一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于BEV图像的泊车位合成方法及装置


[0001]本专利技术涉及自动驾驶图像增强领域，尤其涉及一种基于
BEV
图像的泊车位合成方法及装置
。

技术介绍

[0002]在飞速发展的自动驾驶技术中，自动泊车系统具有举足轻重的地位，泊车位检测方法随之也层出不穷，然而泊车位检测算法效果的优劣很大程度上决定于训练数据的好坏
。
因此对于带有标注的鸟瞰图（
BEV
： Bird Eye View
）数据需求也越来越大，目前获取该数据的方法主要为车辆采集鸟瞰图加人工标注，人工标注费时费力，同时对于不同场景数据采集的难度不同，很多场景下的带有泊车位的数据采集难度大
。
数据缺乏将会导致对于该场景的泊车位检测效果较差
。
[0003]现有技术中通过数据合成的方式实现泊车位数据合成，但数据合成技术主要应用于自然场景中的文本合成以及常规视角图像中的目标物体合成，其通过深度图或者分割图等方式将图像分为不同区域，然后将目标合并到目标区域中，但不能适应泊车场景多样性的需求，合成数据比较单一
。
目前路边的泊车位寻找采集的难度更大，训练数据中相关的场景相对比例很低，检测模型在该场景下的表现效果相对较差，因此更多需要在道路两边空闲位置进行泊车位数据合成
。

技术实现思路

[0004]针对上述技术问题，本专利技术提供了一种基于
BEV
图像的泊车位合成方法及装置，可以基于
BEV
图像直接合成带有泊车位的鸟瞰图数据，还可以根据需求合成不同形状与线形的车位，并同时输出车位的四个角点坐标，丰富数据的同时省下了人工标注的成本
。
[0005]本专利技术的第一方面，提供一种基于
BEV
图像的泊车位合成方法，包括：获取
BEV
图像，并识别出所述
BEV
图像中用于添加泊车位的候选区域；根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据；根据所述模板数据的顶点坐标与所述
BEV
图像的放置坐标，将所述模板数据投影到所述
BEV
图像上，合成目标
BEV
图像
。
[0006]在一种可选实施例中，所述获取
BEV
图像，并识别出所述
BEV
图像中用于添加泊车位的候选区域，包括：对所述
BEV
图像进行语义分割，确定所述
BEV
图像中的路面区域；计算所述路面区域的边界稀疏点，将所述边界稀疏点作为所述路面区域的边沿；根据所述边界稀疏点中相对应的两个边界稀疏点确定所述路面区域中的所述候选区域
。
[0007]在一种可选实施例中，所述根据所述边界稀疏点中多组两对稀疏点确定所述路面区域中的所述候选区域，包括：根据所述边界稀疏点中相对应的两个边界稀疏点之间的距离是否满足划分标准
车位对所述路面区域进行过滤处理，将过滤后的所述路面区域作为所述候选区域
。
[0008]在一种可选实施例中，所述根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据，包括：根据所述候选区域的长度与标准车位的长度比例计算所述候选区域可容置的车位数量；根据所述待添加泊车位的车位形状
、
车位线性以及车位数量制作相应待添加泊车位的模板数据
。
[0009]在一种可选实施例中，所述根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据，还包括：为所述待添加泊车位的模板数据中的车位线添加颜色，用以突出所述车位线，并输出所述模板数据中每个车位的内角点坐标；所述车位形状包括平行车位
、
垂直车位
、
斜列车位；所述车位线性包括闭合车位线
、
半闭合车位线
、
开口车位线
、
两角车位线以及四角车位线
。
[0010]在一种可选实施例中，所述根据所述模板数据的顶点坐标与所述
BEV
图像的放置坐标，将所述模板数据投影到所述
BEV
图像上，包括：根据所述模板数据的顶点坐标与所述
BEV
图像的放置坐标，计算出所述模板数据投影的单应性变换矩阵；并根据单应性变换矩阵将所述模板数据投影到所述
BEV
图像中；根据所述单应性变化矩阵计算出投影后的泊车位在所述
BEV
图像中的内角点坐标
。
[0011]在一种可选实施例中，所述合成目标
BEV
图像，包括：在所述模板数据上添加部分随机噪声，并采用泊松融合算法将投影后的模板数据与原始的
BEV
图像进行融合，获取目标
BEV
图像，并输出在所述
BEV
图像上标注的车位角点标签文件
。
[0012]本专利技术的第二方面，提供一种基于
BEV
图像的泊车位合成装置，包括：获取识别模块，用于获取
BEV
图像，并识别出所述
BEV
图像中用于添加泊车位的候选区域；车位模板绘制模块，用于根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据；合成模块，用于根据所述模板数据的顶点坐标与所述
BEV
图像的放置坐标，将所述模板数据投影到所述
BEV
图像上，合成目标
BEV
图像
。
[0013]本专利技术的第三方面，提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如本专利技术实施例的第一方面所述的方法
。
[0014]本专利技术的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如本专利技术实施例的第一方面所述的方法
。
[0015]本专利技术可以获取不同场景下的
BEV
图像，然后对应生成待添加泊车位的模板数据，然后将其与原始
BEV
图像进行融合，可以合成不同场景下带有车位线的
BEV
图像数据，由于本专利技术直接在
BEV
图像中合成泊车位，相对于在常规视角下合成的数据，降低了数据采集的
难度；本专利技术可为泊车位检测模型提供了优质的训练数据，可使得泊车位检测模型的识别率提高
。
附图说明
[0016]图1为本专利技术实施例中一种基于
BEV
图像的泊车位合成方法的流程示意图
。
[0017]图2为本专利技术实施例中识别出的
BEV
图像中的路面区域的示意图
。
[0018]图3为本专利技术实施例中三种车位形状的示意图
。
[0019]图4为本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
BEV
图像的泊车位合成方法，其特征在于，包括：获取
BEV
图像，并识别出所述
BEV
图像中用于添加泊车位的候选区域；根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据；根据所述模板数据的顶点坐标与所述
BEV
图像的放置坐标，将所述模板数据投影到所述
BEV
图像上，合成目标
BEV
图像
。2.
根据权利要求1所述的基于
BEV
图像的泊车位合成方法，其特征在于，所述获取
BEV
图像，并识别出所述
BEV
图像中用于添加泊车位的候选区域，包括：对所述
BEV
图像进行语义分割，确定所述
BEV
图像中的路面区域；计算所述路面区域的边界稀疏点，将所述边界稀疏点作为所述路面区域的边沿；根据所述边界稀疏点中相对应的两个边界稀疏点确定所述路面区域中的所述候选区域
。3.
根据权利要求2所述的基于
BEV
图像的泊车位合成方法，其特征在于，所述根据所述边界稀疏点中多组两对稀疏点确定所述路面区域中的所述候选区域，包括：根据所述边界稀疏点中相对应的两个边界稀疏点之间的距离是否满足划分标准车位对所述路面区域进行过滤处理，将过滤后的所述路面区域作为所述候选区域
。4.
根据权利要求1所述的基于
BEV
图像的泊车位合成方法，其特征在于，所述根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据，包括：根据所述候选区域的长度与标准车位的长度比例计算所述候选区域可容置的车位数量；根据所述待添加泊车位的车位形状
、
车位线性以及车位数量制作相应待添加泊车位的模板数据
。5.
根据权利要求4所述的基于
BEV
图像的泊车位合成方法，其特征在于，所述根据所述候选区域及待添加泊车位的类型确定待添加泊车位的模板数据，还包括：为所述待添加泊车位的模板数据中的车位线添加颜色，用以突出所述车位线，并输出所述模板数据中每个车位的内角点坐标；所述车位形状包括平行车位
、
垂直车位
、
斜列车位；所述车位线性包括闭合...

【专利技术属性】
技术研发人员：李剑，张松，梅近仁，别晓芳，孟超，
申请(专利权)人：零束科技有限公司，
类型：发明
国别省市：