[發明專利]一種視覺車位跟蹤系統

有效

• 申請號: 202110231087.3
• 申請日: 2021-03-02
• 公開（公告）號: CN113034963B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 呂敏;丁智;王繼貞
• 申請（專利權）人: 英博超算(南京）科技有限公司
• 主分類號: G08G1/14
• 分類號: G08G1/14;G08G1/04;E04H6/42
• 代理公司: 北京沁優知識產權代理有限公司 11684
• 代理人: 陳堅

本發明公開了一種視覺車位跟蹤系統，其技術方案要點是包括處理模塊、攝像模塊和車輛里程模塊，處理模塊包括全局模型單元和車位匹配單元，全局模型單元內配置有全局坐標系，車輛里程模塊設置于車輛上，全局坐標系用于顯示視覺車位和車輛里程路線，通過車位匹配單元將視覺車位與記錄在跟蹤列表中的跟蹤車位進行比對，從而判斷是否將視覺車位與跟蹤車位進行匹配，從而實現能懟車位進行跟蹤，并且準確的判斷車位是否可以供車輛進行停泊的效果。

技術領域

本發明涉及汽車照明技術領域，更具體的說是涉及一種視覺車位跟蹤系統。

背景技術

隨著停車場規模與復雜程度增加，室內的停車場和室外停車場的建設尤為重要，其中室內停車場，往往存在道路狹窄、環境復雜、視野不開闊的情況，室外停車場雖然視野相對開闊一點，但是在進行停車時，存在駕駛員難以快速找到需要?？康能囄唬m然目前日常生活中智能化程度在不斷提高，也應運而生了智能化的輔助停泊系統。

目前，輔助停泊系統中會采用對車位進行檢測，并將車輛與車位進行匹配，使得車輛可以方便的停泊進匹配的車位內，目前有很多種對車位進行檢測的方法，其中通過魚眼攝像頭進行檢測的方式是當下較為普遍的方式，這種檢測方式一般通過傳統圖像算法或者深度學習算法進行檢測，深度學習能夠檢測車位是否為空車位，但深度學習的檢測效果主要依賴與學習的樣本，即停車場的模型樣本，但是車位場景極為復雜多變，很難通過深度學習的方法來支持所有車位的空車位檢測，從而不能準確對車位狀態進行實時跟蹤；傳統圖像算法是通過檢測車位的車位線夾角來識別車位，一般無法檢測車位的狀態，不能夠準確的判斷車位是否為空車位；目前通過魚眼相機對車位進行檢測，在對車位圖像進行檢測時，存在對車位的跟蹤檢測效果差，因此導致不能夠準確的對車位進行跟蹤，從而不能準確的判斷車位是否可以供車輛進行停泊，降低了對車輛輔助停泊的效率。

發明內容

針對現有技術存在的不足，本發明的目的在于提供一種視覺車位跟蹤系統，具有能夠對車位進行跟蹤，實現準確的判斷車位是否可以供車輛進行停泊的效果。

為實現上述目的，本發明提供了如下技術方案：

一種視覺車位跟蹤系統，包括處理模塊、攝像模塊和車輛里程模塊，所述處理模塊包括全局模型單元和車位匹配單元，所述全局模型單元內配置有全局坐標系，所述車輛里程模塊設置于車輛上，所述車輛里程模塊包括停泊觸發單元，觸發所述停泊觸發單元時生成停泊指令和車輛坐標信息并發送停泊指令和車輛坐標信息至全局模型單元，所述車輛坐標信息表征開始停泊時車輛后軸中心位于全局坐標系中的坐標位置，所述全局模型單元將車輛坐標信息的坐標位置作為全局坐標系的原點；

所述攝像模塊實時拍攝車位并生成視覺車位，所述攝像模塊發送視覺車位至全局模型單元和車位匹配單元，所述全局模型單元接收到視覺車位時，所述全局模型單元將視覺車位在以車輛坐標信息為原點的全局坐標系中顯示，以使所述視覺車位的邊角處坐標位置于全局模型單元中顯示；

所述車位匹配單元內配置有車位跟蹤列表，所述車位匹配單元首次接收到視覺車位時，所述車位跟蹤列表記錄首次接收到的視覺車位并將所述視覺車位作為跟蹤車位，所述車位匹配單元內配置有判斷策略和預設的匹配閾值，所述判斷策略包括將視覺車位的類型和跟蹤車位的類型進行比對，若所述視覺車位的類型與跟蹤車位的類型不同時，所述判斷策略生成大于匹配閾值的預設匹配值，若所述視覺車位的類型與跟蹤車位的類型一致時對車位進行是否匹配進行判斷，所述車位匹配單元內還配置有用于是否進行車位匹配的匹配策略和匹配差異值，所述匹配差異值表征視覺車位與跟蹤車位以車位入口邊線的歐式距離值，并以此表示視覺車位與跟蹤車位的匹配差異程度，所述匹配策略包括用于計算匹配差異值的差異算法，并將通過所述差異算法計算得出的匹配差異值與匹配閾值進行比較，若所述匹配差異值大于匹配閾值時，不匹配所述視覺車位和跟蹤車位，若所述匹配差異值小于匹配閾值時，匹配所述視覺車位和跟蹤車位。

作為本發明的進一步改進，所述攝像模塊中還配置有視覺車位過濾策略，所述視覺車位過濾策略包括對攝像模塊拍攝的視覺車位出現邊緣畸變和車位尺寸異常的視覺車位進行過濾并提出異常的視覺車位。