[發(fā)明專利]一種基于深度學習的泊車輔助系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310546746.1
• 申請日: 2023-05-16
• 公開（公告）號: CN116494957A
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計）人: 陳楠
• 申請（專利權(quán)）人: 山西寧納東網(wǎng)絡(luò)科技有限公司
• 主分類號: B60W30/06
• 分類號: B60W30/06;B60W50/00;G06V20/56;G06V20/58;G06V10/28;G06Q10/047;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于深度學習的泊車輔助系統(tǒng)，涉及了深度學習技術(shù)領(lǐng)域，包括深度學習模型，所述深度學習模型通信連接有庫位定位模塊，軌跡規(guī)劃模塊以及訓練糾正模塊，所述庫位定位模塊連接有泊前預備模塊；通過泊前預備模塊產(chǎn)生車輛周圍環(huán)境圖和泊車參數(shù)，庫位定位模塊將車輛周圍環(huán)境圖轉(zhuǎn)為灰度圖像輸入至深度學習模型中產(chǎn)生庫位信息，軌跡規(guī)劃模塊根據(jù)庫位信息生成相應(yīng)的泊車軌跡，訓練糾正模塊將泊車軌跡輸入至深度學習模型中訓練學習生成新的泊車軌跡和泊車參數(shù)，有效提升了泊車車輛下次泊入該車位的精準度，新的泊車參數(shù)作為共享數(shù)據(jù)可供下載獲取，從而實現(xiàn)輔助泊車的目的。

技術(shù)領(lǐng)域

本發(fā)明涉及泊車輔助技術(shù)領(lǐng)域，具體是一種基于深度學習的泊車輔助系統(tǒng)。

背景技術(shù)

在以往的泊車輔助系統(tǒng)中，泊車只能根據(jù)車輛上所布置的元器件進行數(shù)據(jù)采集，而不能通過比對相似的數(shù)據(jù)達到獲得信息的目的，采集到數(shù)據(jù)后啟動自動泊車，整個過程耗時長，且下次繼續(xù)泊入該位置車位時，由于泊車參數(shù)不變，泊車的精度無法得到有效提升；

如何通過比對相似數(shù)據(jù)獲得泊車所需要的參數(shù)，并通過深度學習技術(shù)訓練獲得到的參數(shù)，提高下次泊入該車位的精確度，實現(xiàn)泊車輔助是我們所關(guān)注的，為此，現(xiàn)提供了一種基于深度學習的泊車輔助系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度學習的泊車輔助系統(tǒng)。

本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：一種基于深度學習的泊車輔助系統(tǒng)，包括深度學習模型，所述深度學習模型通信連接有庫位定位模塊，軌跡規(guī)劃模塊以及訓練糾正模塊，所述庫位定位模塊連接有泊前預備模塊。

所述泊前預備模塊用于生成車輛周圍環(huán)境圖和泊車參數(shù)；

所述庫位定位模塊用于獲取強相關(guān)圖片集并生成庫位信息；

所述軌跡規(guī)劃模塊用于根據(jù)庫位定位模塊所生成的庫位信息規(guī)劃出泊車軌跡；

所述訓練糾正模塊用于對軌跡規(guī)劃模塊生成的泊車軌跡進行訓練糾正。

進一步的，所述泊前預備模塊用于生成車輛周圍環(huán)境圖和泊車參數(shù)的過程包括：

設(shè)置泊車車輛和泊車庫位，在泊車車輛上設(shè)置若干元件用于采集數(shù)據(jù)；

所述元件包括攝像儀和測距儀，攝像儀設(shè)置固定采集角度范圍；

以泊車庫位中心點為圓心，不同距離為半徑設(shè)置分級感應(yīng)區(qū)域，當測距儀檢測泊車車輛進入不同分級的感應(yīng)區(qū)域時，攝像儀和測距儀分別啟動，生成各部位全景圖和泊車參數(shù)，合并各部位全景圖生成車輛周圍環(huán)境圖。

進一步的，各部位全景圖合并為車輛周圍環(huán)境圖的過程包括：

對各部位全景圖進行拼接處理和強化處理；

拼接處理即先剔除掉各部位全景圖重疊的部分，再合并成一幅車輛周圍環(huán)境圖；

強化處理即對車輛周圍環(huán)境圖進行像素的切分細化處理。

進一步的，所述庫位定位模塊設(shè)置有存儲單元，登錄單元以及分析單元；

所述存儲單元用于進行車輛自身數(shù)據(jù)和共享數(shù)據(jù)的存儲；

所述登錄單元用于進行泊車車輛車主的登錄，并進行上傳車輛自身數(shù)據(jù)和下載獲取共享數(shù)據(jù)的操作；

所述分析單元用于對存儲單元中的車輛自身數(shù)據(jù)和共享數(shù)據(jù)進行特征值提取和特征值比對。

進一步的，所述分析單元對車輛自身數(shù)據(jù)和共享數(shù)據(jù)進行特征值提取的過程包括：

將車輛自身數(shù)據(jù)中的車輛周圍環(huán)境圖縮放至標準尺寸，并轉(zhuǎn)化成灰度圖像；

獲取灰度圖像每一個像素格的灰度值，并計算出灰度圖像的灰度平均值；