本發明專利技術所提供的空間車位檢測方法、裝置、車輛及計算機可讀存儲介質，方法包括：獲取車載傳感器采集的原始數據，并獲取預先訓練的深度網絡模型；將所述原始數據輸入所述深度網絡模型中，得到空間車位檢測結果；其中，所述深度網絡模型是由預先構建的訓練數據集對預先構建的初始深度網絡模型進行訓練得到，所述訓練數據集包括原始訓練數據及對應的真值標簽；所述真值標簽是利用空間車位檢測方法檢測得到，用于反映空間車位。本發明專利技術通過使用監督學習的方法訓練模型，使得空間車位檢測也變成一個端到端的檢測任務，降低了空間車位的識別難度，提高了識別效率，并且實現了真值標簽的自動標注。
【技術實現步驟摘要】
本專利技術涉及智能駕駛，尤其涉及的是空間車位檢測方法、裝置、車輛及計算機可讀存儲介質。
技術介紹
1、在泊車場景中，車位通常都會出現在停車場等有劃線區域的地方，但除此之外，在很多場景下，可停車的區域沒有劃停車線，比如在沒有車位線的路上或臨時停車區，這種場景下通常是沒有停車線的，同時，由于老化等原因，一些劃線停車區域的停車線也會不完整或不清晰，因此，在自動泊車領域中(auto?parking?assist)，通常會有兩種方案，分別用于檢測有劃線的車位和上述無劃線區域的車位，即空間車位。由于這兩種車位形式差別較大，通常用于檢測線車位的方案都不適合用于檢測空間車位，比如現在業界普遍使用的基于視覺的檢測方案，而空間車位檢測通常都是使用超聲波傳感器來完成，這是由于空間車位的真值標簽(ground?truth)很難獲得，從而無法像線車位那樣訓練一個深度網絡模型作為檢測算法，并且需要用戶按照一些非常嚴格的掃庫規則才能識別到車位，因此，識別難度較大。
2、因此，現有技術存在缺陷，有待改進與發展。
技術實現思路
1、基于此，有必要針對現有的空間車位檢測方法識別車位的難度較大的問題，提供一種空間車位檢測方法及裝置。
2、本專利技術解決技術問題所采用的技術方案如下：
3、一種空間車位檢測方法，所述方法包括：
4、獲取車載傳感器采集的原始數據，并獲取預先訓練的深度網絡模型；
5、將所述原始數據輸入所述深度網絡模型中，得到空間車位檢測結果；
6、其中，所述深度網絡模型是由預先構建的訓練數據集對預先構建的初始深度網絡模型進行訓練得到，所述訓練數據集包括原始訓練數據及對應的真值標簽；所述真值標簽是利用空間車位檢測方法檢測得到，用于反映空間車位。
7、在一種實現方式中，所述原始數據為圖像數據和/或點云數據。
8、在一種實現方式中，所述訓練數據集的構建步驟包括：
9、獲取原始訓練數據，利用3d目標檢測方法對所述原始訓練數據進行目標檢測，得到3d目標檢測結果；
10、對所述3d目標檢測結果進行篩選和聚類處理，得到目標障礙物信息；
11、利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽。
12、在一種實現方式中，對所述3d目標檢測結果進行篩選和聚類處理，得到目標障礙物信息，包括：
13、識別所述3d目標檢測結果中的各個障礙物，并對各個障礙物進行篩選和聚類處理，得到目標障礙物對應的障礙物類型；
14、將目標障礙物和對應的障礙物類型保存為目標障礙物信息；
15、其中，所述障礙物類型包括：第一類別障礙物和第二類別障礙物，所述第一類別障礙物用于生成車位，所述第二類別障礙物用于判定車位是否可以釋放。
16、在一種實現方式中，所述利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽，包括：
17、利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到空間車位；
18、對所述空間車位進行坐標轉換和尺度縮放處理，得到與所述原始訓練數據對應的真值標簽。
19、在一種實現方式中，所述利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽之后，還包括：
20、若接收到標簽復查指令，則對所述真值標簽進行刪除和/或修改，得到復查后的真值標簽；
21、將復查后的真值標簽及對應的原始訓練數據打包為預設格式的文件。
22、在一種實現方式中，所述深度網絡模型的訓練步驟包括：
23、獲取預先構建的初始深度網絡模型及損失函數；
24、將所述原始訓練數據輸入所述初始深度網絡模型中，以所述真值標簽為監督信息，基于所述損失函數對初始深度網絡模型進行訓練；
25、訓練完成，得到已訓練的深度網絡模型；
26、其中，所述原始訓練數據為圖像數據和/或點云數據，所述初始深度網絡模型為視覺模型或點云模型。
27、本專利技術提供一種空間車位檢測裝置，包括：
28、獲取模塊，用于獲取車載傳感器采集的原始數據，并獲取預先訓練的深度網絡模型；
29、輸入模塊，用于將所述原始數據輸入所述深度網絡模型中，得到空間車位檢測結果；
30、其中，所述深度網絡模型是由預先構建的訓練數據集對預先構建的初始深度網絡模型進行訓練得到，所述訓練數據集包括原始訓練數據及對應的真值標簽；所述真值標簽是利用空間車位檢測方法檢測得到，用于反映空間車位。
31、本專利技術提供一種終端，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的空間車位檢測程序，所述空間車位檢測程序被所述處理器執行時實現如上所述的空間車位檢測方法的步驟。
32、本專利技術提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序能夠被執行以用于實現如上所述的空間車位檢測方法的步驟。
33、本專利技術的有益效果：本專利技術實施例通過獲取車載傳感器采集的原始數據，并獲取預先訓練的深度網絡模型；將所述原始數據輸入所述深度網絡模型中，得到空間車位檢測結果；其中，所述深度網絡模型是由預先構建的訓練數據集對預先構建的初始深度網絡模型進行訓練得到，所述訓練數據集包括原始訓練數據及對應的真值標簽；所述真值標簽是利用空間車位檢測方法檢測得到，用于反映空間車位。本專利技術通過使用監督學習的方法訓練模型，使得空間車位檢測也變成一個端到端的檢測任務，降低了空間車位的識別難度，提高了識別效率，并且實現了真值標簽的自動標注。
本文檔來自技高網...
【技術保護點】
1.一種空間車位檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的空間車位檢測方法，其特征在于，所述原始數據為圖像數據和/或點云數據。
3.根據權利要求1所述的空間車位檢測方法，其特征在于，所述訓練數據集的構建步驟包括：
4.根據權利要求3所述的空間車位檢測方法，其特征在于，對所述3D目標檢測結果進行篩選和聚類處理，得到目標障礙物信息，包括：
5.根據權利要求4所述的空間車位檢測方法，其特征在于，所述利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽，包括：
6.根據權利要求3所述的空間車位檢測方法，其特征在于，所述利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽之后，還包括：
7.根據權利要求6所述的空間車位檢測方法，其特征在于，所述深度網絡模型的訓練步驟包括：
8.一種空間車位檢測裝置，其特征在于，包括：
9.一種終端，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的空間車位檢測程序，所述空間車位檢測程序被所述處理器執行時實現如權利要求1～7任意一項所述的空間車位檢測方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序能夠被執行以用于實現如權利要求1～7任意一項所述的空間車位檢測方法的步驟。
...
【技術特征摘要】
1.一種空間車位檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的空間車位檢測方法，其特征在于，所述原始數據為圖像數據和/或點云數據。
3.根據權利要求1所述的空間車位檢測方法，其特征在于，所述訓練數據集的構建步驟包括：
4.根據權利要求3所述的空間車位檢測方法，其特征在于，對所述3d目標檢測結果進行篩選和聚類處理，得到目標障礙物信息，包括：
5.根據權利要求4所述的空間車位檢測方法，其特征在于，所述利用空間車位檢測算法對所述目標障礙物信息進行空間車位檢測，得到與所述原始訓練數據對應的真值標簽，包括：
6.根據權利要求3所述的空間車位檢測方法，其特征在于，所述利用空間車位檢測...
【專利技術屬性】
技術研發人員：謝旭龍，曹通易，
申請(專利權)人：深圳元戎啟行科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。