本發(fā)明屬于自動駕駛車輛定位，具體涉及一種基于停車位主觀標識的大型半掛車輛倒車定位方法與系統(tǒng)。

背景技術：

1、隨著智能交通系統(tǒng)的快速發(fā)展，車輛停車定位技術逐漸從傳統(tǒng)的基于經驗和傳感器判斷的方式，向更加智能化、自動化的方向轉變。輔助駕駛技術在這一轉型中發(fā)揮了關鍵作用，其主要功能包括車道保持、交通標志識別和車輛停車定位等。在車輛停車定位研究中，國內外學者主要聚焦于室外和室內兩大場景，并取得了顯著成果。在室外停車場景中，通過融合多種高精度地圖、激光雷達及gnss（global?navigation?satellite?system）信號，研究人員實現(xiàn)了較高的定位精度。然而，這些方法在gps信號丟失或干擾的情況下仍面臨可靠性驗證的問題。同時，多傳感器融合技術也被廣泛應用于復雜環(huán)境中，例如結合視覺、距離測量及高精度地圖的數(shù)據(jù)融合，可實現(xiàn)對復雜路況和動態(tài)障礙物的適應性。然而，由于傳感器多樣性帶來的算法復雜性和高硬件成本，使得實時性與普適性受到限制。此外，深度學習技術的引入通過語義地圖和神經網絡提高了定位精度，但復雜的算法框架進一步限制了其實時應用的可行性。

2、在室內停車場定位研究中，由于傳統(tǒng)衛(wèi)星定位技術在室內環(huán)境中的精度較差，研究者轉向了機器視覺與多傳感器融合技術。例如，通過計算機視覺識別停車標識符或結合多邊測量技術，在一定程度上改善了光線不足情況下的定位精度。但這些方法仍難以滿足高精度場景下的需求，且大多依賴特定場景或標志物，應用范圍有限。此外，在室內外停車場景無縫切換方面，現(xiàn)有研究主要關注gps與室內定位技術的集成，但過渡區(qū)域的定位穩(wěn)定性和精度仍面臨挑戰(zhàn)。

3、總體來看，車輛停車定位技術在室外和室內場景下取得了重要進展，但在方法復雜度、硬件要求、精度和實時性方面仍存在較大挑戰(zhàn)。未來研究應致力于簡化方法復雜性，降低對硬件的高要求，同時提升方法在復雜環(huán)境中的適應性和穩(wěn)定性是當前亟需解決的問題，以實現(xiàn)對復雜場景下車輛定位的良好適應性。

技術實現(xiàn)思路

1、本發(fā)明提出了一種基于停車位主觀標識的大型半掛車輛倒車定位方法與系統(tǒng)，能夠有效提高半掛車輛在倒車過程中車輛與停車位之間的位置檢測精度。針對倒車過程中攝像頭視野受限以及復雜環(huán)境下定位不穩(wěn)定的問題，本發(fā)明通過紅色地標線和田字格標識的結合，提供了一種高效、精確的車輛定位方法。

2、為實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

3、基于停車位主觀標識的大型半掛車輛倒車定位方法，包括以下步驟：

4、1）設計一套多攝像頭信號采集與處理完整系統(tǒng)，利用攝像頭作為數(shù)據(jù)輸入為車輛定位提供基礎數(shù)據(jù)支持；

5、2）對每個攝像頭進行標定以獲取相應的相機參數(shù)，通過透視變換將攝像頭拍攝的圖像轉換為鳥瞰圖；

6、3）利用棋盤格標定板，將圖像坐標系轉換為地面坐標系；

7、4）基于地面坐標系識別鳥瞰圖中的紅色地標線，推算出車輛與停車位的幾何位置關系；

8、5）通過檢測停車位旁的田字格顏色標識，并結合相機對田字格標識物的檢測結果，計算車輛相對停車位底邊的位置；

9、6）綜合直線和田字格的檢測結果，計算并準確輸出車輛與停車位之間的定位。

10、本發(fā)明進一步的改進在于，步驟1）中，通過多個攝像頭和傳感器實現(xiàn)大型半掛車輛的實時定位與倒車輔助；首先，系統(tǒng)通過ups電源提供穩(wěn)定的dc12v電源，攝像頭采集周圍環(huán)境的圖像，并通過hdmi傳輸給視頻解碼器，轉換為數(shù)字視頻信號；數(shù)字視頻信號通過usb傳輸?shù)今{駛室中的計算機，結合rs485模塊與激光測距傳感器和角度編碼器的數(shù)據(jù)，實時計算出車輛與停車位之間的相對位置；通過綜合攝像頭視頻數(shù)據(jù)與傳感器信息，系統(tǒng)能夠反饋車輛的空間位置，并反饋給駕駛員。

11、本發(fā)明進一步的改進在于，步驟2）中，在裝載攝像頭后，在車輛投入使用前對車身上的相機離線標定，進行參數(shù)標定，即：在車輛定位過程中，對攝像頭進行精確的相機標定，以建立圖像坐標系與世界坐標系之間的映射關系。

12、本發(fā)明進一步的改進在于，步驟3）中，在完成相機標定后，進行棋盤格距離匹配，利用棋盤格實現(xiàn)圖像坐標系向空間坐標系的轉換，通過將棋盤格的已知幾何尺寸與圖像中相鄰角點之間的像素數(shù)進行匹配，從而獲得單個像素與實際物理距離之間的準確對應關系。

13、本發(fā)明進一步的改進在于，步驟4）中，對鳥瞰圖中的紅色地標線進行識別并提取邊緣點，利用最小二乘法擬合邊緣點進行直線檢測，得到地標線直線，并利用直線端點獲得地標線的中線，計算該中線在鳥瞰圖中與相機光學中心之間的距離；最后，根據(jù)中線的偏角和距離信息，推算車輛與停車位之間的幾何位置關系。

14、本發(fā)明進一步的改進在于，步驟5）中，對攝像頭圖像進行預處理，包括圖像糾正、對比度增強、歸一化和顏色分割，確保圖像清晰且像素值規(guī)范；通過將rgb圖像轉換為hsv顏色空間，設定色調和飽和度閾值，提取紅色、綠色、藍色和黃色區(qū)域，并合并為顏色掩膜；應用形態(tài)學開操作擴展邊緣連續(xù)性，閉操作填補斷裂；使用canny算法提取邊緣后，選取最大正方形進行處理；對每個正方形按顏色閾值分割并提取質心坐標，按左上、右上、左下、右下順序排列顏色，構建顏色順序索引庫，并將其與車位底邊距離匹配。

15、本發(fā)明進一步的改進在于，步驟6）中，通過在停車位兩側布置帶有四種顏色順序的田字格標識，輔助檢測車輛與停車位底邊的距離；每隔2米設置一個田字格，共20個，顏色排列對稱且與停車位中軸線一致；通過獲取田字格中心點坐標和相機位置信息，計算相機與停車位底邊的實際距離和角度，實時反饋車輛與停車位的相對位置；結合車輛幾何參數(shù)，從側方攝像頭獲取的信息可推算尾部攝像頭與停車位底端的距離。

16、基于停車位主觀標識的大型半掛車輛倒車定位系統(tǒng)，包括：

17、系統(tǒng)設計模塊，用于設計一套多攝像頭信號采集與處理完整系統(tǒng)，利用攝像頭作為數(shù)據(jù)輸入為車輛定位提供基礎數(shù)據(jù)支持；

18、預處理標定模塊，用于對每個攝像頭進行標定以獲取相應的相機參數(shù)，通過透視變換將攝像頭拍攝的圖像轉換為鳥瞰圖；

19、坐標系轉換模塊，用于利用棋盤格標定板，將圖像坐標系轉換為地面坐標系；

20、地標線識別定位模塊，用于基于地面坐標系識別鳥瞰圖中的紅色地標線，推算出車輛與停車位的幾何位置關系；

21、索引田字格定位模塊，用于通過檢測停車位旁的田字格顏色標識，并結合相機對田字格標識物的檢測結果，計算車輛相對停車位底邊的位置；

22、停車位定位模塊，用于綜合直線和田字格的檢測結果，計算并準確輸出車輛與停車位之間的定位。

23、本發(fā)明進一步的改進在于，系統(tǒng)設計模塊中，通過多個攝像頭和傳感器實現(xiàn)大型半掛車輛的實時定位與倒車輔助；首先，系統(tǒng)通過ups電源提供穩(wěn)定的dc12v電源，攝像頭采集周圍環(huán)境的圖像，并通過hdmi傳輸給視頻解碼器，轉換為數(shù)字視頻信號；數(shù)字視頻信號通過usb傳輸?shù)今{駛室中的計算機，結合rs485模塊與激光測距傳感器和角度編碼器的數(shù)據(jù)，實時計算出車輛與停車位之間的相對位置；通過綜合攝像頭視頻數(shù)據(jù)與傳感器信息，系統(tǒng)能夠反饋車輛的空間位置，并反饋給駕駛員。

24、本發(fā)明進一步的改進在于，預處理標定模塊中，在裝載攝像頭后，在車輛投入使用前對車身上的相機離線標定，進行參數(shù)標定，即：在車輛定位過程中，對攝像頭進行精確的相機標定，以建立圖像坐標系與世界坐標系之間的映射關系。

25、與現(xiàn)有技術相比，本發(fā)明至少具有如下有益的技術效果：

26、本發(fā)明提供的基于停車位主觀標識的大型半掛車輛倒車定位方法與系統(tǒng)，實現(xiàn)了半掛車輛在倒車過程中從多個角度、不同環(huán)境下的車輛定位。尤其在車輛尾部攝像頭無法完全拍攝到停車位底邊的場景中，田字格標識的引入有效彌補了傳統(tǒng)方法的不足，提高了定位精度和可靠性。

27、本發(fā)明通過hsv顏色空間對停車位紅色地標線和田字格標識的綜合檢測，顯著提高了半掛車輛倒車過程中定位的精度和穩(wěn)定性。通過田字格顏色編碼輔助定位，解決了半掛車輛倒車過程中攝像頭視野受限導致的定位誤差問題。多攝像頭實時數(shù)據(jù)融合進一步提升了復雜場景下的定位可靠性。該方法硬件需求低，易于實際應用，適用于各種停車環(huán)境，尤其是復雜場景中的半掛車輛倒車定位。