(19)国家知识产权局
(12)发明 专利
(10)授权公告 号
(45)授权公告日
(21)申请 号 20221040193 6.X
(22)申请日 2022.04.18
(65)同一申请的已公布的文献号
申请公布号 CN 114511841 A
(43)申请公布日 2022.05.17
(73)专利权人 深圳宇通智联科技有限公司
地址 518000 广东省深圳市前海深港合作
区前湾一路1号A栋201室(入驻深圳市
前海商务秘书 有限公司)
(72)发明人 朱勇 赵明来 李鸿岳 赵彩智
吴毅
(51)Int.Cl.
G06V 20/58(2022.01)
G06V 10/80(2022.01)
G06V 10/75(2022.01)G06K 9/62(2022.01)
G06T 3/00(2006.01)
(56)对比文件
US 2016021288 A1,2016.01.21
CN 111845723 A,2020.10.3 0
审查员 谭岳峰
(54)发明名称
一种多传感器融合的空 闲车位检测方法
(57)摘要
本发明涉及高级辅助驾驶技术领域, 尤其为
一种多传感器融合的空闲车位检测方法, 其方法
包括如下步骤: A、 首先利用超声波雷达探测距离
信息, 提取空闲车位的初始位置; B、 然后获取鱼
眼相机图像, 完成slam建图和车位线识别功能;
C、 经过多传感器融合算法提取最终的空闲车位
位置。 D、 将识别的空闲车位显示到中控屏幕上。
本发明通过多传感器的融合方法, 提高了车位线
末尾两个点的坐标估计的准确性和鲁棒性, 能同
时适应室内车库、 室外停车场、 无车位线或车位
线不清晰车位等多种场景, 从而提升用户的体验
感和满意度, 具有更广阔的商业价值, 可广泛应
用于半自动泊车和自主泊车系统中。
权利要求书3页 说明书7页 附图4页
CN 114511841 B
2022.07.05
CN 114511841 B
1.一种多传感器融合的空闲车位检测方法, 包括以下步骤: A、 首先利用超声波雷达探
测距离信息, 提取 空闲车位的初始位置; B、 获取鱼眼相机图像, 完成slam建图和车位线识别
功能; C、 经过多传感器融合算法提取最终的空闲车位位置; D、 将识别的空闲车位显示到中
控屏幕上; 其特 征在于:
所述步骤A包括以下步骤:
A1、 车辆平行于停车位向前 行驶, 利用侧身超声 波雷达探测障碍物的距离;
A2、 将上述步骤A1中的障碍物距离分为75 ‑85个等间隔区间
, 并保存在一个数组array
中;
A3、 统计上述步骤A2中数组array的障碍物距离值大于等于5m的连续区间, 获取连续区
间的最大长度maxLen;
A4、 根据上述步骤A3中连续区间 的最大长度maxLen, 判断是否为空闲车位, 如果maxLen
的数值大于2m, 则maxLen对应的区间为空 闲车位的初始位置
;
所述步骤B包括以下步骤:
B1、 如果步骤A中空 闲车位初始位置获取失败, 则不进行 下一步, 继续执 行步骤A;
B2、 如果步骤A中成功获取空 闲车位初始位置, 则执 行以下步骤B3;
B3、 获取鱼眼相机图像, 进行相机标定和畸变矫 正, 得到畸变矫 正图像;
B4、 利用上述步骤B3中的相机标定参数先将上述步骤B3中的畸变矫正图像进行俯视变
换, 获得鸟瞰图像, 然后在鸟瞰图中的上述步骤A4的空闲车位初始位置
进行车位
线识别, 获得空 闲车位;
B5、 利用上述步骤B3中连续的畸变矫正图像帧开始利用slam技术建立局部建图得到车
身周围的局部地图;
所述步骤C包括以下步骤:
C1、 将上述步骤B4中提取的空闲车位坐标点投影到上述步骤B5中的局部地 图, 获得投
影点坐标;
C2、 利用步骤C1 获得的投影点 坐标, 计算上述 步骤B5的局部地图的空 闲车位;
C3、 利用MLP多层感知机网络学习上述步骤B5中空闲车位坐标和步骤C2中空闲车位坐
标的融合 参数;
C4、 利用步骤C3的融合参数对上述步骤B5中空闲车位坐标和步骤C2中空闲车位坐标进
行融合;
C5、 获取融合后的空 闲车位坐标。
2.根据权利要求1所述的一种 多传感器融合的空闲车位检测方法, 其特征在于: 所述步
骤B3中, 鱼眼图像分辨率为1280*720, 在进行畸变矫正的过程中, 先对相机进行标定, 获得
相机内参K、 径向畸变系数k1、 k2、 k3、 外参 R, 然后利用畸变矫正公 式对鱼眼图像进行畸变矫
正, 畸变矫 正公式如下 所示:
权 利 要 求 书 1/3 页
2
CN 114511841 B
2其中,
是畸变点在相机sensor上的原始位置,
是畸变矫正
后新的位置,
是离相机sensor中心点的半径。
3.根据权利要求1所述的一种 多传感器融合的空闲车位检测方法, 其特征在于: 所述步
骤B4中, 获得鸟瞰图后, 即可进行 车位线识别, 具体步骤如下:
01、 采集车位 点样本, 利用yo lov3训练;
02、 利用训练好的yolov3模型检测俯视图上的车位点, 并将一对车位点 (bpt1, bpt2) 用
直线连接, 作为车位的入口;
03、 以右侧车位为例, 向量
绕bpt1逆时针旋 转, 并按车位长度, 估计出车位点
bpt3, 同理估计出 车位点bpt4;
04、 连接bpt1、 bpt 2、 bpt3、 bpt4, 得到车位线。
4.根据权利要求3所述的一种 多传感器融合的空闲车位检测方法, 其特征在于: 所述步
骤B5中, 局部建图的具体步骤如下:
B5.1、 得到车位线的同时, 提取Har ris角点, 进行视 觉跟踪;
B5.2、 采用松耦合方式得到初始值, 再用上述步骤B5.1的特征点匹配, 进行三角化, 求
出滑动窗口内所有帧的位姿以及路标点逆深度, 接着与IMU 预积分对齐, 恢复出对齐尺度s、
重力g、 imu速度v和陀螺 仪偏置bg这些参数;
B5.3、 构建IMU约束和视觉约束的约束方程, 利用紧耦合技术进行后端非线性优化, 获
得最优的局部地图;
B5.4、 在局部地图中, 寻找最优空 闲车位。
5.根据权利要求4所述的一种 多传感器融合的空闲车位检测方法, 其特征在于: 所述步
骤C1中, 将上述步骤B4中的两个入口点坐标bpt1、 bpt2和两个末尾点坐标bpt3、 bpt4分别投
影到上述 步骤B5的局部地图中, 得到bspt1、 bspt 2、 bspt3和bspt4四个点;
所述步骤C2中, 在上述步骤B5的局部地图中以步骤C1的入口点投影坐标bspt1、 bspt2,
按照车位长度lenth估计两个末尾点 坐标spt3、 spt4, 计算公式为:
spt3=bspt1+lenth;
spt4=bspt 2+lenth;
从而推导出 上述步骤B5的局部地图中的空 闲车位 (bspt1, bspt 2, spt3, spt4) ;
所述步骤C3中, 在利用MLP多层感知机网络学习上述步骤B5中空闲车位坐标和步骤C2
中空闲车位坐标的融合参数时, 需要事 先标注大量的真实空闲车位坐标数据, 用GT表示, 然
后采用误差平方和损失函数E进行训练, 公式为:
其中, w为感知机权重, 即融合参数, a为上述步骤B5中空闲车位坐标, b为步骤C2中空闲
车位坐标;
所述步骤C4中, 利用步骤C3的融合参数w, 对上述步骤B5中空闲车位末尾两个坐标点和
步骤C2中空 闲车位末尾两个坐标点进行融合, 公式为;权 利 要 求 书 2/3 页
3
CN 114511841 B
3
专利 一种多传感器融合的空闲车位检测方法
安全报告 >
其他 >
文档预览
中文文档
15 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:34:25上传分享