论文部分内容阅读
车位线检测是自动泊车系统的关键步骤之一,本文提出一种基于视觉的环视车位检测系统,并且对车位中的障碍物进行识别,能够在复杂场景下更加安全、准确地实现空车位检测。本文的主要研究工作如下:(1)为了能捕捉车辆四周的全景图像,本文通过在车辆周围安装四个鱼眼摄像机构建低成本的鸟瞰视觉系统,以提供覆盖车辆周围环境的图像。另外,我们设计了一种特殊的标定布并提出了一种二次标定算法对鱼眼镜头进行畸变矫正。实验验证了二次标定结果的准确性。(2)研究了一种基于环视系统的自动停车位检测算法,该算法主要由车位分离线检测和车位入口检测组成。在车位分离线检测阶段,我们基于LSD(Line Segment Detector)直线检测算法提出了一种新的直线聚类算法;在车位入口检测阶段,我们提出了一种基于学习的方法,该方法使用LBP(Local Binary Pattern)特征,Haar(Haar-like)特征和AdaBoost(adaptive boosting)分类器对车位入口处的T形或L形标记点进行训练,并采用凸缺陷算法对车位标记点类型进行分类。由于目前基于环视系统的车位数据集极度缺乏,我们又提出了一种多视觉融合的方法来增加训练集数目。最后通过灰度直方图来判定车位占用情况。实验表明算法的精度和召回率均达到97%以上。(3)为了能够直接在扭曲的鱼眼图像中检测车位,本文提出了一种基于语义分割的实时车位定位算法。该方法属于全自动方法,能够在不同的应用场景中检测不同光照条件下各种形状的车位线。首先,我们采用deeplabv3+网络对车位线进行分割得到分割结果,接着利用改进的YOLOv3算法对停车场内的柱子和车辆进行障碍物检测。然后融合语义分割和障碍物检测的结果,得到有效空车位。最后,我们通过绘制Loss曲线和IOU曲线以及Recall和Precision这两个评价指标对我们改进的算法进行评估,验证了算法的有效性。