(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211353235.X (22)申请日 2022.11.01 (71)申请人 杭州枕石智能科技有限公司 地址 310000 浙江省杭州市滨江区西兴街 道联慧街3 00号18层180 6室 (72)发明人 杨腾飞　陈喆民　吴国苏州 　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 罗敏 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 20/70(2022.01) (54)发明名称 车位状态的检测方法、 终端设备及计算机可 读存储介质 (57)摘要 本发明公开了一种车位状态的检测方法、 终 端设备及计算机可读存储介质， 涉及智能驾驶技 术领域， 包括： 获取各目标环视图， 对各目标环视 图分别进行标注处理得到各环视图数据集； 将各 环视图数据集作为目标训练数据集输入至预设 的初始车位检测模型， 通过初始车位检测模型对 各环视图数据集进行计算得到各损失值； 基于各 损失值控制初始车位检测模型继续对各环视图 数据集进行计算并确定初始车位检测模型对应 的训练迭代次数， 在训练迭代次数达到预设的次 数阈值时， 将初始车位检测模型确定为目标车位 检测模型， 以供目标车辆通过目标车位检测模型 对目标车位状态进行检测。 采用本发 明能够实现 令终端设备在复杂环境下获取目标车位的车位 状态信息的技 术效果。 权利要求书2页 说明书14页 附图5页 CN 115527189 A 2022.12.27 CN 115527189 A 1.一种车位状态的检测方法， 其特 征在于， 所述车位状态的检测方法包括以下步骤： 获取各目标环视图， 对各 所述目标环视图分别进行 标注处理得到各环视图数据集； 将各所述环视图数据集作为目标训练数据集输入至预设的初始车位检测模型， 通过所 述初始车位检测模型对各 所述环视图数据集进行计算得到各损失值； 基于各所述损失值控制所述初始车位检测模型继续对各所述环视图数据集进行计算 并确定所述初始车位检测模型对应的训练迭代次数， 在所述训练迭代次数达到预设的次数 阈值时， 将所述初始车位检测模型确定为 目标车位检测模型， 以供目标车辆通过所述 目标 车位检测模型对目标 车位状态进行检测。 2.如权利要求1所述的车位状态的检测方法， 其特征在于， 在所述获取各目标环视图的 步骤之后， 所述方法还 包括： 在各所述目标环视图中确定是否存在不包含目标车位的异常环视图， 并对所述异常环 视图执行删除操作； 和/或者， 在各所述目标环视图中确定是否存在拼接裂缝的所述异常环视图， 并对所述异常环视 图执行删除操作； 对完成删除操作后剩余的各目标环视图分别进行 标注处理得到各环视图数据集。 3.如权利要求1所述的车位状态的检测方法， 其特征在于， 在所述获取各目标环视图的 步骤之后， 所述方法还 包括： 对各所述目标环视图执行多角度变换操作， 并对完成所述多角度变换操作的各目标环 视图分别进行 标注处理得到各环视图数据集； 和/或者， 对各所述目标环视图执行对比度随机变换操作， 并对完成所述对比度随机变换操作的 各目标环视图分别进行 标注处理得到各环视图数据集； 和/或者， 对各所述目标环视图执行亮度随机变换操作， 并对完成所述亮度随机变换操作的各目 标环视图分别进行 标注处理得到各环视图数据集。 4.如权利要求1所述的车位状态的检测方法， 其特征在于， 所述对各所述目标环视图分 别进行标注处理得到各环视图数据集的步骤， 包括： 确定各所述目标环视图内包含的各车位角坐标， 并对各所述车位角坐标依次进行标注 以生成各图像标注信息； 获取预设的各车位属性值， 并根据 各所述目标环视图内包含的车位状态信 息将各所述 车位属性 值作为图像属性 值添加至各 所述目标环视图内； 将各所述目标环视图分别与各所述目标环视图各自对应的所述图像标注信息和所述 图像属性 值进行整合得到各 所述环视图数据集。 5.如权利要求4所述的车位状态的检测方法， 其特征在于， 在所述对各所述目标环视图 分别进行 标注处理得到各环视图数据集的步骤之后， 所述方法还 包括： 基于各所述车位角坐标确定各所述环视图数据集内的各车位线， 并根据 各所述车位线 确定各车位类型各自对应的车位数量； 其中， 所述车位类别包含水平车位、 垂 直车位及倾斜 车位；权　利　要　求　书 1/2 页 2 CN 115527189 A 2基于各所述车位数量对各 所述环视图数据集执 行车位数量平衡操作。 6.如权利要求5所述的车位状态的检测方法， 其特征在于， 所述基于各所述车位数量对 各所述环视图数据集执 行车位数量平衡操作的步骤， 包括： 在各所述车位数量中确定数值最小的目标车位数量， 并确定所述数值最小的目标车位 数量对应的目标 车位类型； 将所述目标车位类型对应的各目标车位随机粘贴至各所述目标环视图内的其他图像 区域。 7.如权利要求5所述的车位状态的检测方法， 其特征在于， 在所述基于各所述车位角坐 标确定各 所述环视图数据集内的各 车位线的步骤之后， 所述方法还 包括： 确定各所述车位线各自在预设的宽度范围内的初始色彩像素值； 获取预设的目标色彩像素值， 并将所述初始色彩像素值 替换为所述目标色彩像素值。 8.如权利要求1 ‑7任一项所述的车位状态的检测方法， 其特征在于， 所述损失值包含第 一损失值； 所述通过所述初始车位检测模型对各所述环视图数据集进 行计算得到各损失值 的步骤， 包括： 通过所述初始车位检测模型在各所述环视图数据集内确定与各所述图像标注信息对 应的最小外接矩形区域， 并基于所述最小外接矩形区域对各所述环视图数据集进 行特征提 取以获取 车位提取图像； 通过所述初始车位检测模型内预设的第一损失函数计算所述车位提取图像与所述最 小外接矩形区域之间的损失值， 并将所述损失值确定为所述第一损失值。 9.如权利要求8所述的车位状态的检测方法， 其特征在于， 所述损失值还包含第 二损失 值； 所述通过所述初始车位检测模型对各所述环视图数据集进行计算得到各损失值的步 骤， 还包括： 通过所述初始车位检测模型确定各所述最小外接矩形区域各自对应的中心点坐标， 并 计算各所述中心点 坐标确定各 所述车位角坐标与所述中心点 坐标之间的各坐标差值； 通过所述初始车位检测模型内预设的第二损失函数计算各所述坐标差值与各所述车 位角坐标之间的损失值， 并将所述损失值确定为所述第二损失值。 10.如权利要求1所述的车位状态的检测方法， 其特征在于， 在所述将所述初始车位检 测模型确定为目标 车位检测模型的步骤之后， 所述方法还 包括： 获取所述目标 车位周围的待测环视图； 将所述待测环视图输入至所述目标车位状态检测模型， 由所述目标车位状态检测模型 输出与所述待测环视图对应的车位状态信息； 由所述目标车位检测模型根据所述待测环视图对应的车位状态信息规划对应的泊车 路线。 11.一种终端设备， 其特征在于， 所述终端设备包括： 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车位状态的检测程序， 所述车位状态的检测程序被所述处 理器执行时实现如权利要求1至10中任一项所述的车位状态的检测方法的步骤。 12.一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车位状 态的检测程序， 所述车位状态的检测程序被处理器执行时实现如权利要求1至10中任一项 所述的车位状态的检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115527189 A 3