发布时间:2022-08-28 16:00
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:
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: