Nothing Special   »   [go: up one dir, main page]

CN107424116A - 基于侧环视相机的泊车位检测方法 - Google Patents

基于侧环视相机的泊车位检测方法 Download PDF

Info

Publication number
CN107424116A
CN107424116A CN201710534936.6A CN201710534936A CN107424116A CN 107424116 A CN107424116 A CN 107424116A CN 201710534936 A CN201710534936 A CN 201710534936A CN 107424116 A CN107424116 A CN 107424116A
Authority
CN
China
Prior art keywords
parking
parking position
camera
side ring
areas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710534936.6A
Other languages
English (en)
Other versions
CN107424116B (zh
Inventor
缪其恒
孙焱标
苏巍
刘振发
王江明
许炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Zero Run Technology Co Ltd
Original Assignee
Zhejiang Zero Run Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Zero Run Technology Co Ltd filed Critical Zhejiang Zero Run Technology Co Ltd
Priority to CN201710534936.6A priority Critical patent/CN107424116B/zh
Publication of CN107424116A publication Critical patent/CN107424116A/zh
Application granted granted Critical
Publication of CN107424116B publication Critical patent/CN107424116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于侧环视相机的泊车位检测方法，本发明通过对环视相机场景内可通行区域的分割，在地面坐标系下，通过逆透视变换计算出该平面区域的实际大小，并利用多帧时序图象数据结合车辆运动状态对该区域进行确认，优化实际泊车位区域位置信息，最终实现有效泊车位检测。本发明具有能提高泊车位检测可靠性和能提高泊车准确性的特点。

Description

基于侧环视相机的泊车位检测方法
技术领域
本发明涉及车载电子技术领域，尤其是涉及一种能提高泊车位检测可靠性和能提高泊车准确性的基于侧环视相机的泊车位检测方法。
背景技术
随着汽车自动化程度的提升，自动泊车系统成为了部分高端车系标准配置，实时准确的检测有效泊车位置是此类系统实现的重要前提。现有自动泊车系统大多基于超声波雷达传感器进行泊车位检测。超声波雷达传感器具有测量距离短，相邻传感器之间易产生信号干涉等特点，并且无法区别障碍物尺寸与类别。因此，其在某些场景下无法准确获得有效泊车位信息，应用场景具有一定的局限性，需要驾驶员人为确认泊车区域的正确性。
视觉系统在车辆主动安全领域应用越来越广。360度环视系统是现有高级汽车辅助安全系统之一，此类系统可以在低速工况下为驾驶员提供车辆周围情况，为驾驶员低速操作提供视觉辅助，已经成为了众多量产车型的标准配置。然而现有此类量产系统只能为驾驶员提供车辆周围相关区域的视觉辅助，无法对该区域的可通行性进行检测。
针对上述一些问题，中国专利公告号为CN104916163U，于2015年9月16日，公开了一种泊车位检测方法，包括：采集行驶车辆侧边的双目图像，图像采集的光轴方向与行驶方向垂直，且与车辆底面平行；检测出双目图像中所包含的特征像素点及其分布，所述特征像素点用于表征泊车位画线或者车辆形状的特征；判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点，若是则提示检测到泊车位；根据双目图像中的特征像素点及其分布，确定泊车位上停泊的两障碍车之间的间距，若所述间距不小于预设阀值，则提示所述两障碍车之间为泊车位。该发明的优点是：可以在泊车位上车辆较少的情况下也能够检测到泊车位，并且检测的范围比较大。但其不足之处是：该发明是利用图像识别的方式来检测泊车位，虽然检测范围比较大，但无法准确获得有效泊车位信息，如泊车位区域有暗坑或泊车位区域为出入通道等。
发明内容
本发明是为了克服现有技术中，超声波雷达传感器测量距离短，相邻传感器之间易产生信号干涉，并且无法区别障碍物尺寸与类别，在某些场景下无法准确获得有效泊车位信息，需要驾驶员人为确认泊车区域正确性的问题，提供了一种能提高泊车位检测可靠性和能提高泊车准确性的基于侧环视相机的泊车位检测方法。
为实现上述目的，本发明采用以下技术方案：
一种基于侧环视相机的泊车位检测方法，包括如下步骤：
(1-1)鱼眼相机畸变矫正
(1-1-1)利用标定所得相机内部参数，通过如下畸变模型去除鱼眼图像中的径向畸变：θ′＝θ(1+θ2+θ4)，其中，θ为图像中点对应的成像透视角；
(1-2)侧环视可泊车区域分割
(1-2-1)采用监督学习的方法训练深度神经网络，用于分割侧环视视角，图像区域内的可泊车区域以及不可泊车区域；
(1-3)图像可泊车区域逆透视变换
(1-3-1)利用侧环视相机标定参数，对可泊车区域进行逆透视变换，计算道路平面坐标系下可泊车区域面积；
(1-4)俯视图泊车位搜索
(1-4-1)采用设定的横、纵向泊车位几何尺寸阈值信息，根据步骤(1-3-1)中所得区域确认潜在泊车位；
(1-5)路面可泊车区域时序确认
(1-5-1)根据横摆平面车辆运动学模型，利用方向盘转角以及车速信号估算车辆运动信息，利用多帧时序图片确认可泊车区域，按照泊车位几何尺寸阈值筛选计算泊车位最终位置。
本发明通过对环视相机场景内可通行区域的分割，在地面坐标系下，通过逆透视变换计算出该平面区域的实际大小，并利用多帧时序图象数据结合车辆运动状态对该区域进行确认，优化实际泊车位区域位置信息，最终实现有效泊车位检测。本发明具有能提高泊车位检测可靠性和能提高泊车准确性的特点。
作为优选，在侧环视可泊车区域分割步骤中，还包括如下步骤：
(1-2)还包括如下步骤：
(1-2-2)采集侧环视视频样本，对视频数据进行畸变矫正并进行象素级标定，将图像分割为可泊车区域与不可泊车区域，采用网络开源算法粗标定辅助人工校准的方法提升标定效率；
(1-2-3)设计深度神经网络架构，采用全卷积网络结构；
(1-2-4)利用步骤(1-2-2)中所采集的样本与标定标签，对步骤(1-2-3)中所设计的深度神经网络架构进行监督训练，训练过程采用基于迷你批量方式的梯度下降方法：即每个循环内，基于反向递推的方法对softmax损失求最优解来优化网络权重参数，直至设定的循环迭代次数完成，softmax损失计算公式为：
其中，zj为输出向量的每个元素；
(1-2-5)利用步骤(1-2-4)中训练所得深度神经网络参数，对侧环视相机实时采集的矫正后的视频数据，进行图像可泊车区域预测，得到该时刻侧环视相机视角中的可泊车图像区域。
作为优选，利用侧环视相机标定参数，对可泊车区域进行逆透视变换，计算道路平面坐标系下可泊车区域面积的步骤，还包括：
通过投影变换矩阵H将畸变矫正后的图像坐标系中的点[u，v，1]T按如下公式坐标变换至地面坐标系中的点[X，Y，1]T：
[X，Y，1]T＝H*[u，v，1]T；
该投影变换矩阵H的标定方法为：在相机视角特定区域放置一个已知尺寸的棋盘格，对该棋盘格进行角点检测得到角点集合I1，该角点集合对应的地面坐标点集合I2，可通过棋盘格的几何尺寸与相对位置获得，通过匹配I1与I2集合，利用最小二乘计算集合点距离匹配误差得到H。
作为优选，采用设定的横、纵向泊车位几何尺寸阈值信息，根据步骤(1-3-1)中所得区域确认潜在泊车位的步骤，还包括：
定义开始泊车位搜索时刻，车辆右后侧角点为地面坐标系原点，利用横向、纵向泊车位最小尺寸模板，在俯视图可泊车区域中搜索所有符合该尺寸的阈值的所有潜在泊车位，泊车位平均位置定义为潜在泊车位顶点位置的算术平均值，泊车位最大范围定义为潜在泊车位区域内的最大矩形范围，在泊车位寄存器中记录当前时刻车辆的位置以及泊车位平均位置与最大范围。
作为优选，根据横摆平面车辆运动学模型，利用方向盘转角以及车速信号估算车辆运动信息，利用多帧时序图片确认可泊车区域，按照泊车位几何尺寸阈值筛选计算泊车位最终位置的步骤，还包括：
根据横摆平面车辆模型，利用车速v以及方向盘转角信号δ，按如下公式计算车辆在地面坐标系下运动信息：
x＝x0+∫vcos(δ)dt
y＝y0+∫vsin(δ)dt
根据车辆运动信息，在地面坐标系内补偿可泊车位区域的相对运动，若泊车位寄存器中泊车位平均位置连续n时刻均被确认为有效泊车位，则确认并提示该有效车位信息。若泊车位寄存器中泊车位平均位置连续n时刻均不被确认为有效泊车位，则依据泊车位寄存器中泊车位最大范围与当前时刻潜在泊车位信息，重新更新泊车位寄存器中的信息。
因此，本发明具有如下有益效果：(1)能与基于超声波雷达的泊车位检测方法进行融合，提升系统的鲁棒性；(2)能独立利用环视系统进行泊车位检测以及自动泊车，节约系统成本；(3)能提高泊车位检测可靠性；(4)能提高泊车准确性。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述：
如图1所示的一种基于侧环视相机的泊车位检测方法，包括如下步骤：
步骤100，鱼眼相机畸变矫正
步骤110，利用标定所得相机内部参数，通过如下畸变模型去除鱼眼图像中的径向畸变：θ′＝θ(1+θ2+θ4)，其中，θ为图像中点对应的成像透视角；
步骤200，侧环视可泊车区域分割
步骤210，采用监督学习的方法训练深度神经网络，用于分割侧环视视角，图像区域内的可泊车区域以及不可泊车区域；
步骤220，采集侧环视视频样本，对视频数据进行畸变矫正并进行象素级标定，将图像分割为可泊车区域与不可泊车区域，可采用网络开源算法粗标定辅助人工校准的方法提升标定效率；
步骤230，设计深度神经网络架构，采用全卷积网络结构；
步骤240，利用步骤220中所采集的样本与标定标签，对步骤230中所设计的深度神经网络架构进行监督训练。训练过程采用基于迷你批量方式的梯度下降方法：即每个循环内，基于反向递推的方法对softmax损失求最优解来优化网络权重参数，直至设定的循环迭代次数完成，softmax损失计算公式为：
其中，zj为输出向量的每个元素；
步骤250，利用步骤240中训练所得深度神经网络参数，对侧环视相机实时采集的矫正后的视频数据，进行图像可泊车区域预测，得到该时刻侧环视相机视角中的可泊车图像区域。
步骤300，图像可泊车区域逆透视变换
步骤310，利用侧环视相机标定参数，对可泊车区域进行逆透视变换，计算道路平面坐标系下可泊车区域面积：
通过投影变换矩阵H将畸变矫正后的图像坐标系中的点[u，v，1]T按如下公式坐标变换至地面坐标系中的点[X，Y，1]T：
[X，Y，1]T＝H*[u，v，1]T；
该投影变换矩阵H的标定方法为：在相机视角特定区域放置一个已知尺寸的棋盘格，对该棋盘格进行角点检测得到角点集合I1，该角点集合对应的地面坐标点集合I2，可通过棋盘格的几何尺寸与相对位置获得，通过匹配I1与I2集合，利用最小二乘计算集合点距离匹配误差得到H。
步骤400，俯视图泊车位搜索
步骤410，定义开始泊车位搜索时刻，车辆右后侧角点为地面坐标系原点，利用横向、纵向泊车位最小尺寸模板，在俯视图可泊车区域中搜索所有符合该尺寸的阈值的所有潜在泊车位，泊车位平均位置定义为潜在泊车位顶点位置的算术平均值，泊车位最大范围定义为潜在泊车位区域内的最大矩形范围，在泊车位寄存器中记录当前时刻车辆的位置以及泊车位平均位置与最大范围。
步骤500，路面可泊车区域时序确认
步骤510，根据横摆平面车辆模型，利用车速v以及方向盘转角信号δ，按如下公式计算车辆在地面坐标系下运动信息：
x＝x0+∫vcos(δ)dt
y＝y0+∫vsin(δ)dt
根据车辆运动信息，在地面坐标系内补偿可泊车位区域的相对运动，若泊车位寄存器中泊车位平均位置，在2分钟时间内的各个时刻均被确认为有效泊车位，则确认并提示该有效车位信息，若泊车位寄存器中泊车位平均位置，在2分钟时间内的各个时刻均不被确认为有效泊车位，则依据泊车位寄存器中泊车位最大范围与当前时刻潜在泊车位信息，重新更新泊车位寄存器中的信息。
应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (5)

1.一种基于侧环视相机的泊车位检测方法，其特征是，包括如下步骤：
(1-1)鱼眼相机畸变矫正
(1-1-1)利用标定所得相机内部参数，通过如下畸变模型去除鱼眼图像中的径向畸变：θ′＝θ(1+θ2+θ4)，其中，θ为图像中点对应的成像透视角；
(1-2)侧环视可泊车区域分割
(1-2-1)采用监督学习的方法训练深度神经网络，用于分割侧环视视角，图像区域内的可泊车区域以及不可泊车区域；
(1-3)图像可泊车区域逆透视变换
(1-3-1)利用侧环视相机标定参数，对可泊车区域进行逆透视变换，计算道路平面坐标系下可泊车区域面积；
(1-4)俯视图泊车位搜索
(1-4-1)采用设定的横、纵向泊车位几何尺寸阈值信息，根据步骤(1-3-1)中所得区域确认潜在泊车位；
(1-5)路面可泊车区域时序确认
(1-5-1)根据横摆平面车辆运动学模型，利用方向盘转角以及车速信号估算车辆运动信息，利用多帧时序图片确认可泊车区域，按照泊车位几何尺寸阈值筛选计算泊车位最终位置。
2.根据权利要求1所述的基于侧环视相机的泊车位检测方法，其特征是，步骤(1-2)还包括如下步骤：
(1-2-2)采集侧环视视频样本，对视频数据进行畸变矫正并进行象素级标定，将图像分割为可泊车区域与不可泊车区域，采用网络开源算法粗标定辅助人工校准的方法提升标定效率；
(1-2-3)设计深度神经网络架构，采用全卷积网络结构；
(1-2-4)利用步骤(1-2-2)中所采集的样本与标定标签，对步骤(1-2-3)中所设计的深度神经网络架构进行监督训练，训练过程采用基于迷你批量方式的梯度下降方法：即每个循环内，基于反向递推的方法对softmax损失求最优解来优化网络权重参数，直至设定的循环迭代次数完成，softmax损失计算公式为：
<mrow> <mi>&amp;sigma;</mi> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msup> <mi>e</mi> <msub> <mi>z</mi> <mi>j</mi> </msub> </msup> <mrow> <msup> <mi>&amp;Sigma;e</mi> <msub> <mi>z</mi> <mi>j</mi> </msub> </msup> </mrow> </mfrac> </mrow>
其中，zj为输出向量的每个元素；
(1-2-5)利用步骤(1-2-4)中训练所得深度神经网络参数，对侧环视相机实时采集的矫正后的视频数据，进行图像可泊车区域预测，得到该时刻侧环视相机视角中的可泊车图像区域。
3.根据权利要求1所述的基于侧环视相机的泊车位检测方法，其特征是，步骤(1-3-1)还包括如下步骤：
通过投影变换矩阵H将畸变矫正后的图像坐标系中的点[u，v，1]T按如下公式坐标变换至地面坐标系中的点[X，Y，1]T：
[X，Y，1]T＝H*[u，v，1]T；
该投影变换矩阵H的标定方法为：在相机视角特定区域放置一个已知尺寸的棋盘格，对该棋盘格进行角点检测得到角点集合I1，该角点集合对应的地面坐标点集合I2，可通过棋盘格的几何尺寸与相对位置获得，通过匹配I1与I2集合，利用最小二乘计算集合点距离匹配误差得到H。
4.根据权利要求1所述的基于侧环视相机的泊车位检测方法，其特征是，步骤(1-4-1)还包括如下步骤：
定义开始泊车位搜索时刻，车辆右后侧角点为地面坐标系原点，利用横向、纵向泊车位最小尺寸模板，在俯视图可泊车区域中搜索所有符合该尺寸的阈值的所有潜在泊车位，泊车位平均位置定义为潜在泊车位顶点位置的算术平均值，泊车位最大范围定义为潜在泊车位区域内的最大矩形范围，在泊车位寄存器中记录当前时刻车辆的位置以及泊车位平均位置与最大范围。
5.根据权利要求1所述的基于侧环视相机的泊车位检测方法，其特征是，步骤(1-5-1)还包括如下步骤：
根据横摆平面车辆模型，利用车速v以及方向盘转角信号δ，按如下公式计算车辆在地面坐标系下运动信息：
x＝x0+∫vcos(δ)dt
y＝y0+∫vsin(δ)dt
根据车辆运动信息，在地面坐标系内补偿可泊车位区域的相对运动，若泊车位寄存器中泊车位平均位置连续n时刻均被确认为有效泊车位，则确认并提示该有效车位信息，若泊车位寄存器中泊车位平均位置连续n时刻均不被确认为有效泊车位，则依据泊车位寄存器中泊车位最大范围与当前时刻潜在泊车位信息，重新更新泊车位寄存器中的信息。
CN201710534936.6A 2017-07-03 2017-07-03 基于侧环视相机的泊车位检测方法 Active CN107424116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710534936.6A CN107424116B (zh) 2017-07-03 2017-07-03 基于侧环视相机的泊车位检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710534936.6A CN107424116B (zh) 2017-07-03 2017-07-03 基于侧环视相机的泊车位检测方法

Publications (2)

Publication Number Publication Date
CN107424116A true CN107424116A (zh) 2017-12-01
CN107424116B CN107424116B (zh) 2020-06-19

Family

ID=60426806

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710534936.6A Active CN107424116B (zh) 2017-07-03 2017-07-03 基于侧环视相机的泊车位检测方法

Country Status (1)

Country Link
CN (1) CN107424116B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680113A (zh) * 2017-10-27 2018-02-09 武汉大学 基于贝叶斯框架边缘先验的多层分割网络的图像分割方法
CN107993488A (zh) * 2017-12-13 2018-05-04 深圳市航盛电子股份有限公司 一种基于鱼眼相机的车位识别方法、系统及介质
CN108090455A (zh) * 2017-12-27 2018-05-29 北京纵目安驰智能科技有限公司 基于级联机制的车位线顶点定位方法、系统、终端及介质
CN108281041A (zh) * 2018-03-05 2018-07-13 东南大学 一种基于超声波和视觉传感器相融合的泊车车位检测方法
CN108357269A (zh) * 2018-04-12 2018-08-03 电子科技大学中山学院 一种智能笔架
CN108860139A (zh) * 2018-04-11 2018-11-23 浙江零跑科技有限公司 一种基于深度增强学习的自动泊车轨迹规划方法
CN109063632A (zh) * 2018-07-27 2018-12-21 重庆大学 一种基于双目视觉的泊车位特征筛选方法
CN109086708A (zh) * 2018-07-25 2018-12-25 深圳大学 一种基于深度学习的停车位检测方法及系统
CN109147321A (zh) * 2018-08-23 2019-01-04 重庆文理学院 物联网下的its新模型及其构建方法和智能交通系统
CN109146978A (zh) * 2018-07-25 2019-01-04 南京富锐光电科技有限公司 一种高速相机成像畸变校准装置及方法
CN109446909A (zh) * 2018-09-27 2019-03-08 山东省科学院自动化研究所 一种单目测距辅助泊车系统及方法
CN109584304A (zh) * 2018-12-07 2019-04-05 中国科学技术大学 一种方向盘转角测量方法及装置、系统
CN109649384A (zh) * 2019-02-15 2019-04-19 华域汽车系统股份有限公司 一种泊车辅助方法
CN109800658A (zh) * 2018-12-26 2019-05-24 中汽研（天津）汽车工程研究院有限公司 基于神经网络的泊车位类型在线识别与定位系统及方法
CN109801234A (zh) * 2018-12-28 2019-05-24 南京美乐威电子科技有限公司 图像几何校正方法及装置
CN110654373A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 自动泊车方法、装置及车辆
CN110942434A (zh) * 2019-11-22 2020-03-31 华兴源创(成都)科技有限公司 一种显示面板的显示补偿系统及方法
CN111028534A (zh) * 2018-10-09 2020-04-17 杭州海康威视数字技术股份有限公司 一种泊车位检测方法及装置
CN111098850A (zh) * 2018-10-25 2020-05-05 北京初速度科技有限公司 一种自动停车辅助系统及自动泊车方法
CN111508260A (zh) * 2019-01-30 2020-08-07 上海欧菲智能车联科技有限公司 车辆停车位检测方法、装置和系统
CN111746525A (zh) * 2020-07-07 2020-10-09 东风柳州汽车有限公司 泊车路径规划方法、装置、设备及存储介质
CN112016349A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 停车位的检测方法、装置与电子设备
CN112668588A (zh) * 2020-12-29 2021-04-16 禾多科技（北京）有限公司 车位信息生成方法、装置、设备和计算机可读介质
CN112983085A (zh) * 2021-04-30 2021-06-18 的卢技术有限公司 一种基于视觉的车位线识别方法
CN113705474A (zh) * 2021-08-30 2021-11-26 北京易航远智科技有限公司 车位检测方法和装置
CN114347982A (zh) * 2021-12-24 2022-04-15 北京经纬恒润科技股份有限公司 用于自动泊车的路径规划方法以及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103763517A (zh) * 2014-03-03 2014-04-30 惠州华阳通用电子有限公司 一种车载环视显示方法及系统
CN104512328A (zh) * 2013-09-27 2015-04-15 比亚迪股份有限公司 汽车环视图像生成方法及汽车环视系统
US20160090044A1 (en) * 2014-09-26 2016-03-31 Aisin Seiki Kabushiki Kaisha Periphery monitoring apparatus and periphery monitoring system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104512328A (zh) * 2013-09-27 2015-04-15 比亚迪股份有限公司 汽车环视图像生成方法及汽车环视系统
CN103763517A (zh) * 2014-03-03 2014-04-30 惠州华阳通用电子有限公司 一种车载环视显示方法及系统
US20160090044A1 (en) * 2014-09-26 2016-03-31 Aisin Seiki Kabushiki Kaisha Periphery monitoring apparatus and periphery monitoring system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RAFAEL GROMPONE VON GIOI等: "a Line Segment Detector", 《IMAGE PROCESSING ON LINE》 *
王旭东 等: "一种基于环视相机的自动泊车方法", 《上海交通大学学报》 *

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680113A (zh) * 2017-10-27 2018-02-09 武汉大学 基于贝叶斯框架边缘先验的多层分割网络的图像分割方法
CN107993488A (zh) * 2017-12-13 2018-05-04 深圳市航盛电子股份有限公司 一种基于鱼眼相机的车位识别方法、系统及介质
CN107993488B (zh) * 2017-12-13 2021-07-06 深圳市航盛电子股份有限公司 一种基于鱼眼相机的车位识别方法、系统及介质
CN108090455A (zh) * 2017-12-27 2018-05-29 北京纵目安驰智能科技有限公司 基于级联机制的车位线顶点定位方法、系统、终端及介质
CN108090455B (zh) * 2017-12-27 2023-08-22 北京纵目安驰智能科技有限公司 基于级联机制的车位线顶点定位方法、系统、终端及介质
CN108281041A (zh) * 2018-03-05 2018-07-13 东南大学 一种基于超声波和视觉传感器相融合的泊车车位检测方法
CN108860139B (zh) * 2018-04-11 2019-11-29 浙江零跑科技有限公司 一种基于深度增强学习的自动泊车轨迹规划方法
CN108860139A (zh) * 2018-04-11 2018-11-23 浙江零跑科技有限公司 一种基于深度增强学习的自动泊车轨迹规划方法
CN108357269A (zh) * 2018-04-12 2018-08-03 电子科技大学中山学院 一种智能笔架
CN108357269B (zh) * 2018-04-12 2023-05-02 电子科技大学中山学院 一种智能笔架
CN110654373A (zh) * 2018-06-29 2020-01-07 比亚迪股份有限公司 自动泊车方法、装置及车辆
CN109146978A (zh) * 2018-07-25 2019-01-04 南京富锐光电科技有限公司 一种高速相机成像畸变校准装置及方法
CN109086708A (zh) * 2018-07-25 2018-12-25 深圳大学 一种基于深度学习的停车位检测方法及系统
CN109146978B (zh) * 2018-07-25 2021-12-07 南京富锐光电科技有限公司 一种高速相机成像畸变校准装置及方法
CN109063632A (zh) * 2018-07-27 2018-12-21 重庆大学 一种基于双目视觉的泊车位特征筛选方法
CN109063632B (zh) * 2018-07-27 2022-02-01 重庆大学 一种基于双目视觉的泊车位特征筛选方法
CN109147321A (zh) * 2018-08-23 2019-01-04 重庆文理学院 物联网下的its新模型及其构建方法和智能交通系统
CN109446909A (zh) * 2018-09-27 2019-03-08 山东省科学院自动化研究所 一种单目测距辅助泊车系统及方法
CN111028534A (zh) * 2018-10-09 2020-04-17 杭州海康威视数字技术股份有限公司 一种泊车位检测方法及装置
CN111028534B (zh) * 2018-10-09 2022-04-26 杭州海康威视数字技术股份有限公司 一种泊车位检测方法及装置
CN111098850A (zh) * 2018-10-25 2020-05-05 北京初速度科技有限公司 一种自动停车辅助系统及自动泊车方法
CN109584304A (zh) * 2018-12-07 2019-04-05 中国科学技术大学 一种方向盘转角测量方法及装置、系统
CN109800658A (zh) * 2018-12-26 2019-05-24 中汽研（天津）汽车工程研究院有限公司 基于神经网络的泊车位类型在线识别与定位系统及方法
CN109801234B (zh) * 2018-12-28 2023-09-22 南京美乐威电子科技有限公司 图像几何校正方法及装置
CN109801234A (zh) * 2018-12-28 2019-05-24 南京美乐威电子科技有限公司 图像几何校正方法及装置
CN111508260A (zh) * 2019-01-30 2020-08-07 上海欧菲智能车联科技有限公司 车辆停车位检测方法、装置和系统
CN109649384B (zh) * 2019-02-15 2020-08-14 华域汽车系统股份有限公司 一种泊车辅助方法
CN109649384A (zh) * 2019-02-15 2019-04-19 华域汽车系统股份有限公司 一种泊车辅助方法
CN112016349B (zh) * 2019-05-29 2024-06-11 北京市商汤科技开发有限公司 停车位的检测方法、装置与电子设备
CN112016349A (zh) * 2019-05-29 2020-12-01 北京市商汤科技开发有限公司 停车位的检测方法、装置与电子设备
WO2020238284A1 (zh) * 2019-05-29 2020-12-03 北京市商汤科技开发有限公司 停车位的检测方法、装置与电子设备
CN110942434A (zh) * 2019-11-22 2020-03-31 华兴源创(成都)科技有限公司 一种显示面板的显示补偿系统及方法
CN110942434B (zh) * 2019-11-22 2023-05-05 华兴源创(成都)科技有限公司 一种显示面板的显示补偿系统及方法
CN111746525A (zh) * 2020-07-07 2020-10-09 东风柳州汽车有限公司 泊车路径规划方法、装置、设备及存储介质
CN112668588B (zh) * 2020-12-29 2023-09-12 禾多科技（北京）有限公司 车位信息生成方法、装置、设备和计算机可读介质
CN112668588A (zh) * 2020-12-29 2021-04-16 禾多科技（北京）有限公司 车位信息生成方法、装置、设备和计算机可读介质
CN112983085A (zh) * 2021-04-30 2021-06-18 的卢技术有限公司 一种基于视觉的车位线识别方法
CN113705474A (zh) * 2021-08-30 2021-11-26 北京易航远智科技有限公司 车位检测方法和装置
CN114347982A (zh) * 2021-12-24 2022-04-15 北京经纬恒润科技股份有限公司 用于自动泊车的路径规划方法以及系统

Also Published As

Publication number Publication date
CN107424116B (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN107424116A (zh) 基于侧环视相机的泊车位检测方法
CN111448478B (zh) 用于基于障碍物检测校正高清地图的系统和方法
CN105206109B (zh) 一种基于红外ccd的车辆雾天识别预警系统及方法
CN103176185B (zh) 用于检测道路障碍物的方法及系统
Dewangan et al. Driving behavior analysis of intelligent vehicle system for lane detection using vision-sensor
CN101629820B (zh) 道路边缘检测
CN104700414B (zh) 一种基于车载双目相机的前方道路行人快速测距方法
CN102682292B (zh) 基于单目视觉的道路边缘检测及粗定位方法
CN104204726B (zh) 移动物体位置姿态估计装置和移动物体位置姿态估计方法
US10922817B2 (en) Perception device for obstacle detection and tracking and a perception method for obstacle detection and tracking
CN109435942A (zh) 一种基于信息融合的车位线车位识别方法及装置
CN107284455B (zh) 一种基于图像处理的adas系统
Zhang et al. Robust inverse perspective mapping based on vanishing point
CN111461048B (zh) 基于视觉的停车场可行驶区域检测与局部地图构建方法
CN107330922A (zh) 基于运动信息和区域特征的航拍视频运动目标检测方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
CN202134079U (zh) 一种无人驾驶车辆车道标志线识别与报警装置
CN114325634A (zh) 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法
Kellner et al. Multi-cue, model-based detection and mapping of road curb features using stereo vision
CN102401656A (zh) 一种位置细胞仿生机器人导航算法
CN107220632B (zh) 一种基于法向特征的路面图像分割方法
CN104267209B (zh) 一种基于虚拟线圈的高速公路视频测速方法及系统
CN114620059B (zh) 一种自动驾驶方法及其系统、计算机可读存储介质
CN202454078U (zh) 一种道路车辆检测装置
Chun-Zhao et al. Drivable road boundary detection for intelligent vehicles based on stereovision with plane-induced homography

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 6 / F, Xintu building, 451 Internet of things street, Binjiang District, Hangzhou City, Zhejiang Province, 310051

Patentee after: Zhejiang Zero run Technology Co.,Ltd.

Address before: 6 / F, Xintu building, 451 Internet of things street, Binjiang District, Hangzhou City, Zhejiang Province, 310051

Patentee before: ZHEJIANG LEAPMOTOR TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder