识别停车位的方法和停车辅助系统技术方案

本申请揭露一种识别停车位的方法和停车辅助系统。获取车辆移动时含有障碍物的连续图像帧；从连续图像帧中辨识障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法，生成障碍物的第一边界；检测移动车辆与障碍物之间的至少一个距离；根据车辆与障碍物之间的至少一个距离，生成障碍物的第二边界；调整第一边界与第二边界以界定障碍物的周边；根据障碍物的周边来识别停车位。参照障碍物的周边，停车位识别模块由此来识别停车位，停车过程可以改变为自动驾驶模式，并由移动装置远程控制。并由移动装置远程控制。并由移动装置远程控制。

【技术实现步骤摘要】
识别停车位的方法和停车辅助系统


[0001]本申请涉及智能汽车
，特别是一种识别停车位的方法和停车辅助系统。

技术介绍

[0002]由于汽车工业的发展，汽车数量显著增加，汽车技术得到了积极发展。特别是，随着电子科技的发展，汽车研究人员已经对智能汽车科技进行了许多研究。其中，驾驶辅助系统(Driver Assistance System,DAS)近年来有显著的改进并应用于智能汽车。
[0003]在驾驶辅助系统中，停车辅助系统也在智能汽车领域中有积极的研究，并且已经实际应用于汽车。这种停车辅助系统用于帮助驾驶员停车。
[0004]这种停车辅助系统可以分为停车位识别模块、停车轨迹产生模块和操控模块。另外，停车位识别模块可以分为平行停车位识别模块和垂直停车位识别模块。可以使用超声波、后视摄像机或激光扫描仪来执行停车位识别。
[0005]在传统的停车位识别方法中，使用超声波的停车位识别方法的问题在于，由于超声波的距离和分辨率的限制，不能精确取得与停放车辆所需的停车位相邻的对方车辆的边缘，所以无法精确识别停车位。使用摄像机的传统停车位识别方法的问题在于，由于借着判定对方车辆的距离无法精确识别对方车辆的位置，所以不能精确识别停车位。
[0006]也就是说，使用超声波传感器或摄像机来识别停车位的传统停车位识别方法存在的问题在于，由于超声波传感器和摄像机的缺点，所以它们不能精确识别停车位。
[0007]如图14所示，美国专利第7272477号“停车辅助系统和方法(Vehicle Parking Assisting System and Method)”揭露一种停车辅助系统，其中声波传感器和摄像机以重叠的方式用于显示障碍物OB的当前检测点DP1和过去检测点DP2来辅助停车。然而，根据此专利，障碍物的检测点受到许多噪声的影响，从而使得停车位的识别不准确。
[0008]参照图15，美国专利第8401235号“用于识别停车位的方法和系统(Method and System for Recognizing Parking Lot)”也揭露了一种使用摄像机和超声波传感器的停车位识别技术，其方式是超声波传感器和摄像机的缺点可以相互补偿。根据此专利，使用索博(Sobel)边缘检测算法，尽管计算简单，但是一种相当不准确的近似法，如果不进行去噪处理，则精度会显著下降。

技术实现思路

[0009]因此，本申请要解决现有技术中出现的上述问题，本申请的目的是提供一种识别停车位的方法和停车辅助系统。
[0010]根据本申请的一个方面，提供一种用于识别停车位的方法，包括以下步骤：获取车辆移动时包含障碍物的连续图像帧；从连续图像帧中辨识障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法，生成障碍物的第一边界；检测移动车辆与障碍物之间的至少一个距离；根据车辆与障碍物之间的至少一个距离，生成障碍物的第二边界；调整第一边界与第二边界以界定障碍物的周边；根据
障碍物的周边来识别停车位。
[0011]根据本申请的另一面向，提供一种停车辅助系统，包括：图像捕获模块，用于获取车辆移动时含有障碍物的连续图像帧；辨识模块，用于从连续图像帧中辨识出障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法，生成障碍物的第一边界；至少一个超声波传感器，用于检测移动车辆与障碍物之间的至少一个距离；距离修改模块，用于根据车辆与障碍物之间的至少一个距离，生成障碍物的第二边界；周边界定模块，用于调整根据第一边界与第二边界以界定障碍物的边界周边；停车位识别模块，用于根据障碍物的周边来识别停车位。
[0012]以上段落撷取本申请的部分特性，其他特性将在后续段落中披露。各种修改和类似的配置都涵盖在所附权利要求的精神和范围内。
附图说明
[0013]以下结合附图的详细描述，会更凸显本申请的上述和其他目的、特征和优点，其中：
[0014]图1是根据本申请优选实施例的车辆的停车辅助系统的方框图；
[0015]图2是本申请优选实施例中安装在车辆上的四个摄像机和六个超声波传感器的示意平面图；
[0016]图3是展示利用超声波传感器和摄像机来识别停车位的不同的示意图；
[0017]图4是图片图像及其语义分割示意图；
[0018]图5是本申请优选实施例中执行的停车辅助程序的流程图；
[0019]图6是根据本申请优选实施例的移动车辆扫描障碍物的示意图；
[0020]图7是显示根据本申请优选实施例所得到的未处理的障碍物边缘点的示意图；
[0021]图8a～8d是根据本申请优选实施例的多帧信息对障碍物边缘点的合并和去噪的示意图；
[0022]图9是与图7相比较，根据本申请优选实施例的通过多帧信息进行合并和去噪的处理过的障碍物边缘点的示意图；
[0023]图10是根据本申请优选实施例通过融合来调整移动车辆与障碍物之间的距离；
[0024]图11a～11c是根据本申请优选实施例通过迭代线性回归来界定障碍物的周边；
[0025]图12是根据本申请优选实施例在识别停车位后的车辆停放的示意图；
[0026]图13是根据本申请优选实施例的车辆从停车位行驶到预定位置的示意图；
[0027]图14是根据现有技术的以重叠方式使用声波传感器和摄像机两者的停车辅助系统的示意图；
[0028]图15是根据另一现有技术的停车位识别技术的方框图。
具体实施方式
[0029]参照以下实施例来更详细说明本申请。
[0030]参照图1，是根据本申请优选实施例的车辆的停车辅助系统的方框图，揭露了根据本申请的用于本身车辆SV(图1中未示出)的停车辅助系统1的优选实施例。停车辅助系统1具有识别装置10、停车控制装置20、在识别装置10和停车控制装置20之间用于通信的是控
制器区域网络(Controller Area Network,CAN)总线。识别装置10包括图像捕获模块100、处理模块110、超声波传感器120-125和显示器130。处理模块110可以从停车控制装置20经由CAN总线接收检测信号，并经由CAN总线将控制信号送到停车控制装置20。停车控制装置20包括方向盘控制器200、节气门控制器210、制动控制器220和档位控制器230。此外，诸如以智能手机为具体实施形式的手持装置30可用于遥控停车辅助系统1。
[0031]CAN总线是一种车辆总线标准，旨在允许微处理器和装置在没有主机的情况下中相互通信，是用于汽车的消息通信基础的协议。CAN总线的一个关键优势是不同车辆系统之间的互连可以仅使用软件，就能保证实现各种安全性、经济性和便利性。相比之下，如果使用传统的汽车电子装置“硬接线”，则将增加成本和复杂性。事实上，车辆中的所有电子控制单元(Electronic Co本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别停车位的方法，包括以下步骤：获取车辆移动时含有障碍物的连续图像帧；从所述连续图像帧中辨识障碍物，根据每个连续图像帧中的障碍物位置，运用卷积神经网络(Convolutional Neural Network,CNN)算法，生成所述障碍物的第一边界；检测所述车辆与所述障碍物之间的至少一个距离；根据所述车辆与所述障碍物之间的至少一个距离，生成所述障碍物的第二边界；调整所述第一边界与所述第二边界以界定所述障碍物的周边；根据所述障碍物的周边来识别停车位。2.根据权利要求1所述的识别停车位的方法，其特征在于，所述障碍物是相邻车辆。3.根据权利要求1所述的识别停车位的方法，其特征在于，还包括：将含有所述障碍物的连续图像帧转变成鸟瞰图像。4.根据权利要求1所述的识别停车位的方法，其特征在于，还包括：生成所述车辆的停车轨迹。5.根据权利要求4所述识别停车位的方法，其特征在于，还包括：根据所述停车轨迹将所述车辆开到所述停车位。6.根据权利要求1所述的识别停车位的方法，其特征在于，所述停车位包括可辨识的特性。7.根据权利要求4所述的识别停车位的方法，其特征在于，所述停车轨迹包括所述停车位的轮廓和从所述车辆当前位置到所述停车位的路径。8.根据权利要求5所述的识别停车位的方法，其特征在于，还包括：将所述车辆从所述停车位沿着所述停车轨迹开到指定地点。9.根据权利要求2所述的识别停车位的方法，其特征在于，还包括：显示所述车辆的俯视图和/或相邻车辆的俯视图。10.一种停车辅助系统，包括：图像捕获模块，用于获取车辆移动时含有障碍物的连续图像帧；辨识模块，用于从所...

【专利技术属性】
技术研发人员：时丕澔，黄威仁，洪晟玮，
申请(专利权)人：欧特明电子股份有限公司，
类型：发明
国别省市：