[發明專利]泊車控制方法、裝置、計算機設備及計算機可讀存儲介質

在審

• 申請號: 201910362438.7
• 申請日: 2019-04-30
• 公開（公告）號: CN111860072A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 谷俊;何俏君;尹超凡;李彥琳;付穎;彭斐;毛茜;王薏
• 申請（專利權）人: 廣州汽車集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 黃華蓮;郝傳鑫

本發明公開了一種泊車控制方法，包括：獲取傳感器采集的車輛周圍的圖像信息；根據所述圖像信息和事先訓練的障礙物識別模型獲得障礙物類別和障礙物坐標框，其中，所述障礙物識別模型為輕量級卷積神經網絡,障礙物坐標框與障礙物一一對應，并且障礙物的邊緣被坐標框包圍以使障礙物處坐標框內；根據所述障礙物類別和障礙物坐標框進行泊車控制。本發明還公開了一種泊車控制裝置、一種計算機設備及一種計算機可讀存儲介質。采用本發明，可為自動泊車提供實時準確的障礙物感知信息，成本更加低廉，識別率高。

技術領域

本發明涉及智能泊車技術領域，尤其涉及一種泊車控制方法、一種泊車控制裝置一種計算機設備及一種計算機可讀存儲介質。

背景技術

隨著城市人口日益增長，私家車的數量也越來越多，相較而言，停車位數量有限且位置越來越緊湊，因此需要采用快捷有效的自動泊車技術，以使汽車正確地停靠位泊車。

泊車過程中，泊車位內的障礙物檢測十分重要。現有的障礙物檢測技術大多依賴超聲波雷達檢測、激光雷達檢測或計算機視覺檢測的方法。

如，現有技術中公開了一種智能泊車系統的障礙物檢測與庫位判別方法及實現系統，其依賴于車輛定位數據與雷達數據，對數據點進行坐標轉換、擬合處理后，擬合出障礙物外接矩形，并判斷泊車位是否符合泊車條件，從而實現庫位檢測功能。但是，該方案需要融合二維雷達信息(如激光雷達)與定位信息(如GPS全球定位系統)，針對室內情況，定位信息難以獲得，且激光雷達價格昂貴，成本較高。

還有現有技術中利用改進的混合高斯背景建模方法建立背景，將原視頻圖像與背景圖像相減，通過Otsu自動閾值的獲取進行前景目標分離，再通過動態特征、靜態特征提取幾何約束障礙物檢測方法對障礙物進行檢測。但是，該方案易受到陰影、光照等環境條件的影響，且背景建模方法對于靜態障礙物不敏感，不宜用于靜態障礙物的檢測。

但是上述技術方案依賴于車身周圍的多個超聲波傳感器實時捕獲車身周圍的環境信息，利用來自存在于車輛周邊附近的物體(障礙物)的反射波，從而推定從車輛到障礙物的距離和該障礙物的大小。但是，上述兩種技術方案受超聲波傳感器自身特性的局限，在圓角處存在接收不到回波的現象，且回波信息包含大量干擾信息，不易確定障礙物大小。

發明內容

本發明所要解決的技術問題在于，提供一種成本低廉，識別率高的泊車控制方法、計算機設備及計算機可讀存儲介質，可為自動泊車提供實時準確的障礙物感知信息。

為了解決上述技術問題，本發明提供了一種泊車控制方法，包括：獲取傳感器采集的車輛周圍的圖像信息；根據所述圖像信息和事先訓練的障礙物識別模型獲得障礙物類別和障礙物坐標框，其中，所述障礙物識別模型為輕量級卷積神經網絡，所述障礙物坐標框與障礙物一一對應，并且所述障礙物的邊緣被坐標框包圍以使障礙物處坐標框內；根據所述障礙物類別和障礙物坐標框進行泊車控制。

作為上述方案的改進，所述輕量級卷積神經網絡的網絡架構模型至少包括16層用于特征提取，并采用至少兩個尺度的特征圖進行分類和檢測框回歸。

作為上述方案的改進，所述16層包括10個卷積層和6個最大池化層，并輸出X個通道的特征圖以實現障礙物分類和坐標框回歸，其中：X＝(a+b+c)*d，其中，a為坐標框的坐標值數量，b為坐標框的置信度值，c為障礙物類別數量，d為先驗框的數量；所述兩個尺度包括，尺寸為A*A的特征圖進行障礙物分類，尺寸為A*A的特征圖經過上采樣后與尺寸為2A*2A的特征圖合并以進行坐標框回歸，其中，A為根據原圖尺寸經過n倍縮小后的數值，n為正整數。

作為上述方案的改進，所述方法還包括障礙物識別模型訓練，具體包括：獲取樣本數據集、基礎卷積神經網絡模型以及損失函數；將所述基礎卷積神經網絡模型與所述損失函數結合，生成初始卷積神經網絡模型；根據所述樣本數據集訓練所述初始卷積神經網絡模型，生成障礙物識別模型。