一种基于视觉导航停车机器人的辅助泊车方法技术

本发明专利技术公开了一种基于视觉导航停车机器人的辅助泊车方法，首先基于手工标注与卷积神经网络的空车位检测模型检测空车位，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；然后基于色彩空间变换的识别车道线检测算法检测车道，实现机器人按照特定轨迹运行；最终通过机器人自身摄像头实现停车入位。本发明专利技术能够辅助车辆完成高效停车，提高了停车的空间利用率，同时降低了成本。同时降低了成本。同时降低了成本。

【技术实现步骤摘要】
一种基于视觉导航停车机器人的辅助泊车方法


[0001]本专利技术属于自动驾驶
，具体涉及一种辅助泊车方法。

技术介绍

[0002]随着人民生活质量的提高，一户一车成为了当下家庭的现状。然后车辆数量的增多，导致停车场环境拥挤，车位紧缺，停车效率低。在停车场，当司机在寻找新的停车位时，都需要在车上通过观察周围环境才能发现，浪费了大量的精力，因此，定向告知停车位也是非常必要的。同时，在早晚高峰、节假日等时段，更加需要将汽车快速的泊车入位，但停车场空间拥挤，如果每个车主都需要很多次尝试才能泊车入位，这样很可能会导致道路交通阻塞。因此，如何快速完成倒车入库是十分重要和必要的。
[0003]基于此，若有一款可以承载车辆的智能机器人，将车辆运输到停车位，便可以免去以上的烦恼。云端告知机器人空缺停车位的位置，机器人通过机械臂直接夹取车轮。通过自主导航到达停车位，辅助完成车辆的精准停车。配合云端可控制完成多个停车机器人协同工作，根据停车场的布局以及车辆和用户需求的动态变化对停车场内所有机器人进行统一的任务分配及路径规划，有效提高停车场的停取车效率和空间利用率。
[0004]现今，众多企业都拥有了自己的停车机器人，多采用高精度激光雷达，存在成本较高的问题，而很少有直接利用视觉传感器进行导航的机器人。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供了一种基于视觉导航停车机器人的辅助泊车方法，首先基于手工标注与卷积神经网络的空车位检测模型检测空车位，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；然后基于色彩空间变换的识别车道线检测算法检测车道，实现机器人按照特定轨迹运行；最终通过机器人自身摄像头实现停车入位。本专利技术能够辅助车辆完成高效停车，提高了停车的空间利用率，同时降低了成本。
[0006]本专利技术解决其技术问题所采用的技术方案包括如下步骤：
[0007]步骤1：将停车场布局的监控视频上传到云端，在云端逐帧读取监控视频；
[0008]构建基于手工标注与卷积神经网络的空车位检测模型，事先在无车辆的监控图像中标注停车位，在标注区域分割所有的停车位；再检测监控视频图像中停车位上是否有车辆，从而识别是否有空余停车位；车主将车停到停车场入口，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；
[0009]步骤2：构建基于色彩空间变换的识别车道线检测算法；
[0010]停车机器人通过自身的前置摄像头读取道路图像，通过逆透视变换将道路图像变换到鸟瞰图；将RGB图像变换到HSV空间，融合色调与饱和度图像，根据场景光照条件自动调节图像阈值，得到体现车道线场景的二值化图像，从而提取车道线的主干部分；
[0011]步骤3：在道路图像中，基于车道线的主干部分，得到道路的边界点坐标，通过最小
二乘法拟合道路边界线为一个三次函数曲线，根据边界线的坐标计算得到道路中线；通过计算道路中线的位置与视野中心的平均偏移距离，表示机器人与目标轨迹的偏差；
[0012]步骤4：根据机器人与目标轨迹的偏差控制机器人的转向，将偏差作为控制器的输入，通过控制算法计算得到期望机器人角速度的输入量，通过内外车轮的差速，实现转向功能；
[0013]步骤5：基于步骤2到步骤4，机器人按照指定轨迹运行；在运行过程中，机器人通过自身摄像头实时识别地标二维码，并对二维码信息进行解码，若解码信息与指定停车位不符合，机器人继续向前运行；若解码信息与停车位符合，机器人停止；
[0014]步骤6：机器人到达停车位，机器人侧方摄像头识别停车位中间的标志，并控制机器人使标志处于侧方摄像头的视野中间；机器人原地旋转90度，使前置摄像头对准停车位；此时机器人向前运动进入停车位，当前置摄像头识别到包含停车标志位信息的二维码时，完成停车，并卸载待停车辆；
[0015]步骤7：车辆按照原始轨迹退出停车位，通过前置摄像头识别车道线，实时规划路径，按照规划路径离开停车位。
[0016]优选地，所述基于手工标注与卷积神经网络的空车位检测模型，具体如下：
[0017]步骤1
‑
1：读取无车辆的监控图像，在图像中用矩形框标定停车位，将所有的车位分割为单幅的停车位图像，并对所有图像按照停车位与停车场入口距离的远近进行编号；
[0018]步骤1
‑
2：采集多幅有车与无车状态下的停车位图像，组成一个有车与无车状态分类的数据集，并将所有的图片转换为灰度图，图片的大小统一转换为60*20；
[0019]步骤1
‑
3：训练卷积神经网络；
[0020]网络输入层为两个卷积层嵌套一个池化层，其中两个卷积层均为5*5，池化层为2*2；通过池化层后，经过激活函数relu接入一个全连接层，全连接层的输出节点有两个，分别代表了有车与无车的状态；
[0021]步骤1
‑
4：停车机器人承载待停车辆，在云端统计所有空余停车位，并将代表指定停车位的编号发送给机器人。
[0022]优选地，所述车道线检测算法具体如下：
[0023]步骤2
‑
1：将机器人的前置摄像头安装在机器人的前方中心位置，机器人在运行过程中实时采集道路前方图像；
[0024]步骤2
‑
2：将摄像头采集的图像通过逆透视变换转换为鸟瞰图：
[0025]设(a,b)是图像的坐标，(A,B)是(a,b)在鸟瞰图中对应的坐标，h为参数矩阵，标定公式如下：
[0026][0027]其中h＝[h1,h2,h3,h4,h5,h6,h7,h8]T
；
[0028]步骤2
‑
3：在图像上取四个点，并按照鸟瞰图中的比例确定与之对应的四个点，从而解得标定矩阵h；之后按照如下变换矩阵，得到鸟瞰图。
[0029][0030]步骤2
‑
4：将RGB图像空间变换到HSV空间，将H与S通道的灰度图像二值化得到图像H1与S1，将图像H1与S1进行与运算得到融合图像I，其中包含了车道线的轮廓；通过形态学运算过滤掉不是车道线的轮廓，然后在图像I中从中间向两侧搜取边界点，在图像的左右两侧便形成了两簇边界点的集合；使用最小二乘法将两侧的边界点拟合为三次曲线，实现了车道线的拟合。
[0031]优选地，所述步骤3具体为：
[0032]步骤3
‑
1：根据拟合的两侧车道线计算出一条中心导引线；
[0033]在图像的每一行，若两侧均存在车道线上的点，则中心点坐标为其中点；若仅右侧存在车道线上的点，则中心点坐标为右侧边界点减去路宽的一半；若仅左侧存在车道线上的点，则中心点坐标为左侧边界点加上路宽的一半；
[0034]步骤3
‑
2：计算鸟瞰图上每一行的车道中点坐标与图像中心坐标的偏移距离，对所有结果取平均值，得到平均偏移距离，以此表示机器人与目标轨迹的偏差。
[0035]优选地，所述步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉导航停车机器人的辅助泊车方法，其特征在于，包括以下步骤：步骤1：将停车场布局的监控视频上传到云端，在云端逐帧读取监控视频；构建基于手工标注与卷积神经网络的空车位检测模型，事先在无车辆的监控图像中标注停车位，在标注区域分割所有的停车位；再检测监控视频图像中停车位上是否有车辆，从而识别是否有空余停车位；车主将车停到停车场入口，停车机器人承载待停车辆，云端将指定停车位的位置信息发送给停车机器人；步骤2：构建基于色彩空间变换的识别车道线检测算法；停车机器人通过自身的前置摄像头读取道路图像，通过逆透视变换将道路图像变换到鸟瞰图；将RGB图像变换到HSV空间，融合色调与饱和度图像，根据场景光照条件自动调节图像阈值，得到体现车道线场景的二值化图像，从而提取车道线的主干部分；步骤3：在道路图像中，基于车道线的主干部分，得到道路的边界点坐标，通过最小二乘法拟合道路边界线为一个三次函数曲线，根据边界线的坐标计算得到道路中线；通过计算道路中线的位置与视野中心的平均偏移距离，表示机器人与目标轨迹的偏差；步骤4：根据机器人与目标轨迹的偏差控制机器人的转向，将偏差作为控制器的输入，通过控制算法计算得到期望机器人角速度的输入量，通过内外车轮的差速，实现转向功能；步骤5：基于步骤2到步骤4，机器人按照指定轨迹运行；在运行过程中，机器人通过自身摄像头实时识别地标二维码，并对二维码信息进行解码，若解码信息与指定停车位不符合，机器人继续向前运行；若解码信息与停车位符合，机器人停止；步骤6：机器人到达停车位，机器人侧方摄像头识别停车位中间的标志，并控制机器人使标志处于侧方摄像头的视野中间；机器人原地旋转90度，使前置摄像头对准停车位；此时机器人向前运动进入停车位，当前置摄像头识别到包含停车标志位信息的二维码时，完成停车，并卸载待停车辆；步骤7：车辆按照原始轨迹退出停车位，通过前置摄像头识别车道线，实时规划路径，按照规划路径离开停车位。2.根据权利要求1所述的一种基于视觉导航停车机器人的辅助泊车方法，其特征在于，所述基于手工标注与卷积神经网络的空车位检测模型，具体如下：步骤1
‑
1：读取无车辆的监控图像，在图像中用矩形框标定停车位，将所有的车位分割为单幅的停车位图像，并对所有图像按照停车位与停车场入口距离的远近进行编号；步骤1
‑
2：采集多幅有车与无车状态下的停车位图像，组成一个有车与无车状态分类的数据集，并将所有的图片转换为灰度图，图片的大小统一转换为60*20；步骤1
‑
3：训练卷积神经网络；网络输入层为两个卷积层嵌套一个池化层，其中两个卷积层均为5*5，池化层为2*2；通过池化层后，经过激活函数relu接入一个全连接层，全连接层的输出节点有两个，分别代表了有车与无车的状态；步骤1
‑
4：停车机器人承载待停车辆，在云端统计所有空余停车位，并将代表指定停车位的编号发送给机器人。3.根据权利要求2所述的一种基于视觉导航停车机器人的辅助泊车方法，其特征在于，所述车道线检测算法具体如下：步骤2
‑
1：将机器人的前置摄像头安装在机器人的前方中心位置，机器人在运行过程中
实时采集道路前方图像；步骤2
‑
2：将摄像头采集的图像通过逆透视变换转换为鸟瞰图：设(a,b)是图像的坐标，(A,B)是(a,b)在鸟瞰图中对应的坐标，h为参数矩阵，标定公式如下：其中h＝[h1,h2,h...

【专利技术属性】
技术研发人员：沈钧戈，毛昭勇，武迎龙，谭浩声，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：