本技術(shù)實(shí)施例涉及泊車輔助技術(shù)，涉及但不限于一種泊車輔助方法及裝置、設(shè)備、存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著汽車智能化和自動(dòng)駕駛技術(shù)的發(fā)展，泊車輔助系統(tǒng)的需求日益增加。然而，基于視覺的感知技術(shù)層出不窮，不同的算法對(duì)場(chǎng)景的適應(yīng)性和算力需求差異很大，直接影響用戶的體驗(yàn)和整車價(jià)格。為了解決這個(gè)問題，需要一種低成本高性能的視覺感知泊車方案。

2、因此，如何實(shí)現(xiàn)低成本、高性能的泊車輔助，是一個(gè)亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本技術(shù)實(shí)施例提供的一種泊車輔助方法及裝置、設(shè)備、存儲(chǔ)介質(zhì)，能夠?qū)崿F(xiàn)低成本、高性能的泊車輔助。本技術(shù)實(shí)施例提供的一種泊車輔助方法及裝置、設(shè)備、存儲(chǔ)介質(zhì)是這樣實(shí)現(xiàn)的：

2、本技術(shù)實(shí)施例提供的一種泊車輔助方法，包括：

3、在車輛的速度低于預(yù)設(shè)速度閾值時(shí)，通過車載攝像頭獲取多張當(dāng)前圖像；

4、根據(jù)所述多張當(dāng)前圖像以及預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的多個(gè)目標(biāo)識(shí)別結(jié)果，所述多個(gè)目標(biāo)識(shí)別結(jié)果包括車位信息的目標(biāo)識(shí)別結(jié)果以及其他信息的目標(biāo)識(shí)別結(jié)果，所述其他信息包括目標(biāo)對(duì)象和行駛區(qū)域信息中的至少一種，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型是根據(jù)在歷史泊車場(chǎng)景下采集到的樣本數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到的，所述樣本數(shù)據(jù)包括在所述歷史泊車場(chǎng)景下采集的多張歷史圖像以及所述歷史泊車場(chǎng)景下的多個(gè)歷史車位信息以及歷史其他信息；

5、對(duì)所述多個(gè)目標(biāo)識(shí)別結(jié)果進(jìn)行融合處理，得到泊車地圖，所述泊車地圖用于輔助泊車。

6、在一些實(shí)施例中，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型包括車位信息識(shí)別子模塊和其他信息識(shí)別子模塊，所述根據(jù)所述多張圖像和預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的多個(gè)目標(biāo)識(shí)別結(jié)果，包括：

7、根據(jù)所述多張當(dāng)前圖像，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的全景視圖bev圖像以及四路魚眼圖像；

8、根據(jù)所述全景視圖bev圖像和所述車位信息識(shí)別子模塊，得到所述車位信息的目標(biāo)識(shí)別結(jié)果，所述車位信息包括車位號(hào)以及庫位；

9、根據(jù)所述四路魚眼圖像和所述其他信息識(shí)別子模塊，得到其他信息的目標(biāo)識(shí)別結(jié)果。

10、在一些實(shí)施例中，所述其他信息包括所述目標(biāo)對(duì)象和所述行駛區(qū)域信息，所述其他信息識(shí)別子模塊包括自動(dòng)泊車輔助apa多任務(wù)感知模型，所述apa多任務(wù)感知模型包括多任務(wù)感知神經(jīng)網(wǎng)絡(luò)、對(duì)象檢測(cè)子模型以及行駛區(qū)域檢測(cè)子模型，所述根據(jù)所述四路魚眼圖像和所述其他信息識(shí)別子模塊，得到其他信息的目標(biāo)識(shí)別結(jié)果，包括：

11、獲取所述車載攝像頭的相機(jī)標(biāo)定信息以及所述車輛的dr信息；

12、通過所述多任務(wù)感知神經(jīng)網(wǎng)絡(luò)對(duì)所述四路魚眼圖像、所述車載攝像頭的相機(jī)標(biāo)定信息以及所述車輛的dr信息進(jìn)行處理，得到目標(biāo)圖像特征以及目標(biāo)關(guān)鍵點(diǎn)特征；

13、通過所述對(duì)象檢測(cè)子模型對(duì)所述目標(biāo)圖像特征以及目標(biāo)關(guān)鍵點(diǎn)特征進(jìn)行處理，得到所述目標(biāo)對(duì)象的目標(biāo)識(shí)別結(jié)果，所述目標(biāo)對(duì)象包括行人、障礙物以及車輛；

14、通過所述行駛區(qū)域檢測(cè)子模型對(duì)所述目標(biāo)圖像特征以及目標(biāo)關(guān)鍵點(diǎn)特征進(jìn)行處理，得到所述行駛區(qū)域信息的目標(biāo)識(shí)別結(jié)果。

15、在一些實(shí)施例中，所述行駛區(qū)域信息包括可泊車區(qū)域信息以及路面標(biāo)識(shí)信息，所述行駛區(qū)域檢測(cè)子模型用于獲取所述可泊車區(qū)域信息的目標(biāo)識(shí)別結(jié)果，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型還包括路面標(biāo)識(shí)識(shí)別子模塊，所述根據(jù)所述多張圖像和預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的多個(gè)目標(biāo)識(shí)別結(jié)果，包括：

16、根據(jù)所述全景視圖bev圖像和所述路面標(biāo)識(shí)識(shí)別子模塊，得到所述路面標(biāo)識(shí)信息的目標(biāo)識(shí)別結(jié)果。

17、在一些實(shí)施例中，所述路面標(biāo)識(shí)識(shí)別子模塊為自學(xué)習(xí)泊車hpa多任務(wù)感知模型，所述hpa多任務(wù)感知模型包括第一特征提取子模型、語義分割子模型、語義關(guān)鍵點(diǎn)檢測(cè)子模型以及第一后處理子模型，所述根據(jù)所述全景視圖bev圖像和所述路面標(biāo)識(shí)識(shí)別子模塊，得到所述路面標(biāo)識(shí)信息的目標(biāo)識(shí)別結(jié)果，包括：

18、通過所述第一特征提取子模型對(duì)所述bev圖像進(jìn)行處理，得到所述bev圖像的特征信息；

19、通過所述語義分割子模型對(duì)所述bev圖像的特征信息進(jìn)行處理，得到語義分割結(jié)果；

20、通過所述語義關(guān)鍵點(diǎn)檢測(cè)子模型對(duì)所述bev圖像的特征信息進(jìn)行處理，得到關(guān)鍵點(diǎn)識(shí)別結(jié)果，所述關(guān)鍵點(diǎn)識(shí)別結(jié)果包括關(guān)鍵點(diǎn)坐標(biāo)、關(guān)鍵點(diǎn)類型以及置信度；

21、通過所述第一后處理子模型對(duì)所述語義分割結(jié)果以及所述關(guān)鍵點(diǎn)識(shí)別結(jié)果進(jìn)行處理，得到所述路面標(biāo)識(shí)信息的目標(biāo)識(shí)別結(jié)果，所述路面標(biāo)識(shí)信息包括指引箭頭標(biāo)識(shí)信息、車道線信息、停止線信息以及減速帶信息中的至少一種。

22、在一些實(shí)施例中，所述車位信息識(shí)別子模塊包括庫位檢測(cè)模型，所述庫位檢測(cè)模型包括第二特征提取子模型、庫位檢測(cè)子模型以及第二后處理子模型，所述根據(jù)所述全景視圖bev圖像和所述車位信息識(shí)別子模塊，得到所述車位信息的目標(biāo)識(shí)別結(jié)果，包括：

23、對(duì)所述bev圖像進(jìn)行預(yù)處理，得到預(yù)處理后的bev圖像，所述預(yù)處理包括歸一化、格式轉(zhuǎn)換、仿射變換中的至少一種；

24、通過所述第二特征提取子模型對(duì)所述預(yù)處理后的bev圖像進(jìn)行處理，得到所述bev圖像的特征信息；

25、通過所述庫位檢測(cè)子模型對(duì)所述預(yù)處理后的bev圖像的特征信息進(jìn)行處理，得到初始庫位識(shí)別結(jié)果；

26、通過所述第二后處理子模型對(duì)所述初始庫位識(shí)別結(jié)果進(jìn)行處理，得到所述車位信息中庫位的目標(biāo)識(shí)別結(jié)果，所述車位信息中庫位的目標(biāo)識(shí)別結(jié)果包括庫位坐標(biāo)、庫位類型以及侵占情況。

27、在一些實(shí)施例中，所述其他信息還包括臟污信息，所述其他信息識(shí)別子模塊還包括臟污檢測(cè)模型，所述臟污檢測(cè)模型包括第三特征提取子模型、紋理檢測(cè)子模型以及第三后處理子模型，所述根據(jù)所述四路魚眼圖像和所述其他信息識(shí)別子模塊，得到其他信息的目標(biāo)識(shí)別結(jié)果，還包括：

28、通過所述第三特征提取子模型對(duì)所述四路魚眼圖像進(jìn)行處理，得到所述四路魚眼圖像的特征信息；

29、通過所述紋理檢測(cè)子模型對(duì)所述預(yù)處理后的四路魚眼圖像的特征信息進(jìn)行處理，得到紋理檢測(cè)結(jié)果；

30、通過所述第三后處理子模型對(duì)所述紋理檢測(cè)結(jié)果進(jìn)行處理，得到所述其他信息中的臟污信息，所述臟污信息包括正常、泥污、雨水中的至少一種。

31、本技術(shù)實(shí)施例提供的一種泊車輔助裝置，包括：

32、獲取模塊，用于在車輛的速度低于預(yù)設(shè)速度閾值時(shí)，通過車載攝像頭獲取多張當(dāng)前圖像；

33、所述獲取模塊，還用于根據(jù)所述多張當(dāng)前圖像以及預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的多個(gè)目標(biāo)識(shí)別結(jié)果，所述多個(gè)目標(biāo)識(shí)別結(jié)果包括車位信息的目標(biāo)識(shí)別結(jié)果以及其他信息的目標(biāo)識(shí)別結(jié)果，所述其他信息包括目標(biāo)對(duì)象和行駛區(qū)域信息中的至少一種，所述預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型是根據(jù)在歷史泊車場(chǎng)景下采集到的樣本數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到的，所述樣本數(shù)據(jù)包括在所述歷史泊車場(chǎng)景下采集的多張歷史圖像以及所述歷史泊車場(chǎng)景下的多個(gè)歷史車位信息以及歷史其他信息；

34、融合模塊，用于對(duì)所述多個(gè)目標(biāo)識(shí)別結(jié)果進(jìn)行融合處理，得到泊車地圖，所述泊車地圖用于輔助泊車。

35、本技術(shù)實(shí)施例提供的計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)本技術(shù)實(shí)施例所述的方法。

36、本技術(shù)實(shí)施例提供的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本技術(shù)實(shí)施例提供的所述的方法。

37、本技術(shù)實(shí)施例所提供的一種泊車輔助方法、裝置、計(jì)算機(jī)設(shè)備和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過在車輛的速度低于預(yù)設(shè)速度閾值時(shí)，通過車載攝像頭獲取多張當(dāng)前圖像，根據(jù)所述多張當(dāng)前圖像以及預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，得到與所述多張當(dāng)前圖像對(duì)應(yīng)的多個(gè)目標(biāo)識(shí)別結(jié)果，對(duì)所述多個(gè)目標(biāo)識(shí)別結(jié)果進(jìn)行融合處理，得到泊車地圖。這樣，通過得到的泊車地圖進(jìn)行輔助泊車，實(shí)現(xiàn)了低成本、高性能的泊車輔助，解決背景技術(shù)中所提出的技術(shù)問題。