[發明專利]停車位識別方法、裝置、車輛及存儲介質

在審

• 申請號: 202211517905.7
• 申請日: 2022-11-29
• 公開（公告）號: CN115880656A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 方柱;吳銳;謝樂成
• 申請（專利權）人: 重慶長安汽車股份有限公司
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/774;G06V30/148
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 黃瓊

本申請涉及人工智能技術領域，特別涉及一種停車位識別方法、裝置、車輛及存儲介質，其中，方法包括：獲取車輛采集的當前停車場的停車位數據；將當前停車場的停車位數據輸入至預先訓練的停車位識別模型，輸出當前停車位圖像和車位號圖像，其中，停車位識別模型由待訓練停車位數據訓練預設的yolov5模型得到；對車位號圖像進行角度校正，得到矯正后的車位號圖像，并在車輛的顯示當前停車位圖像和矯正后的車位號圖像。由此，解決相關技術的車位識別算法精確度和速度均不高的問題，能夠在算力有限的車載嵌入式設備中實現實時和精確的車位及車位號檢測。

技術領域

本申請涉及自動駕駛技術領域，特別涉及一種停車位識別方法、裝置、車輛及存儲介質。

背景技術

車位識別是目標檢測的一種，目標檢測是很多計算機視覺任務的基礎，不論我們需要實現圖像與文字的交互還是需要識別精細類別，它都提供了可靠的信息，現在目標檢測算法主要是分為兩種：one-stage和two-stage。其中，two-stage指的是檢測算法需要分兩步完成，首先需要獲取候選區域，然后進行分類，比如R-CNN系列；與之相對的是one-stage檢測，可以理解為一步到位，不需要單獨尋找候選區域，典型的有SSD(Single ShotMultiBox Detector，輕量級目標檢測)/YOLO(You Only Look Once，一種目標檢測算法)。

相關技術中提出一種基于環視的停車位識別方法，通過得到待處理灰度圖片，對待處理灰度圖片進行檢測，獲得待處理灰度圖片上的角點，對待處理灰度圖片上的角點進行篩選，獲得待處理灰度圖片上的角點對應的缺陷角點集合，對缺陷角點集合進行計算，獲得缺陷角點集合的角點隊列，根據角點隊列確定車位。通過將初始俯視拼接圖片進行預處理，然后基于訓練模型進行角點篩選以及計算獲得角點隊列，最后確定車位。

然而，相關技術的車位識別算法精確度和速度均不高。

發明內容

本申請提供一種停車位識別方法、裝置、車輛及存儲介質，以解決相關技術的車位識別算法精確度和速度均不高的問題，能夠在算力有限的車載嵌入式設備中實現實時和精確的車位及車位號檢測。

本申請第一方面實施例提供一種停車位識別方法，包括以下步驟：獲取車輛采集的當前停車場的停車位數據；將所述當前停車場的停車位數據輸入至預先訓練的停車位識別模型，輸出所述當前停車位圖像和車位號圖像，其中，所述停車位識別模型由待訓練停車位數據訓練預設的yolov5模型得到；以及對所述車位號圖像進行角度校正，得到矯正后的車位號圖像，并在所述車輛的顯示所述當前停車位圖像和所述矯正后的車位號圖像。

可選地，在一些實施例中，在將所述當前停車位數據輸入至所述預先訓練的停車位識別模型之前，還包括：基于預設的采集要求，采集多個停車場的停車位，得到所述待訓練停車位數據；按照預設的數據文件目錄格式對所述待訓練停車位數據進行預處理，得到目標數據，并將所述目標數據劃分為訓練集和測試集；基于預設的優化損失函數和初始學習率，通過所述訓練集訓練所述預設的yolov5模型，直至達到預設訓練輪數，得到所述停車位識別模型。

可選地，在一些實施例中，在得到所述停車位識別模型之后，還包括：獲取所述停車位識別模型的輸出結果，其中，所述輸出結果包括召回率和mAP；根據所述召回率和所述mAP優化所述目標數據，并通過優化后的所述目標數據對所述停車位識別模型進行優化訓練。

可選地，在一些實施例中，所述對所述車位號圖像進行角度校正，得到矯正后的車位號圖像，包括：獲取所述車位號圖像的最小外接矩形、中心點坐標；對所述車位號圖像進行灰度化處理、高斯模糊處理、直方圖均衡化處理和/或去噪聲處理，并將處理后的所述車位號圖像輸入至預設的unet模型，得到所述車位號圖像的掩碼圖片；從所述掩碼圖片獲取所述最小外接矩形的四個頂點坐標，并按照預設排序規則對所述最小外接矩形的四個頂點坐標進行排序后，基于預設的轉換矩陣轉換后得到所述矯正后的車位號圖像。

可選地，在一些實施例中，所述預設的轉換矩陣為：