一种基于机器视觉的车位线角点及边缘点检测方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的车位线角点及边缘点检测方法及系统，涉及视觉检测领域。本发明专利技术包括以下步骤：获取车身周围图像；根据车身周围图像选取车位线进行定位；输出车位线角点定位及坐标结果；利用车位线角点定位及坐标结果，构建车辆周围环境模型并传输给车辆。本发明专利技术用于精确、实时检测停车场有效停车位位置与数量，自动泊车系统在规划适宜的泊车路径过程中保持与旁车的合适距离，以进行有效地避障。地避障。地避障。

【技术实现步骤摘要】
一种基于机器视觉的车位线角点及边缘点检测方法及系统


[0001]本专利技术涉及视觉检测领域，更具体的说是涉及一种基于机器视觉的车位线角点及边缘点检测方法及系统。

技术介绍

[0002]在经济全球化、市场一体化的大背景下，随着汽车保有量的不断提升，人们对于汽车停车位的需求逐步增加；但城市停车困难依然普遍，停车场车流不畅将诱导交通拥堵。
[0003]目前掌握停车资源的方式依靠普查，更新频率与准确度较低，无法及时了解停车资源动态使用，造成车位资源信息不对称、车位空置率高。车辆自动泊车技术可为用户减少停车场内30%的无效交通时间，节省约10
‑
15分钟取还车时间，同时降低泊车难度，提升停车效率，满足车主的个性化停车需求。
[0004]因此，如何实现高效自动泊车是本领域技术人员亟需研究的。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于机器视觉的车位线角点及边缘点检测方法及系统，根据采集车身周围信息图像、对图像进行预处理；对图像中的车位线进行定位、车位线角点定位及坐标结果输出及泊车信息融合判断图像中车位线的角点。
[0006]为了实现上述目的，本专利技术采用如下技术方案：一种基于机器视觉的车位线角点及边缘点检测方法，包括以下步骤：获取车身周围图像；根据车身周围图像选取车位线进行定位；输出车位线角点定位及坐标结果；利用车位线角点定位及坐标结果，构建车辆周围环境模型并传输给车辆。
[0007]可选的，还包括对车身周围信息图像进行预处理，具体包括以下步骤：对车身周围信息图像利用卷积处理提取特征并降维，得到第一预处理图像；将第一预处理图像进行图像HSV处理，得到第二预处理图像；对第二预处理图像进行滑动窗口滤波，去除噪声。
[0008]可选的，选取车位线的步骤如下：利用canny算法对车身周围图像进行边缘检测；基于边缘检测结果，利用霍夫直线检测对车位线进行检测。
[0009]可选的，利用canny算法对车身周围图像进行边缘检测，具体包括以下步骤：计算车身周围图像的梯度幅度和方向；遍历图像中的像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，并根据判断结果决定是否抑制当前像素点，以此去除所有非边缘的点；分别设置第一阈值和第二阈值，通过比较梯度幅度与第一阈值和第二阈值之间的关系来判断边缘。
[0010]可选的，输出车位线角点定位及坐标结果，包括：直线交点检测和车位角点划分并输出。
[0011]可选的，直线交点检测具体为：通过车位线的交点检测停车位的角点，并检测物体遮挡或被截断的边缘点。
[0012]可选的，检测物体遮挡或被截断的边缘点具体为：建立车辆掩膜，使用按位操作获取车位线向量与车辆轮廓的交点；界定车辆掩膜轮廓范围：求车辆轮廓的外接矩形作为界定；将车位线向量转换为直线；判断车位线上的点是否在轮廓上，若与其有交点，则为物体遮挡或被截断的边缘点，输出其坐标。
[0013]可选的，车位角点划分并输出具体为：车位线角点坐标划分为1类型并输出、物体遮挡或被截断的边缘点划分为2类型并输出。
[0014]一种基于机器视觉的车位线角点及边缘点检测系统，包括：车身周围图像获取模块，车位线选取模块，车位线输出模块和车辆周围环境构建模块；其中，车身周围图像获取模块，用于获取车身周围图像；车位线选取模块，用于根据车身周围图像选取车位线进行定位；车位线输出模块，用于输出车位线角点定位及坐标结果；车辆周围环境构建模块，用于利用车位线角点定位及坐标结果，构建车辆周围环境模型并传输给车辆。
[0015]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于机器视觉的车位线角点及边缘点检测方法及系统，用于精确、实时检测停车场有效停车位位置与数量，自动泊车系统在规划适宜的泊车路径过程中保持与旁车的合适距离，以进行有效地避障。通过车载高清鱼眼环视摄像头采集车身周围信息，并经过AVM处理拼接成鸟瞰图，对停车场泊车场景中露出的2个及以上角点的车位（包括垂直停车位、水平停车位和倾斜停车位）进行角点及被物体遮挡或截断的边缘点检测，从而实现对停车位空位的实时检测，为车辆自动泊车提供信息与决策支持。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0017]图1为本专利技术的整体流程示意图；图2为本专利技术的系统示意图；图3为本专利技术的灰度值梯度图；图4为本专利技术的构建车辆周围环境模型示意图；图5为车辆在自动泊车过程中的实时路线规划图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]本专利技术实施例公开了一种基于机器视觉的车位线角点及边缘点检测方法，主要通过车载高清鱼眼环视摄像头采集车身周围信息，并经过AVM处理拼接成鸟瞰图像，首先将采集的图像整理作为车位线训练集，然后调用opencv模块对训练集的图像进行预处理环节（包括灰度处理、二值化、hsv处理、白色滤波），然后对图像中大片白色区域通过寻找连通域消除超过平均面积的连通域后的图像，再进行轮廓检测与霍夫直线检测提取直线部分并将输出直线交点的坐标，即为图像中车位线的角点。如图1所示，具体包括以下步骤：S1：获取车身周围图像；S2：根据车身周围图像选取车位线进行定位；S3：输出车位线角点定位及坐标结果；S4：利用车位线角点定位及坐标结果，构建车辆周围环境模型并传输给车辆。
[0020]进一步的，本专利技术中还包括对车身周围图像进行预处理：利用卷积处理提取特征并降维：首先将输入的图像进行卷积处理，卷积后图像不会改变其特征且方便后续处理操作，同时卷积时可以强化边缘，达到提取边缘的目的，结合后续边缘检测达到更好的处理效果；对图像进行HSV处理，HSV是将RGB色彩空间的点在倒圆锥体的表示，即为色调（Hue）、饱和度（Saturation）、亮度（Value），在图像HSV处理中对图像进行颜色分割，其中色调、饱和度分量表示颜色距离（两种颜色之间的数值差异）。HSV颜色空间的划分大致为：亮度大于75%并且饱和度大于20%为亮彩色区域、亮度小于25%为黑色区域以及亮度大于5%并且饱和度小于20%为白色区域，其他为彩色区域。
[0021]面对不同的彩色区域，混合色调和饱和度变量来划定阈值，即可进行简单的分割。
[0022]利用白色滤波（滑动窗口滤波），去除图像噪声：通过颜色滤波识别车位线：考虑光照等引起的噪声影响，故先对图像进行滑动窗口滤波，过滤大的噪声。
[0023]更进一步的，卷积处理原理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的车位线角点及边缘点检测方法，其特征在于，包括以下步骤：获取车身周围图像；根据车身周围图像选取车位线进行定位；输出车位线角点定位及坐标结果；利用车位线角点定位及坐标结果，构建车辆周围环境模型并传输给车辆。2.根据权利要求1所述的一种基于机器视觉的车位线角点及边缘点检测方法，其特征在于，还包括对车身周围信息图像进行预处理，具体包括以下步骤：对车身周围信息图像利用卷积处理提取特征并降维，得到第一预处理图像；将第一预处理图像进行图像HSV处理，得到第二预处理图像；对第二预处理图像进行滑动窗口滤波，去除噪声。3.根据权利要求1所述的一种基于机器视觉的车位线角点及边缘点检测方法，其特征在于，选取车位线的步骤如下：利用canny算法对车身周围图像进行边缘检测；基于边缘检测结果，利用霍夫直线检测对车位线进行检测。4.根据权利要求3所述的一种基于机器视觉的车位线角点及边缘点检测方法，其特征在于，利用canny算法对车身周围图像进行边缘检测，具体包括以下步骤：计算车身周围图像的梯度幅度和方向；遍历图像中的像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，并根据判断结果决定是否抑制当前像素点，以此去除所有非边缘的点；分别设置第一阈值和第二阈值，通过比较梯度幅度与第一阈值和第二阈值之间的关系来判断边缘。5.根据权利要求1所述的一种基于机器视觉的车位线角点及边缘点检测方...

【专利技术属性】
技术研发人员：汪磊，王小红，师文俊，吕吉亮，
申请(专利权)人：天津中德应用技术大学，
类型：发明
国别省市：