(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 202210514267.7 (22)申请日 2022.05.12 (71)申请人 上海高德威智能交通系统有限公司 地址 201821 上海市嘉定区云谷路59 9弄6 号620室J 1452 (72)发明人 戴虎　 (74)专利代理 机构 北京中博世 达专利商标代理 有限公司 1 1274 专利代理师 申健 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 20/58(2022.01) (54)发明名称 一种车位检测方法、 装置、 设备及存 储介质 (57)摘要 本申请实施例提供了一种车位检测方法、 装 置、 设备及存储介质， 涉及数据检测技术领域， 以 解决现有技术中的车位检测精度低的问题。 具体 包括： 获取第一图像； 其中， 第一图像包括第一车 位角点和第一车位角点对应的车位线； 将第一图 像输入检测模 型， 得到第一车位角点的位置信息 和第一车位角点对应的车位线； 其中， 检测模型 包含了热力图预测分支和方向预测分支， 热力图 预测分支用于得到包括车位角点位置信息的热 力图， 方向预测分支用于得到包含 车位线方向信 息的特征图， 根据热力图， 得到第一车位角点的 位置信息， 根据特征图， 得到第一车位角点对应 的车位线。 权利要求书4页 说明书17页 附图8页 CN 114913340 A 2022.08.16 CN 114913340 A 1.一种车位检测方法， 其特 征在于， 包括： 获取第一图像； 其中， 所述第一图像包括第一车位角点和所述第一车位角点对应的车 位线； 将所述第一图像输入检测模型， 得到所述第 一车位角点的位置信 息和所述第 一车位角 点对应的车位线； 其中， 检测模 型包含了热力图预测分支和方向预测分支， 所述热力图预测 分支用于得到包括车位角点位置信息的热力图， 所述方向预测分支用于得到包含车位线方 向信息的特征图， 根据所述热力图， 得到所述第一车位角点的位置信息， 根据所述特征图， 得到所述第一车位角点对应的车位线。 2.根据权利要求1所述的方法， 其特征在于， 所述车位角点位置信 息包括每个像素点的 坐标信息和至少一个热力团， 所述每个热力团中包括多个热力点和每个热力点为所述第一 车位角点的置信度， 所述 根据所述热力图， 得到所述第一车位角点的位置信息， 包括： 基于所述每个热力点为所述第 一车位角点的置信度， 筛选出置信度大于第 一阈值的第 一热力点； 将所述第一热力点对应的像素点的坐标信息作为所述第一车位角点的位置信息 。 3.根据权利要求1或2所述的方法， 其特征在于， 所述车位线方向信息包括每个像素点 的坐标信息和所述每个像素点在预设角度范围中每个角度的置信度， 所述根据所述特征 图， 得到所述第一车位角点对应的车位线， 包括： 对比所述第 一车位角点的位置信 息和所述车位线方向信 息中像素点的坐标信 息， 确定 出所述第一车位角点对应的第一像素点； 对所述第一像素点在预设角度 范围中每个角度的置信度进行高斯转化， 得到用于表征 角度和置信度之间的对应关系的高斯分布曲线； 在所述高斯分布曲线上， 通过预设的滑动窗口， 筛选出第 一角度， 并将所述第 一角度指 示的车位线作为所述第一车位角点对应的车位线。 4.根据权利要求3所述的方法， 其特征在于， 所述在所述高斯分布曲线上， 通过预设的 滑动窗口， 筛 选出第一角度， 包括： 将所述滑动窗口与 所述高斯分布曲线进行重叠， 确定重叠后所述滑动窗口与 所述高斯 分布曲线的相交点， 并将所述相交点对应的角度作为所述第一角度。 5.根据权利要求1所述的方法， 其特征在于， 将所述第一图像输入检测模型之前， 所述 方法还包括： 获取多个样本图像和多个所述样本图像中的目标 车位角点标识； 基于多个样本 图像和多个所述样本 图像中的目标车位角点标识， 生成多个热力图， 并 确定多个所述热力图中每个热力点的热力值； 其中， 一个热力点用于表征一个车位角点， 一 个热力点的热力值用于表征所述热力点对应的车位角点是所述样本图像的目标车位角点 的置信度； 利用多个所述样本图像和多个所述热力图中每个热力点的热力值， 对待训练 的所述检 测模型进行训练， 生成训练好的所述检测模型。 6.根据权利要求1所述的方法， 其特征在于， 将所述第一图像输入检测模型之前， 所述 方法还包括： 获取多个样本图像和多个所述样本图像中目标车位角点的车位线角度标识， 并将所述权　利　要　求　书 1/4 页 2 CN 114913340 A 2目标车位角点的车位线角度标识的置信度置为1； 利用多个所述样本图像、 多个所述样本图像中目标车位角点的车位线角度标识和所述 目标车位角点的车位线角度标识的置信度， 对待训练的所述检测模型进行训练， 生成训练 好的所述检测模型。 7.根据权利要求1至6任一项所述的方法， 其特征在于， 所述第一车位角点对应的车位 线的角度是， 所述第一车位角点对应的车位线相对于所述第一图像的水平方向的方向。 8.根据权利要求1至 6任一项所述的方法， 其特 征在于， 所述方法还 包括： 将多个图像输入所述检测模型， 得到多个车位角点和多个车位角点对应的车位线； 所 述多个图像中都包 含与所述第一图像中相同的对象； 基于所述第 一图像和所述多个图像， 对所述第 一图像和所述多个图像中的所述相同的 对象进行信息跟踪处 理， 得到目标图像， 所述目标图像包括所述相同的对象的位置标签； 基于所述第 一车位角点、 所述第 一车位角点对应的车位线、 所述多个车位角点、 所述多 个车位角点对应的车位线和所述目标图像中的车辆个数， 确定所述目标图像中包含未被检 出的车位角点和车位线； 利用所述第 一车位角点、 所述第 一车位角点对应的车位线、 所述多个车位角点、 所述多 个车位角点对应的车位线和车位划线规则， 确定所述未被 检出的车位角点和车位线。 9.根据权利要求1至6任一项所述的方法， 其特征在于， 所述将所述第一图像输入检测 模型， 得到所述第一车位角点的位置信息和所述第一车位角点对应的车位线， 包括： 将所述第一图像输入检测模型， 得出所述第 一图像中多个车位角点的位置信 息和所述 多个车位角点对应的车位线； 其中， 所述多个车位角点包括所述第一车位角点； 所述方法还 包括： 基于所述第一图像中多个车位角点中每个车位角点的位置信息和所述第一图像中的 车辆个数， 确定所述第一图像中包 含未被检出的车位角点； 利用所述每个车位角点的位置信 息和车位划线规则， 确定所述第 一图像中未被检出的 车位角点的位置信息 。 10.根据权利要求1至 6任一项所述的方法， 其特 征在于， 所述方法还 包括： 将所述第一图像输入检测模型， 得出所述第一车位角点的位置信息、 所述第一车位角 点对应的车位线、 第三车位角点的位置信息和所述第三车位角点对应的车位线， 所述第一 车位角点和所述第三车位角点相邻； 利用目标交点、 所述第一车位角点的位置信 息、 所述第 一车位角点对应的车位线、 第三 车位角点的位置信息和所述第三车位角点对应的车位线， 确定出包含所述第一车位角点和 所述第三车位角点的车位所在的区域； 所述目标 交点为所述第一角度的中线和所述第二角 度的中线的交点， 所述第一角度是根据所述第一车位角点的第一车位线和 第二车位线得到 的， 所述第二角度是根据所述第三车位角点的第三车位线和所述第四车位线得到的， 所述 第一车位线的方向和所述第三车位线的方向相对， 所述第二车位线角度和所述第四车位线 角度相同。 11.一种车位检测装置， 其特 征在于， 包括： 获取单元， 用于获取第一图像； 其中， 所述第 一图像包括第 一车位角点和所述第 一车位 角点对应的车位线；权　利　要　求　书 2/4 页 3 CN 114913340 A 3