基于三维检测技术的停车辅助方法、装置及系统

摘要

本发明公开一种基于三维检测技术的停车辅助方法，该停车辅助方法包括：获取车辆的深度图像；根据车辆的深度图像，并按照图像像素坐标系与世界坐标系的转换公式，计算得到车辆的点云数据；根据车辆的点云数据，构建车辆的点云图；从车辆的点云图中确定车辆轮廓在X-Y平面的极值点，并根据车辆的极值点确定车辆边界矩形；将车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断车辆边界矩形是否处于车辆参照矩形内；若车辆边界矩形与车辆参照矩形相交，则发出警报并显示车辆当前位置。本发明基于三维检测技术的停车辅助方法可有效提高智能停车场的工作效率。此外，本发明还公开一种基于三维检测技术的停车辅助装置及系统。

权利要求

1.一种基于三维检测技术的停车辅助方法，其特征在于，包括：获取车辆的深度图像；

根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述车辆的点云数据；

根据所述车辆的点云数据，构建所述车辆的点云图；

从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆的极值点确定车辆边界矩形；

将所述车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；

若所述车辆边界矩形与所述车辆参照矩形相交，则发出警报并显示车辆当前位置。

2.根据权利要求1所述的停车辅助方法，其特征在于，在所述获取车辆的深度图像的步骤之前，所述停车辅助方法还包括：获取载车板的深度图像；

根据所述载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述载车板的点云数据；

根据所述载车板的点云数据，构建所述载车板的点云图；

从所述载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述载车板的极值点确定载车板边界矩形；

将所述载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断所述载车板边界矩形是否处于所述载车板参照矩形内；

若所述载车板边界矩形与所述载车板参照矩形相交，则发出警报；

若所述载车板边界矩形处于所述载车板参照矩形内，则生成获取车辆深度图像的指令。

3.根据权利要求1或2所述的停车辅助方法，其特征在于，所述图像像素坐标与世界坐标的转换公式为：x＝(u-Cx)*Z/fx

y＝(v-Cy)*Z/fy

z＝d/s

其中，所述(u，v)为所述车辆的图像像素坐标，所述d为深度值，所述s为深度缩放因子，所述fx，fy，Cx，Cy为相机内参矩阵。

4.根据权利要求1所述的停车辅助方法，其特征在于，所述发出警报并显示车辆当前位置的步骤包括：获取所述车辆及其边界矩形的全景视频，并显示在所述车辆的正前方，以供车主查看所述车辆边界矩形与车辆参照矩形的相对位置。

5.根据权利要求1所述的停车辅助方法，其特征在于，在所述根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述车辆的点云数据的步骤之后，所述停车辅助方法还包括：从所述车辆的点云数据中获取Z轴方向的最大值，以确定所述车辆的高度值；

根据所述车辆的高度值，判断所述车辆的高度是否超出预设高度。

6.一种基于三维检测技术的停车辅助方法，其特征在于，包括：获取车辆的深度图像；

根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述车辆的点云数据；

根据所述车辆的点云数据，构建所述车辆的点云图；

从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆的极值点确定车辆边界矩形；

获取载车板上的车辆参照矩形，并将其与所述车辆边界矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；

若所述车辆边界矩形与所述车辆参照矩形相交，则发出警报并显示车辆当前位置。

7.一种基于三维检测技术的停车辅助装置，其特征在于，包括：车辆深度图获取模块，用于获取车辆的深度图像；

车辆点云获取模块，用于根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述车辆的点云数据；

车辆点云图构建模块，用于根据所述车辆的点云数据，构建所述车辆的点云图；

车辆边界获取模块，用于从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆轮廓的极值点确定车辆边界矩形；

车辆位置比对模块，用于将所述车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；

第一报警模块，用于在所述车辆边界矩形与所述车辆参照矩形相交时，发出警报并显示车辆当前位置。

8.根据权利要求7所述的停车辅助装置，其特征在于，还包括：载车板深度图获取模块，用于获取载车板的深度图像；

载车板点云获取模块，用于根据所述载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述载车板的点云数据；

载车板点云图构建模块，用于根据所述载车板的点云数据，构建所述载车板的点云图；

载车板边界获取模块，用于从所述载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述载车板的极值点确定载车板边界矩形；

载车板位置比对模块，用于将所述载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断所述载车板边界矩形是否处于所述载车板参照矩形内；

第二报警模块，用于在所述载车板边界矩形与所述载车板参照矩形相交时发出警报；

指令生成模块，用于在所述载车板边界矩形处于所述载车板参照矩形内时，生成获取车辆深度图像的指令。

9.根据权利要求7或8所述的停车辅助装置，其特征在于，所述图像像素坐标系与世界坐标系的转换公式为：x＝(u-Cx)*Z/fx，

y＝(v-Cy)*Z/fy，

z＝d/s

其中，所述(u，v)为所述车辆或载车板的图像像素坐标，所述d为深度值，所述s为深度缩放因子，所述fx，fy，Cx，Cy为相机内参矩阵。

10.一种基于三维检测技术的停车辅助系统，其特征在于，包括用于获取载车板和/或车辆深度图像的深度相机、用于显示车辆和载车板位置的显示器、报警器及计算机，所述计算机包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的方法步骤。

说明书

基于三维检测技术的停车辅助方法、装置及系统

技术领域

[0001] 本发明涉及停车场技术领域，具体涉及一种基于三维检测技术的停车辅助方法、装置及系统。

背景技术

[0002] 智能停车场是基于AGV自导引车的直角转弯及精准定位等特点推出的一种全自动化停车场，该全自动化停车场主要包括入口交接区、停车区及出口交接区。在该全自动化停车场内，车主仅需将车辆停放至入口交接区的载车板上即可，之后，由AGV自导引车潜入至载车板下方以将其转移至停车区内，从而完成车辆的自动存放；当车主需要取车时，再由AGV自导引车自停车区内将待取车辆转移至出口交接区，车主仅需在出口交接区等待即可，从而完成车辆的自动提取。

[0003] 众所周知，在入口交接区进行车辆交接时，需要车主将车辆准确停放至载车板的指定位置处，以保证车辆在搬运过程中的平稳性，从而避免发生安全意外，损坏车辆。为此，车主在停放车辆时需时刻观察车外的载车板与车辆的相对位置，以确保车辆停放到位。由于车主位于车内，其无法观察到车外的全部状况，在停放后，需要下车进行再次确认，若未停放到位，需上车对车辆进行位置矫正，直至停放到位。

[0004] 基于上述内容可知，在入口交接区进行车辆停放时存在着费时费力的缺陷，导致全自动停车场的工作效率降低。因此，急需一种基于三维检测技术的停车辅助装置，以辅助车主在入口交接区的车辆停放。

发明内容

[0005] 本发明的主要目的在于提出一种基于三维检测技术的停车辅助方法，以解决现有的智能停车场因入口处的车辆交接而导致的工作效率降低的技术问题。

[0006] 为解决上述技术问题，本发明提出一种基于三维检测技术的停车辅助方法，该基于三维检测技术的停车辅助方法包括：获取车辆的深度图像；根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述车辆的点云数据；根据所述车辆的点云数据，构建所述车辆的点云图；从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆的极值点确定车辆边界矩形；将所述车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；若所述车辆边界矩形与所述车辆参照矩形相交，则发出警报并显示车辆当前位置。

[0007] 优选地，在所述获取车辆的深度图像的步骤之前，所述停车辅助方法还包括：获取载车板的深度图像；根据所述载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述载车板的点云数据；根据所述载车板的点云数据，构建所述载车板的点云图；从所述载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述载车板的极值点确定载车板边界矩形；将所述载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断所述载车板边界矩形是否处于所述载车板参照矩形内；若所述载车板边界矩形与所述载车板参照矩形相交，则发出警报；若所述载车板边界矩形处于所述载车板参照矩形内，则生成获取车辆深度图像的指令。

[0008] 优选地，所述图像像素坐标系与世界坐标系的转换公式为：x＝(u-Cx)*Z/fx，y＝(v-Cy)*Z/fy，z＝d/s，其中，所述(u，v)为所述车辆的图像像素坐标，所述d为深度值，所述s为深度缩放因子，所述fx，fy，Cx，Cy为相机内参矩阵。

[0009] 优选地，所述发出警报并显示车辆当前位置的步骤包括：获取所述车辆及其边界矩形的全景视频，并显示在所述车辆的正前方，以供车主查看所述车辆边界矩形与车辆参照矩形的相对位置。

[0010] 优选地，在所述根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述车辆的点云数据的步骤之后，所述停车辅助方法还包括：从所述车辆的点云数据中获取Z轴方向的最大值，以确定所述车辆的高度值；根据所述车辆的高度值，判断所述车辆是否超出预设高度值。

[0011] 本发明还提出一种基于三维检测技术的停车辅助方法，该基于三维检测技术的停车辅助方法包括：获取车辆的深度图像；根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到所述车辆的点云数据；根据所述车辆的点云数据，构建所述车辆的点云图；从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆的极值点确定车辆边界矩形；获取载车板上的车辆参照矩形，并将其与所述车辆边界矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；若所述车辆边界矩形与所述车辆参照矩形相交，则发出警报并显示车辆当前位置。

[0012] 本发明进一步提出一种基于三维检测技术的停车辅助装置，该基于三维检测技术的停车辅助装置包括：车辆深度图获取模块，用于获取车辆的深度图像；车辆点云获取模块，用于根据所述车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述车辆的点云数据；车辆点云图构建模块，用于根据所述车辆点云数据，构建所述车辆的点云图；车辆边界获取模块，用于从所述车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述车辆轮廓的极值点确定车辆边界矩形；车辆位置比对模块，用于将所述车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断所述车辆边界矩形是否处于所述车辆参照矩形内；第一报警模块，用于在所述车辆边界矩形与所述车辆参照矩形相交时，发出警报并显示车辆当前位置。

[0013] 优选地，所述基于三维检测技术的停车辅助装置还包括：载车板深度图获取模块，用于获取载车板的深度图像；载车板点云获取模块，用于根据所述载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到所述载车板的点云数据；载车板点云图构建模块，用于根据所述载车板的点云数据，构建所述载车板的点云图；载车板边界获取模块，用于从所述载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据所述载车板的极值点确定载车板边界矩形；载车板位置比对模块，用于将所述载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断所述载车板边界矩形是否处于所述载车板参照矩形内；第二报警模块，用于在所述载车板边界矩形与所述载车板参照矩形相交时发出警报；指令生成模块，用于在所述载车板边界矩形处于所述载车板参照矩形内时，生成获取车辆深度图像的指令。

[0014] 优选地，所述图像像素坐标系与世界坐标系的转换公式为：x＝(u-Cx)*Z/fx，y＝(v-Cy)*Z/fy，z＝d/s，其中，所述(u，v)为所述车辆的图像像素坐标，所述d为深度值，所述s为深度缩放因子，所述fx，fy，Cx，Cy为相机内参矩阵。

[0015] 本发明再一步提出一种基于三维检测技术的停车辅助系统，该停车辅助系统包括用于获取载车板和/或车辆深度图像的深度相机、用于显示车辆和载车板位置的显示器、报警器及计算机，所述计算机包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于三维检测技术的停车辅助方法任一实施例中的方法步骤。

[0016] 本发明实施例的有益效果在于：在车主将车辆停放至入口交接区的载车板上的过程中，通过深度相机持续获取车辆的深度图像并据此构建车辆的点云图，以从车辆的点云图中确定车辆边界矩形；而后，根据车辆边界矩形与载车板上的车辆参照矩形的相对位置，判断车辆是否停放到位，若车辆未停放到位，则通过声光报警的方式提醒车主，以及时对车辆的停放位置进行矫正，在此过程中，车主无需下车确认车辆是否停放到位，可节省车主的停车时间，同时，提高智能停车场的工作效率。

附图说明

[0017] 图1为本发明基于三维检测技术的停车辅助方法第一实施例的流程图；

[0018] 图2为本发明基于三维检测技术的停车辅助方法第二实施例的流程图；

[0019] 图3为本发明基于三维检测技术的停车辅助方法第三实施例的流程图；

[0020] 图4为本发明基于三维检测技术的停车辅助方法第四实施例的流程图；

[0021] 图5为本发明基于三维检测技术的停车辅助方法第五实施例的流程图；

[0022] 图6为本发明基于三维检测技术的停车辅助装置一实施例的功能模块图；

[0023] 图7为本发明基于三维检测技术的停车辅助系统一实施例的结构示意图。

具体实施方式

[0024] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0025] 为解决上述技术问题，本发明提出一种基于三维检测技术的停车辅助系统，参见图7，该停车辅助系统包括用于获取载车板和/或车辆深度图像的深度相机10、用于显示车辆和载车板位置的显示器20、报警器30及计算机40。其中，计算机40包括有用于对数据进行运算处理的处理器41和用于存储计算机程序的存储器42。

[0026] 需要说明的是，在智能停车场的入口交接区设置有用于临时停放车辆的载车板，当车辆停放在载车板后，由AGV自导引车潜入至载车板底部并将其转移至停车区。

[0027] 其中，上述提及的深度相机10设置在载车板的两侧，在车辆移动至载车板的过程中，由深度相机10持续获取该车辆的深度图像，并上传至计算机，由处理器41从存储器42中调取并执行相应的计算机程序以实现对该深度图像的数据处理。

[0028] 可以理解的是，深度相机10获取到的深度图像为彩色的二维图像，该二维图像中的颜色信息对应于车辆在世界坐标系下的Z轴坐标值。在获取到车辆的深度图像后，根据图像像素坐标系与世界坐标系之间的转换关系，可计算得到车辆的点云数据，进而构建车辆的点云图，亦即车辆的三维图。

[0029] 在构建车辆的点云图后，从该点云图中获取车辆的底部边界，即车辆边界矩形。而后，将该车辆边界矩形与载车板上预先设置的车辆参照矩形进行位置比对，以根据两者的相对位置关系，判断车辆在载车板上是否停放到位。具体的，若车辆边界矩形处于车辆参照矩形内，则表明车辆已停放到位；若车辆边界矩形与车辆参照矩形相交，则表明车辆未停放到位，此时，计算机40发出控制信息号至报警器30，由报警器30发出声光提示，以提醒车主对车辆的位置进行矫正。

[0030] 需要说明的是，车辆参照矩形的大小是基于载车板进行设定的，车辆停放在该车辆参照矩形内，可保证车辆在转移过程中的平稳性，避免车辆从载车板上掉落。

[0031] 进一步的，车主在停放车辆的过程中，不仅可以通过报警声确定车辆是否停放到位，同时，还可结合显示器20中显示的车辆的全景视频，查看车辆边界矩形与车辆参照矩形的相对位置关系，以对车辆的停放位置进行及时调整，使得车辆停放在载车板的预设位置处。

[0032] 基于上述提出的基于三维检测技术的停车辅助系统，本发明还提出一种基于三维检测技术的停车辅助方法，参见图1，该停车辅助方法包括：

[0033] 步骤S10，获取车辆的深度图像；

[0034] 本实施例中，可通过TOF、RGB双目或结构光等深度相机获取车辆的深度图像，包括但不限于此，本领域技术人员可根据实际需要进行设置。

[0035] 进一步的，在获取到车辆的深度图像之后，为消除电气元件或其它环境因素产生的高频噪声，可对其进行滤波去噪处理。

[0036] 需要说明的是，滤波去噪方法包括高斯滤波法、限幅滤波法、中位值滤波法、限幅平均滤波法、中位值平均滤波法及算术平均滤波法等，包括但不限于此，本领域技术人员可根据实际情况进行选择。

[0037] 步骤S20，根据车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到车辆的点云数据；

[0038] 可以理解的是，在获取到车辆的深度图像后，可从中读取各点的像素坐标及与其对应的深度值，并根据图像像素坐标系与世界坐标系的转换公式，计算得到车辆的点云数据。

[0039] 具体的，图像像素坐标系与世界坐标系之间的转换公式为：

[0040] x＝(u-Cx)*Z/fx，

[0041] y＝(v-Cy)*Z/fy，

[0042] z＝d/s

[0043] 其中，(u，v)为车辆的图像像素坐标，d为深度值，s为深度缩放因子，fx，fy，Cx，Cy为相机内参矩阵。

[0044] 由于深度相机的内参矩阵在标定后即可得知，具体的，可通过张正友标定法对深度相机进行参数标定，以获取深度相机的内参矩阵fx，fy，Cx，Cy。而图像像素坐标(u，v)及深度值d均可直接从深度图像中读取得到，同时，深度缩放因子亦可直接读取，通常为1000。

[0045] 在已知深度相机的内参矩阵fx，fy，Cx，Cy，图像像素坐标(u，v)及深度值d后，根据图像像素坐标系与世界坐标系之间的转换公式，可计算得到车辆的点云数据。

[0046] 步骤S30，根据车辆的点云数据，构建车辆的点云图；

[0047] 在获取到车辆的点云数据后，通过点云配准、数据融合及表面生成等步骤，完成对车辆的三维重建，亦即车辆点云图的构建。

[0048] 步骤S40，从车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据车辆的极值点确定车辆边界矩形；

[0049] 本实施例中，在获取到车辆的点云图后，可较为容易地确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并以此确定车辆边界矩形。

[0050] 步骤S50，将车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断车辆边界矩形是否处于车辆参照矩形内；

[0051] 本实施例中，车辆参照矩形是基于载车板进行设定的，车辆在车辆参照矩形内，能够保证其在转移过程中的平稳性，即降低车辆从载车板上掉落的风险。故，在获取到车辆边界矩形后，便可根据车辆边界矩形与车辆参照矩形的相对位置关系，判断车辆是否停放到位。

[0052] 具体的，若车辆边界矩形处于车辆参照矩形内，则表明车辆停放到位；若车辆边界矩形与车辆参照矩形相交，则表明车辆未停放到位。

[0053] 步骤S60，若车辆边界矩形与车辆参照矩形相交，则发出警报并显示车辆当前位置。

[0054] 在判断出车辆未停放到位后，将通过声光报警的方式提醒车主注意，以及时调整车辆在载车板上的位置，使车辆停放在预先设定的位置内。同时，还将在车辆的正前方显示车辆与载车板的位置，以帮助车主将车辆正确停放至载车板上。

[0055] 参见图2，在步骤S10之前，本发明所提出的基于三维检测技术的停车辅助方法还包括：

[0056] 步骤S11，获取载车板的深度图像；

[0057] 本实施例中，可通过TOF、RGB双目或结构光等深度相机获取载车板的深度图像，包括但不限于此，本领域技术人员可根据实际需要进行设置。

[0058] 进一步的，在获取到载车板的深度图像之后，为消除电气元件或其它环境因素产生的高频噪声，可对其进行滤波去噪处理。

[0059] 需要说明的是，滤波去噪方法包括高斯滤波法、限幅滤波法、中位值滤波法、限幅平均滤波法、中位值平均滤波法及算术平均滤波法等，包括但不限于此，本领域技术人员可根据实际情况进行选择。

[0060] 步骤S12，根据载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到载车板的点云数据；

[0061] 可以理解的是，在获取到载车板的深度图像后，可从中读取各点的像素坐标及与其对应的深度值，并根据图像像素坐标系与世界坐标系的转换公式，计算得到载车板的点云数据。

[0062] 具体的，图像像素坐标系与世界坐标系之间的转换公式为：

[0063] x＝(u-Cx)*Z/fx，

[0064] y＝(v-Cy)*Z/fy，

[0065] z＝d/s

[0066] 其中，(u，v)为载车板的图像像素坐标，d为深度值，s为深度缩放因子，fx，fy，Cx，Cy为相机内参矩阵。

[0067] 由于深度相机的内参矩阵在标定后即可得知，具体的，可通过张正友标定法对深度相机进行参数标定，以获取深度相机的内参矩阵fx，fy，Cx，Cy。而图像像素坐标(u，v)及深度值d均可直接从深度图像中读取得到，同时，深度缩放因子亦可直接读取，通常为1000。

[0068] 在已知深度相机的内参矩阵fx，fy，Cx，Cy，图像像素坐标(u，v)及深度值d后，根据图像像素坐标系与世界坐标系之间的转换公式，可计算得到载车板的点云数据。

[0069] 步骤S13，根据载车板的点云数据，构建载车板的点云图；

[0070] 在获取到车辆的点云数据后，通过点云配准、数据融合及表面生成等步骤，完成对载车板的三维重建，亦即载车板点云图的构建。

[0071] 步骤S14，从载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据载车板的极值点确定载车板边界矩形；

[0072] 本实施例中，在获取到车辆的点云图后，可较为容易地确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并以此确定载车板边界矩形。

[0073] 步骤S15，将载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断载车板边界矩形是否处于载车板参照矩形内；

[0074] 本实施例中，在获取到载车板边界矩形后，可根据载车板边界矩形与载车板参照矩形的相对位置关系，判断载车板是否停放到位，即载车板是否位于预先设定的放置区域内。

[0075] 具体的，若载车板边界矩形处于载车板参照矩形内，则表明载车板停放到位；若载车板边界矩形与载车板参照矩形相交，则表明载车板未停放到位。

[0076] 步骤S16，若载车板边界矩形与载车板参照矩形相交，则发出警报；

[0077] 在判断出载车板未停放到位后，将通过声光报警的方式提醒工作人员注意，以及时调整载车板的位置，使载车板停放在预先设定的位置内。

[0078] 步骤S17，若载车板边界矩形处于载车板参照矩形内，则生成获取车辆深度图像的指令。

[0079] 本实施例中，若载车板正确停放在预先设定的区域内，则生成获取车辆深度图像的指令，以执行上述S10～S60的方法步骤。

[0080] 在上述步骤S60中，包括以下步骤,，具体参见图3：

[0081] 步骤S61，获取车辆的全景视频，并显示在车辆的正前方，以供车主查看车辆边界矩形与车辆参照矩形的相对位置。

[0082] 在车辆移动至载车板的过程中，通过相机持续获取车辆及车辆边界矩形的全景视频，并显示在车辆的正前方；同时，在该全景视频中，还将显示预先设定的车辆参照矩形。如此，车主可通过全景视频直观的查看车辆边界矩形与车辆参照矩形的相对位置，而无需通过后视镜观察，或者将头探出至窗外，从而确保车辆停放至预先设定的位置内。

[0083] 在一较佳实施例中，参见图4，本发明所提出的基于三维检测技术的停车辅助方法还包括：

[0084] 步骤S70，从车辆的点云数据中获取Z轴方向的最大值，以确定车辆的高度值；

[0085] 本实施例中，在获取到车辆的点云数据后，将各点云数据的Z轴坐标值按照大小顺序进行排序，以从中选取Z轴方向的最大值，该最大值即为车辆的高度值。

[0086] 步骤S80，根据车辆的高度值，判断车辆是否超出预设高度值。

[0087] 本实施例中，在获取到车辆的高度值后，将该车辆的高度值与预先设定的高度值进行比较，若车辆的高度超出预设高度值，则发出警报以提醒车主；若车辆的高度未超出预设高度值，则由智能停车场的调度系统调度AGV自导引车将待停车辆转移至停车区内。

[0088] 可以理解的是，上述方法步骤S10～S80所记载的技术方案主要是通过动态获取车辆边界矩形并将其与预先设定的车辆参照矩形进行位置比对，以判断车辆是否停放到位。

[0089] 基于此，本发明技术方案还可以同时动态获取车辆参照矩形，即通过深度相机获取载车板的深度图像并确定载车板上设置的车辆参照矩形，以通过车辆边界矩形与车辆参照矩形的相对位置关系判断车辆是否停放到位。具体的，本发明进一步提出一种基于三维检测技术的停车辅助方法，参见图5，该停车辅助方法包括：

[0090] 步骤S100，获取车辆的深度图像；

[0091] 本实施例中，可通过TOF、RGB双目或结构光等深度相机获取车辆的深度图像，包括但不限于此，本领域技术人员可根据实际需要进行设置。

[0092] 进一步的，在获取到车辆的深度图像之后，为消除电气元件或其它环境因素产生的高频噪声，可对其进行滤波去噪处理。

[0093] 需要说明的是，滤波去噪方法包括高斯滤波法、限幅滤波法、中位值滤波法、限幅平均滤波法、中位值平均滤波法及算术平均滤波法等，包括但不限于此，本领域技术人员可根据实际情况进行选择。

[0094] 步骤S200，根据车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标系与世界坐标系的转换公式，计算得到车辆的点云数据；

[0095] 可以理解的是，在获取到车辆的深度图像后，可从中读取各点的像素坐标及与其对应的深度值，并根据图像像素坐标系与世界坐标系的转换公式，计算得到车辆的点云数据。

[0096] 具体的，图像像素坐标系与世界坐标系之间的转换公式为：

[0097] x＝(u-Cx)*Z/fx，

[0098] y＝(v-Cy)*Z/fy，

[0099] z＝d/s

[0100] 其中，(u，v)为车辆的图像像素坐标，d为深度值，s为深度缩放因子，fx，fy，Cx，Cy为相机内参矩阵。

[0101] 由于深度相机的内参矩阵在标定后即可得知，具体的，可通过张正友标定法对深度相机进行参数标定，以获取深度相机的内参矩阵fx，fy，Cx，Cy。而图像像素坐标(u，v)及深度值d均可直接从深度图像中读取得到，同时，深度缩放因子亦可直接读取，通常为1000。

[0102] 在已知深度相机的内参矩阵fx，fy，Cx，Cy，图像像素坐标(u，v)及深度值d后，根据图像像素坐标系与世界坐标系之间的转换公式，可计算得到车辆的点云数据。

[0103] 步骤S300，根据车辆的点云数据，构建车辆的点云图；

[0104] 在获取到车辆的点云数据后，通过点云配准、数据融合及表面生成等步骤，完成对车辆的三维重建，亦即车辆点云图的构建。

[0105] 步骤S400，从车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据车辆的极值点确定车辆边界矩形；

[0106] 本实施例中，在获取到车辆的点云图后，可较为容易地确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并以此确定车辆边界矩形。

[0107] 步骤S500，获取载车板上的车辆参照矩形，并将其与所述车辆边界矩形进行位置比对，以判断车辆边界矩形是否处于车辆参照矩形内；

[0108] 本实施例中，通过深度相机获取载车板上的车辆参照矩形，在获取车辆边界矩形与车辆参照矩形后，将两者进行位置比对，若车辆边界矩形与车辆参照矩形相交，则表明车辆未停放到位，此时，通过声光报警的方式提醒车主对车辆位置进行矫正，同时，还将在车辆的正前方显示车辆和载车板的位置，以帮助车主对车辆的位置进行矫正；若车辆边界矩形处于车辆参照矩形内，则表明车辆正确停放至载车板上。

[0109] 基于上述提出的基于三维检测技术的停车辅助方法，本发明再一步提出一种基于三维检测技术的停车辅助装置，参见图6，该停车辅助装置包括：

[0110] 车辆深度图获取模块1，用于获取车辆的深度图像；

[0111] 车辆点云获取模块2，用于根据车辆的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到车辆的点云数据；

[0112] 车辆点云图构建模块3，用于根据车辆的点云数据，构建车辆的点云图；

[0113] 车辆边界获取模块4，用于从车辆的点云图中确定车辆轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据车辆轮廓的极值点确定车辆边界矩形；

[0114] 车辆位置比对模块5，用于将车辆边界矩形与载车板上的车辆参照矩形进行位置比对，以判断车辆边界矩形是否处于车辆参照矩形内；

[0115] 第一报警模块6，用于在车辆边界矩形与车辆参照矩形相交时，发出警报并显示车辆当前位置。

[0116] 本发明所提出的基于三维检测技术的停车辅助装置还包括：

[0117] 载车板深度图获取模块7，用于获取载车板的深度图像；

[0118] 载车板点云获取模块8，用于根据载车板的深度图像中的各点的像素坐标及深度值，并按照图像像素坐标与世界坐标的转换公式，计算得到载车板的点云数据；

[0119] 载车板点云图构建模块9，用于根据载车板的点云数据，构建载车板的点云图；

[0120] 载车板边界获取模块10，用于从载车板的点云图中确定载车板轮廓在X-Y平面的前、后、左、右四个方向上的极值点，并根据载车板的极值点确定载车板边界矩形；

[0121] 载车板位置比对模块20，用于将载车板边界矩形与载车板放置区的载车板参照矩形进行位置比对，以判断载车板边界矩形是否处于载车板参照矩形内；

[0122] 第二报警模块30，用于在载车板边界矩形与载车板参照矩形相交时发出警报；

[0123] 指令生成模块40，用于在载车板边界矩形处于载车板参照矩形内时，生成获取车辆深度图像的指令。

[0124] 在上述实施例中，图像像素坐标系与世界坐标系之间的转换公式为：

[0125] x＝(u-Cx)*Z/fx，

[0126] y＝(v-Cy)*Z/fy，

[0127] z＝d/s

[0128] 其中，(u，v)为车辆或载车板的图像像素坐标，d为深度值，s为深度缩放因子，fx，fy，Cx，Cy为相机内参矩阵。

[0129] 上述记载的基于三维检测技术的停车辅助装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于计算机设备中，也可以以软件形式存储于存储器中，以便于计算机设备调用并执行以上各个模块对应的功能。上述各功能模块的工作原理及其所起作用可参见图1至图4中所示的基于三维检测技术的停车辅助方法的实现过程，在此不再赘述。

[0130] 以上所述的仅为本发明的部分或优选实施例，无论是文字还是附图都不能因此限制本发明保护的范围，凡是在与本发明一个整体的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。