本发明涉及车位检测技术领域，具体而言，涉及一种基于鱼眼相机的车位检测识别方法、系统及介质。
背景技术：
随着人民生活水平的不断提升,人均持有汽车的数量也在逐年上升,与此同时,人们也越来越关注汽车的安全性与智能化。而一款智能自动泊车系统不但可以帮助用户安全、快捷的完成泊车,更是避免了停车时出现意外的情况,因此具有很大的应用价值。而停车位检测作为自动泊车的第一步，其停车位位置的确定是整个系统的基础，只有精确地探测到停车位并确定出停车位与车辆的相对位置关系，系统才能更好的实现泊车辅助的功能。
常用的停车位检测算法有很多，有基于驾驶人员交互的、基于相邻障碍物的超声波雷达检测和基于环境中固定安装设备的多种检测方法。这些方法大都适用范围有限。
因此，如何方便快捷的检测停车位成为本领域技术人员面临的一大难题。
技术实现要素：
本发明提供一种基于鱼眼相机的车位识别方法，采用鱼眼相机采取图像，并对图像进行预处理和停车位检测的方式，解决现有技术中不能方便快捷的检测停车位的技术问题。
本发明为解决上述技术问题而提供的这种基于鱼眼相机的车位识别方法，该方法包括以下步骤：
a.利用车辆四周安装的鱼眼相机，拍摄车位获取车位的连续图像信号，并对采集到的图像信号进行畸变校正和俯视图变换;
b.对车位图像的俯视图进行滤波得到灰度图，采用局部自适应阈值二值化算法对所述车位图像俯视图的灰度图进行二值化；
c.对所得到的二值化图像先进行膨胀操作再进行腐蚀操作；
d.采用区域生长算法对上述形态学处理后的二值图进行连通域生长，并统计连通域所含像素点的个数作为各个连通域的面积，将连通域面积小于一定值的区域去除；
e.采用hilditch细化算法提取去除小面积区域后的二值图的图像骨架；
f.通过细化图像像素点8邻域分析对二值图的图像骨架进行t形结构初步筛选；
g.聚类分析t形结构的候选对象，提取得到t形结构主方向；
h.对聚类分析提取t形结构主方向筛选后的t形结构候选对象进行配对生成；
i.通过直线生长算法确定出一个完整的停车位。
所述步骤f中所述对二值图的图像骨架进行8邻域分析还包括以下分步骤：
f1.提取三个8邻域满足像素值大于0的点；
f2.把这三个点互不相邻的图像骨架上的像素点作为t形结构的候选对象进行存储。
所述步骤g中的聚类分析还包括以下分步骤：
g1.以所述候选对象为中心，确定一个一定大小的roi区域，对每个这样的roi区域进行搜索；
g2.该区域中某个像素点到中心的距离在一定范围内，且该点是图像细化后骨架上的一点，则将该点加入候选点，如此直至遍历完所有roi区域;
g3.对每个roi区域中的候选点进行聚类，此时，聚类的结果若刚好为三个点，说明该候选对象是正确的t形结构，且该三个点代表了t形结构的三个方向，根据所述t形结构的三个方向点之间的距离关系确定唯一代表t形结构主方向的点。
所述步骤h中配对生成是对所述聚类分析提取t形结构主方向步骤筛选后的t形结构候选对象进行两两配对，若两个候选对象中心之间的距离在一定范围内，且两个候选对象的主方向一致以及两个候选对象中心的连线与不代表主方向的另外两点所在的向量平行，则说明这两个t形结构可以确定一个停车位。
所述步骤i中直线生长算法还包括以下分步骤：
i1.在细化图像上，以筛选出的可以代表停车位的“t”形结构的中心作为初始种子点进行生长，将种子点的8邻域分成8个生长方向，并按照各个方向进行生长；
i2.将8邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中
i3.将这些新像素当作新的种子继续上面的过程，直到没有满足条件的像素可被包括进来，至此细化图像中的一条直线就生长出来了。
一种基于鱼眼相机的车位识别系统，所述基于鱼眼相机的车位识别系统包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现所述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现所述的方法的步骤。
本发明所具有的有益效果：采用本技术方案，可以高效、准确的检测出停车位，是整个自动泊车系统的关键部分。
附图说明
图1是本发明所述车位检测识别方法组成模块示意图。
图2是本发明所述车位检测方法流程图。
具体实施方式
结合上述附图说明本发明的具体实施例。
由图1可知，本发明一种基于鱼眼相机的车识别方法包括依次连接的车位图像获取模块、车位图像预处理模块、停车位检测生成模块。所述车位图像获取模块是利用鱼眼相机获取车位的图像信号，并对图像信号进行畸变校正和俯视图变换。所述车位图像预处理模块是对俯视图进行二值化、形态学处理、区域生长算法去除小面积区域及图像细化预处理。所述停车位检测生成模块是查找所述车位图像预处理模块得到的图像中停车位特有的t形结构，并生成最终的停车位。
由图2可知，所述基于鱼眼相机的车位识别方法包括以下步骤：
a.利用车辆四周安装的鱼眼相机，拍摄车位获取车位的连续图像信号，并对采集到的图像信号进行畸变校正和俯视图变换;
b.对车位图像的俯视图进行滤波得到灰度图，采用局部自适应阈值二值化算法对所述车位图像俯视图的灰度图进行二值化；
c.对所得到的二值化图像先进行膨胀操作再进行腐蚀操作；
d.采用区域生长算法对上述形态学处理后的二值图进行连通域生长，并统计连通域所含像素点的个数作为各个连通域的面积，将连通域面积小于一定值的区域去除；
e.采用hilditch细化算法提取去除小面积区域后的二值图的图像骨架；
f.通过细化图像像素点8邻域分析对二值图的图像骨架进行t形结构初步筛选；
g.聚类分析t形结构的候选对象，提取得到t形结构主方向；
h.对聚类分析提取t形结构主方向筛选后的t形结构候选对象进行配对生成；
i.通过直线生长算法确定出一个完整的停车位。
所述步骤f中所述对二值图的图像骨架进行8邻域分析还包括以下分步骤：
f1.提取三个8邻域满足像素值大于0的点；
f2.把这三个点互不相邻的图像骨架上的像素点作为t形结构的候选对象进行存储。
所述步骤g中的聚类分析还包括以下分步骤：
g1.以所述候选对象为中心，确定一个一定大小的roi区域，对每个这样的roi区域进行搜索；
g2.该区域中某个像素点到中心的距离在一定范围内，且该点是图像细化后骨架上的一点，则将该点加入候选点，如此直至遍历完所有roi区域;
g3.对每个roi区域中的候选点进行聚类，此时，聚类的结果若刚好为三个点，说明该候选对象是正确的t形结构，且该三个点代表了t形结构的三个方向，根据所述t形结构的三个方向点之间的距离关系确定唯一代表t形结构主方向的点。
所述步骤h中配对生成是对所述聚类分析提取t形结构主方向步骤筛选后的t形结构候选对象进行两两配对，若两个候选对象中心之间的距离在一定范围内，且两个候选对象的主方向一致以及两个候选对象中心的连线与不代表主方向的另外两点所在的向量平行，则说明这两个t形结构可以确定一个停车位。
所述步骤i中直线生长算法还包括以下分步骤：
i1.在细化图像上，以筛选出的可以代表停车位的“t”形结构的中心作为初始种子点进行生长，将种子点的8邻域分成8个生长方向，并按照各个方向进行生长；
i2.将8邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中
i3.将这些新像素当作新的种子继续上面的过程，直到没有满足条件的像素可被包括进来，至此细化图像中的一条直线就生长出来了。
一种基于鱼眼相机的车位识别系统，所述基于鱼眼相机的车位识别系统包括存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现所述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现所述的方法的步骤。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于发明的保护范围。