本申请涉及汽车,尤其涉及一种无车位线的泊车环境感知方法、装置、车辆及计算机可读存储介质。
背景技术:
1、随着机动车保有量持续增长,高峰期停车场不足以满足停车需求,有时需要将车辆临时停放在路边。在路边车位没有明显的车位,或者车位线模糊时,驾驶员往往根据已停放车辆,选择自车停放的位置。
2、目前,在有车位线的情况下,通过识别车位线确定汽车停放的目标位置,从而进行轨迹规划。而在无车位线情况下,需要精确描绘前后车以及道路边沿的位置,以确认可行驶区域和目标停车位置,然后进行轨迹规划。而在无车位线情况下识别可行驶区域时,一般是通过获取车辆的周围区域内的点云数据,对点云数据中每个点进行类别判断,再根据对每个点的类别判断结果,确定周围区域内的可行驶区域,该方式需要在车辆上安装昂贵的激光雷达传感器采集点云数据,同时,对点云数据中每个点的类别判断的计算量也很大,因此,对车辆的周围区域内的可行驶区域的计算效率也较差。
技术实现思路
1、本申请的主要目的在于提供一种无车位线的泊车环境感知方法、装置、车辆及计算机可读存储介质,旨在解决相关技术中对可行驶区域的检测效率差的技术问题。
2、为实现上述目的,本申请提供一种无车位线的泊车环境感知方法,包括:
3、获取第一车辆的各个环视摄像头对应的第一环视图像;
4、确定各个第一环视图像对应的可行驶区域边界;
5、分别将各个所述可行驶区域边界投影至鸟瞰视角,获得可行驶区域。
6、进一步地,所述确定各个第一环视图像对应的可行驶区域边界的步骤包括:
7、分别将各个第一环视图像输入深度神经网络,通过深度神经网络确定各个第一环视图像中每一列像素的列边界点;
8、基于所述列边界点,分别确定各个第一环视图像对应可行驶区域边界的边界线。
9、进一步地,所述获取各个环视摄像头对应的第一环视图像的步骤之后,还包括:
10、将各个第一环视图像输入目标鸟瞰网络模型进行模型预测,获得可行驶区域对应的第一占据栅格数据。
11、进一步地,所述将各个第一环视图像输入目标鸟瞰网络模型进行模型预测,获得第一占据栅格数据的步骤之前,还包括:
12、获取第二车辆的多个环视摄像头对应的第二环视图像;
13、分别对所述第二环视图像进行标注操作,获得第一占据栅格标注信息;
14、将所述第一占据栅格标注信息以及第二环视图像,输入待训练鸟瞰网络模型进行模型训练,获得所述目标鸟瞰网络模型。
15、进一步地,所述分别对所述第二环视图像进行标注操作,获得第一占据栅格标注信息的步骤包括:
16、获取所述第二车辆的激光雷达对应的第一点云数据;
17、对所述点云数据对应的三维空间进行格栅化处理,获得第一格栅数据;
18、基于所述第一点云数据,在所述第一格栅数据中确定所述第一点云数据对应的占据栅格信息;
19、基于所述第一点云数据对应的占据栅格信息,确定所述第一占据栅格标注信息。
20、此外,为实现上述目的,本申请还提供一种无车位线的泊车环境感知方法,包括:
21、获取第一车辆的各个环视摄像头对应的第三环视图像;
22、将各个第三环视图像输入目标鸟瞰网络模型进行模型预测,获得可行驶区域对应的第二占据栅格数据。
23、进一步地,所述将各个第三环视图像输入目标鸟瞰网络模型进行模型预测,获得可行驶区域对应的第二占据栅格数据的步骤之前,还包括:
24、获取第二车辆的多个环视摄像头对应的第四环视图像;
25、分别对所述第四环视图像进行标注操作,获得第二占据栅格标注信息;
26、将所述第二占据栅格标注信息以及第四环视图像,输入待训练鸟瞰网络模型进行模型训练,获得所述目标鸟瞰网络模型。
27、此外,为实现上述目的,本申请还提供一种车辆,所述车辆包括:
28、获取模块,用于获取车辆的各个环视摄像头对应的第一环视图像;
29、确定模块,用于确定各个第一环视图像对应的可行驶区域边界;
30、投影模块,用于分别将各个所述可行驶区域边界投影至鸟瞰视角,获得可行驶区域。
31、此外,为实现上述目的,本申请还提供一种无车位线的泊车环境感知装置,所述无车位线的泊车环境感知装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无车位线的泊车环境感知程序,所述无车位线的泊车环境感知程序被所述处理器执行时实现前述的无车位线的泊车环境感知方法的步骤。
32、此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有无车位线的泊车环境感知程序,所述无车位线的泊车环境感知程序被处理器执行时实现前述的无车位线的泊车环境感知方法的步骤。
33、本申请通过获取第一车辆的各个环视摄像头对应的第一环视图像;接着确定各个第一环视图像对应的可行驶区域边界;而后分别将各个所述可行驶区域边界投影至鸟瞰视角,获得可行驶区域,在进行无车位线的路边泊车时,车辆通过多个环视图像对应的可行驶区域边界进行环境感知准确获得可行驶区域,与通过激光雷达进行环境感知相比,可以有效降低成本以及减少点云数据的计算量,进而可提升可行驶区域检测的效率以及准确性,在无车位线的路边泊车时通过可行驶区域辅助泊车以提升车辆泊车的准确性以及效率。
1.一种无车位线的泊车环境感知方法,其特征在于,包括:
2.如权利要求1所述的无车位线的泊车环境感知方法,其特征在于,所述确定各个第一环视图像对应的可行驶区域边界的步骤包括:
3.如权利要求1或2所述的无车位线的泊车环境感知方法,其特征在于,所述获取各个环视摄像头对应的第一环视图像的步骤之后,还包括:
4.如权利要求3所述的无车位线的泊车环境感知方法,其特征在于,所述将各个第一环视图像输入目标鸟瞰网络模型进行模型预测,获得第一占据栅格数据的步骤之前,还包括:
5.如权利要求3所述的无车位线的泊车环境感知方法,其特征在于,所述分别对所述第二环视图像进行标注操作,获得第一占据栅格标注信息的步骤包括:
6.一种无车位线的泊车环境感知方法,其特征在于,包括:
7.如权利要求6所述的无车位线的泊车环境感知方法,其特征在于,所述将各个第三环视图像输入目标鸟瞰网络模型进行模型预测,获得可行驶区域对应的第二占据栅格数据的步骤之前,还包括:
8.一种车辆,其特征在于,所述车辆包括:
9.一种无车位线的泊车环境感知装置,其特征在于,所述无车位线的泊车环境感知装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的无车位线的泊车环境感知程序,所述无车位线的泊车环境感知程序被所述处理器执行时实现如权利要求1至5或6-7中任一项所述的无车位线的泊车环境感知方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有无车位线的泊车环境感知程序,所述无车位线的泊车环境感知程序被处理器执行时实现如权利要求1至5或6-7中任一项所述的无车位线的泊车环境感知方法的步骤。