本發(fā)明涉及圖像處理領域,特別是涉及在圖像中定位停車位的方法及系統(tǒng)。
背景技術:
隨著社會經濟的發(fā)展,汽車數量也迅猛增長,相應的停車場建設規(guī)模也隨著需求越來越大,在車站、商場、購物中心等場所都能見到大型的停車場。如何從圖像中準確地定位出停車位,從而為駕駛員和管理者提供有效的停車位位置信息,一直是本領域技術人員研究的方向。
技術實現要素:
鑒于以上所述現有技術的缺點,本發(fā)明的目的在于提供在圖像中定位停車位的方法及系統(tǒng),用于解決現有技術中的上述問題。
為實現上述目的及其他相關目的,本發(fā)明提供一種在圖像中定位停車位的方法,包括:檢測所述圖像中的各第一線條、及與各所述第一線條在端部相交的第二線條;其中,各所述第一線條之間相互平行;根據各所述第一線條及其對應的第二線條的組合方式,判斷各所述第一線條的類型,據以進一步判斷所述圖像中停車位的類型;根據檢測出的停車位的類型,對未檢測出的停車位進行補齊。
于本發(fā)明一實施例中,所述第一線條及其對應的第二線條之間的相交方式包括:垂直、或呈一角度。
于本發(fā)明一實施例中,所述第一線條的類型包括:左l型、右l型、t型,其中,以車尾進入停車位的方向為基準,將汽車左側的l型第一線條記為右l型,將汽車右側的l型第一線條記為左l型;所述第二線條的類型包括:左l型、右l型、t型、i型。
于本發(fā)明一實施例中,所述停車位的類型包括:一字型停車位、非字型停車位、及斜型停車位中的一種或多種組合。
于本發(fā)明一實施例中,還包括:當檢測出的第一線條的類型既為左l型又為右l型,則將該第一線條的類型判斷為t型;進一步判斷出停車位的類型為一字型停車位或非字型停車位,而非斜型停車位。
于本發(fā)明一實施例中,還包括:根據所述第一線條和第二線條之間的長度關系,進一步判斷出停車位是一字型停車位還是非字型停車位。
于本發(fā)明一實施例中,還包括:判斷各所述第一線條及其對應的第二線條是否為一定寬度的亮線條;若是,則對該第一線條及其第二線條賦予預設的最高可信度值。
于本發(fā)明一實施例中,還包括:若否,則按照各所述第一線條及其對應的第二線條之間是否能夠組成l型或t型的可能性高低,對各所述第一線條及其對應的第二線條賦予不同的可信度值,其中,可能性高的賦予的可信度值高,可能性低的賦予的可信度值低;通過可信度值高的第一線條及其對應的第二線條確定實際的停車位的位置信息。
于本發(fā)明一實施例中,所述對未檢測出的停車位進行補齊,包括:若檢測出的停車位的兩側都是t型線條,則在該停車位的左右兩側分別補齊未檢測出的停車位;若檢測出的停車位的一側是l型線條,另一側是t型線條,則在t型線條的一側對未檢測出的停車位進行補齊;若檢測出的停車位的兩側都是l型線條,先判斷是否有一側的l型線條應當為t型線條;若是,則在t型線條的一側對未檢測出的停車位進行補齊;若否,則無需進行補齊操作。
于本發(fā)明一實施例中,還包括:若根據檢測到停車位的類型判斷為一字型停車位,但其中間又有短i型的第二線條,則在該停車位的中間補一條第一線條,從而將該停車位劃分成兩個非字型停車位。
為實現上述目的及其他相關目的,本發(fā)明提供一種在圖像中定位停車位的系統(tǒng),包括:線條檢測模塊,用于檢測所述圖像中的各第一線條、及與各所述第一線條在端部相交的第二線條;其中,各所述第一線條之間相互平行;類型判斷模塊,用于根據各所述第一線條及其對應的第二線條的組合方式,判斷各所述第一線條的類型,據以進一步判斷所述圖像中停車位的類型;車位補齊模塊,用于根據檢測出的停車位的類型,對未檢測出的停車位進行補齊。
于本發(fā)明一實施例中,所述第一線條及其對應的第二線條之間的相交方式包括:垂直、或呈一角度。
于本發(fā)明一實施例中,所述第一線條的類型包括:左l型、右l型、t型,其中,以車尾進入停車位的方向為基準,將汽車左側的l型第一線條記為右l型,將汽車右側的l型第一線條記為左l型;所述第二線條的類型包括:左l型、右l型、t型、i型。
于本發(fā)明一實施例中,所述停車位的類型包括:一字型停車位、非字型停車位、及斜型停車位中的一種或多種組合。
于本發(fā)明一實施例中,所述類型判斷模塊還用于:當檢測出的第一線條的類型既為左l型又為右l型,則將該第一線條的類型判斷為t型;進一步判斷出停車位的類型為一字型停車位或非字型停車位,而非斜型停車位。
于本發(fā)明一實施例中,所述類型判斷模塊還用于:根據所述第一線條和第二線條之間的長度關系,進一步判斷出停車位是一字型停車位還是非字型停車位。
于本發(fā)明一實施例中,所述車位補齊模塊還用于:判斷各所述第一線條及其對應的第二線條是否為一定寬度的亮線條;若是,則對該第一線條及其第二線條賦予預設的最高可信度值。
于本發(fā)明一實施例中,所述車位補齊模塊還用于:若否,則按照各所述第一線條及其對應的第二線條之間是否能夠組成l型或t型的可能性高低,對各所述第一線條及其對應的第二線條賦予不同的可信度值,其中,可能性高的賦予的可信度值高,可能性低的賦予的可信度值低;通過可信度值高的第一線條及其對應的第二線條確定實際的停車位的位置信息。
于本發(fā)明一實施例中,所述對未檢測出的停車位進行補齊,包括:若檢測出的停車位的兩側都是t型線條,則在該停車位的左右兩側分別補齊未檢測出的停車位;若檢測出的停車位的一側是l型線條,另一側是t型線條,則在t型線條的一側對未檢測出的停車位進行補齊;若檢測出的停車位的兩側都是l型線條,先判斷是否有一側的l型線條應當為t型線條;若是,則在t型線條的一側對未檢測出的停車位進行補齊;若否,則無需進行補齊操作。
于本發(fā)明一實施例中,所述車位補齊模塊還用于:若根據檢測到停車位的類型判斷為一字型停車位,但其中間又有短i型的第二線條,則在該停車位的中間補一條第一線條,從而將該停車位劃分成兩個非字型停車位。
如上所述,本發(fā)明的在圖像中定位停車位的方法及系統(tǒng),能夠有效檢測出圖像中的一字型停車位、非字型停車位,效率高、精度度高。
附圖說明
圖1a~圖1f顯示為現有技術中的幾種停車位類型示意圖。
圖2顯示為本發(fā)明一實施例的在圖像中定位停車位的方法流程圖。
圖3顯示為本發(fā)明一實施例的在圖像中定位停車位的系統(tǒng)模塊圖。
元件標號說明
3在圖像中定位停車位的系統(tǒng)
301線條檢測模塊
302類型判斷模塊
303車位補齊模塊
s201~s203步驟
具體實施方式
以下通過特定的具體實例說明本發(fā)明的實施方式,本領域技術人員可由本說明書所揭露的內容輕易地了解本發(fā)明的其他優(yōu)點與功效。本發(fā)明還可以通過另外不同的具體實施方式加以實施或應用,本說明書中的各項細節(jié)也可以基于不同觀點與應用,在沒有背離本發(fā)明的精神下進行各種修飾或改變。需說明的是,在不沖突的情況下,以下實施例及實施例中的特征可以相互組合。
需要說明的是,以下實施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構想,遂圖式中僅顯示與本發(fā)明中有關的組件而非按照實際實施時的組件數目、形狀及尺寸繪制,其實際實施時各組件的型態(tài)、數量及比例可為一種隨意的改變,且其組件布局型態(tài)也可能更為復雜。
圖1a至圖1f顯示了現有的幾種典型的停車位類型,其中,箭頭的方向表示汽車的車尾駛入的方向。圖1a和圖1b顯示的是兩種“一字型”停車位,圖1c和圖1d顯示的是兩種“非字型”停車位,圖1e和圖1f顯示的是兩種“斜線型”的停車位。本發(fā)明的在圖像中定位停車位的方法及系統(tǒng),主要用于從圖像中定位出“一字型”停車位和“非字型”停車位。從這兩種停車位的示意圖中可以看出,對于最兩邊的停車位,其邊緣線通常呈一種“l(fā)型”,而對于中間的停車位,其邊緣線通常呈一種“t型”。本發(fā)明的原理正是圍繞“l(fā)型”和“t型”的邊緣線所展開,以下將做詳細闡述。
請參閱圖2,本發(fā)明的在圖像中定位停車位的方法主要包括如下步驟:
步驟s201:檢測所述圖像中的各第一線條、及與各所述第一線條在端部相交的第二線條;其中,各所述第一線條之間相互平行。從圖1a至圖1f可見,所述第一線條及其對應的第二線條之間的相交方式包括:垂直、或呈一角度。
步驟s202:根據各所述第一線條及其對應的第二線條的組合方式,判斷各所述第一線條的類型,據以進一步判斷所述圖像中停車位的類型。
所述第一線條的類型包括:左l型、右l型、t型,其中,以車尾進入停車位的方向為基準,將汽車左側的l型第一線條記為右l型,將汽車右側的l型第一線條記為左l型;所述第二線條的類型包括:左l型、右l型、t型、i型。詳細的:前述的左l型可以進一步包括:左長l型、左短l型,前述的右l型可以進一步包括:右長l型、右短l型,前述的t型可以進一步包括:短t型、長t型;前述的i型可以進一步包括:短i型、長i型。對于“長”“短”的定義可根據實際情況進行參數設置,通常來講,一字型停車位與“長”對應,而非字型則與“短”對應。i型主要包括兩種:除卻兩個端點以外的中間一段為i型,如圖1a所示;中間不連續(xù)線為i型,如圖1b所示。特別的,當檢測出的第一線條的類型既為左l型又為右l型,則在合并二者的垂直線后將該第一線條的類型判斷為t型。
步驟s203:根據檢測出的停車位的類型,對未檢測出的停車位進行補齊。具體的:
1)根據所述第一線條和第二線條之間的長度關系,進一步判斷出停車位是一字型停車位還是非字型停車位。對于一字型停車位,第一線條短于第二線條;對于非字型停車位,第一線條長于第二線條。
2)判斷各所述第一線條及其對應的第二線條是否為一定寬度的亮線條(亮線條的設定例如:線條的像素值與周圍點的像素值之差大于50等);若是,則對該第一線條及其第二線條賦予預設的最高可信度值;若否,則按照各所述第一線條及其對應的第二線條之間是否能夠組成l型或t型的可能性高低,對各所述第一線條及其對應的第二線條賦予不同的可信度值,其中,可能性高的賦予的可信度值高,可能性低的賦予的可信度值低(如:將可信度分成四個等級,等級從高至低依次賦予4分、3分、2分、1分的可信度值等);通過可信度值高的第一線條及其對應的第二線條確定實際的停車位的位置信息(如:ll型、lt型、tt型)。
3)若檢測出的停車位的兩側都是t型線條,則在該停車位的左右兩側分別補齊未檢測出的停車位;若檢測出的停車位的一側是l型線條,另一側是t型線條,則在t型線條的一側對未檢測出的停車位進行補齊;若檢測出的停車位的兩側都是l型線條,先判斷是否有一側的l型線條應當為t型線條;若是,則在t型線條的一側對未檢測出的停車位進行補齊;若否,則無需進行補齊操作。
4)由于兩個相鄰的非字型停車位有可能被誤判為一個一字型停車位,但中間又有短i型的第二條線,則在該停車位的中間補一條第一線條,從而將該停車位劃分成兩個非字型停車位。。
請參閱圖3,與上述方法實施例原理相似的是,本發(fā)明提供在圖像中定位停車位的系統(tǒng)3,主要包括:線條檢測模塊301、類型判斷模塊302、車位補齊模塊303。詳細的:
線條檢測模塊301用于檢測所述圖像中的各第一線條、及與各所述第一線條在端部相交的第二線條;其中,各所述第一線條之間相互平行。從圖1a至圖1f可見,所述第一線條及其對應的第二線條之間的相交方式包括:垂直、或呈一角度。
類型判斷模塊302用于根據各所述第一線條及其對應的第二線條的組合方式,判斷各所述第一線條的類型,據以進一步判斷所述圖像中停車位的類型。
所述第一線條的類型包括:左l型、右l型、t型,其中,以車尾進入停車位的方向為基準,將汽車左側的l型第一線條記為右l型,將汽車右側的l型第一線條記為左l型;所述第二線條的類型包括:左l型、右l型、t型、i型。詳細的:前述的左l型可以進一步包括:左長l型、左短l型,前述的右l型可以進一步包括:右長l型、右短l型,前述的t型可以進一步包括:短t型、長t型;前述的i型可以進一步包括:短i型、長i型。對于“長”“短”的定義可根據實際情況進行參數設置,通常來講,一字型停車位與“長”對應,而非字型則與“短”對應。i型主要包括兩種:除卻兩個端點以外的中間一段為i型,如圖1a所示;中間不連續(xù)線為i型,如圖1b所示。特別的,當檢測出的第一線條的類型既為左l型又為右l型,則在合并二者的垂直線后將該第一線條的類型判斷為t型。
車位補齊模塊303用于根據檢測出的停車位的線的類型,對未檢測出的停車位進行補齊。具體的:
1)根據所述第一線條和第二線條之間的長度關系,進一步判斷出停車位是一字型停車位還是非字型停車位。對于一字型停車位,第一線條短于第二線條;對于非字型停車位,第一線條長于第二線條。
2)判斷各所述第一線條及其對應的第二線條是否為一定寬度的亮線條(亮線條的設定例如:線條的像素值與周圍點的像素值之差大于50等);若是,則對該第一線條及其第二線條賦予預設的最高可信度值;若否,則按照各所述第一線條及其對應的第二線條之間是否能夠組成l型或t型的可能性高低,對各所述第一線條及其對應的第二線條賦予不同的可信度值,其中,可能性高的賦予的可信度值高,可能性低的賦予的可信度值低(如:將可信度分成四個等級,等級從高至低依次賦予4分、3分、2分、1分的可信度值等);通過可信度值高的第一線條及其對應的第二線條確定實際的停車位的位置信息(如:ll型、lt型、tt型)。
3)若檢測出的停車位的兩側都是t型線條,則在該停車位的左右兩側分別補齊未檢測出的停車位;若檢測出的停車位的一側是l型線條,另一側是t型線條,則在t型線條的一側對未檢測出的停車位進行補齊;若檢測出的停車位的兩側都是l型線條,先判斷是否有一側的l型線條應當為t型線條;若是,則在t型線條的一側對未檢測出的停車位進行補齊;若否,則無需進行補齊操作。
4)由于兩個相鄰的非字型停車位有可能被誤判為一個一字型停車位,但中間又有短i型的第二條線,則在該停車位的中間補一條第一線條,從而將該停車位劃分成兩個非字型停車位。
綜上所述,本發(fā)明的在圖像中定位停車位的方法及系統(tǒng),有效克服了現有技術中的種種缺點而具高度產業(yè)利用價值。
上述實施例僅例示性說明本發(fā)明的原理及其功效,而非用于限制本發(fā)明。任何熟悉此技術的人士皆可在不違背本發(fā)明的精神及范疇下,對上述實施例進行修飾或改變。因此,舉凡所屬技術領域中具有通常知識者在未脫離本發(fā)明所揭示的精神與技術思想下所完成的一切等效修飾或改變,仍應由本發(fā)明的權利要求所涵蓋。