自动泊车-停车位（泊车位）检测文献阅读综述（笔记）
发布时间：2022-08-28 16:00
简介
本文主要简单梳理从2000年以来比较具有代表性的基于视觉停车位检测方法的文献（主要分为传统方法和最近两年火起来的深度学习的方法），作为入自动驾驶领域的第一篇博客啦！（多图预警！！！）
文献目录：
2000-Vision-Guided Automatic Parking for Smart Car
这篇文章应该是比较早基于视觉方法来检测停车位的文章，但整篇文章不仅仅包括检测停车位，而是自动泊车的整个过程（检测停车位、障碍物检测、运动规划等）。
这里其检测车位的核心思想：停车位的车位线颜色上同周围背景差异大，那么可以直接利用HSI颜色空间的色彩信息来分割出车位线，通过图像坐标系到地面三维坐标系的转换即可得到车位信息。
文章采用了一个名为RCE的神经网络结构，直接在HSI色彩空间中学习得到结果，结构如下：
那时候的结构真的看不懂啊…而且那时候还没兴起全景环视相机，只是一个摄像头采集的图像，能够获得的车位信息其实真的不多。
得到分割结果后，再遍历分割图像列就可以获得那些分割点（分割像素值与周围像素差别明显），利用得到的这些点作直线拟合（最小二乘法）就得到了最后的车位线。结果如下：
然后就是坐标变化的事啦。总的来说这篇论文的思路还是比较简单的，这种直观思考问题的思想还是值得学习的。但是这个方法在今天已经不适用啦。
存在的问题：
- 只能检测单一规则车位。但是车位类型很多啊（直库、长库、斜库）等等
- 不能适应复杂场景。由于只采用了色彩，如果遇到阴影、遮挡等等情况，效果肯定不好
- 害…年代久远…网络结构自然是比不上现在的网络了