泊车位检测方法
【技术领域】
[0001] 本发明涉及车载电子技术领域,特别是涉及一种泊车位检测方法。
【背景技术】
[0002] 目前,大多数的停车场提供垂直泊车模式(图1A)和水平泊车模式(图1B)。在传 统技术中,垂直泊车模式或水平泊车模式中的泊车位检测主要是通过超声波测距雷达测量 行驶的车辆距离泊车位上障碍车的距离的变化,从而识别出障碍车辆之间的泊车位。
[0003] 发明人在研宄中发现,传统技术的缺陷在于超声波测距依赖于障碍车辆的存在, 如果泊车位上很少有障碍车辆或者完全没有障碍车辆,该方法就会失效。并且,超声波雷达 探测的范围通常比较小。
【发明内容】
[0004] 基于此,有必要提供一种泊车位检测方法,应用本发明技术方案可以在泊车位上 车辆较少的情况下也能够检测到泊车位,并且检测的范围比较大。
[0005] 一种泊车位检测方法,包括:
[0006] 采集行驶车辆侧边的双目图像,图像采集的光轴方向与行驶方向垂直,且与车辆 底面平行;
[0007] 检测出双目图像中所包含的特征像素点及其分布,所述特征像素点用于表征泊车 位画线或者车辆形状的特征;
[0008] 判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征像素点,若 是则提示检测到泊车位;
[0009] 根据双目图像中的特征像素点及其分布,确定泊车位上停泊的两障碍车之间的间 距,若所述间距不小于预设阀值,则提示所述两障碍车之间为泊车位。
[0010] 在一个实施例中,在所述采集行驶车辆侧边的双目图像的步骤中,包括:
[0011] 采用双目摄像头采集行驶车辆侧边的图像,其中两摄像头的光轴相互平行,两光 轴之间距离固定且距车辆底面等高,两摄像头光心及成像面处于光轴上对应的位置,两摄 像头成像视角相同;
[0012] 在所述采集行驶车辆侧边的双目图像的步骤中,还包括:
[0013] 当检测环境光强低于预定值,开启补光装置增强双目摄像头采集图像的环境光 强。
[0014] 在一个实施例中,所述检测出双目图像中所包含的特征像素点及其分布的步骤, 包括:
[0015] 采用canny算法对双目图像中两幅图像执行边缘检测,再利用hilditch算法进一 步得到精细化的泊车位画线及车辆形状的轮廓线;
[0016] 采用harris角点检测算法提取四种类型的折线角点,分为左上角点、右上角点、 左下角点以及右下角点,并记录在两幅图像上的位置;
[0017] 提取轮廓线中圆弧线对应的中心作为轮毂特征像素点,并记录在两幅图像上的位 置。
[0018] 在一个实施例中,所述判断双目图像中任一图像中是否含有对应于一泊车位画线 的所有特征像素点的步骤,包括:
[0019] 在双目图像任一图像中,所有类型的折线角点均处于图像中心的下方,且存在一 左上角点、一右上角点、一右下角点、一左下角点能沿顺时针连成梯形,则对应于一泊车位 画线的所有特征像素点,并提示检测到泊车位。
[0020] 在一个实施例中,所述根据双目图像中的特征像素点及其分布,确定泊车位上停 泊的两障碍车之间的间距,若所述间距不小于预设阀值,则提示所述两障碍车之间为泊车 位的步骤,包括:
[0021] 识别双目图像中两幅图像所含有的每一障碍车,及每一障碍车所对应的全部特征 像素点;
[0022] 由任一障碍车的折线角点与轮毂特征像素点的位置关系,确定泊车模式为水平泊 车模式或垂直泊车模式;
[0023] 进行特征匹配,确定同一辆障碍车的在两幅图像中所对应的特征像素点,并获取 两点的位置差;
[0024] 基于双目立体视觉,由所述位置差确定障碍车辆的成像深度;
[0025] 在一幅图像中获取两障碍车相邻的两特征像素点的像素距离,并结合所述成像深 度计算两障碍车之间的间距;
[0026] 若泊车模式为水平泊车模式,则将所述间距与第一阀值相比,若泊车模式为垂直 泊车模式,则将所述间距与第二阀值相比,当所述间距不小于第一阀值或第二阀值,则提示 两障碍车之间为泊车位。
[0027] 上述泊车位检测方法,采集行驶车辆侧边的双目图像,检测出其中两幅图像中所 包含的特征像素点,如果能够判断出其中含有对应于一个泊车位画线的几个特征像素点, 就可以提示检测到泊车位,由此相比于传统技术,在停车场上无障碍车或者只有较少障碍 车的情况下,通过识别泊车位画线就可以检测到泊车位,此外上述泊车位检测方法可以根 据双目图像中的特征像素点及其分布,确定已经停泊的两障碍车之间的间距,若间距不小 于预设阀值,则提示为泊车位,这种检测方法相比于传统技术中的超声波探测,改用图像识 别的方法,一般可以检测较大的范围。
【附图说明】
[0028] 图IA和图IB分别为垂直泊车模式和水平泊车模式的示意图;
[0029] 图2为一个实施例中的泊车位检测方法的流程示意图;
[0030] 图3A为一个实施例中采集双目图像的立体示意图;
[0031] 图3B为一个实施例中采集双目图像的俯视视图;
[0032] 图3C为一个实施例中采集双目图像的侧视视图;
[0033] 图4A和图4B为一个实施例中障碍车轮廓线中的角点和轮毂特征像素点的示意 图;
[0034] 图4C为一个实施例中泊车位画线中的角点示意图;
[0035] 图5A为一个实施例中同一辆障碍车的特征像素点处在两幅图像中不同位置的示 意图;
[0036] 图5B为一个实施例中基于双目视觉计算成像深度的示意图。
【具体实施方式】
[0037] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对 本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并 不用于限定本发明。
[0038] 参见图IA和图1B,分别为垂直泊车模式和水平泊车模式的示意图。在本发明的后 续实施例中,行驶车辆是指进入停车场后需要找寻泊车位的车辆,障碍车是指已经停靠在 停车场泊车位上的车辆。当行驶车辆的在泊车前的行驶方向与泊车后的车辆前后方向相互 垂直,则为垂直泊车模式,若相互平行,则为水平泊车模式。
[0039] 参见图2,在一个实施例中提供了一种泊车位检测方法,包括:
[0040] 步骤201,采集行驶车辆侧边的双目图像。
[0041] 具体的,在实施例中,泊车模式可以是垂直泊车模式或水平泊车模式,图像采集的 光轴方向与行驶方向垂直,且与车辆底面平行。在一个实施例中,采用双目摄像头采集行驶 车辆侧边的图像,其中两摄像头的光轴相互平行,两光轴之间距离固定且距车辆底面等高, 两摄像头光心及成像面处于光轴上对应的位置,两摄像头成像视角相同,具体参见图3A至 图3C,以光轴方向建立z轴,成像平面为xy平面,左摄像头光轴 21与右摄像头光轴^相互 平行,且之间相距为b,左光心仏与右光心O ^左成像平面与右成像平面对应于z轴上相同 的刻度,光轴距离车辆地面的距离为h,左右摄像头的成像视角为β,由此可见,在图3A中 同一点A在两幅图像中对应点B 1 (U1, V1)与aji^,vj,其y坐标是相同的,它们之间的位置 差可以用X坐标来表示。
[0042] 此外,可选的,在一个实施例中,当检测环境光强低于预定值,开启补光装置增强 双目摄像头采集图像的环境光强。具体可以通过光感应传感器来检测光强,当处于夜晚等 环境中时,就可以开启补光装置,例如LED灯来进行补光。
[0043] 步骤202,检测出双目图像中所包含的特征像素点及其分布。
[0044] 具体的,特征像素点用于表征泊车位画线或者车辆形状的特征。
[0045] 在一个实施例中,本步骤具体包括下列(1)至(3):
[0046] (1)采用canny算法对双目图像中两幅图像执行边缘检测,再利用hilditch算法 进一步得到精细化的泊车位画线及车辆形状的轮廓线。具体的,采用双摄像头采集双目图 像,可以对两幅图像预先进行相同的平滑滤波等处理。再经过边缘检测以及精细优化处理 的两幅图像只含有轮廓线,而不含其中的纹理细节,其中精细化的泊车位画线及车辆形状 的轮廓线(以水平泊车模式为例)可以参见图4A至图4C。
[0047] (2)采用harris角点检测算法提取四种类型的折线角点,分为左上角点、右上角 点、左下角点以及右下角点,并记录在两幅图像上的位置。具体的,折线角点可视为折线轮 廓线上弯折处的像素点,具体分为四种类型:左上角点"「"、右上角点"1"、左下角点"L" 以及右下角点"」"。参见图4A中,一幅图像401中的&至A 8为有后备箱的车辆轮廓线中 的折线角点。图4B中,图像402中的&至B6为无后备箱的车辆轮廓线中的折线角点。图 4C中,图像403中的(^至C4为泊车位画线中的折线角点。更为具体的,A 6、C1为左上角点 "「",^、(:2为右上角点"1",83、(;为左下角点"1/',82、(: 3为右下角点"」,,等等。这些折 线角点可以对经过边缘检测的图像作二值化处理,再用十字形像素模板作与运算来快速获 取。
[0048] (3)提取轮廓线中圆弧线对应的中心作为轮毂特征像素点,并记录在两幅图像上 的位置。可参见图4A和图4B,障碍车辆的轮毂的轮廓线为圆形或者具有一些弧度(包括垂 直泊车模式中,某些视角下的轮毂为圆弧)。采用模板匹配,提取这些弧度特征,并确定这些 弧度对应的中心作为轮毂特征像素点,如A 9、A1(l、B7、B8,并记录这些点在成像平面上的坐标 位置。
[0049] 步骤203,判断双目图像中任一图像中是否含有对应于一泊车位画线的所有特征 像素点,若是则提示检测到泊车位。
[0050] 具体的,传统技术中,通过超声波测距,当距离值发生变化时,则可能