泊车影像生成方法、终端设备、介质及泊车系统【
技术领域：
：】1.本技术实施例涉及计算机
技术领域：
：，尤其涉及一种泊车影像生成方法、终端设备、介质及泊车系统。
背景技术：
：：2.泊车影像(backupcamera)被广泛应用于各类大、中、小车辆泊车辅助系统或行车安全辅助系统中。泊车影像能够提供远超后视镜的视野宽度，有助于消除盲点，通过扩大视野，特别是针对后窗或后备箱以下部分，有助于避免造成伤害和可能致命的后退事故。目前泊车中使用非常广泛的有后视倒车影像、全景泊车影像系统、倒车雷达系统等。3.但是现有的泊车影像都无法向用户提供既带泊车画面又带距离信息的影像，给用户的使用带来了诸多不便。例如，后视倒车影像大都需要人靠倒车引导线来判断倒车距离；又如，全景泊车影像系统虽然能够获取泊车中全景影像，但泊车过程中仍然依靠人工判断障碍物距离；对于倒车雷达系统，虽然能够自动得到倒车障碍物的距离，但其测距信息相对分散且角度受限，且无法获取泊车画面。技术实现要素：4.本技术实施例提供了一种泊车影像生成方法、终端设备、介质及泊车系统，以生成既显示泊车的画面，又展示泊车过程中障碍物及障碍物的距离的目标视频，来提高用户体验，增强泊车的安全性。5.第一方面，本技术实施例提供一种泊车影像生成方法，所述方法包括：接收上传的视频影像；获取对所述视频影像的每一帧图像，获取所述图像中的深度图，基于所述深度图检测所述图像中的障碍物及所述障碍物的距离信息；将所述障碍物及所述障碍物的距离信息与所述图像组合，得到组合图像帧；将每一组合图像帧组合，生成第一目标视频。6.上述泊车影像生成方法中，当用户进行泊车时，向用户提供目标视频，目标视频既显示了泊车的画面，又展示了泊车过程中障碍物及障碍物的距离，通过目标视频用户可以清楚的知晓距离周围的障碍物的距离，又能实现对泊车环境的实时观察，无需人工进行距离或者周围环境的推断，进而提高用户体验，增强泊车的安全性。7.其中一种可能的实现方式中，所述视频影像至少包括第一视频影像和第二视频影像，所述第一视频影像和第二视频影像是从不同角度拍摄的同一场景的视频影像，所述对所述视频影像的每一帧图像，获取所述图像中的深度图，基于所述深度图检测所述图像中的障碍物及所述障碍物的距离信息，包括：对每一个图像帧对，生成所述图像帧对的深度图，图像帧对指所述第一视频影像和所述第二视频影像在同一时刻的第一图像帧和第二图像帧；基于所述深度图检测所述图像帧对中的障碍物及所述障碍物的距离信息。8.其中一种可能的实现方式中，所述将所述障碍物及所述障碍物的距离信息与所述图像组合，得到组合图像帧，包括：将所述障碍物及所述障碍物的距离信息与所述第一图像帧和/或所述第二图像帧组合，得到第一组合图像帧和/或第二组合图像帧；所述将每一组合图像组合帧，生成第一目标视频，包括：将每一第一组合图像帧或者将每一第二组合图像帧组合，生成第一目标视频，或，将每一第一组合图像帧组合，生成第一目标视频的第一子视频，将每一第二组合图像帧组合，生成第一目标视频的第二子视频。9.其中一种可能的实现方式中，所述生成所述图像帧对的深度图包括：对所述第一图像帧和所述第二图像帧进行预处理，获得第一预处理图像和第二预处理图像；利用所述第一视频影像的摄像机的标定参数对所述第一预处理图像进行畸变校正，得到第一畸变校正图像；利用所述第二视频影像的摄像机的标定参数对所述第二预处理图像进行畸变校正，得到第二畸变校正图像；对所述第一畸变校正图像和所述第二畸变校正图像进行立体校正，获得匹配图像对，所述匹配图像对中的图像都处于同一水平线上；对所述匹配图像对进行立体匹配，得到所述图像帧对的视差图；依据所述视差图计算得到深度图。10.其中一种可能的实现方式中，所述预处理至少包括以下一者：尺度变换、灰度变换、滤波变换。11.其中一种可能的实现方式中，依据所述障碍物及所述障碍物的距离信息生成语音播报信息；将所述视频影像与所述语音播报信息结合，生成第二目标视频。12.第二方面，本技术实施例提供一种泊车系统，设置在车辆中，所述系统包括：接收模块，用于接收上传的视频影像；检测模块，用于对所述视频影像的每一帧图像，获取所述图像中的深度图，基于所述深度图检测所述图像中的障碍物及所述障碍物的距离信息；组合模块，用于将所述障碍物及所述障碍物的距离信息与所述图像组合，得到组合图像帧；目标视频生成模块，用于将每一组合图像帧组合，生成第一目标视频。13.其中一种可能的实现方式中，所述视频影像至少包括第一视频影像和第二视频影像，所述第一视频影像和第二视频影像是从不同角度拍摄的同一场景的视频影像，所述检测模块，包括：深度图生成子模块，用于对每一个图像帧对，生成所述图像帧对的深度图，图像帧对指所述第一视频影像和所述第二视频影像在同一时刻的第一图像帧和第二图像帧；检测子模块，用于基于所述深度图检测所述图像帧对中的障碍物及所述障碍物的距离信息。14.其中一种可能的实现方式中，所述组合模块，具体用于将所述障碍物及所述障碍物的距离信息与所述第一图像帧和/或所述第二图像帧组合，得到第一组合图像帧和/或第二组合图像帧；所述目标视频生成模块，具体用于将每一第一组合图像帧或者将每一第二组合图像帧组合，生成第一目标视频，或，将每一第一组合图像帧组合，生成第一目标视频的第一子视频，将每一第二组合图像帧组合，生成第一目标视频的第二子视频。15.其中一种可能的实现方式中，所述深度图生成子模块，还包括：预处理模块，用于对所述第一图像帧和所述第二图像帧进行预处理，获得第一预处理图像和第二预处理图像；畸变校正模块，用于利用所述第一视频影像的摄像机的标定参数对所述第一预处理图像进行畸变校正，得到第一畸变校正图像，及还用于利用所述第二视频影像的摄像机的标定参数对所述第二预处理图像进行畸变校正，得到第二畸变校正图像；立体校正模块，用于对所述第一畸变校正图像和所述第二畸变校正图像进行立体校正，获得匹配图像对，所述匹配图像对中的图像都处于同一水平线上；立体匹配模块，用于对所述匹配图像对进行立体匹配，得到所述图像帧对的视差图；深度图计算模块，用于依据所述视差图计算得到深度图。16.其中一种可能的实现方式中，所述预处理至少包括以下一者：尺度变换、灰度变换、滤波变换。17.其中一种可能的实现方式中，所述装置还包括：语音播报信息生成模块，用于依据所述障碍物及所述障碍物的距离信息生成语音播报信息；结合模块，用于将所述视频影像与所述语音播报信息结合，生成第二目标视频。18.第三方面，本技术实施例提供一种终端设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的方法。19.第四方面，本技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的方法。20.应当理解的是，本技术实施例的第二～四方面与本技术实施例的第一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。【附图说明】21.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。22.图1为本技术一个实施例提供的泊车影像生成方法流程图；23.图2为本技术另一个实施例提供的泊车影像生成方法的流程图；24.图3为本技术再一个实施例提供的泊车影像生成方法的流程图；25.图4为本说明书一个实施例提供的泊车影像生成装置的结构示意图；26.图5为本说明书另一个实施例提供的泊车影像生成装置的结构示意图；27.图6为本说明书再一个实施例提供的泊车影像生成装置的结构示意图。【具体实施方式】28.为了更好的理解本说明书的技术方案，下面结合附图对本技术实施例进行详细描述。29.应当明确，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本说明书保护的范围。30.在本技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。31.现有相关技术中，常用的几种泊车影像系统的大致原理如下：32.后视倒车影像：主要采用摄像头拍摄倒车时车尾画面，通过显示器实时显示车尾画面，并再画面上叠加了倒车引导线，辅助人工判断倒车距离；33.全景泊车影像系统：分前后左右四路摄像头，分布于汽车的四个角度以摄取前后左右的图像数据，输入端与前后左右四路摄像头的输出端连接，并输出全景视频。34.倒车雷达系统：主要采用多个声波传感器传感器，感测障碍物并经处理后得到障碍物距离信息和方位信息。35.综上所述，现有的泊车影像都无法向用户提供既带泊车画面又带距离信息的影像，用户只能查看到视频画面，还需要借助视频画面人工判断障碍物的距离，又或者，只能接收到车辆对后方障碍物及距离的提示，无法查看到实时泊车画面，对泊车环境缺乏了解。36.基于以上问题，本技术实施例提供一种泊车影像生成方法，当用户进行泊车时，向用户提供目标视频，目标视频既显示了泊车的画面，又展示了泊车过程中障碍物及障碍物的距离，通过目标视频用户可以清楚的知晓距离周围的障碍物的距离，又能实现对泊车环境的实时观察，无需人工进行距离或者周围环境的推断，进而提高用户体验，增强泊车的安全性。37.图1为本技术一个实施例提供的泊车影像生成方法的流程图，如图1所示，上述泊车影像生成方法可以包括：38.步骤101，接收上传的视频影像。39.当准备进行泊车时，车辆上的泊车系统获取图像传感器上传的视频影像，所述图像传感器是预设在车辆上的，图像传感器可以是一个或者多个，图像传感器预设的位置可以是车辆前、后、左、右等，示例的，车辆前方位置被设置为车标附件附近，车辆后方位置被设置为后车牌上侧，车辆左方位置被设置为左后视镜位置，车辆右方被设置为右后视镜位置，当然以上前、后、左、右的具体确定位置依可根据具体车型适当调整。40.在本实施例中，图像传感器指具有主动深度获取功能的图像传感器如tof(timeofflight)摄像机、结构光摄像机等。主动深度获取型的摄像机除了能够获取平面图像外，还能获取当前拍摄画面的深度图(depthmap)，深度图包括了拍摄对象的深度或者距离信息，即视点的拍摄对象的表面的距离有关的信息或者拍摄对象在三维空间中的坐标等。41.步骤102，对所述视频影像的每一帧图像，获取所述图像中的深度图，基于所述深度图检测所述图像中的障碍物及所述障碍物的距离信息。42.接收到图像传感器上传的视频影像后，将该视频影像分为多帧图像，获取每一帧图像。43.对于每一帧图像执行以下方法：44.获取该帧图像的深度图，深度图可以是与该帧图像对应的一个图像或者该帧图像的一个chanel(图像通道)。45.得到一帧图像的深度图后，对深度图进行预处理，预处理的方式包括滤波等。如，对深度图进行带通滤波，用于截断无效数据，无效数据是指无效的距离/深度数据。在图像传感器进行深度信息的测量时，可能因为一些意外情况测得一些异常的数据如在图像传感器前方出现的飞蛾等会使得深度图中出现一块具有异常近的距离信息的区域，该区域不仅对后续障碍物及障碍物的距离信息的检测有帮助更会对后续处理产生干扰，因此可以使用带通滤波，允许特定距离区间的保留同时屏蔽其他距离区间，来消除掉无效数据。46.对于预处理完成的深度图，依据深度图进行障碍物及距离检测，示例的，对距离信息进行k-means算法聚类，k-means聚类会在指定的类别数内将没有标签的数据自动划分类别，也就是说本实施例中使用k-means算法会将距离/深度信息划分为几类，每一种类别都表示了一定阈值内的距离。可以理解，对某一障碍物来说，其每一部分距离图像传感器的距离都是相似的，因此以上聚类得到的每一个类别就是一个障碍物，一个类别的深度信息就是一个障碍物的深度/距离信息。进一步的，聚类完成后，取将一个类别中的深度信息取均值，将该均值作为该类别对应的障碍物的距离信息，或者，在一些实施例中，将一个类别的深度信息中的最小值作为该类别对应障碍物的距离信息。距离信息反应了障碍物与车辆的距离。47.优选的，聚类得到多个类别后，还进行障碍物筛选：依据距离信息进行筛选，筛选出其中的障碍物，示例的，可以判断距离信息是否小于预设的阈值，若距离小于特定阈值，则判定该物体为障碍物。48.得到障碍物的深度信息后，可以单独依据该深度图的特征如依据深度图映出三维形状，依据三维形状判断是何种障碍物，或者将障碍物的深度图的特征与该帧图像结合来判断是何种障碍物。49.将聚类产生的每一个类别，进行障碍物判断及距离信息生成后，就可以得到该帧内的所有障碍物及障碍物的距离信息。50.步骤103，将所述障碍物及所述障碍物的距离信息与所述图像组合，得到组合图像帧。51.对每一帧图像进行深度图获取及障碍物判断后，即可得到每一帧图像的障碍物及障碍物的距离信息。52.将一帧图像中的障碍物及障碍物的距离信息叠加在该帧图像上，得到组合后的一帧图像，本实施例中将组合得到的该帧图像称为组合图像帧，以进行区别。示例的，可以在一帧图像上标注出，该帧图像中障碍物的轮廓的及该障碍物距离，得到组合图像帧。53.对每一帧图像都进行叠加，可以得到每一帧图像对应的组合图像帧。54.步骤104，将每一组合图像帧组合，生成第一目标视频。55.将每一个组合图像帧按照原来的序列进行结合，原来的序列指步骤s101中拆分视频影像后每一帧图像的顺序，可以得到目标视频。56.目标视频能够显示泊车的画面，同时所显示的画面中也直观展示泊车过程中障碍物及障碍物的距离。目标视频实现了泊车实时画面、泊车障碍物及距离的同时显示。57.上述泊车影像生成方法中，接收上传的视频影像，获取所述视频影像的每一帧图像，获取每一帧图像中的深度图，基于所述深度图检测每一帧图像中的障碍物及所述障碍物的距离信息，将每一帧图像的障碍物及距离信息与该帧图像组合，得到多帧组合图像帧，将每一组合图像帧组合生成第一目标视频。目标视频中既显示了泊车的画面，又展示了泊车过程中障碍物及障碍物的距离，用户可以清楚的知晓距离周围的障碍物的距离，又能实现对泊车环境的实时观察，无需人工进行距离或者周围环境的推断，进而提高用户体验，增强泊车的安全性。58.图2为本技术另一个实施例提供的泊车影像生成方法的流程图，该方法中所述视频影像至少包括第一视频影像和第二视频影像，所述第一视频影像和第二视频影像是从不同角度拍摄的同一场景的视频影像；如图2所示，本技术图1所示实施例中，步骤102可以包括：59.步骤201，对每一个图像帧对，生成所述图像帧对的深度图，图像帧对指所述第一视频影像和所述第二视频影像在同一时刻的第一图像帧和第二图像帧。60.在本实施例中，用于上传视频影像图像传感器为多个普通的图像传感器组成的传感器模组，如多个光学摄像机组成的摄像机模组，所述图像传感器中至少包括第一子图像传感器和第二子图像传感器。示例的，图像传感器为安装在同一位置的左、右两个光学摄像机的摄像机模组，以从不同角度采集同一场景的视频图像。61.由于图像传感器中包括多个摄像机，则图像传感器上传的视频影像也是多个，其中，至少应当包括第一视频影像和第二视频影像。62.由于本实施例中，传感器为普通的传感器，其采集的视频中并未包含深度信息，因此，需要人为的生成深度信息。深度信息的生成可以使用视差原理，使用两个不同角度摄像头来拍摄同一场景/对象，二者之间的视差反应了拍摄对象的深度信息，因而可以通过这一视差来获取深度图。63.可以理解，由于第一视频影像和第二视频影像是从不同位置拍摄的同一对象，则第一视频影像和第二视频影像在同一时刻的帧，第一视频帧和第二视频帧，是从不同角度记录了同一拍摄对象的两帧图像，本技术中为便于表述将这两帧图像称为图像帧对，将第一视频影像的帧称为第一图像帧，及将第一视频影像的帧称为第二图像帧。64.优选的，一个图像帧对生成深度图的步骤可以包括：65.步骤202，对所述第一图像帧和所述第二图像帧进行预处理，获得第一预处理图像和第二预处理图像。66.对图像帧对中的第一图像帧和所述第二图像帧进行预处理，以便于后续处理。67.进一步的，预处理的方式至少包括以下一者：尺度变换、灰度变换、滤波变换。68.尺度变换是指对每一帧图像的尺寸进行变换，变换为指定尺寸，指定尺寸可以依据自身条件如处理器性能等进行设置，如原图像尺寸为1920×1080，不符合要求，需要将其变换为指定尺寸1280×720。69.灰度变换是指将依据目标条件按一定变换关系逐点改变源图像中每一个像素灰度值，如灰度线性变换，对数变换、伽马变换等。70.滤波变换，是为了去除噪声，相对于深度图来说，视频中的现实图像可能因为各种因素如曝光过强、下雨等出现噪声，因而需要进行去噪，去噪方式可以是高斯滤波等。71.步骤203，利用所述第一视频影像的摄像机的标定参数对所述第一预处理图像进行畸变校正，得到第一畸变校正图像。72.预处理后，利用第一视频影像的摄像机的标定参数对预处理后的第一图像帧进行畸变校正，如利用左摄像机的标定参数对左摄像机视频影像的每一帧图像进行畸变校正。73.标定参数是指相机的焦距、主点、畸变、旋转矩阵及平移矩阵等参数。标定参数是由相机的物理参数决定的，一般在出厂时提供。如果并未提供相机的标定参数，可以通过张正友标定方法获取。74.畸变是指摄像机在成像时产生的畸变，包括径向畸变、切向畸变，径向畸变是光线在远离透镜中心的地方比靠近中心的地方更加弯曲，径向畸变主要包含桶形畸变和枕形畸变两种。75.标定参数中就包括了摄像机的畸变系数，获取畸变系数，然后做与畸变相反的变换，消除畸变。76.步骤204，利用所述第二视频影像的摄像机的标定参数对所述第二预处理图像进行畸变校正，得到第二畸变校正图像。77.同样的，利用右摄像机的标定参数对右摄像机视频影像的每一帧图像进行畸变校正。78.步骤205，对所述第一畸变校正图像和所述第二畸变校正图像进行立体校正，获得匹配图像对，所述匹配图像对中的图像都处于同一水平线上。79.对第一图像帧、第二图像帧进行畸变校正后，需要第一图像帧、第二图像帧进行立体校正，使两个图像处在同一水平线上。本实施例中将立体校正后的第一图像帧、第二图像帧称为匹配图像对。80.计算第一、第二摄像机的空间转换关系，可以获取两种矩阵：本征矩阵，essentialmatrix，本征矩阵包含空间中第一、第二两个相机的旋转矩阵和平移矩阵，描述了第一、第二相机间的位姿关系，以及基础矩阵，fundamentalmatrix，基础矩阵不仅包含第一、第二相机间的位姿关系，还包含了相机的内部参数，其将第一、第二相机的两个像素坐标系关联起来。81.当一个摄像机的图像与另一个摄像机图像的水平线对齐时，仅需计算需要移动摄像机的空间转换关系。例如，将左摄像机图像与右摄像机图像的水平线对齐时，仅需计算左摄像机的空间转换关系。而需要将左、右摄像机都进行移动以对齐新的水平线时，则左、右摄像机都要需要计算空间转换关系。82.利用上面的空间转换关系，计算需要移动的图像的映射矩阵，通过映射变换矩阵对输入图像(指需要移动的图像)进行几何变换，得到几何变换后的图像，几何变换后的图像与未变换的图像处在一个水平线上，也就是说，经变换后第一、第二图像处在一个水平线上。例如，对图像帧对的第一图像帧进行几何变换，使第一图像帧与第二图像帧处在同一水平线上。83.步骤206，对所述匹配图像对进行立体匹配，得到所述图像帧对的视差图。84.经过立体校正后，将匹配图像对中的两张图像进行立体匹配。85.具体的，根据立体匹配策略，立体匹配策略可分全局匹配算法和局部匹配算法两类，将第一、第二图像的像素点进行匹配。86.全局匹配算法是将图像的像素点匹配问题转化为寻找能量函数最优解，而局部匹配算法基于像素的灰度值计算匹配代价，主要包括匹配代价计算，匹配代价聚合，视差提取，视差优化。87.步骤207，依据所述视差图计算得到深度图。88.依据视差与深度的关系如三角原理等，依据视差图计算生成深度图。89.步骤208，基于所述深度图检测所述图像帧对中的障碍物及所述障碍物的距离信息。90.经以上步骤202至步骤207，就生成了图像帧对的深度图后。生成深度图后，进行障碍物及距离信息检测，检测的过程可以参照步骤102的方法，对深度图进行预处理如带通滤波等，对于预处理完成的深度图，依据深度图进行障碍物及距离检测，检测图像帧对中的两帧图像所包含的障碍物及障碍物的距离。该检测可以单独依据深度图，也可以将深度图与第一图像帧或者第二图像帧结合进行检测。91.优选的，步骤103，具体包括：92.步骤209，将所述障碍物及所述障碍物的距离信息与所述第一图像帧和/或所述第二图像帧组合，得到第一组合图像帧和/或第二组合图像帧；93.由于第一图像帧、第二图像帧是同一时间，同一位置的不同角度的拍摄，则两者记录的障碍物及障碍物的距离是相同的，也就是说障碍物及所述障碍物的距离信息是同时属于第一图像帧和第二图像帧，其可以与第一图像帧组合，也可以与第二图像帧组合。94.如何组合取决于需要输出记录视频，当只选择输出一路视频如选择输出第一摄像机的视频或者第二摄像机的视频，则只需对应的将所述障碍物及所述障碍物的距离信息与所述第一图像帧组合，得到第一组合图像帧，或将所述障碍物及所述障碍物的距离信息与所述第二图像帧组合，得到第二组合图像帧。95.如果需要输出两路视频，则将所述障碍物及所述障碍物的距离信息与所述第一图像帧和所述第二图像帧组合，得到第一组合图像帧和第二组合图像帧。96.进一步的，步骤104在本实施例中，包括：97.步骤210，将每一第一组合图像帧或者将每一第二组合图像帧组合，生成第一目标视频，98.和/或，将每一第一组合图像帧组合，生成第一目标视频的第一子视频，99.将每一第二组合图像帧组合，生成第一目标视频的第二子视频。100.对第一视频影像、第二视频影像的每一对帧进行以上深度图获取、障碍物获取、组合后，得到多个第一组合图像帧或者第二组合图像帧。101.当选择输出第一摄像机的视频或者第二摄像机的视频，将第一组合图像帧或者第二组合图像帧，按照原来的顺序，该顺序指按照拆分得到帧对的顺序，组合得到需要输出的第一目标视频。102.当需要输出两路视频，则将第一组合图像帧和第二组合图像帧按照原来的顺序，组合得到第一目标视频第一子视频和第一目标视频第二子视频。103.图3为本技术再一个实施例提供的泊车影像生成方法的流程图，如图3所示，本技术图1所示实施例中，所述方法还包括：104.步骤301，依据所述障碍物及所述障碍物的距离信息生成语音播报信息。105.在本实施例中，计算得到障碍物及障碍物的距离信息后，生成语音播报信息。例如，使用tts方法(texttospeech)朗读障碍物信息及距离信息生成音轨。106.步骤302，将所述视频影像与所述语音播报信息结合，生成第二目标视频。107.将步骤301生成的音轨与图像传感器上报的视频影像结合，得到另一种目标视频，第二目标视频。目标视频能够显示泊车的实时影像，也能通过语音提醒用户泊车过程中出现的障碍物及距离。108.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。109.图4为本发明一个实施例提供的泊车系统的结构示意图，上述泊车系统设置在车辆中，如图4所示，上述泊车系统可以包括：接收模块41、检测模块42、组合模块43和目标视频生成模块44；110.其中，接收模块41，用于接收上传的视频影像；111.检测模块42，用于对所述视频影像的每一帧图像，获取所述图像中的深度图，基于所述深度图检测所述图像中的障碍物及所述障碍物的距离信息；112.组合模块43，用于将所述障碍物及所述障碍物的距离信息与所述图像组合，得到组合图像帧；113.目标视频生成模块44，用于将每一组合图像帧组合，生成第一目标视频。114.图4所示实施例提供的泊车影像生成装置可用于执行本说明书图1所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。115.图5为本说明书另一个实施例提供的泊车影像生成装置的结构示意图，本实施例中，所述视频影像至少包括第一视频影像和第二视频影像，所述第一视频影像和第二视频影像是从不同角度拍摄的同一场景的视频影像，所述检测模块42，包括：深度图生成子模块51、检测子模块52；116.深度图生成子模块51，用于对每一个图像帧对，生成所述图像帧对的深度图，图像帧对指所述第一视频影像和所述第二视频影像在同一时刻的第一图像帧和第二图像帧；117.检测子模块52，用于基于所述深度图检测所述图像帧对中的障碍物及所述障碍物的距离信息；118.进一步的，所述组合模块43，具体用于将所述障碍物及所述障碍物的距离信息与所述第一图像帧和/或所述第二图像帧组合，得到第一组合图像帧和/或第二组合图像帧；119.所述目标视频生成模块44，具体用于将每一第一组合图像帧或者将每一第二组合图像帧组合，生成第一目标视频，或，将每一第一组合图像帧组合，生成第一目标视频的第一子视频，将每一第二组合图像帧组合，生成第一目标视频的第二子视频。120.进一步的，所述深度图生成子模块51，还包括预处理模块、畸变校正模块、立体校正模块、立体匹配模块和深度图计算模块；121.预处理模块，用于对所述第一图像帧和所述第二图像帧进行预处理，获得第一预处理图像和第二预处理图像；122.畸变校正模块，用于利用所述第一视频影像的摄像机的标定参数对所述第一预处理图像进行畸变校正，得到第一畸变校正图像，及还用于利用所述第二视频影像的摄像机的标定参数对所述第二预处理图像进行畸变校正，得到第二畸变校正图像；123.立体校正模块，用于对所述第一畸变校正图像和所述第二畸变校正图像进行立体校正，获得匹配图像对，所述匹配图像对中的图像都处于同一水平线上；124.立体匹配模块，用于对所述匹配图像对进行立体匹配，得到所述图像帧对的视差图；125.深度图计算模块，用于依据所述视差图计算得到深度图。126.图5所示实施例提供的泊车影像生成装置可用于执行本技术图2所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。127.图6为本说明书再一个实施例提供的泊车影像生成装置的结构示意图，本实施例中，所述装置还包括：语音播报信息生成模块61和结合模块62；128.语音播报信息生成模块61，用于依据所述障碍物及所述障碍物的距离信息生成语音播报信息；129.结合模块62，用于将所述视频影像与所述语音播报信息结合，生成第二目标视频。130.本技术实施例提供一种终端设备，所述终端设备可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本说明书图1～图3所示实施例提供的泊车影像生成方法。131.其中，上述终端设备可以为智能手机、平板电脑或笔记本电脑等智能电子设备，本实施例对上述终端设备的形式不作限定。132.本技术实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行本说明书图1～图3所示实施例提供的泊车影像生成方法。133.上述非暂态计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(readonlymemory，rom)、可擦式可编程只读存储器(erasableprogrammablereadonlymemory，eprom)或闪存、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。134.计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。135.计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、射频(radiofrequency，rf)等等，或者上述的任意合适的组合。136.可以以一种或多种程序设计语言或其组合来编写用于执行本说明书操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork，lan)或广域网(wideareanetwork，wan)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。137.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。138.在本发明实施例的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。139.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。140.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本说明书的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本说明书的实施例所属
技术领域：
：的技术人员所理解。141.取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。142.需要说明的是，本技术实施例中所涉及的终端可以包括但不限于个人计算机(personalcomputer，pc)、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)、手机、mp3播放器、mp4播放器等。143.在本说明书所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。144.另外，在本说明书各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。145.上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本说明书各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。146.以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。当前第1页12当前第1页12