(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 202210718457.0 (22)申请日 2022.06.23 (71)申请人 长春一汽富晟集团有限公司 地址 130011 吉林省长 春市汽车 经济开发 区振兴路593号 (72)发明人 田雨禾　曹包华　吴迪　李红吉　 王志伟　陈浩　石莹　刘光远　 刘鹏程　刘健禹　 (74)专利代理 机构 长春吉大专利代理有限责任 公司 22201 专利代理师 杜森垚 (51)Int.Cl. G06V 20/58(2022.01) G06T 7/73(2017.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06T 5/00(2006.01) (54)发明名称 一种基于图像处 理的车位检测方法 (57)摘要 本发明公开了一种基于图像处理的车位检 测方法， 包括以下步骤： 采集车载左、 右侧摄像头 获取的原始图像； 在所述原始图像中检测TOI； TOI至少包括车位角点、 车辆、 行人、 骑行者、 障碍 物； 根据TOI在原始图像中的像素坐标， 计算其在 全景环视图像中的像素坐标； 通过车位角点在全 景环视图像中的像素坐标， 在全 景环视图像中拟 合车位； 拟合车位有效性判定； 计算拟合车位在 车辆坐标系中的位置； 在全景环视图像中显示拟 合车位。 解决了现有技术存在的基于全景环视图 像的车位检测误差过大导致车位定位不准， 甚至 无法定位， 影响自动泊车的成功率的问题。 权利要求书1页 说明书4页 附图2页 CN 115063776 A 2022.09.16 CN 115063776 A 1.一种基于图像处 理的车位检测方法， 其特 征在于， 包括以下步骤： 步骤一： 采集车 载左、 右侧摄 像头获取的原 始图像； 步骤二： 在所述原始图像中检测TOI； TOI至少包括车位角点、 车辆、 行人、 骑行者、 障碍 物； 步骤三： 根据TOI在原 始图像中的像素坐标， 计算 其在全景环视图像中的像素坐标； 步骤四： 通过 车位角点在全景环视图像中的像素坐标， 在全景环视图像中拟合车位； 步骤五： 拟合车位有效性判定； 步骤六： 计算拟合车位在车辆坐标系中的位置； 步骤七： 在全景环视图像中显示拟合车位。 2.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤二中 使用Yolov4目标检测方法检测TOI以及TOI在原 始图像中的像素坐标。 3.如权利要求2所述的一种基于图像处理的车位检测方法， 其特征在于， 所述车辆类型 包括轿车、 SUV、 卡车、 公交车、 货车； 所述骑行者类型包括自行车、 电瓶车、 三轮车、 摩托车； 所述障碍物类型包括路障警示桩、 车位 地锁。 4.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤三 中， 首先根据畸变校正算法将TOI在原始图像的像素坐标进行畸变校正， 得到TOI校正后的 像素坐标， 再根据逆投影变换将TOI校正后的像素坐标映射到全景环视平面上， 得到TOI在 全景环视图像中的像素坐标。 5.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤四 中， 将检测到的所有车位角点在全景环视图像中的像素坐标组成集合， 使用贪心算法将角 点像素坐标集合拟合出所有车位信息， 车位信息包括车位四个角点在 全景环视图像中的像 素坐标、 车位类型以及车位 航向角。 6.如权利要求5所述的一种基于图像处理的车位检测方法， 其特征在于， 所述车位类型 包括： 水平车位、 垂直车位、 斜方 车位。 7.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤五 中， 除车位角点外其它TOI在 全景环视图像的坐标在拟合车位四边形区域内， 则该拟合车位 无效； TOI在全景环视图像的坐标在拟合车位四边形区域外， 则该拟合车位有效。 8.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤六拟 合车位在车辆坐标系中的位置计算过程 为： 将全景环视图像的像素坐标系xoy映射到车辆坐标系uo ′v： (x0,y0)为车辆后轴中心点o ′在全景环视图像中的像素坐标； D 为像素间距， 即两个像素 间显示的实际距离， 单位 为米。 9.如权利要求1所述的一种基于图像处理的车位检测方法， 其特征在于， 所述步骤七 中， 将检测到的有效拟合车位， 在 全景环视中用绿色四边形标出； 无效拟合车位用红色方框 标出， 用来告知用户车位检测结果。权　利　要　求　书 1/1 页 2 CN 115063776 A 2一种基于图像处理的车位检测方 法 技术领域 [0001]本发明属于汽车智能辅助技术领域， 具体涉及一种基于图像处理的车位检测方 法。 背景技术 [0002]自动泊车辅助系统一般借助超声波和图像融合的方式共同检测车位。 借助图像检 测车位的一般都是采用4路全景环视镜头拼接来的全景环视图像来检测车位4个角点， 在拼 接生成全景环视图像过程中会有很多差值运算， 差值运算会导致检测车位角点时引入一定 的误差， 而且距离车辆越远， 误差越大， 且图像越模糊。 尤其是垂 直车位的角点， 有的甚至距 离车辆6至7米远， 使 得车位位置和航向角计算时引起更大的偏 差， 甚至无法识别车位， 导致 车辆无法自动泊入正常车位。 发明内容 [0003]为了解决现有技术存在的基于全景环视图像的车位检测误差过大导致车位定位 不准， 甚至无法定位， 影响自动泊车的成功率的问题， 本发明提供了一种基于图像处理的车 位检测方法。 [0004]本发明的目的是通过以下技 术方案实现的： [0005]一种基于图像处 理的车位检测方法， 包括以下步骤： [0006]步骤一： 采集车 载左、 右侧摄 像头获取的原 始图像； [0007]步骤二： 在所述原始图像中检测TOI； TOI至少包括车位角点、 车辆、 行人、 骑行者、 障碍物； [0008]步骤三： 根据TOI在原始图像中的像素坐标， 计算其在全景环视图像中的像素坐 标； [0009]步骤四： 通过车位角点在全景环视图像中的像素坐标， 在全景环视图像中拟合车 位； [0010]步骤五： 拟合车位有效性判定； [0011]步骤六： 计算拟合车位在车辆坐标系中的位置； [0012]步骤七： 在全景环视图像中显示拟合车位。 [0013]进一步地， 所述步骤二中使用Yolov4目标检测方法检测T OI以及TOI在原始图像中 的像素坐标。 [0014]更进一步地， 所述车辆类型包括轿车、 SUV、 卡车、 公交车、 货车； 所述骑行者类型包 括自行车、 电瓶车、 三轮车、 摩托车； 所述障碍物类型包括路障警示桩、 车位 地锁。 [0015]进一步地， 所述步骤三中， 首先根据畸变校正算法将TOI在原始图像的像素坐标进 行畸变校正， 得到TOI校正后的像素坐标， 再根据逆投影变换将TOI校正后的像素坐标映射 到全景环视平面上， 得到TOI在全景环视图像中的像素坐标。 [0016]进一步地， 所述步骤四中， 将检测到 的所有车位角点在全景环视图像中的像素坐说　明　书 1/4 页 3 CN 115063776 A 3