[發(fā)明專利]車位頂點定位方法、裝置和存儲介質

在審

• 申請?zhí)枺?/td>: 201811477025.5
• 申請日: 2018-12-05
• 公開（公告）號: CN109614914A
• 公開（公告）日: 2019-04-12
• 發(fā)明（設計）人: 吳子章;丁麗珠;唐銳;王凡
• 申請（專利權）人: 北京縱目安馳智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/73
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明提供一種車位頂點定位方法、裝置和存儲介質，包括以下步驟：獲取樣本圖像，所述樣本圖像中包括一個或多個車位，將樣本圖像輸入至車位頂點定位網絡，得到用于表征車位頂點的熱力圖并獲取熱力圖上的熱力聚集區(qū)域的坐標；將熱力圖上熱力聚集區(qū)域的坐標經篩選得到車位頂點，以篩選得到的車位頂點為基礎獲取包含該車位頂點的特征圖，再將特征圖輸入頂點定位網絡，修正得到修正后的車位頂點定位網絡。本發(fā)明以機器學習或深度學習的方式識別樣本圖像中的停車位的頂點，進而再通過此要素作出車位定位、車位組合、車位擴展等等。

技術領域

本發(fā)明涉及汽車電子技術領域，特別是涉及一種車位頂點定位方法、裝置和存儲介質。

背景技術

近年來，隨著人們對自動駕駛的需求增加，自主泊車輔助系統(tǒng)已成為一個深入研究的課題，為此，人們迫切需要解決如何基于視覺的系統(tǒng)高效定位停車位這一問題。

目前的車位檢測技術還不夠完善，漏檢誤檢的問題仍然存在，同時也不能滿足多場景、多類型的車位。

發(fā)明內容

為了解決上述的以及其他潛在的技術問題，本發(fā)明提供了一種車位頂點定位方法、裝置和存儲介質，以機器學習或深度學習的方式識別樣本圖像中的停車位的頂點，進而再通過此要素作出車位定位、車位組合、車位擴展等等。

一種車位頂點定位網絡訓練方法，包括以下步驟：

獲取樣本圖像，所述樣本圖像中包括一個或多個車位，

將樣本圖像輸入至車位頂點定位網絡，得到用于表征車位頂點的熱力圖并獲取熱力圖上的熱力聚集區(qū)域的坐標；

將熱力圖上熱力聚集區(qū)域的坐標經篩選得到車位頂點，以篩選得到的車位頂點為基礎獲取包含該車位頂點的特征圖，再將特征圖輸入頂點定位網絡，修正得到修正后的車位頂點定位網絡。

一種車位頂點定位網絡，以所述的車位頂點定位網絡訓練方法訓練得出的車位頂點定位網絡。

一種車位頂點定位方法，獲取車位頂點定位的方式是以樣本圖像輸入如上述權利要求2中所述的修正后的車位頂點定位網絡獲得。

一種車位頂點修正網絡，以預先標注圖像的車位頂點與權2所述的車位頂點定位網絡學習到的車位頂點之間的差距，然后對車位頂點定位網絡學習到的車位頂點進行修正。

進一步地，所述車位頂點修正網絡使用的損失函數(shù)為歐氏距離損失函數(shù)EuclideanLoss。

進一步地，篩選熱力圖聚集區(qū)域坐標的方式是：

獲取熱力圖上的熱力聚集區(qū)域的坐標是一個坐標值范圍，將這些坐標值范圍中的坐標點回歸，回歸出的極大值點與車位頂點極大值閾值比較，當回歸出的極大值點小于車位頂點極大值閾值時，則舍棄該坐標點；當回歸出的極大值點大于車位頂點極大值閾值時，則歸一化該坐標值范圍內的所有點。

進一步地，將歸一化坐標值范圍內的所有點后得到的結果與歸一化閾值比較，若歸一化后的坐標點大于歸一化閾值時，則以該歸一化坐標點為基礎截取特征圖。

一種車位頂點定位驗證方法，包括以下步驟：

將車位頂點標注在樣本圖像上，獲得標注圖像上的車位頂點推薦標注；

將樣本圖像輸入修正后的車位頂點定位網絡并輸出車位頂點，并將該車位頂點與車位頂點推薦標注比較，獲得驗證結果。

一種車位頂點定位網絡訓練裝置，包括：

樣本獲取單元，用于獲取樣本圖像，所述樣本圖像中包括一個或多個車位；

樣本標注獲取單元，用于獲取已經標注好的樣本圖像，所述樣本圖像中包括一個或多個車位；