[發明專利]一種基于深度學習的有效劃線車位識別方法和系統

有效

• 申請號: 201910814501.6
• 申請日: 2019-08-30
• 公開（公告）號: CN110415555B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 戚鵬飛
• 申請（專利權）人: 的盧技術有限公司
• 主分類號: G08G1/14
• 分類號: G08G1/14;G06K9/00;G06K9/34;G06K9/62;G06T5/00;G06T7/80
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

本發明公開了一種基于深度學習的有效劃線車位識別方法和系統，包括以下步驟，車載攝像模塊采集周圍環境圖像；將路邊地面采集的周圍環境傳輸至車載計算終端；圖像識別處理模塊采用深度學習方法和利用圖像識別分割模型對傳入環境圖像進行判別，計算出空余停車位的數量和位置，并在車載中控屏上顯示出空余停車位與本車的相對位置；所述圖像識別處理模塊在檢測出車位同時判別停車位內是否存在禁停標志或地鎖，若有則忽略當前車位繼續下一處車位檢測，直至完成符合的停車位的檢測。本發明的有益效果：無需部署車位傳感器，降低停車場智能化改造成本提高停車場的利用率，使用戶能夠快速查詢到空余車位。

技術領域

本發明涉及自然環境下圖像識別領域的技術領域，尤其涉及一種基于深度學習的有效劃線車位識別方法和系統。

背景技術

近年來自動泊車是汽車自動駕駛技術領域中的重要一環，如何能夠識別路邊有效的停車位是自動泊車的基礎，在識別出劃線車位的同時，還要能夠識別出車位內有沒有禁停標志或地鎖等障礙物，從而給出有效車位；與此同時，還要能夠給出劃線車位四個點的坐標，為自動駕駛提供實時車輛與車位的相對位置信息。深度學習是近年來在計算機視覺、圖像與視頻分析、多媒體等諸多領域的應用取得了巨大的成功。現有的深度學習模型屬于神經網絡，用較為復雜的模型降低模型偏差，可以通過大量的圖像訓練不斷優化圖像識別效果。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有存在的問題，提出了本發明。

因此，本發明解決的一個技術問題是：提供一種無需部署車位傳感器，從而降低停車場智能化改造成本，同時提高停車場的利用率，使用戶能夠快速查詢到空余車位的基于圖像深度學習的停車位識別及分割方法。

為解決上述技術問題，本發明提供如下技術方案：一種基于深度學習的有效劃線車位識別方法，包括以下步驟，車載攝像模塊采集周圍環境圖像；將路邊地面采集的周圍環境傳輸至車載計算終端；圖像識別處理模塊采用深度學習方法和利用圖像識別分割模型對傳入環境圖像進行判別，計算出空余停車位的數量和位置，并在車載中控屏上顯示出空余停車位與本車的相對位置；所述圖像識別處理模塊在檢測出車位同時判別停車位內是否存在禁停標志或地鎖，若有則忽略當前車位繼續下一處車位檢測，直至完成符合的停車位的檢測。

作為本發明所述的基于深度學習的有效劃線車位識別方法的一種優選方案，其中：圖像識別處理模塊部署于車載計算終端內，還包括以下識別步驟，收集路邊車位和停車場圖像作為樣本；預測圖像包含的元素；所述樣本進行深度學習訓練及圖像識別。

作為本發明所述的基于深度學習的有效劃線車位識別方法的一種優選方案，其中：還包括以下步驟，樣本圖像包含劃線車位、禁停標志、地鎖障礙物，將圖像中的元素分割為空余車位和障礙物，得到圖像訓練集；識別訓練模型利用所述訓練集進行訓練；訓練好的圖像識別訓練模型對采集的圖形進行識別，識別結果包含，識別出劃線車位四個角點位置；識別出禁停標志和地鎖等障礙物及其坐標；匯總各區域圖像識別結果，若障礙物的底部坐標落在劃線車位四個角點構成的連通區域里，則忽略當前劃線車位；否則當前車位作為有效車位返回位置坐標。

作為本發明所述的基于深度學習的有效劃線車位識別方法的一種優選方案，其中：所述車載攝像模塊為圖像采集攝像頭，以車輛右側大燈下方近焦攝像頭為主，經過預先標定，拍攝視角為水平向下45度，在車輛時速低于10km/h時自動啟動。