多工况下自动泊车系统停车位识别方法研究

针对自动泊车系统需要对多工况下的停车位进行正确识别的问题,提出了一种基于摄像头和超声波传感器进行距离和视觉信息融合的停车位识别方法。该方法首先通过摄像头和超声波传感器对停车位进行识别,识别成功则输出停车位类型,否则融合摄像头、超声波传感器和车轮速传感器的信息得出车辆的车身姿态特征参数,通过模糊推理方法输出相应的停车位类型。然后,多工况下停车位识别仿真模型在MATLAB上被搭建,并针对不同的停车位场景进行了仿真分析,仿真结果表明了该方法的合理性和可靠性。最后,在多工况下对该方法进行了实车实验,停车位识别正确率超过了90%,表明了该方法具有实际应用的可行性。

基于障碍物和车位检测的单阶段多任务YOLO-Parking算法研究

文章提出一种基于YOLOv4的端到端多任务网络模型用于自动泊车系统中的感知任务,以环视图像(around view monitor, AVM)作为网络输入,基于卷积网络提取图像特征信息,通过YOLO和DMPR-PS(directional marking-point regression-parking slot)检测头实现停车位与障碍物并行检测。在PS 2.0公开数据集上进行验证的结果表明,所提出的多任务检测方法能够同时检测停车位和障碍物,障碍物识别平均精度均值达到89.72%,车位识别查准率达到93.53%,网络检测速率为34.0帧/s,在满足自动泊车感知任务需求的同时提升了系统的检测效率。该文研究成果对自动泊车感知技术的发展具有一定的意义。