【技术实现步骤摘要】
本专利技术涉及汽车辅助驾驶，尤其涉及一种停车位检测方法、车载控制器和汽车。
技术介绍
1、停车位检测是自动泊车系统和辅助泊车系统的基础，即自动泊车系统和辅助泊车系统等辅助驾驶系统，均需依赖于检测到的停车位进行辅助驾驶。现有停车位检测方法，一般采用直线检测算法或者关键点检测算法进行检测，存在图像质量要求较高且检测结果不准确的问题。
技术实现思路
1、本专利技术实施例提供一种停车位检测方法、车载控制器和汽车，以解决现有停车位检测存在图像质量要求较高且检测结果不准确的问题。
2、本专利技术实施例提供一种停车位检测方法，包括：
3、获取全景俯视图；
4、采用全景驾驶感知网络对所述全景俯视图进行识别，获取网络输出结果，所述网络输出结果包括车位线语义分割结果和车位入口检测框；
5、对所述车位线语义分割结果进行车位线角点检测，获取车位线角点；
6、根据所述车位线角点和所述车位入口检测框，获取目标停车位。
7、优选地，所述获取全景俯视图，包括：
8、获取m个单相机图像，m≥2；
9、对m个所述单相机图像进行畸变矫正和逆投影变换，获取m个变换相机图像；
10、对m个所述变换相机图像进行拼接，获取全景俯视图。
11、优选地，所述对所述车位线语义分割结果进行车位线角点检测，获取车位线角点，包括：
12、对所述车位线语义分割结果进行预处理，获取车位线轮廓图像；
1
14、对所述目标车位线进行角点检测，获取车位线角点。
15、优选地，所述对所述车位线语义分割结果进行预处理，获取车位线轮廓图像，包括：
16、对所述车位线语义分割结果进行二值化处理，获取二值化图像；
17、对所述二值化图像进行细化处理，获取车位线轮廓图像。
18、优选地，所述对所述车位线轮廓图像进行车位线检测，获取目标车位线，包括：
19、对所述车位线轮廓图像进行直线检测，获取原始车位线；
20、对所述原始车位线进行过滤处理，获取目标车位线。
21、优选地，所述对所述原始车位线进行过滤处理，获取目标车位线，包括：
22、获取所述原始车位线的车位线长度和车位线夹角；
23、根据所述原始车位线的车位线长度和车位线夹角进行过滤处理，获取目标车位线。
24、优选地，所述根据所述原始车位线的车位线长度和车位线夹角进行过滤处理，获取目标车位线，包括：
25、获取目标长度范围和目标夹角范围；
26、根据所述原始车位线的车位线长度和所述目标长度范围，获取长度检测结果；
27、根据所述原始车位线的车位线夹角和所述目标夹角范围，获取夹角检测结果；
28、根据所述长度检测结果和所述夹角检测结果，对所述原始车位线进行过滤处理，获取目标车位线。
29、优选地，所述对所述目标车位线进行角点检测，获取车位线角点，包括：
30、获取目标夹角范围，所述目标夹角范围包括至少一个车位线夹角范围；
31、根据至少一个所述车位线夹角范围，对所述目标车位线进行分类，获取至少一个所述车位线夹角范围对应的车位线集合；
32、对每一所述车位线集合中的所有目标车位线进行合并，获取每一所述车位线集合对应的合并车位线；
33、对至少一个所述车位线集合对应的合并车位线进行角点检测，获取车位线角点。
34、优选地，所述对每一所述车位线集合中的所有目标车位线进行合并，获取每一所述车位线集合对应的合并车位线，包括：
35、根据每一所述车位线集合中的所有目标车位线，确定所述车位线集合中的基准车位线；
36、获取所述车位线集合中的每一所述目标车位线和所述基准车位线之间的线间距；
37、若所述线间距小于预设间距，则将所述目标车位线和所述基准车位线合并，获取合并车位线。
38、优选地，所述根据所述车位线角点和所述车位入口检测框，获取目标停车位，包括：
39、根据所述车位线角点和所述车位入口检测框，获取有效车位入口；
40、根据所述有效车位入口，获取目标停车位。
41、优选地，所述根据所述车位线角点和所述车位入口检测框，获取有效车位入口，包括：
42、判断所述车位线角点是否在所述车位入口检测框内；
43、若所述车位线角点在所述车位入口检测框内，则将所述车位线角点确定为有效角点；
44、根据所述车位入口检测框和所述有效角点，获取有效车位入口。
45、优选地，所述网络输出结果还包括停车位类型；
46、所述根据所述有效车位入口，获取目标停车位，包括：
47、根据所述停车位类型，获取停车位夹角和拟合线长度；
48、根据所述有效车位入口、所述停车位夹角和所述拟合线长度，获取目标停车位。
49、本专利技术实施例提供一种车载控制器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述停车位检测方法。
50、本专利技术实施例提供一种汽车，包括上述车载控制器。
51、上述停车位检测方法、车载控制器和汽车，采用全景俯视图进行停车位检测，由于全景俯视图包含较多图像信息，无需采用较高质量的图像，提高停车位检测的泛化能力；采用全景驾驶感知网络对全景俯视图进行检测，获取车位入口检测框和车位线语义分割结果；先对yolop输出的车位线语义分割结果进行车位线角点检测，使得车位线角点可学习到yolop对全景俯视图的学习结果，提高停车位检测的鲁棒性和泛化能力，无需要求较高图像质量，即可准确识别到车位线角点；再采用yolop输出的车位入口检测框对车位线角点进行检测判断，以判断是否可根据车位线角点确定目标停车位，可保障停车位检测的准确性。
本文档来自技高网...【技术保护点】
1.一种停车位检测方法，其特征在于，包括：
2.如权利要求1所述的停车位检测方法，其特征在于，所述获取全景俯视图，包括：
3.如权利要求1所述的停车位检测方法，其特征在于，所述对所述车位线语义分割结果进行车位线角点检测，获取车位线角点，包括：
4.如权利要求3所述的停车位检测方法，其特征在于，所述对所述车位线语义分割结果进行预处理，获取车位线轮廓图像，包括：
5.如权利要求3所述的停车位检测方法，其特征在于，所述对所述车位线轮廓图像进行车位线检测，获取目标车位线，包括：
6.如权利要求5所述的停车位检测方法，其特征在于，所述对所述原始车位线进行过滤处理，获取目标车位线，包括：
7.如权利要求6所述的停车位检测方法，其特征在于，所述根据所述原始车位线的车位线长度和车位线夹角进行过滤处理，获取目标车位线，包括：
8.如权利要求3所述的停车位检测方法，其特征在于，所述对所述目标车位线进行角点检测，获取车位线角点，包括：
9.如权利要求8所述的停车位检测方法，其特征在于，所述对每一所述车位线集
10.如权利要求1所述的停车位检测方法，其特征在于，所述根据所述车位线角点和所述车位入口检测框，获取目标停车位，包括：
11.如权利要求10所述的停车位检测方法，其特征在于，所述根据所述车位线角点和所述车位入口检测框，获取有效车位入口，包括：
12.如权利要求10所述的停车位检测方法，其特征在于，所述网络输出结果还包括停车位类型；
13.一种车载控制器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至12任一项所述停车位检测方法。
14.一种汽车，其特征在于，包括权利要求13所述的车载控制器。
...【技术特征摘要】
1.一种停车位检测方法，其特征在于，包括：
2.如权利要求1所述的停车位检测方法，其特征在于，所述获取全景俯视图，包括：
3.如权利要求1所述的停车位检测方法，其特征在于，所述对所述车位线语义分割结果进行车位线角点检测，获取车位线角点，包括：
4.如权利要求3所述的停车位检测方法，其特征在于，所述对所述车位线语义分割结果进行预处理，获取车位线轮廓图像，包括：
5.如权利要求3所述的停车位检测方法，其特征在于，所述对所述车位线轮廓图像进行车位线检测，获取目标车位线，包括：
6.如权利要求5所述的停车位检测方法，其特征在于，所述对所述原始车位线进行过滤处理，获取目标车位线，包括：
7.如权利要求6所述的停车位检测方法，其特征在于，所述根据所述原始车位线的车位线长度和车位线夹角进行过滤处理，获取目标车位线，包括：
8.如权利要求3所述的停车位检测方法，其特征在于，所述对所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。