王金華，陳澤武，張力鍇

基于TOF攝像頭的車位檢測方案

王金華，陳澤武，張力鍇

（廣州汽車集團(tuán)股份有限公司汽車工程研究院，廣東 廣州 510640）

為了解決目前市場上普遍基于超聲波傳感器對停車位檢測都存在盲區(qū)范圍大、檢測精度低等問題，提出了基于TOF攝像頭的停車位檢測方案。對多種極限停車位場景進(jìn)行分析，以廣汽新能源GE3車輛為載體，并以安裝丘鈦科技TOF攝像頭為研究對象，對該檢測方案在多種場景下進(jìn)行實車驗證。測試結(jié)果表明：使用TOF攝像頭的停車位檢測方案不僅能在更小盲區(qū)范圍內(nèi)保證停車安全，而且在滿足高精度的情況下適應(yīng)更多極限車位場景。

TOF攝像頭；自動泊車；車位檢測；極限車位

引言

智能泊車的一項關(guān)鍵技術(shù)就是對疑似停車位進(jìn)行檢測，車位檢測精度以及障礙物檢測盲區(qū)對泊入停車位的效果產(chǎn)生直接影響。車位檢測精度是由感知器的信息識別算法以及感知器的性能共同決定，用于解決車輛對外部環(huán)境信息的感知問題。當(dāng)前采用的車位檢測感知器主要分為三類：基于環(huán)視攝像頭的車位檢測；基于超聲波傳感器的車位檢測；基于激光測量掃描儀的車位檢測。

基于超聲波傳感器的停車位檢測，其原理是利用超聲波回波信號感知障礙物的距離信息，再根據(jù)空間停車位的要求進(jìn)行判斷是否為有效停車位。蘇松愷[1]基于超聲波傳感器的車位邊緣誤差分析及補(bǔ)償。匡兵等[2]基于超聲波雷達(dá)的車位檢測算法。這些基于超聲波檢測停車位的方案不僅受環(huán)境影響較大尤其是溫度，而且檢測盲區(qū)范圍也較大。

基于環(huán)視攝像頭的停車位檢測，其原理是通過圖像處理技術(shù)識別圖像中邊緣數(shù)據(jù)特征，再根據(jù)線車位的要求進(jìn)行判斷是否為有效停車位。郭劍鷹等[3]基于多視覺傳感器對車位進(jìn)行識別。王晉疆等[4]一種基于環(huán)視系統(tǒng)的車位檢測方法。光照強(qiáng)度直接影響視覺識別率以及識別精度，導(dǎo)致泊車效果不穩(wěn)定。

基于激光測量掃描儀的車位檢測，其原理是通過收發(fā)激光束感知障礙物的距離信息，再根據(jù)空間停車位的要求進(jìn)行判斷是否為有效停車位。王海[5]基于激光雷達(dá)的自動泊車環(huán)境感知技術(shù)研究。此類的激光掃描儀不僅價格成本高昂，安裝不方便，影響整車的造型設(shè)計，而且接收激光束裝置的穩(wěn)定性影響識別精度。

基于飛行時間TOF（Time-Of-Flight）攝像頭的車位檢測，發(fā)射多次脈沖光，接收障礙物的反射，得到統(tǒng)計直方圖，直接計算光的飛行時間。該方案能夠獲得障礙物的三維數(shù)據(jù)，從而識別停車位是否有效。不僅成本遠(yuǎn)低于激光測量掃描儀，而且算法簡單，盲區(qū)距離短，適應(yīng)場景更多，尤其能夠解決極限停車位的泊車需求。

因此，本文基于飛行時間攝像頭對停車位進(jìn)行識別，并對極限停車位場景進(jìn)行分析和驗證。

1 TOF攝像頭泊車輔助系統(tǒng)

泊車輔助系統(tǒng)主要由三部分組成：TOF攝像頭識別車位及車位內(nèi)障礙物信息；泊車軌跡規(guī)劃；車輛執(zhí)行器控制。

1.1 TOF攝像頭基本特性

TOF攝像頭具有的基本特性如下表1所示，在性能上優(yōu)于超聲波及環(huán)視攝像頭，在成本上略高于超聲波傳感器，但遠(yuǎn)低于激光測量掃描儀。

表1 TOF攝像頭的關(guān)鍵性能參數(shù)

TOF攝像頭可以接收障礙物的數(shù)據(jù)信息包括二維的灰度數(shù)據(jù)以及深度數(shù)據(jù)。

1.2 TOF攝像頭探測障礙物原理

TOF攝像頭的基本原理是根據(jù)光束的往返時間差來獲得距離信息[6]。本文采用主動發(fā)光源LED作為光束發(fā)射裝置，對脈沖波進(jìn)行調(diào)制法[7]，如圖1所示。

圖2 TOF攝像頭的測距示意圖

即TOF攝像頭通過發(fā)射多次脈沖光，經(jīng)障礙物反射后采集得到統(tǒng)計直方圖，直接計算光的飛行時間。如下公式所示：

其中d表示TOF攝像頭與障礙物反射點的檢測距離值，n表示發(fā)射與返回的光波的周期數(shù)，c表示光在空氣中的傳播速度，f表示光頻率，△表示發(fā)射光與接收光的相位差。當(dāng)發(fā)射光與接收光的出現(xiàn)相位差時，可以直接計算出障礙物的距離。

1.3 停車位識別算法

基于TOF攝像頭的泊車輔助系統(tǒng)由2個TOF攝像頭組成。安裝位置分別在車輛前端兩側(cè)，如圖3所示。

圖3 TOF攝像頭安裝位置俯視圖

當(dāng)用戶開啟自動泊車功能時，自動泊車系統(tǒng)對車輛兩側(cè)的障礙－物進(jìn)行實時檢測，為用戶提供多車位選擇。

1.3.1 TOF攝像頭識別空間車位

TOF攝像頭的深度信息是基于公式（2）所示的探測距離，攝像頭涉及的像素坐標(biāo)系與世界坐標(biāo)系通過轉(zhuǎn)換[8]得到一一對應(yīng)的坐標(biāo)值。

圖4 空間車位識別過程

本文采用陣面掃描方式采集圖像數(shù)據(jù)，即每單幀接收76800個反射點的數(shù)據(jù)，刷新頻率為25幀每秒。當(dāng)車速低于7.2km/h時，能夠?qū)χ睆綖?5mm的PVC標(biāo)準(zhǔn)桿進(jìn)行識別。空間停車位的識別過程如圖4所示。

說明：中值算法是對陣面中每個像素進(jìn)行由小至大的升序比較，找出最小數(shù)值，以此像素點為原點與相鄰像素坐標(biāo)的距離值做比較，并以40ms為刷新頻率進(jìn)行更新，作為邊緣切割提取切面特征。

空間停車位識別關(guān)鍵特征數(shù)據(jù)及檢測過程如圖5所述。

圖5 空間車位檢測過程

VS為自車行駛方向，PD為自車與障礙物之間的距離，A點為1號障礙物關(guān)鍵特征檢測數(shù)據(jù)跳變點，B點為2號障礙物關(guān)鍵特征檢測數(shù)據(jù)跳變，SL為自車行駛過程的位移補(bǔ)償數(shù)據(jù)，SD為障礙物A點及B點縱向檢測空間數(shù)據(jù)。當(dāng)SL的數(shù)據(jù)大于等于自車車長+0.8米，且最小數(shù)值（圖4）大于自車寬度+PD時，自動泊車系統(tǒng)判定為有效空間停車位。

1.3.2 TOF攝像頭識別線車位

自動泊車系統(tǒng)采集TOF攝像頭中的根據(jù)障礙物的反射率可以提煉出灰度信息，經(jīng)邊緣特征[8]提取可以直接用于線車位識別。線車位通常包括T、口、凵、+等特征。識別效果如下圖6所示。

圖6 線車位識別效果圖

自動泊車系統(tǒng)可以基于空間車位識別、線車位識別及車位內(nèi)障礙距離綜合判斷疑似車位的有效性，并優(yōu)先以線車位的世界坐標(biāo)點作為目標(biāo)車位的參考點。

2 場景分析

2.1 垂直停車位障礙物檢測

TOF攝像頭的檢測距離可以達(dá)到8米，最遠(yuǎn)測試距離誤差小于等于8厘米。因此能夠?qū)Υ怪?斜向停車位空間范圍內(nèi)的障礙物進(jìn)行檢測。而當(dāng)前市場上成熟的超聲波傳感器最遠(yuǎn)探測實際有效距離小于5米，因此無法有效覆蓋垂直車位縱向空間內(nèi)的障礙物檢測。效果如下圖7（a）（b）所示。

PD的間距通常為0.5米至1.5米，車輛行駛車速通常低于25千米每小時?；诔暡ǖ臋z測方案檢測垂直車位縱向距離3米左右，剩余的盲區(qū)無法覆蓋，降低停車位的有效性。而基于TOF攝像頭的方案能夠檢測垂直車位縱向距離6米左右，能夠有效識別空間范圍內(nèi)的障礙物，進(jìn)而提升停車位識別率。

圖7 垂直車位縱深探測距離

2.2 停車位邊緣檢測

對于空間車位的識別，關(guān)鍵參數(shù)在于邊緣的檢測，目前基于超聲波的檢測方案都是需要車輛前后兩顆長距離超聲波傳感器進(jìn)行數(shù)據(jù)耦合才能提高識別精度，因此車輛需要行駛超過障礙物的邊緣?；赥OF攝像頭的方案只需要在車頭側(cè)方安裝一顆攝像頭即可，如圖8所示。

圖8 障礙物邊緣識別

障礙物的邊緣識別精度直接影響到泊車終點位置的偏差效果?；诔暡ǖ姆桨缸R別邊緣偏差大于等于10厘米，即P1_（X，Y）及P2_（X，Y）世界坐標(biāo)點的誤差大于等于±5厘米。基于TOF攝像頭的方案識別邊緣偏差小于等于1厘米，即P3_（X，Y）及P4_（X，Y）世界坐標(biāo)點的誤差小于等于±1厘米。對于極限的空間，邊緣識別精度的要求則非常高，如圖9極限垂直場景所示。

圖9 極限空間車位場景

3 實驗驗證

本文在實驗車上安裝了1顆TOF攝像頭，并通過電腦終端驅(qū)動及控制TOF攝像頭，采集障礙物的數(shù)據(jù)，再進(jìn)行停車位及障礙物的識別算法處理。本文研究的主要泊車場景為垂直停車位以及垂直車位內(nèi)縱深障礙物的場景。

3.1 實驗設(shè)計及結(jié)果

用兩輛轎車構(gòu)成垂直停車位，兩輛轎車前輪轂中心間距設(shè)計為實驗車寬+20厘米，為進(jìn)一步驗證TOF攝像頭在不同車速下的識別精度，實驗車與障礙車間距（PD）為1米。為驗證邊緣的識別精度，預(yù)先設(shè)定車輛每次從相同原點行駛不同的速度，進(jìn)而讀取障礙車輛的邊界值，即P3_（X，Y）及P4_（X，Y）。如表2 所示。

表2 極限車位（車寬+20cm）邊緣檢測精度驗證

從表2 可知，在不同車速行駛工況下，基于TOF攝像頭檢測停車位的邊緣點P3_（X，Y）及P4_（X，Y）最大誤差為2厘米，車輛寬度（SL）最大誤差為2厘米，邊緣檢測精度能夠適應(yīng)極限車位的泊車軌跡規(guī)劃。

兩輛轎車前輪轂中心間距設(shè)計為實驗車寬+30厘米，為進(jìn)一步驗證TOF攝像頭在不同車速下的識別精度，實驗車與障礙車間距（PD）為1米。如表3 所示。

表3 極限車位（車寬+30cm）邊緣檢測精度驗證

從表2、表3可得出基于TOF攝像頭的車位檢測算法在垂直車位工況下，以不同車速檢測車位時， P3_（X，Y）、P4_（X，Y）點的最大誤差為2厘米，車位寬度（SL）的最大誤差為2厘米，能夠滿足極限車位的檢測精度要求。

障礙物采用標(biāo)準(zhǔn)錐形雪糕筒，分別放置在垂直停車位距離（OD）車頭方向的4米、5米及6米位置（③），也采用不同車速進(jìn)行驗證有效性。車輛與障礙車間距1米，測量數(shù)據(jù)以雪糕筒頂部中心為測量點，檢測數(shù)據(jù)如表4所示。

從表3可得出基于TOF攝像頭的障礙物檢測算法在垂直車位縱深位置，以不同車速檢測時，放置4米距離的最大誤差為6cm，放置5米距離的最大誤差為7cm，放置6米距離的最大誤差為8cm。在最遠(yuǎn)端的6米范圍內(nèi)識別障礙物的精度能夠滿足車位有效性的判斷依據(jù)。

表4 車位內(nèi)障礙物不同位置的檢測精度驗證

基于以上場景，TOF攝像頭檢測車位精度都優(yōu)于超聲波傳感器的檢測精度，且性能穩(wěn)定。證明了該方案能夠滿足更高精度的泊車場景工況，由于篇幅有限，不再列舉其他泊車場景的測試驗證結(jié)果。

4 結(jié)束語

本文提出了一種基于TOF攝像頭的車位檢測方案，并在多種車速工況下對障礙物邊緣精度的驗證以及對垂直車位空間內(nèi)障礙物的檢測精度驗證。測試結(jié)果表明，基于TOF攝像頭的車位檢測方案不僅能夠解決超聲波及環(huán)視視角對垂直車位縱深障礙物識別覆蓋率低的問題，同時提升了對障礙物邊緣識別精度，更好地適應(yīng)了極限車位的工況。

[1] 蘇松愷.基于超聲波傳感器的車位邊緣誤差分析及補(bǔ)償[J].上海:上海汽車,2019(08):37-42.

[2] 匡兵,史云鵬,羅作煌,等.基于超聲波雷達(dá)的車位檢測算法[J].桂林:桂林電子科技大學(xué)學(xué)報,2019.39(3):190-195.

[3] 郭劍鷹,周小兵,管西強(qiáng).基于多視覺傳感器的泊車輔助系統(tǒng)設(shè)計[J].傳動技術(shù),2018(4):7-12.

[4] 王晉疆,王鵬飛.一種基于環(huán)視系統(tǒng)的車位檢測方法[J].天津:分析儀器,2019(1):71-77.

[5] 王海.基于激光雷達(dá)的自動泊車環(huán)境感知技術(shù)研究[D].大連:大連理工大學(xué),2013.

[6] 胡康哲.TOF深度成像系統(tǒng)的研究與實現(xiàn)[D].武漢:武漢理工大學(xué).信息工程學(xué)院.2018.

[7] 王朋.飛行時間法成像系統(tǒng)與應(yīng)用研究[D].湘潭大學(xué).物理與光電工程學(xué)院.2019.

[8] 范哲.基于Kinect的三維重建[D].西安電子科技大學(xué),2012.

Parking space detection proposal based on TOF Camera

Wang Jinhua, Chen Zewu, Zhang Likai

( Guangzhou Automobile Group Co., Ltd., Automobile Engineering Institute, Guangdong Guangzhou 510640 )

In order to solve the problem that the parking detection precision of the automatic parking system based on ultrasonic sensor is not high, the blind area is wide. A proposal based on TOF(Time Of Flight) for parking space detection is proposed. The proposal is validated that is analyzed in a variety of extreme parking space scenarios, and the GAC new energy GE3 is used as the carrier, and the Q-Tech TOF camera is taken as the research object. The proposal is validated by an experimental vehicle in a variety of extreme parking space scenarios and speed conditions. The test results show that the parking space detection proposal using the TOF camera can not only ensure parking safety in a smaller blind area, but also adapt to more extreme parking scenarios with high precision.

Time of flight camera; Automatic parking assist; Parking space detection; Extreme parking scenarios

10.16638/j.cnki.1671-7988.2021.02.006

U471.15

A

1671-7988(2021)02-16-04

U471.15

A

1671-7988(2021)02-16-04

王金華（1985-），男，本科，就職于廣州汽車集團(tuán)股份有限公司汽車工程研究院，研究方向為自動泊車系統(tǒng)設(shè)計、智能駕駛技術(shù)。