检测倒车距离的方法与流程

本发明涉及车辆辅助技术领域，特别涉及一种检测倒车距离的方法。

背景技术：

随着汽车保有量越来越大，汽车驾驶过程中，倒车入库成为了驾驶员特别是新手驾驶员的头疼问题，一旦操作不当就可能会引起交通事故，现有的倒车辅助系统基本采用倒车影像加检测雷达进行实现，通过倒车影像让驾驶员知道车辆后方的图像，驾驶员首先人工调整车辆的方位使车辆位于且平行停车位两侧长边的沿线内，然后直接凭感觉进行方向盘无偏转的后退倒车直至车载雷达提示遇到障碍物例如停车桩，如果倒车速度过快，车辆就很容易撞到停车桩上，再者车载雷达报警会有相对较大距离阈值，车辆并没有完全靠近停车位停止标志，如此车头有可能会超出停车位；也就是说现有倒车辅助系统当车辆位于且平行停车位两侧长边的沿线内时，驾驶员无法得知实际需要的倒车距离容易造成停车不精准。

技术实现要素：

本发明所要解决的技术问题是：克服现有的倒车系统无法精准检测倒车距离的问题，提出一种检测倒车距离的方法。

本发明解决上述技术问题，采用的技术方案是：

检测倒车距离的方法，包括如下步骤：

s1、采用安装在车辆正后方的摄像头实时拍摄车辆后方的停车位图像；

s2、对停车位图像进行直线检测得到两侧车道线，所述两侧车道线包括左侧车道线和右侧车道线；

s3、若车辆后方在预定距离差值内对正停车位，则从左侧车道线或右侧车道线靠近停车位图像底部的一端开始沿两侧车道线或其延线以预定高度对停车位图像依次进行分割得到分割图像，分别记为第1分割图像至第n分割图像，n为分割总次数，n≥2；

s4、依次检测第1分割图像至第n分割图像中是否包括停车位停止标志直至第一次检测到停车位停止标志，将停车位停止标志对应的分割图像记为目标图像；

s5、根据目标图像中停车位停止标志的图像位置、摄像头的焦距和两侧车道线间的物理宽度计算倒车距离。

优选的，所述步骤s2包括：

s21、采用霍夫变换算法或lsd算法检测停车位图像得到多条直线；

s22、计算直线到停车位图像中心点的垂直距离及直线与水平线的夹角；判断所述垂直距离是否在预定距离范围内且夹角是否在预定夹角范围一或预定夹角范围二内，若是则该直线为候选直线并存放至候选直线集；

s23、选取候选直线集中对应的夹角位于预定夹角范围一内且离停车位图像中心点的垂直距离最小的候选直线为左侧车道线，选取候选直线集中对应的夹角位于预定夹角范围二内且离停车位图像中心点的垂直距离最小的直线为右侧车道线。

优选的，所述预定夹角范围一为[450,720]，所述预定夹角范围二为[1080,1350]。

优选的，所述步骤s3中若车辆后方在预定距离差值内对正停车位包括：判断左侧车道线到停车位图像中心点的垂直距离与右侧车道线到停车位图像中心点的垂直距离之差是否小于等于预定距离差值，如是，则车辆后方在预定距离差值内对正停车位。

优选的，所述步骤s4包括：

s41、将分割图像处理为二值图像；

s42、判断二值图像的左半侧图像和右半侧图像的相似度，若相似度大于等于预定相似度阈值且二值图像中有效像素点的个数大于预定个数，则对应的分割图像中包括停车位停止标志。

优选的，所述步骤s41包括：

s411、将分割图像进行灰度变换得到灰度分割图像；

s412、当灰度分割图像中像素点的灰度值小于等于预定灰度值时，设置所述像素点为黑色像素点，否则，设置所述像素点为白色像素点；如此得到二值图像，相应的有效像素点为白色像素点。

优选的，所述步骤s42包括：

s421、以二值图像的左下角作为原点，以有效像素点到二值图像左侧的像素距离为横坐标，以相同横坐标下二值图像中有效像素点的像素值总和或有效像素点的个数作为纵坐标，对二值图像基于x轴进行统计得到统计直方图；

s422、将统计直方图左半侧的沿x轴的y轴值存放在序列一中，将统计图的右半侧的沿x轴的y轴值存放在序列二中，计算序列一与序列二的相似度。

优选的，所述步骤s5包括：

计算停车位停止标志距离停车位图像底部的像素距离；

画离停车位图像底部所述像素距离的水平线，以该水平线代表停车位停止标志的图像位置，获取该水平线与两侧车道线的两个交点，计算两交点之间的像素点宽度；

按照公式d＝fw/p计算倒车距离，其中，d为倒车距离，f为摄像头的焦距、w为两侧车道线之间的物理宽度，p为所述像素点宽度。

优选的，所述计算停车位停止标志距离停车位图像底部的像素距离包括：

根据所述预定高度和目标图像对应的分割次数计算目标图像的底部到停车位图像底部的像素距离，记为像素距离一；

计算所述有效像素点距离二值图像底部的最小像素距离；记为像素距离二；

像素距离一加上像素距离二得到停车位停止标志距离停车位图像底部的像素距离。

优选的，所述步骤s5包括：

画位于目标图像的高度中间的水平线，以该水平线代表停车位停止标志的图像位置，获取该水平线与两侧车道线的两个交点，计算两交点之间的像素点宽度；

按照公式d＝fw/p计算倒车距离，其中，d为倒车距离，f为摄像头的焦距、w为两侧车道线之间的物理宽度，p为所述像素点宽度。

本发明的有益效果是：

本发明通过对停车位图像进行分割得到分割图像，判断分割图像中是否包括停车位停止标志，进一步判断停车位停止标志的图像位置，根据图像位置、摄像头的焦距和两侧车道线间的物理宽度进行计算得到精确的倒车距离，如此，后续可进一步的将此倒车距离告知驾驶员辅助驾驶员的精准倒车入库；或者也可进一步的将此倒车距离告知自动驾驶车辆的汽车控制系统，汽车控制系统根据此倒车距离控制车辆进行精准倒车。

附图说明

图1为本发明实施例的方法流程图；

图2为本发明实施例的停车位图像的分割示意图；

图3为本发明实施例的统计直方图。

图中，1为左侧车道线，2为右侧车道线，3为分割图像，4为停车位停止标志，α为左侧车道线与水平线的夹角，β为右侧车道线与水平线的夹角。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及如下实施例对本发明进行进一步详细说明。

如图1所示，检测倒车距离的方法，包括如下步骤：

s1、采用安装在车辆正后方的摄像头实时拍摄车辆后方的停车位图像；

s2、对停车位图像进行直线检测得到两侧车道线，所述两侧车道线包括左侧车道线和右侧车道线；

s3、若车辆后方在预定距离差值内对正停车位，则从左侧车道线或右侧车道线靠近停车位图像底部的一端开始沿两侧车道线或其延线以预定高度对停车位图像依次进行分割得到分割图像，分别记为第1分割图像至第n分割图像，n为分割总次数，n≥2；

s4、依次检测第1分割图像至第n分割图像中是否包括停车位停止标志直至第一次检测到停车位停止标志，将停车位停止标志对应的分割图像记为目标图像；

s5、根据目标图像中停车位停止标志的图像位置、摄像头的焦距和两侧车道线间的物理宽度计算倒车距离。

其中，上述车辆正后方可以是位于车辆后方车辆宽度的中心线上，停车位停止标志包括停车桩；如图2所示，为了分割的方便性，分割图像3可为矩形图像，图中包含车道线的预定高度的矩形框皆为分割图像3，矩形图像的宽度为左侧车道线1和右侧车道线2与矩形下端线的交点之间的宽度，为了保证尽可能小的矩形框检测到停车位停止标志4和排除干扰，可将n设置为大于等于10。

为了使得两侧车道线的判断更为准确，上述步骤s2可包括：

s21、采用霍夫变换算法或lsd算法检测停车位图像得到多条直线；

s22、计算直线到停车位图像中心点的垂直距离及直线与水平线的夹角；判断所述垂直距离是否在预定距离范围内且夹角是否在预定夹角范围一或预定夹角范围二内，若是则该直线为候选直线并存放至候选直线集；

s23、选取候选直线集中对应的夹角位于预定夹角范围一内且离停车位图像中心点的垂直距离最小的候选直线为左侧车道线，选取候选直线集中对应的夹角位于预定夹角范围二内且离停车位图像中心点的垂直距离最小的直线为右侧车道线。

其中，lsd(线段检测方法)参见“rafaelgromponevongioi,jérémiejakubowicz,jean-michelmorel,andgregoryrandall.lsd:afastlinesegmentdetectorwithafalsedetectioncontrol.ieeetransactionsonpatternanalysisandmachineintelligence,32(4):722–732,2010.”的lsd。

经过大量统计分析我们计算出为与左侧车道线1与水平线的夹角α和右侧车道线2与水平线的夹角β相对应的预定夹角范围一和预定夹角范围二分别为如下：上预定夹角范围一为[450,720]，上述预定夹角范围二为[1080,1350]。预定夹角范围一和预定夹角范围二可根据车型和摄像头的位置进行适配。

为了使得停车位停止标志4的定位精确，上述步骤s3中若车辆后方在预定距离差值内对正停车位包括：判断左侧车道线到停车位图像中心点的垂直距离与右侧车道线到停车位图像中心点的垂直距离之差是否小于等于预定距离差值，如是，则车辆后方在预定距离差值内对正停车位。

为了方便判断分割图像中是否包括停车位停止标志4，上述步骤s4可包括：

s41、将分割图像处理为二值图像；

s42、判断二值图像的左半侧图像和右半侧图像的相似度，若相似度大于等于预定相似度阈值且二值图像中有效像素点的个数大于预定个数，则对应的分割图像中包括停车位停止标志。

其中，二值图像为黑白图像。

为了更方便的获得有效像素点，上述步骤s41包括：

s411、将分割图像进行灰度变换得到灰度分割图像；

s412、当灰度分割图像中像素点的灰度值小于等于预定灰度值时，设置所述像素点为黑色像素点，否则，设置所述像素点为白色像素点；如此得到二值图像，相应的有效像素点为白色像素点。作为优选可将预定灰度值设置为50。

作为优选，上述步骤s42可包括：

s421、以二值图像的左下角作为原点，以有效像素点到二值图像左侧的像素距离为横坐标，以相同横坐标下二值图像中有效像素点的像素值总和或有效像素点的个数作为纵坐标，对二值图像基于x轴进行统计得到统计直方图；

s422、将统计直方图左半侧的沿x轴的y轴值存放在序列一中，将统计图的右半侧的沿x轴的y轴值存放在序列二中，计算序列一与序列二的相似度。

其中，序列一与序列二的相似度可采用python库中的difflib.sequencematcher方法，上述预定相似度阈值可按照车辆摄像头成像效果进行适配。

如图3所示为倒车桩对应的统计直方图，图中的纵坐标采用的是二值图像中相同横坐标下白色像素点的像素值总和作为举例示意，可看出图是处于左右基本对称的状态。

为了方便快捷的计算停车距离，上述步骤s5可包括：

画位于目标图像的高度中间的水平线，以该水平线代表停车位停止标志的图像位置，获取该水平线与两侧车道线的两个交点，计算两交点之间的像素点宽度；

按照公式d＝fw/p计算倒车距离，其中，d为倒车距离，f为摄像头的焦距、w为两侧车道线之间的物理宽度，p为所述像素点宽度。

为了更精确的计算停车距离，上述步骤s5可包括：

计算停车位停止标志距离停车位图像底部的像素距离；

画离停车位图像底部所述像素距离的水平线，以该水平线代表停车位停止标志的图像位置，获取该水平线与两侧车道线的两个交点，计算两交点之间的像素点宽度；

按照公式d＝fw/p计算倒车距离，其中，d为倒车距离，f为摄像头的焦距、w为两侧车道线之间的物理宽度，p为所述像素点宽度。

其中，计算停车位停止标志距离停车位图像底部的像素距离包括：

根据所述预定高度和目标图像对应的分割次数计算目标图像的底部到停车位图像底部的像素距离，记为像素距离一；

计算所述有效像素点距离二值图像底部的最小像素距离；记为像素距离二；

像素距离一加上像素距离二得到停车位停止标志距离停车位图像底部的像素距离。