CN115063781B 车位检测方法、装置、设备和存储介质 （黑芝麻智能科技有限公司）

位追踪列表中记录每个经校验车位的在连续多帧检测图中被识别出的连续可见帧数和在连续任一经校验车位的连续丢失帧数达第一帧数阈表中的连续可见帧数达第二帧数阈值的每个经2车位追踪列表中记录每个所述经校验车位的在连续多帧检测图中被识别出的连续可见帧续丢失帧数达第一帧数阈值时从所述车位追踪列表中删除对于所述车位追踪列表中的所述连续可见帧数达第二帧数阈值的每个所述经校验车对于每一所述识别车位，判断所述识别车位的所述车位角点是否满足车位自校验条对于同一帧检测图中的多个所述识别车位，根据所述多个所述识别车述车位相互校验条件的所述识别车位确定为对于不同两帧检测图中的所述识别车位，判断不同两帧检测图中的所将满足所述车位自校验条件、所述车位相互校验条件和所述帧间校验条件所述识别车位的车位角点均处于预定感兴趣所述识别车位的车位角点构成的四边形在所述识别车位所属的当前帧检测图中的地所述识别车位的车位ID与同一帧检测图中的其他所述识别车位的车位所述识别车位的车位角点构成的四边形在所述帧检测图中的地理面积与同一帧检测图中的其他所述识别车位的车位角点构成的四边形在所述帧检测图中的地理面积的均值所述识别车位所属的当前帧检测图的时间戳不与在所述当前帧检测图之前的任意历所述识别车位在其所属的当前帧检测图中的车位语义信息与在所述当前帧检测图之3前的历史帧检测图中与其为同一车位的识别车在所述车位追踪列表中记录每个所述经校验车位的车位状态对于从所述连续多帧检测图中确定出的每一所踪列表中并将所述经校验车位的车位状态标记当处于预测状态或更新状态的所述经校验车位在所述某一帧检测图之后的连续多帧位之间的交并比来确定两帧检测图的经校验车计算两帧检测图中前一帧检测图中的每个经校验车位与两帧检测图中后一帧检测图将后一帧检测图中的与前一帧检测图中的任一经校验车位的交并比大于或等于预定交并比阈值的经校验车位确定为与前一帧检测图中的该将后一帧检测图中的与前一帧检测图中的所有经校验车位的交并比均小于预定交并测图中的每个经校验车位与两帧检测图中后一帧检测图中的每个经校验车位之间的交并对于两帧检测图中前一帧检测图中的任一第一经校验车位与两帧检测图中后一帧检以所述第一经校验车位的车位角点与所述第二经校验车位的车位角点在所述叠加检车位角点与所述第二经校验车位的车位角点在所述叠加检测图中的水平方向的最大值和4基于所述第一经校验车位在所述栅格图中占用的栅格数目和所述第二经校验车位在基于前一帧检测图中经校验车位的车位角点位置，利用卡尔曼滤波将当前帧检测图中经校验车位的车位角点顺序与前一帧检测图中所述经校验车位的确定每对所述相邻车位中，从该对所述相邻车位的第一车位的基于具有形心方向向量总数最多的形心方向类对应的形心方向向15.根据权利要求14所述的车位检测方法，其特征在于，所述障碍物包括固定障碍物5验车位的所述车位角点限定的多边形的边界之间的相交边以及所述非固定障碍物的角点内角点在不可泊车区域计算表中查询确定与所述相交边以及所述内角点对应的目标计算车位识别模块，用于识别所述连续多帧检测图中每帧检测图中车位校验模块，用于基于所述车位角点，执行车位校验以从所车位追踪模块，用于利用车位追踪列表，对所述连续多帧检校验车位的所述连续丢失帧数达第一帧数阈值时从所述车位追踪列表中删除该所述经校车位语义输出模块，用于对于所述车位追踪列表中的所述连续被处理器执行时实现权利要求1至15中任一项所述的车位检测6[0008]识别所述连续多帧检测图中每帧检测图中的识别车位以及所述识别车位的车位所述车位追踪列表中记录每个所述经校验车位的在连续多帧检测图中被识别出的连续可述连续丢失帧数达第一帧数阈值时从所述车位追踪列表中删除该所述[0011]对于所述车位追踪列表中的所述连续可见帧数达第二帧数阈值的每个所述经校7述经校验车位的所述连续丢失帧数达第一帧数阈值时从所述车位追踪列表中删除该所述机程序，所述处理器执行所述计算机程序时实现权如上实施例所述的车位检测方法的步[0023]图3为一个实施例中判断识别车位的四个角点构成的四边形是否为凸四边形的示[0025]图5为一个实施例中计算第一经校验车位A与第二经校验车位B之间的交并比的示[0030]图10为一个实施例中代表非固定障碍物的检测框与经校验车位的四边形可能的[0031]图11为一个示例的现有技术中检测车位的鸟瞰图以及一个示例的利用本申请的8时逐帧获取基于环境信息得到的连续多帧检测图。本申请中的所述环境传感器104可以利[0041]在本步骤中，车位检测设备102可以使用预先训练好的神经网络模型来识别每帧9[0050]例如，可以判断识别车位的每个车位角点的坐标是否均在预定的感兴趣区域界定，例如可以是以自车几何形心为中心点向前后左右各延伸10米所形成的20米*20米的点作为起始点，记为第一角点Corner1)，并随机将其余三个车位角点标记为第二角点[0055]步骤b.分别计算从第一角点Corner1指向第二角点Corner2的第一方向向量Vec01、从第一角点Corner1指向第三角点Corner3的第二方向向量Vec02、从第一角点Corner1指向第四角点Corner4的第三方向向量[0056]步骤c.分别确定由第一方向向量Vec01至第二方向向量Vec02的第一旋转方向角再次进行步骤b-d以及尝试将第三角点Corner3与第四角点Corner4标记对调并再次进行步[0060]iv.识别车位的车位角点构成的四边形在识别车位所属的当前帧检测图中的地理[0066]ii.识别车位的车位角点构成的四边形在帧检测图中的地理面积与同一帧检测图中的其他识别车位的车位角点构成的四边形在帧检测图中的地理面积的均值之差不超出[0070]i.识别车位所属的当前帧检测图的时间戳不与在当前帧检测图之前的任意历史[0072]ii.识别车位在其所属的当前帧检测图中的车位语义信息与在当前帧检测图之前车位追踪列表中记录每个经校验车位的在连续多帧检测图中被识别出的连续可见帧数和[0079]步骤S2412，当经校验车位在某一帧检测图之后的任一帧检测图中再次被识别出[0081]步骤S2414，当处于预测状态或更新状态的经校验车位在某一帧检测图之后的连续多帧检测图中未被识别出的连续丢失帧数达到第一帧数阈值M时，将经校验车位的车位位追踪列表中可以记录有经校验车位的车位ID以及该经校验车位的最新一帧检测图的例性。可用的车位ID循环使用，如果有某个经校验车位在车位追踪列表中的状态变为第二帧检测图中的五个经校验车位与车位追踪列表中记录的五个经校验车位(第一帧检测图中的五个经校验车位)进行车位匹配，例如第二帧检测图中的前四个经校验车位与车位2、3、4的经校验车位的车位状态为Updated，车位ID为5的经校验车位的车位状态为Predict，车位ID为6的经校验车位的车位状态为New……当任一经校验车位在连续两帧(N该经校验车位被从车位追踪列表删除；而当任一经校验车位连续3帧(M＝3)不可见(丢失)测图(当前帧检测图以及车位追踪列表中记录的历史帧检测图)中的经校验车位进行车位[0087]步骤S2421，计算两帧检测图中前一帧检测图中的每个经校验车位与两帧检测图[0090]参见图5中所示，可以将图5的(a)中所示的前一帧检测图与图5的(b)中所示的后一帧检测图叠加以得到图5的(c)中所[0091]步骤S24212，对于两帧检测图中前一帧检测图中的任一第一经校验车位A与两帧[0092]a.以第一经校验车位A的车位角点与第二经校验车位B的车位角点在叠加检测图中的竖直方向的最大值和最小值为外接矩形框的上下边界，以第一经校验车位A的车位角点与第二经校验车位B的车位角点在叠加检测图中的水平方向的最大值和最小值为外接矩[0098]d.基于第一经校验车位在栅格图中占用的栅格数目和第二经校验车位在栅格图[0099]例如，可以通过以下等式计算第一经校验车位A与第二经校验车位B之间的交并[0102]步骤S2422，将后一帧检测图中的与前一帧检测图中的任一经校验车位的交并比大于或等于预定交并比阈值的经校验车位确定为与前一帧检测图中的该任一经校验车位[0103]步骤S2423，将后一帧检测图中的与前一帧检测图中的所有经校验车位的交并比均小于预定交并比阈值的经校验车位确定为与前一帧检测图中的所有经校验车位均为不[0105]步骤S250，对于车位追踪列表中的连续可见帧数达第二帧数阈值N的每个经校验[0110]其中，卡尔曼滤波器对每一当前帧检测图的车位角点坐标执行如下步骤a-c的平[0111]a.使用前一帧检测图的车位角点坐标的后验估计值预测当前帧检测图的对应车标的后验误差值预测当前帧检测图的对应车位角点坐标的预测误差值作为当前帧检测图车位的四个角点构成的四边形是否为凸四边形的方法中的步骤a-e来确定每一经校验车位[0116]在通过车位匹配方法将两帧检测图中后一帧检测图的每一经校验车位与两帧检验车位的车位角点顺序与前一帧检测图的对应的一个相同的经校验车位的车位角点顺序车位A和后一帧检测图中的第二经校验车位B为同一车位的情况下，可以通过如下步骤a-c的车位角点顺序匹配方法来使第二经校验车位B的车位角点顺序与第一经校验车位A的车[0118]a.分别计算第一经校验车位A的四个车位角点C的每个车位角点分别与第一经校验车位A的四个车位角点corner1-4中的哪一个车位角点[0130]例如，若经过匈牙利匹配算法确定了第二经校验车位B的车位角点corner1’、得第二经校验车位B的车位角点顺序与第一经校验车位A的车位角[0142]第一车位和第二车位之间的形心方向向量可参见图7中所示。在此步骤中确定形小于设定平行度阈值(夹角均大于设定夹角阈值)或者列表中没有形心方向向量(在对首个形心方向向量进行匹配的情况下)时，则将当前形心方向向量作为新的形心方向向量加入列表中的每个形心方向向量的票数即指示每个形心方向向量所代表的形心方向类所具有量中与自车行进方向之间的平行度最高(即与自车行进方向的夹角最小)的形心方向向量[0150]如图8中所示，与主干道路方向平行度最高的以点虚线表示的边和以短划线表示的边为两条候选边，选择距离自车的几何形心较近的以点虚线表示的边的为车位入口边。向与主干道路方向间呈一定倾斜夹角的车位，例如图9的(a)中给出了斜车位的参考示例。域例如可以是经校验车位的四个车位角点按照车位角点顺序顺次围成的四边在的与底边平行的直线至底边的空间作为不可泊车区域而从总泊车区域中除去车位角点限定的多边形的边界之间的相交边以及非固定障碍物的角点处于经校验车位的碍物和/或非固定障碍物的不可泊车区域叠加得到的总和区域(即所有障碍物的不可泊车[0172]图10中示出了代表非固定障碍物的检测框与经校验车位的四个车位角点限定的[0176]c.内角点中的任一内角点与四边形的任一侧边的距离超过侧边距离阈值(例如，[0177](2)在以上a-c情况均不满足时，按照以下计算规则d-k中的对应的一个计算规则泊车区域中从距离最大的内角点所在的与相交边平行的直线至相交边的区域确定为不可泊车区域中从距离最大的内角点所在的与相交边平行的直线至相交边的区域确定为不可交点和内角点中距底边距离最大之一点所在的与底边平行的直线至底边的区域确定为不从相交点和内角点中距底边距离最大之一点所在的与底边平行的直线至底边的区域确定[0188]图11的(a)中示出了一个示例的现有技术中检测车位的鸟瞰图，可以看出现有技个示例的利用本申请的车位检测方法的检测车位的鸟瞰图，本申请的方法相较现有技术，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或续丢失帧数达第一帧数阈值时从车位追踪列表中备的输入装置可以是显示屏上覆盖的触摸层，也可以是车位检测设备外壳上设置的按键、列表中记录每个经校验车位的在连续多帧检测图中被识别出的连续可见帧数和在连续多列表中记录每个经校验车位的在连续多帧检测图中被识别出的连续可见帧数和在连续多包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM型SDRAM(ESDRAM)、同步链路(Synchli