意图。图像检测模型包括特征提取模块、分割模块、车位框检测模块和车位角点检测模块。21.在一些实施例中，特征提取模块用于对目标图像进行特征提取。特征提取模块提取的特征中，包括对目标图像进行网格划分后的网格特征以及原始图像特征（未进行网格划分的图像特征）。22.在一些实施例中，分割模块可以根据特征提取模块提取的原始图像特征，对目标图像进行像素级别的区域类别划分。具体来说，区域类别可以包括车位区域和非车位区域。分割模块可以输出目标图像中每个像素的区域类别。23.在一些实施例中，车位框检测模块可以根据特征提取模块提取的原始图像特征，检测目标图像中的车位框。车位角点检测模块可以根据特征提取模块提取的网格特征以及原始图像特征，检测目标图像中的车位角点。以下对车位框和车位角点进行说明。24.请参阅图2，为本技术的一个实施例提供的一个目标图像的示意图。在一些实施例中，车位框是指目标图像中限定一个车位区域的车位线所构成的框。图2中，虚线内的车位线所构成的框即为一个车位框。该车位框所在区域为一个车位区域。车位框的两条车位线相交的交点为车位框顶点。比如图2中，标识为a的位置，即为一个车位框顶点。车位框的两条车位线未相交所形成的口为车位出入口。比如图2中，ab之间的口为车位出入口。25.在一些实施例中，若车位区域未在目标图像完整体现，比如目标图像中只包括半个车位区域（另外半个车位区域未拍摄到），车位框顶点还可以是车位线与目标图像的边界相交的交点。26.在一些实施例中，车位角点指车位区域的角点。比如图2中的虚线框内，4个边角位置处的点即为车位角点。理论上，对于目标图像中的同一个边角位置（比如图2虚线框内右上区域的边角位置），车位角点和车位框顶点应该是处于相同位置且重合的点。但由于车位框检测模块和车位角点检测模块的检测方式不同，针对目标图像中的同一个边角位置，车位框检测模块检测出的车位框顶点的位置，与车位角点检测模块检测出的车位角点的位置，通常存在差别。另外，由于检测方式的不同特点，车位角点检测模块检测出的车位角点的位置信息，通常可以更精确，具体可以参见后续相关描述，此处不赘述。27.基于以上图像检测模型，本技术提出一种车位检测方法。车位检测方法可以应用于具备图像识别功能的电子设备。电子设备包括但不限于车载控制设备、电脑、与视觉设备通信连接的远程服务器。请参阅图1，为本技术的一个实施例提供的车位检测方法的流程示意图。车位检测方法包括步骤s11至步骤s14。28.步骤s11，获取车辆周围的目标图像。29.在一些实施例中，可以在车辆的前后左右分别安装4个视觉设备（例如鱼眼相机）来进行图像采集，并通过拼接构成bev（bird's eye view，鸟瞰图）俯视图。30.可以理解的是，在车辆上安装的视觉设备的位置和数量可以根据实际情况进行调整，本技术对此不做限制。31.步骤s12，检测目标图像中的车位框，得到车位框信息，车位框信息包括车位框的车位框顶点的位置信息。32.在一些实施例中，对于一个完成训练的图像检测模型来说，根据特征提取模块提取的原始图像特征，车位框检测模块可以检测目标图像中的车位框，并针对检测到的每个车位框分别输出一个车位框信息。以下以图2虚线框中的车位框为例进行说明。33.在一些实施例中，车位框信息用于标识车位框在目标图像中的属性信息，包括但不限于车位框基准点信息、车位框的车位框顶点在目标图像中的位置信息、车位框在目标图像中的倾斜度信息、车位框在目标图像中的边长信息以及车位框类型。以下分别进行说明。34.在一些实施例中，车位框基准点可以指在目标图像中代替车位框的点。比如，将该点在目标图像中的像素坐标，作为车位框在目标图像中的像素坐标。车位框基准点可以是目标图像中车位框所在区域中的点。35.结合参考图2。在本实施例中，考虑到车辆在进行图像采集时，通常是在靠近车位出入口一侧的位置采集车位区域的图像。由于距离车辆越远的地方，采集到的图像特征越不明显，因此，可以选择距离车位出入口较近的点作为车位框基准点。具体来说，假设在车位框中，车位出入口一侧到相对的另一侧的距离为l，车位框基准点可以位于距离车位出入口中心l/3的位置处，即图2中的位置c处。36.在一些实施例中，车位框基准点信息可以包括车位框基准点在像素坐标系下的像素坐标。图2中，像素坐标系以目标图像的左下顶点为坐标系原点o，x轴朝右，y轴朝上。可以理解的是，可以根据实际情况进行像素坐标系的划分，比如以目标图像的右下顶点作为像素坐标系的坐标系原点o。37.在一些实施例中，车位框的车位框顶点在目标图像中的位置信息，可以是基于车位框基准点确定的。具体来说，可以将车位框基准点作为坐标系原点，建立车位框坐标系。车位框坐标系的x轴平行于车位框的其中一条边，y轴垂直于x轴。车位框顶点在目标图像中的位置信息为车位框顶点在车位框坐标系下的坐标。38.在一些实施例中，车位框在目标图像中的倾斜度信息，可以指车位框相交的两条车位线在像素坐标系下分别的倾斜角度。比如图2中，车位框的其中一条车位线l1与另一条车位线l2相交，车位线l1相对于像素坐标系x轴的倾斜角度为α，车位线l2相对于像素坐标系y轴的倾斜角度为β。39.在一些实施例中，车位框在目标图像中的边长信息可以是基于车位框基准点确定的。具体来说，车位框在目标图像中的边长信息可以包括车位框基准点分别到车位框各条车位线的垂直距离。40.在一些实施例中，车位框类型可以用于标识车位框所在区域的车位是否被占用。若车位框所在区域的车位被占用，车位框类型可以标识为“占用”；若车位框所在区域的车位未被占用，车位框类型可以标识为“未被占用”。41.以上是针对车位框信息的相关介绍。42.步骤s13，将目标图像划分为多个网格，并基于网格检测目标图像中的车位角点，得到车位角点信息，车位角点信息标识车位角点所在的目标网格，以及车位角点在目标网格中的位置信息。43.结合参阅图4，为本技术的一个实施例提供的对目标图像进行网格划分的示意图。44.在一些实施例中，在对目标图像进行网格划分时，可以按照预设规则将目标图像划分为多个网格，以在目标图像中存在多个车位角点时，使车位角点与所在的目标网格一一对应。45.在本实施例中，每个网格的大小为32*32像素。46.在一些实施例中，对于一个完成训练的图像检测模型来说，根据特征提取模块提取的网格特征和原始图像特征，车位角点检测模块可以对划分为多个网格的目标图像进行车位角点检测，以得到车位角点信息。47.在一些实施例中，车位角点信息可以是以网格为单位输出的。以图4为例。针对图4中的每个网格，可以分别得到一个车位角点信息。对于任一个网格，车位角点信息可以包括该网格是否存在车位角点的标识信息。比如，可以用1表示网格存在车位角点，用0表示该车位角点不存在车位角点。48.在一些实施例中，对于存在车位角点的目标网格，车位角点信息还可以包括车位角点在目标网格中的位置信息。其中，车位角点在目标网格中的位置信息可以基于目标网格的中心点来确定。具体来说，可以以目标网格的中心点作为坐标系原点，建立网格坐标系。网格坐标系的x轴平行于目标网格的其中一条边，y轴垂直于x轴。车位角点的位置信息可以是车位角点在网格坐标系下的坐标信息。49.在一些实施例中，针对任一目标网格，可以基于该目标网格的中心点确定一个网格坐标系。该目标网格中的车位角点的位置信息，可以基于该目标网格的网格坐标系确定。为便于理解，图4示例性的给出了其中两个目标网格的网格坐标系。其中，车位角点a的位置信息为车位角点a在网格坐标系xoy下的坐标信息，车位角点b的位置信息为车位角点b在网格坐标系x’o’y’下的坐标信息。50.在一些实施例中，对于车位角点位于网格线的情况，可以先确定车位角点所在的目标网格线，然后确定包括目标网格线的网格，进而基于其中一个网格建立网格坐标系，来确定车位角点的位置信息。比如对于图4中的车位角点d来说，可以针对车位角点d左侧的网格建立网格坐标系，来确定车位角点d的位置信息；也可以针对车位角点d右侧的网格建立网格坐标系，来确定车位角点d的位置信息。51.在一些实施例中，车位角点信息还包括每个车位角点的形状类型，其中，车位角点的形状类型包括t型和l型。以图4为例，车位角点d的形状类型为t型，车位角点b的形状类型为l型。52.在一些实施例中，车位角点信息还可以包括每个车位角点的方向角。其中，车位角点的方向角为车位角点指向所在车位区域中相对一侧的方向。比如图4中，车位角点d的方向角为a指向b的方向。53.在本实施例中，考虑到车辆在进行图像采集时，通常是在靠近车位出入口一侧的位置采集车位区域的图像。采集到的图像中，位于车位出入口一侧的车位框顶点具有较为明显的特征，因此，在对目标图像中的车位角点进行检测时，可以只检测位于车位出入口一侧的车位角点。在后续的方案描述中，以检测位于车位出入口一侧的车位角点为基础，对本方案进行说明。54.以上是针对车位角点信息的相关介绍。55.可以理解的是，步骤s12和步骤s13的执行顺序可以不分先后，即根据特征提取模块提取的特征，车位框检测模块和车位角点检测模块可以根据特征提取模块提取的特征，分别同时进行检测。当然，也可以按照先后顺序执行，比如先执行步骤s12，再执行步骤s13；或者先执行步骤s13，再执行步骤s12。56.在一些实施例中，对于一个完成训练的图像检测模型来说，在执行上述步骤s12和步骤s13之外，图像检测模型的分割模块还可以根据特征提取模块提取的原始图像特征，输出目标图像的分割结果。分割结果用于标识目标图像中各个像素点所属的区域类别。57.步骤s14，根据车位角点的位置信息，对车位框的车位框顶点的位置信息进行修正，并将修正后的车位框所在区域确定为车位区域。58.在一些实施例中，步骤s14是根据位于车位出入口一侧的车位角点的位置信息，对车位框位于车位出入口一侧的车位框顶点的位置信息进行修正。59.在一些实施例中，车位框是车位框检测模块基于整个目标图像检测得到的，精度偏低；而车位角点是车位角点检测模块基于网格检测得到的，精度可以较高。针对同一个角点位置的车位框顶点和车位角点（比如图4圆形虚线框处的车位框顶点和车位角点），可以使用车位角点的位置信息修正车位框顶点的位置信息，如此，以对检测到的车位框进行修正，进而提高车位检测的精度。60.进一步的，考虑到同一个角点位置的车位框顶点和车位角点虽然存在位置偏差，但位置偏差通常不会相差太大，因此，可以将位于同一个目标网格中车位框顶点和车位角点，确定为同一个角点位置处的车位框顶点和车位角点。对于同一个目标网格中的车位框顶点和车位角点，由于车位角点的位置信息精度高于车位框顶点的位置信息精度，因此可以将车位框顶点的位置信息修正为车位角点的位置信息，以达到对车位框进行修正的目的。61.基于以上描述，在一些实施例中，若根据车位框顶点的位置信息，确定车位框的车位框顶点位于目标网格中（即存在车位框顶点和车位角点位于同一个网格的情况），可以将车位框顶点的位置信息，修正为车位框顶点所在目标网格中的车位角点的位置信息。结合参阅图5，为本技术的一个实施例提供的目标网格在目标图像中的位置示意图。图5中，假设灰色网格为位于车位出入口一侧的目标网格（即位于车位出入口一侧的车位角点所在的网格）。若车位框顶点位于其中一个灰色网格中，可以将车位框顶点的位置信息修正为相应灰色网格中的车位角点的位置信息。如此，实现对车位框的修正，以提高车位框的检测精度。62.在一些实施例中，在对车位框的位于车位出入口一侧的车位框顶点的位置信息进行修正后，可以将修正后的车位框顶点的位置信息作为基准，对车位框中其他未修正的车位框顶点的位置信息进行修正，然后将修正后的车位框所在区域确定为车位区域。此处以图5虚线框中的车位框为例进行说明。在对车位框顶点a和车位框顶点b进行修正后，可以将车位框顶点a作为起始位置，按照该车位框顶点a所在目标网格中的车位角点的方向角以及车位框边长，对车位框顶点c的位置进行修正，以及将车位框顶点b作为起始位置，按照该车位框顶点b所在目标网格中的车位角点的方向角以及车位框边长，对车位框顶点d的位置进行修正。其中，此处的车位框边长可以是根据常规的车位框边长，预先设置的。比如，通常来说，车位出入口所在边到对边的距离为8个像素，则将车位框边长预先设置为8个像素。63.结合参阅图6，为本技术的另一个实施例提供的目标网格在目标图像中的位置示意图。和图5类似，图6中的灰色网格为位于车位出入口一侧的目标网格。以虚线框内的区域来说，假设在进行车位框检测时，检测到该区域存在车位框，且车位框的车位框顶点位于位置a、位置b、位置c和位置d处。理论上，车位角点检测模块应该在位置a和位置b所在角点位置处，检测到对应的车位角点。但实际上，位置a和位置b所在角点位置处，却没有对应的车位角点与车位框顶点相匹配。这种情况，一方面可能是由于车位框检测模块在检测车位框时出现误判，在不存在车位框顶点的位置检测出了车位框顶点；另一个方面可能是该区域的车位角点特征不明显，导致车位角点检测模块未检测出车位角点。64.为解决这种问题，可以结合上述分割模块的输出结果，来进行车位检测。具体来说，若根据车位框顶点的位置信息，确定车位框的至少部分车位框顶点未位于目标网格中（即车位框的至少部分车位框顶点未与车位角点位于同一个网格中），可以确定该车位框的车位框顶点检测存在不准确的问题。鉴于此，可以根据该车位框的车位框基准点信息、车位框在目标图像中的倾斜度信息以及边长信息，确定车位框所在区域，然后确定车位框所在区域中各个像素点所属的区域类别。若在车位框所在区域中，像素点的区域类别属于非车位区域的占比超过第一阈值，将车位框所在区域确定为非车位区域；若在车位框所在区域中，像素点的区域类别属于非车位区域的占比未超过第一阈值，将车位框所在区域确定为车位区域。其中，第一阈值可以根据实际情况进行确定，比如70%。如此，通过判断车位框所在区域中各个像素点所属的区域类别，可以对上述步骤s12和步骤s13中的误判情况或漏检情况进行修正，提高了检测精度。65.进一步的，从上述步骤s12的描述中可知，车位框检测模块可以针对在目标图像中检测到的每个车位框分别输出一个车位框信息。结合图6可以看出，在目标图像中两个车位框相交的角点位置处，理论上应该存在两个车位框顶点。比如，以图6中的角点位置e来说，针对左侧开始的第一个车位框所生成的车位框信息中，在角点位置e存在一个车位框顶点e1；针对左侧开始的第二个车位框所生成的车位框信息中，在角点位置e存在一个车位框顶点e2。车位框顶点e1和车位框顶点e2可以具有不同的位置信息。可以理解的是，正常来说，车位框顶点e1和车位框顶点e2应该均位于角点位置e处的目标网格中。但实际情况是，由于车位框检测模块和车位角点检测模块的检测误差，在角点位置e处的目标网格中，可能却只存在一个车位框顶点。针对车位框顶点缺少的目标网格，很可能存在车位框漏检的情况。66.鉴于此，在一些实施例中，可以根据车位框顶点的位置信息，确定位于各个目标网格中的车位框顶点的数量，并将车位框顶点的数量不高于数量阈值的目标网格确定为待定网格。具体来说，可以根据目标网格中的车位角点的形状类型来确定每个目标网格中的数量阈值。对于l型的车位角点所在的目标网格，将车位框顶点的数量不高于0的目标网格确定为待定网格。对于t型的车位角点所在的目标网格，将车位框顶点的数量不高于1的目标网格确定为待定网格。其中，车位角点的形状类型可以在上述步骤s12中检测得到。67.在一些实施例中，若存在多个待定网格，可以将多个待定网格中的车位角点进行两两匹配，其中，对于进行匹配的任意两个车位角点，若该两个车位角点之间的距离符合预设的车位边长，且该两个车位角点的方向角的夹角在阈值角度范围内，则以该两个车位角点为基准，确定待定车位区域，其中，待定车位区域可以是车位框检测模块未检测出、但实际可能存在的车位框所在区域（即车位区域）。阈值角度范围可以根据实际情况进行设置，比如小于10度的角度范围。68.在一些实施例中，以单个车位区域来说，车位边长可以包括车位区域靠近车位出入口一侧的两个车位角点之间的第一边长，以及靠近车位出入口一侧的车位角点到非车位出入口一侧的第二边长。其中，对于靠近车位出入口一侧任一车位角点来说，该车位角点到非车位出入口一侧的第二边长，指在该车位角点的方向角上，该车位角点到车位出入口一侧的距离。车位边长可以根据经验，预先设置。69.在一些实施例中，对于进行匹配的任意两个车位角点来说，若该两个车位角点之间的距离满足第一边长，且该两个车位角点的方向角的夹角在阈值角度范围内，则可以将该两个车位角点作为待定车位区域靠近车位出入口一侧的车位角点。然后在该两个车位角点各自的方向角上，将距离该两个车位角点第二边长的位置确定为待定车位区域的另外两个角点。70.结合参阅图7，为本技术的另一个实施例提供的待定网格在目标图像中的位置示意图。针对图7，假设一个车位区域的宽（第一边长）大致为3个像素的距离，长（第二边长）大致为5个像素的距离，则可以根据待定网格中的车位角点的位置信息，计算任意两个车位角点之间的距离。比如图7中，通过计算，确定车位角点a和车位角点b之间的为3个像素，则可以将车位角点a和车位角点b作为待定车位区域靠近车位出入口一侧的车位角点，然后在车位角点a的方向角上，将与车位角点a距离5个像素的位置d确定为待定车位区域的另一个角点，同时，将在车位角点b的方向角上，将与车位角点b距离5个像素的位置c确定为待定车位区域的最后一个角点，如此，可以确定一个待定车位区域。71.在一些实施例中，在确定待定车位区域后，可以确定待定车位区域中各个像素点所属的区域类别。若在待定车位区域中，像素点的区域类别属于车位区域的占比超过第二阈值，将待定车位区域确定为车位区域。第二阈值可以根据实际情况进行确定，比如70%。如此，可以对车位框检测模块漏检的车位框补充检测，提高检测精度。72.基于以上描述可知，在本技术的一些实施例中，对车辆周围的目标图像分别进行车位框检测和车位角点检测，并且在进行车位角点检测时，对目标图像进行网格划分，基于网格对车位角点进行检测，使得车位角点的位置信息精度可以较高，从而可以基于车位角点的位置信息，对车位框的车位框顶点的位置信息进行修正，通过对多个网络分支的结果进行融合，可以达到提高车位区域检测精度和鲁棒性的目的。73.请参阅图8，为本技术的一个实施例提供的车位检测装置的模块示意图。车位检测装置包括：图像获取模块，用于获取车辆周围的目标图像；车位框检测模块，用于检测目标图像中的车位框，得到车位框信息，车位框信息包括车位框的车位框顶点的位置信息；车位角点检测模块，用于将目标图像划分为多个网格，并基于网格检测目标图像中的车位角点，得到车位角点信息，车位角点信息包括车位角点所在的目标网格，以及车位角点在目标网格中的位置信息；及修正模块，用于根据车位角点的位置信息，对车位框的车位框顶点的位置信息进行修正，并将修正后的车位框所在区域确定为车位区域。74.请参阅图9，为本技术的一个实施例提供的车位检测系统的示意图。车位检测系统包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时，实现上述的车位检测方法。75.其中，处理器可以为中央处理器（central processing unit，cpu）。处理器还可以为其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现场可编程门阵列（field-programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。76.存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施方式中的方法。77.存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。78.本技术一个实施方式还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序被处理器执行时，实现上述的车位检测方法。79.虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!