[發明專利]一種地下車庫全局圖的構建方法及裝置

有效

• 申請號: 202011179083.7
• 申請日: 2020-10-29
• 公開（公告）號: CN112381726B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 張劍鋒;林瀟;宇文志強;孫超紅
• 申請（專利權）人: 浙江吉利控股集團有限公司;寧波吉利汽車研究開發有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T7/30
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種地下車庫全局圖的構建方法，其特征在于，所述方法包括：

獲取連續時間段內車輛周圍的多個地下車庫環境源圖像；

利用預設的抗扭曲視角變換函數對每個時刻的多個地下車庫環境源圖像進行矯正處理，得到多個矯正后的圖像；

利用預設的檢測元對每個矯正后圖像中的多個區域進行特征值檢測，確定所述每個矯正后圖像中的特征點；

對所述每個矯正后圖像中的特征點周圍的圖像區域進行分塊，得到多個分塊圖像，計算所述多個分塊圖像各自的梯度直方圖；

基于同一時刻的多個矯正后圖像中分塊圖像的梯度直方圖，對所述同一時刻的多個矯正后圖像進行匹配，生成目標匹配圖像；

利用預設的標志物識別模型對所述目標匹配圖像中的每個像素點進行識別，輸出目標標志物圖像；其中，所述目標標志物圖像的標志物類別包括路口類別；

獲取車輛行駛過程中的航向角信息和速度信息；

基于所述車輛行駛過程中的航向角信息和速度信息，確定車輛是否在路口；

當確定車輛在路口時，對所述車輛在所述路口的時間段內的航向角信息和速度信息進行積分，得到車輛的行駛軌跡；

基于所述車輛的行駛軌跡確定車輛路口的過彎信息；基于所述過彎信息對標志物類別包含路口類別的目標標志物圖像進行修正，得到修正后目標標志物圖像；

基于所述連續時間段內對應的目標標志物圖像和修正后目標標志物圖像構建地下車庫全局圖。

2.根據權利要求1所述的方法，其特征在于，所述獲取連續時間段內車輛周圍的多個地下車庫環境源圖像之前，所述方法還包括：

利用多個環視攝像頭采集車輛周圍地下車庫環境的多個源圖像，所述多個環視攝像頭安裝于車輛上不同位置。

3.根據權利要求2所述的方法，其特征在于，所述利用預設的抗扭曲視角變換函數對每個時刻的多個地下車庫環境源圖像進行矯正處理，得到多個矯正后的圖像之前，所述方法還包括：

獲取相機內外參數；

基于所述相機內外參數確定抗扭曲矩陣和視角轉換矩陣；

基于所述抗扭曲矩陣和所述視角轉換矩陣確定所述抗扭曲視角變換函數。

4.根據權利要求1所述的方法，其特征在于，所述預設的標志物識別模型包括采用下述步驟確定：

獲取第一訓練樣本圖像，所述第一訓練樣本圖像包括多種標志物圖像和對應的標志物類別標簽；

基于所述多種標志物圖像和對應的標志物類別標簽對深度學習網絡進行標志物類別識別訓練，得到標志物識別模型。

5.根據權利要求4所述的方法，其特征在于，所述深度學習網絡包括編碼解碼模型，所述編碼-解碼模型包括編碼器和解碼器；

所述編碼器包括多個編碼模塊，每個區塊包括一個卷積核的卷積層、兩個殘差塊和最大池化層，每個殘差塊包括兩個卷積核的卷積層和一個跳層連接；

所述解碼器包括與所述編碼模塊數量一致的解碼塊，所述解碼器的每個區塊包括一個反卷積層、一個特征融合層和一個卷積核的卷積層。

6.根據權利要求1所述的方法，其特征在于，所述利用預設的標志物識別模型對所述目標匹配圖像中的每個像素點進行識別，輸出目標標志物圖像之后，所述方法還包括：

將連續時間段內對應的目標標志物圖像輸入預設卷積網絡，輸出連續多幀圖像的特征圖；

將所述多幀序列圖像的特征圖作為預設循環神經網絡的輸入，對多幀序列圖像進行特征聚合；

對所述預設循環神經網絡的輸出進行非線性處理，得到多幀位移重疊融合圖像；

相應的，將所述基于所述連續時間段內對應的目標標志物圖像構建地下車庫全局圖替換為基于所述多幀位移重疊融合圖像構建地下車庫全局圖。