(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210693467.3 (22)申请日 2022.06.17 (71)申请人 北京罗克维尔斯科技有限公司 地址 101300 北京市顺 义区高丽营镇恒兴 路4号院1幢10 3室 （科技创新功能 区） (72)发明人 王东伟　 (74)专利代理 机构 北京开阳星知识产权代理有 限公司 1 1710 专利代理师 吴崇 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/40(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 车位检测方法、 装置、 设备、 存 储介质及车辆 (57)摘要 本公开涉及一种车位检测方法、 装置、 设备、 存储介质及车辆， 该方法包括： 获取车位图像； 针 对与车位相关的每个特征维度， 对 车位图像进行 特征检测处理， 得到特征维度对应的车位图像特 征组， 车位图像特征组包括特征维度对应的多个 特征检测值； 针对每个车位图像特征组， 对车位 图像特征 组进行对应特征维度的车位检测处理， 得到车位图像特征组对应的检测结果， 多个车位 图像特征组对应的检测结果形成车位图像对应 的车位检测结果。 本公开针对每个特征维度对获 得的车位图像进行多次特征检测处理， 得到多个 车位图像特征组， 之后根据每个车位图像特征组 包括的多个特征检测值进行车位检测， 得到对应 的检测结果， 从而 使得车位检测结果更加准确。 权利要求书4页 说明书18页 附图8页 CN 115439824 A 2022.12.06 CN 115439824 A 1.一种车位检测方法， 其特 征在于， 包括： 获取车位图像； 针对与车位相关的每个特征维度， 对所述车位图像进行特征检测 处理， 得到所述特征 维度对应的车位图像特征组， 所述车位图像特征 组包括所述特征维度对应的多个特征检测 值； 针对每个所述车位图像特征组， 对所述车位图像特征组进行对应特征维度的车位检测 处理， 得到所述车位图像特征组对应的检测结果， 多个所述车位图像特征组对应的检测结 果形成所述车位图像对应的车位检测结果。 2.如权利要求1所述的方法， 其特征在于， 所述针对与车位相关的每个特征维度， 对所 述车位图像进行特征检测处理， 得到所述特征维度对应的车位图像特征组之前， 所述方法 还包括： 对所述车位图像进行 下采样处 理， 得到车位下采样图像； 其中， 所述针对与车位相关的每个特征维度， 对所述车位图像进行特征检测处理， 得到 所述特征维度对应的车位图像特 征组， 包括： 针对与车位相关的每个特征维度， 对所述车位下采样图像进行多次特征检测 处理， 得 到所述特 征维度对应的车位图像特 征组。 3.如权利要求2所述的方法， 其特征在于， 所述对所述车位图像进行下采样处理， 得到 车位下采样图像， 包括： 对所述车位图像进行多个预设尺度的下采样处理， 得到每个预设尺度对应的下采样特 征图； 在多个所述预设尺度对应的下采样特 征图中选择目标尺度对应的下采样特 征图； 对选择的下采样特 征图进行图像融合处 理， 得到所述车位下采样特 征图。 4.如权利要求3所述的方法， 其特征在于， 所述对选择的下采样特征图进行图像融合处 理， 得到所述车位下采样特 征图， 包括： 在保持所述选择的下采样特征图的通道数不变的情况下， 将所述选择的下采样特征图 相加， 得到所述车位下采样特 征图。 5.如权利要求1所述的方法， 其特征在于， 所述针对与车位相关的每个特征维度， 对所 述车位图像进行 特征检测处 理， 得到所述特 征维度对应的车位图像特 征组， 包括： 对所述车位图像进行图像分析处 理， 得到每 个所述特 征维度对应的特 征图； 针对每个所述特征维度， 对所述特征维度对应的特征图分别进行多次特征识别处理， 得到所述特 征维度对应的车位图像特 征组。 6.如权利要求5所述的方法， 其特 征在于， 所述特 征维度包括下列中的至少两种： 中心点位置维度， 所述车位图像特 征组包括中心点 位置组； 中心点置信度维度， 所述车位图像特 征组包括中心点置信度组； 角点回归值维度， 所述车位图像特 征组包括角点回归值组； 分类值维度， 所述车位图像特 征组包括分类值组。 7.如权利要求5所述的方法， 其特征在于， 所述对所述车位图像进行图像分析处理， 得 到每个所述特 征维度对应的特 征图， 包括： 将所述车位图像输入预先训练好的车位特征检测模型进行特征检测处理， 得到所述车权　利　要　求　书 1/4 页 2 CN 115439824 A 2位特征检测模型输出的每个所述特征维度对应的特征图， 所述车位特征检测模型基于多个 样本车位图像和每 个所述样本车位图像对应的多维度特 征真值训练得到 。 8.如权利要求7所述的方法， 其特征在于， 所述对所述车位图像进行图像分析处理， 得 到每个所述特 征维度对应的特 征图之前， 所述方法还 包括： 获取所述多个样本车位图像； 针对每个所述样本车位图像， 生成所述样本车位图像对应的多维度特 征真值； 基于所述多个样本车位图像和每个所述样本车位图像对应的多维度特征真值， 对预设 的深度学习模型进行训练， 得到所述车位特 征检测模型。 9.如权利要求8所述的方法， 其特征在于， 所述特征图包括中心点置信度特征图， 所述 中心点置信度特征图对应的特征维度为中心点位置维度和/或中心点置信度维度， 所述多 维度特征真值包括中心点置信度真值； 其中， 所述 生成所述样本车位图像对应的多维度特 征真值， 包括： 根据所述样本车位图像对应的车位角点位置， 计算所述样本车位图像中车位的中心点 坐标； 将所述中心点坐标对应的置信度设置为第 一预设值、 以及将所述中心点坐标以外的其 他坐标的置信度设置为第二预设值， 得到所述中心点置信度真值。 10.如权利要求9所述的方法， 其特征在于， 所述特征图包括分类值特征图， 所述分类值 特征图对应的特 征维度为分类值维度， 所述多维度特 征真值还 包括分类值真值； 其中， 所述 生成所述样本车位图像对应的多维度特 征真值， 还 包括： 根据所述中心点坐标， 确定冗余中点坐标， 并将所述中心点坐标和所述冗余中点坐标 分别作为车位中点 坐标； 获取所述样本车位图像对应的样本分类值； 将所述车位中点坐标对应的分类值设置为所述样本分类值、 以及将所述车位中点坐标 以外的其 他坐标的分类值设置为第三预设值， 得到所述分类值真值。 11.如权利要求9所述的方法， 其特征在于， 所述特征图还包括角点 回归特征图， 所述角 点回归特征图对应的特征维度为角点回归值 维度， 所述多维度特征真值还包括角点回归真 值； 其中， 所述 生成所述样本车位图像对应的多维度特 征真值， 还 包括： 根据所述车位角点 位置， 计算每 个所述车位中点 坐标对应的样本回归值； 将每个所述车位中点坐标对应的角点回归值设置为所述车位中点坐标对应的样本回 归值、 以及将所述车位中点坐标以外的其他坐标的角点回归值设置为第四预设值， 得到所 述角点回归真值。 12.如权利要求5所述的方法， 其特征在于， 所述特征维度包括中心点位置维度、 中心点 置信度维度、 角点回归值 维度和分类值维度， 所述特征图包括中心点置信度特征图、 分类值 特征图和角点回归特 征图； 其中， 所述针对每个所述特征维度， 对所述特征维度对应的特征图分别进行多次特征 识别处理， 得到所述特 征维度对应的车位图像特 征组， 包括： 对所述中心点置信度特征图进行中心点识别， 得到多个候选中心点的中心点特征， 所 述中心点特 征包括候选中心点 位置和候选中心点置信度；权　利　要　求　书 2/4 页 3 CN 115439824 A 3