(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 202210552627.2 (22)申请日 2022.05.19 (71)申请人 一汽奔腾轿车有限公司 地址 130012 吉林省长 春市长春高新技术 产业开发区蔚山路48 88号 (72)发明人 王亮　徐扬　马文峰　王子军　 张诗宇　王瑞琳　贾梦池　李成浩　 路文哲　赵一　 (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 陈晶 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) B60W 30/06(2006.01) B60W 60/00(2020.01) (54)发明名称 基于信息融合的泊车位检测方法及系统 (57)摘要 本发明公开了一种基于信息融合的泊车位 检测方法及系统， 检测方法包括寻库时采集泊车 位的纵向和横向距离的位置信息； 采集并检测泊 车位障碍车辆的轮毂、 车身和车牌的图像信息； 采用深度学习算法对图像信息进行目标检测， 确 定障碍车辆的轮毂、 车身和车牌的特征信息； 根 据位置信息和特征信息计算障碍车辆的车身姿 态参数和待泊车位的空间位置信息； 构建泊车位 空间模型并规划出泊车路径， 而后将信号输出至 ESP底盘控制系统和EPS系统， 控制车辆跟踪 规划 出的路径泊入车位； 本发明提高了预测准确率， 模型的泛化性好且鲁棒性较强； 同时预测速度大 大加快， 解决了CenterNet原生检测器在常用嵌 入式设备上内存溢出， 无法训练的问题， 增强了 实用性。 权利要求书2页 说明书6页 附图4页 CN 114973194 A 2022.08.30 CN 114973194 A 1.一种基于信息融合的泊车位检测方法， 其特 征在于， 包括： 车辆寻库过程中实时采集泊车位的纵向距离和横向距离的位置信息； 采集并检测泊车位障碍车辆的轮毂、 车身和车牌的图像信息； 将图像信息导入数据集， 其中， 所述数据集包括验证集和 测试集； 采用CenterNet网络的深度学习算法对图像信息进行目标检测， 确定障碍车辆的轮毂、 车身和车牌的特征信息， 其中， 特征信息包括判断在寻库过程中检测泊车位障碍车辆的轮 毂、 车身和车牌的先后顺序以及数量； 根据位置信息和特 征信息计算障碍车辆的车身 姿态参数和待泊车位的空间位置信息； 在参考系下构建泊车位空间模型； 根据空间模型规划出泊车路径， 而后由总线将信号输出至ESP底盘控制系统和EPS系 统， 控制车辆跟踪规划出的路径泊入车位。 2.根据权利要求1所述的一种基于信 息融合的泊车位检测方法， 其特征在于， 在探测到 障碍车辆第一与第二跳变点时， 若检测到两个轮毂 的图像信息， 则判定障碍车辆的车身姿 态角为锐角α2； 若在两跳变点之间检测到障碍车辆 的车牌而未检测到轮毂， 即判定障碍车 辆的车身 姿态角为 钝角 α1； 进而计算出两个障碍车辆间的最小间距， 构建车位空间模型。 3.根据权利要求2所述的一种基于信 息融合的泊车位检测方法， 其特征在于， 车辆寻库 过程中实时采集泊车位的纵向与横向距离位置信息， 融合得到车位间距参数数据L_min和 D_min， 制定判定车位类型的规则库， 建立车位空间模型， 同时确定了模糊推理模型的输入 参数α1、 α2、 L_min和 D_min的隶属度函数， 将隶属度函数导入模糊推模型后即可根据输入并 确定车位类型， 其中， L_mi n为障碍车辆间横向最小距离， D_mi n为障碍车辆间最小距离； 当D_min≥M+a时， 则车位类型为 斜向泊车位， 当D_mi n＜M+a时， 车位类型为非车位； 当L_min≥N+b时， 车位类型为平行泊车位， 当L_mi n＜N+b时， 车位类型为非车位； 当L_min≥M+a时， 车位类型为垂直泊车位， 当L_mi n＜M+a时， 车位类型为非车位； 其中， M为本车的宽度， N为本车的长度， a为本车进入泊车位后宽度方向的余量， b为本 车进入泊车位后长度方向的余 量。 4.一种基于信息融合的泊车位检测系统， 其特 征在于， 包括： 感知模块， 采集与障碍车辆的纵向距离和横向距离的位置信 息， 以及障碍车辆的轮毂、 车辆和车牌的图像信息； 检测模块， 对采集障碍车辆的轮毂、 车身和车牌的图像信 息进行目标检测并确定轮毂、 车身和车牌的特 征信息； 存储模块， 用于存储感知模块采集的图像信 息的数据集， 其中， 数据集包括障碍车辆图 片以及经 过了数据增强的图片； 计算模块， 通过目标检测结果的计算确定障碍物车辆的车身姿态参数和待泊车位的空 间位置信息， 进 而在确定参 考系下构建泊车位空间模型。 5.根据权利要求4所述的一种基于信 息融合的泊车位检测系统， 其特征在于， 所述感知 模块包括超声波雷达、 轮式里程计和车载摄像头； 所述超声波雷达用于实时采集纵向距离 的位置信息； 所述轮式里程计用于实时采集横向距离的位置信息； 所述车载摄像头用于采 集障碍车辆的轮毂、 车身和车牌的图像信息 。 6.根据权利要求4所述的一种基于信 息融合的泊车位检测系统， 其特征在于， 所述数据权　利　要　求　书 1/2 页 2 CN 114973194 A 2集具有16185张图片， 且分类类别为三种， 三种分类类别分别为障碍车辆的车身、 轮毂、 车 牌。 7.根据权利要求4所述的一种基于信 息融合的泊车位检测系统， 其特征在于， 所述检测 模块包括CenterNet网络， 所述CenterNet网络用于目标检测。 8.根据权利要求7所述的一种基于信息融合的泊车位检测系统， 其特征在于， 所述 CenterNet网络包括特 征提取网络， 所述特 征提取网络为5 0层的ResNet网络 。 9.根据权利要求7所述的一种基于信息融合的泊车位检测系统， 其特征在于， 所述 ResNet网络的网络构架由四个大的卷积组组成， 再经过一个全局平均池化将特征图大小变 为1×1， 再进行所需维度的全连接， 最后经softmax函数输出分类得分， 针对泊车场景中障 碍物车辆的轮毂、 车身以及车牌的识别， 利用公开数据集Cars  Datasetss进行神经网络的 训练。 10.根据权利要求9所述的一种基于信息融合的泊车位检测系统， 其特征在于， 每个所 述卷积组包括Basicblock模块和Bottleneck模块， 分别表示残差单元输入与输出的维度是 否相同， 修改全连接层的输出维度， 使其经 过softmax层后输出三种类别的得分情况。权　利　要　求　书 2/2 页 3 CN 114973194 A 3