王金華，陳澤武，張力鍇

基于TOF攝像頭的車位檢測(cè)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(duì)停車位檢測(cè)都存在盲區(qū)范圍大、檢測(cè)精度低等問題，提出了基于TOF攝像頭的停車位檢測(cè)方案。對(duì)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(duì)象，對(duì)該檢測(cè)方案在多種場景下進(jìn)行實(shí)車驗(yàn)證。測(cè)試結(jié)果表明：使用TOF攝像頭的停車位檢測(cè)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(dòng)泊車；車位檢測(cè)；極限車位

引言

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

基于超聲波傳感器的停車位檢測(cè)，其原理是利用超聲波回波信號(hào)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?？锉萚2]基于超聲波雷達(dá)的車位檢測(cè)算法。這些基于超聲波檢測(cè)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(cè)盲區(qū)范圍也較大。

基于環(huán)視攝像頭的停車位檢測(cè)，其原理是通過圖像處理技術(shù)識(shí)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(duì)車位進(jìn)行識(shí)別。王晉疆等[4]一種基于環(huán)視系統(tǒng)的車位檢測(cè)方法。光照強(qiáng)度直接影響視覺識(shí)別率以及識(shí)別精度，導(dǎo)致泊車效果不穩(wěn)定。

基于激光測(cè)量掃描儀的車位檢測(cè)，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(dòng)泊車環(huán)境感知技術(shù)研究。此類的激光掃描儀不僅價(jià)格成本高昂，安裝不方便，影響整車的造型設(shè)計(jì)，而且接收激光束裝置的穩(wěn)定性影響識(shí)別精度。

基于飛行時(shí)間TOF（Time-Of-Flight）攝像頭的車位檢測(cè)，發(fā)射多次脈沖光，接收障礙物的反射，得到統(tǒng)計(jì)直方圖，直接計(jì)算光的飛行時(shí)間。該方案能夠獲得障礙物的三維數(shù)據(jù)，從而識(shí)別停車位是否有效。不僅成本遠(yuǎn)低于激光測(cè)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(shí)間攝像頭對(duì)停車位進(jìn)行識(shí)別，并對(duì)極限停車位場景進(jìn)行分析和驗(yàn)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(shí)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(cè)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(cè)障礙物原理

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

圖2 TOF攝像頭的測(cè)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(jì)直方圖，直接計(jì)算光的飛行時(shí)間。如下公式所示：

其中d表示TOF攝像頭與障礙物反射點(diǎn)的檢測(cè)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(shí)，可以直接計(jì)算出障礙物的距離。

1.3 停車位識(shí)別算法

基于TOF攝像頭的泊車輔助系統(tǒng)由2個(gè)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(dòng)泊車功能時(shí)，自動(dòng)泊車系統(tǒng)對(duì)車輛兩側(cè)的障礙－物進(jìn)行實(shí)時(shí)檢測(cè)，為用戶提供多車位選擇。

1.3.1 TOF攝像頭識(shí)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(cè)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(duì)應(yīng)的坐標(biāo)值。

圖4 空間車位識(shí)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(gè)反射點(diǎn)的數(shù)據(jù)，刷新頻率為25幀每秒。當(dāng)車速低于7.2km/h時(shí)，能夠?qū)χ睆綖?5mm的PVC標(biāo)準(zhǔn)桿進(jìn)行識(shí)別?？臻g停車位的識(shí)別過程如圖4所示。

說明：中值算法是對(duì)陣面中每個(gè)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(diǎn)為原點(diǎn)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(shí)別關(guān)鍵特征數(shù)據(jù)及檢測(cè)過程如圖5所述。

圖5 空間車位檢測(cè)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(diǎn)為1號(hào)障礙物關(guān)鍵特征檢測(cè)數(shù)據(jù)跳變點(diǎn)，B點(diǎn)為2號(hào)障礙物關(guān)鍵特征檢測(cè)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(diǎn)及B點(diǎn)縱向檢測(cè)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(shí)，自動(dòng)泊車系統(tǒng)判定為有效空間停車位。

1.3.2 TOF攝像頭識(shí)別線車位

自動(dòng)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(shí)別。線車位通常包括T、口、凵、+等特征。識(shí)別效果如下圖6所示。

圖6 線車位識(shí)別效果圖

自動(dòng)泊車系統(tǒng)可以基于空間車位識(shí)別、線車位識(shí)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(diǎn)作為目標(biāo)車位的參考點(diǎn)。

2 場景分析

2.1 垂直停車位障礙物檢測(cè)

TOF攝像頭的檢測(cè)距離可以達(dá)到8米，最遠(yuǎn)測(cè)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(cè)。而當(dāng)前市場上成熟的超聲波傳感器最遠(yuǎn)探測(cè)實(shí)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(cè)。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(shí)?；诔暡ǖ臋z測(cè)方案檢測(cè)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(cè)垂直車位縱向距離6米左右，能夠有效識(shí)別空間范圍內(nèi)的障礙物，進(jìn)而提升停車位識(shí)別率。

圖7 垂直車位縱深探測(cè)距離

2.2 停車位邊緣檢測(cè)

對(duì)于空間車位的識(shí)別，關(guān)鍵參數(shù)在于邊緣的檢測(cè)，目前基于超聲波的檢測(cè)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(shí)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(shí)別

障礙物的邊緣識(shí)別精度直接影響到泊車終點(diǎn)位置的偏差效果。基于超聲波的方案識(shí)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(diǎn)的誤差大于等于±5厘米。基于TOF攝像頭的方案識(shí)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(diǎn)的誤差小于等于±1厘米。對(duì)于極限的空間，邊緣識(shí)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(shí)驗(yàn)驗(yàn)證

本文在實(shí)驗(yàn)車上安裝了1顆TOF攝像頭，并通過電腦終端驅(qū)動(dòng)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(shí)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(shí)驗(yàn)設(shè)計(jì)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(jì)為實(shí)驗(yàn)車寬+20厘米，為進(jìn)一步驗(yàn)證TOF攝像頭在不同車速下的識(shí)別精度，實(shí)驗(yàn)車與障礙車間距（PD）為1米。為驗(yàn)證邊緣的識(shí)別精度，預(yù)先設(shè)定車輛每次從相同原點(diǎn)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(cè)精度驗(yàn)證

從表2 可知，在不同車速行駛工況下，基于TOF攝像頭檢測(cè)停車位的邊緣點(diǎn)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(cè)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(jì)為實(shí)驗(yàn)車寬+30厘米，為進(jìn)一步驗(yàn)證TOF攝像頭在不同車速下的識(shí)別精度，實(shí)驗(yàn)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(cè)精度驗(yàn)證

從表2、表3可得出基于TOF攝像頭的車位檢測(cè)算法在垂直車位工況下，以不同車速檢測(cè)車位時(shí)， P3_（X，Y）、P4_（X，Y）點(diǎn)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(cè)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(yàn)證有效性。車輛與障礙車間距1米，測(cè)量數(shù)據(jù)以雪糕筒頂部中心為測(cè)量點(diǎn)，檢測(cè)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(cè)算法在垂直車位縱深位置，以不同車速檢測(cè)時(shí)，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(shí)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(cè)精度驗(yàn)證

基于以上場景，TOF攝像頭檢測(cè)車位精度都優(yōu)于超聲波傳感器的檢測(cè)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(cè)試驗(yàn)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(cè)方案，并在多種車速工況下對(duì)障礙物邊緣精度的驗(yàn)證以及對(duì)垂直車位空間內(nèi)障礙物的檢測(cè)精度驗(yàn)證。測(cè)試結(jié)果表明，基于TOF攝像頭的車位檢測(cè)方案不僅能夠解決超聲波及環(huán)視視角對(duì)垂直車位縱深障礙物識(shí)別覆蓋率低的問題，同時(shí)提升了對(duì)障礙物邊緣識(shí)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(cè)算法[J].桂林:桂林電子科技大學(xué)學(xué)報(bào),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(jì)[J].傳動(dòng)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(cè)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(dòng)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(shí)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(shí)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?yàn)樽詣?dòng)泊車系統(tǒng)設(shè)計(jì)、智能駕駛技術(shù)。