CN105946853B - 基于多传感器融合的长距离自动泊车的系统及方法 - Google Patents
基于多传感器融合的长距离自动泊车的系统及方法 Download PDFInfo
- Publication number
- CN105946853B CN105946853B CN201610272994.1A CN201610272994A CN105946853B CN 105946853 B CN105946853 B CN 105946853B CN 201610272994 A CN201610272994 A CN 201610272994A CN 105946853 B CN105946853 B CN 105946853B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- mrow
- information
- parking lot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004927 fusion Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004891 communication Methods 0.000 claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims description 34
- 230000004888 barrier function Effects 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 4
- 239000011093 chipboard Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007340 echolocation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/06—Automatic manoeuvring for parking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B60W2420/408—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
Abstract
本发明公开了一种基于多传感器融合的长距离自动泊车的系统及方法,其中系统包括中央数据处理模块、路线规划模块、建图模块、泊车入库模块、通讯模块以及控制单元。所用传感器包括但不局限于:IMU、车载环视相机、超声波雷达、双目相机。本发明实施例通过对获取的停车场地图进行路线规划,并根据双目相机获取的视差图判断车辆行驶范围内存在的障碍物信息、车位信息以及道路信息实时反馈给中央数据处理模块,经计算后中央下达指令给控制单元,从而实现车辆自进入停车场到泊车入库的长距离自动泊车。
Description
技术领域
本发明涉及一种基于多传感器融合的长距离自动泊车的系统及方法。
背景技术
近年来,随着国民经济的快速增长,社会的迅速进步和国力的不断增强,人们的工作生活环境发生了巨大的变化。城市人口日益密集,拥有私家车的家庭也越来越多,而停车场中车位有限,车主往往在寻找停车位泊车上花费大量时间,这与快节奏的城市生活不符,因此需要一个快捷有效的自动泊车方法。同时长距离自主泊车作为自主驾驶重要的组成部分,也是道路智能交通重要的一环。目前还没有一个统一有效的长距离自主泊车方案。虽然近期已有改进停车场使得停车场更加智能化的方案提出,但是要对整个停车场实施大规模整改已不是一件易事,何况要将这种方案推广开来,成本巨大。
车载智能得到了快速的发展,部分成果也已经很好的普及开来。现在已有的自动泊车技术是在寻找到停车位后,短距离内的自动泊车。因此仍然需要车主将车辆驶入停车场中寻找停车位。如今已经提出多种智能高效管理停车场的方案,有利于获得停车场地图以及停车场内可利用停车位的状况,而立体视觉技术也逐渐成熟,可以达到远距离测距、检测障碍物、检测道路等功能,为实现长距离自动泊车奠定了基础。虽然有人提出用激光雷达、毫米波雷达等各路传感器来实现类似的辅助驾驶功能,但是由于各路传感器各有优缺点,因此将多路传感器融合起来,可以达到整体功能的最大化。我们之前已经提出过一种基于立体视觉定位与建图的自动泊车系统,但是就目前的技术而言纯机器视觉方案来解决自动泊车问题还是有一定的困难,如可能存在计算误差,视觉盲区等问题。基于以上因素,我们进一步深入研究改进,结合其他的传感器优劣互补,在原有的基础上加上技术上的创新和系统方法上的改革,来完善长距离自动泊车的方案。
发明内容
本发明的目的是在现有的短距离自动泊车技术上的改进,将多路传感器进行融合,提供一种基于多传感器融合的长距离自动泊车的系统及方法,为了达到上述目的本发明采用如下技术方案:
一种基于多传感器融合的长距离自动泊车的系统,包括中央数据处理模块、建图模块、路径规划模块、泊车入库模块、通讯模块和控制单元,其中
所述中央数据处理模块集中收集各路传感器获取的信息进行处理和整合,并将整合所得的结果分类传输给相对应的模块,包括将获取的车辆外图像序列进行立体匹配后,获取三维信息;利用场景流技术推算计算出车辆运动轨迹;对获取的三维信息进行障碍物检测;对获取的全景图像进行停车位识别并结合车辆运动轨迹确认其方位;对超声波雷达返回的数据进行处理,检测障碍物;对规划的行驶路径进行指令解析传送给控制单元;
所述建图模块通过所述中央数据处理模块传送过来的三维信息以及车辆运动轨迹,建出停车场的三维地图,并根据检测得到的停车位信息进行标注;
所述的路径规划模块结合车辆自身的运动轨迹和停车场的三维地图,对车辆进行定位;综合给出的停车场的三维地图进行路径规划,并根据中央数据处理模块实时传递的障碍物方位信息,道路状况对所规划的路径进行调整;
所述的泊车入库模块用于短距离泊车入库或取车;
所述的控制单元,是中央数据处理模块根据泊车入库模块和路径规划模块所反馈的信息进行解析后,将相应的指令传送给控制单元,由控制单元控制车体的方向、车速。
优选的,所述传感器包括:
双目摄像头,用于长距离测距、获取道路信息、目标物识别、建图;
惯性测量单元,用于对车辆运动轨迹进行修正;
超声波雷达,用于检测双目摄像头的视野盲区中近距离的障碍物;
车载环视相机,用于获取车辆四周的环境状况,以便更好的规划泊车入库或取车路径,在车辆进行短距离泊车或取车时使用。
优选的,还包括通讯模块,用于车辆与车主直接的联系,通过通讯模块接收车主的取车指令或向车主发送当前车辆所处的地理位置。
一种基于多传感器融合的长距离自动泊车的方法,包括以下步骤:
获取停车场地图及停车位信息:上述获取信息途径有三种:一是车辆本身已存有该停车场信息,直接获取;二是停车场提供给车辆其地图信息和停车位信息,直接获取;三是车辆自身没有该停车场的信息,停车场方面也没有提供,需要车主驾驶车辆进入停车场,由中央数据处理模块集中收集数据处理,并输出给建图模块建立停车场地图,以供下次驶入该停车场使用;
建立停车场的三维地图时,需要驾驶员先驾驶车辆在停车场行驶一圈,在行驶过程中双目相机拍摄所得的左右图像序列会发送给中央数据处理模块,通过得到的相机主点位置坐标(u0,v0),相机焦距f,基线b,对于得到的匹配点坐标(u,v),可通过以下方式,转换为三维坐标点:
其中d则是点P0在左图中的横坐标与相应匹配点P1在右图中横坐标的差值;
再通过对连续帧图像序列做场景流,获取匹配点的运动趋势和运动速度,再用RANSAC得到前后两帧图像中所得匹配点阵的齐次变换矩阵,从而反推在t-1到t时刻自身车辆的运动信息,结合IMU解算出的t-1到t时刻的运动信息,用卡尔曼滤波将两者进行融合;最后对t-1及t时刻的运动信息与先前0到t-1时刻的一系列运动信息进行整合,便可得到车辆的运动轨迹,根据车辆在行驶过程中拍摄所得的场景信息,依照计算所得的车辆运动轨迹,将其对应的数据放在笛卡尔坐标系下,建立三维的停车场的三维地图;
通过t-1时刻与t时刻之间的齐次变换矩阵Rtt|t-1,以及t-1时刻至初始时刻的累计变换矩阵Rtt-1|0,可通过以下方式,得到从初始时刻至t时刻的累计变换矩阵:
行驶路线规划:获取到停车场地图后,如果车辆在该停车场本身有固定的停车位,则可根据地图信息规划出一条路径,使车辆可直接驶入固定的停车位中,如果车辆在该停车场没有固定停车位,则根据停车场的地图信息,规划一条路径以便车辆依照设定路径进入停车场,并在行驶过程中,留意经过的停车位标志点,直到检测到可用的停车位为止,在行驶过程中,根据双目相机实时传输的图像序列,利用立体匹配、场景流和轨迹推算技术,计算出车辆行驶的轨迹,结合IMU传递的惯导信息对运动轨迹进行修正,可得出目前车辆的行驶情况,并与事先已获得的停车场的三维地图和计算所得的车辆运动轨迹,对车辆进行定位,在行驶过程中,中央数据处理模块利用立体匹配得到的三维信息,检测出障碍物的方位及距离及时反馈给路径规划模块修正路线,并将结果传给控制单元以控制车辆的行驶;
检测停车位;检测停车位这一步骤,分别在建立停车场地图和车辆进入停车场寻找停车位泊车的过程中,在建立停车场地图的过程中,使用双目相机以及IMU进行轨迹推算和定位,并将拍摄所得的三维场景数据放在笛卡尔坐标系下,同时将通过车载环视相机实时传递回来的图像来检测停车位信息,若检测到停车位,则对当前位置进行标记,在车辆行驶过程中,依照车载环视相机传回来的图像序列实时检测停车位,对车载环视相机传回的全景图像先进行逆投影变换及拼接,得到环视鸟瞰图,将得到的鸟瞰图进行二值化、直线检测操作,最后基于检测到的直线,识别停车位,若检测到停车位,则进入泊车环节;否则继续依照规划路线行驶;
泊车入库:用于短距离泊车入库,当车辆行驶靠近停车位时,会根据规划的路径将车辆泊入库中,期间由于双目相机存在视觉盲区,将用超声波雷达检测靠近车辆周围的路面上有没有障碍物的存在,并用车载环视相机拍出车辆四周的路面情况,实时传递停车位与车辆的位置关系,以便及时对入库行为进行调整。
优选的,采用车载环视相机,将车辆四周的景象传送到中央数据处理模块,通过图像识别技术,在沿途中发现的停车位信息在所建地图中标记出来,以消除车辆近处存在的盲区。
本发明提供的基于多传感器融合的长距离自动泊车的系统及方法,车主只需将车辆驾驶至停车场门口,获取该停车场地图及停车位信息,即可让车辆自动依照地图上的信息规划路线驶入停车场,并寻得可用停车位泊车,全程车主无需参与。对于没有地图及停车位信息的停车场,车主首次驶入时需要先绕停车场行驶一圈记录行驶信息,车辆建图模块将自动建立该停车场的地图及停车位信息,供下次车辆驶入该停车场时使用。
本发明用双目视觉技术替代激光雷达以获得长距离的路况信息,降低实现成本,同时结合IMU、超声波雷达、车载环视相机等传感器辅助以弥补双目技术中存在的不足。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的不当限定,在附图中:
图1为本发明实施例提供的长距离自动泊车系统的结构示意图;
图2为本发明实施例提供的长距离自动泊车方法的流程示意图;
图3为本发明实施例提供的停车地图及停车位信息示意图;
图4为本发明实施例提供的障碍物检测示意图;
图5位本发明实施例提供的传感器检测范围示意图。
具体实施方式
下面将结合附图以及具体实施例来详细说明本发明,在此本发明的示意性实施例以及说明用来解释本发明,但并不作为对本发明的限定。
实施例:
在本发明的实施例中,车主只需将车辆驾驶至停车场门口,获取该停车场地图及停车位信息,即可让车辆自动依照地图上的信息规划路线驶入停车场,并寻得可用停车位泊车,全程车主无需参与。对于没有地图及停车位信息的停车场,车主首次驶入时需要先绕停车场行驶一圈记录行驶信息,车辆建图模块将自动建立该停车场的地图及停车位信息,供下次车辆驶入该停车场时使用。
在本发明的实施例中,发明人用双目视觉技术替代激光雷达以获得长距离的路况信息,降低实现成本,同时结合IMU、超声波雷达、车载环视相机等传感器辅助以弥补双目技术中存在的不足。
图1为本发明实施例提供的长距离自动泊车系统的结构示意图,其模块主要分为:中央数据处理模块、建图模块、路径规划模块、泊车入库模块、通讯模块和控制单元。
其中,所述的中央数据处理模块集中收集各路传感器获取的信息进行处理和整合,并将整合所得的结果分类传输给相对应的模块。其处理的数据包括但不局限于:将双目相机获取的图像序列进行立体匹配后,获取三维信息;利用场景流技术和轨迹推算计算出车辆运动轨迹,再用IMU传送的惯导数据进行修正;对获取的三维信息进行障碍物检测:该处障碍物检测属于图像处理方面的应用,作为障碍物检测方法之一,本实施例中对经过立体匹配后得到的三维数据进行处理,将三维图像转换为鸟瞰图,接着用网格对鸟瞰图进行分割,对在网格中的点云数据计算其概率值,根据概率值来判断其是否为障碍物;对车载环视相机获取的全景图像进行停车位识别并结合车辆运动轨迹确认其方位;对超声波雷达返回的数据进行进一步处理,检测障碍物,以检测双目相机检测死角:用回声定位,通过计算从发送超声波到接收到的时间得到的距离信息,只能知道前方是否有阻挡物;对规划的行驶路径进行指令解析传送给控制单元;中央数据处理模块不仅是对各路传感器获取的信息进行处理,而且还将获取的其他模块传输过来的信息进行解析并传递到指定的模块中去。
其中,所述的建图模块通过中央数据处理模块传送过来的三维信息以及车辆运动轨迹,建出停车场的三维地图,并根据检测得到的停车位信息进行标注。
其中,所述的路径规划模块结合车辆自身的运动轨迹和停车场的三维地图,对车辆进行定位。再综合给出的停车场的三维地图进行路径规划,并根据中央数据处理模块实时传递的障碍物方位信息,道路状况等对所规划的路径进行调整。
其中,所述的泊车入库模块用于短距离泊车入库。当车辆行驶靠近停车位时,会根据规划的路径将车辆泊入库中,期间由于双目相机存在视觉盲区,将用超声波雷达检测靠近车辆周围的路面上有没有障碍物的存在,并用车载环视相机拍出车辆四周的路面情况,实时传递停车位与车辆的位置关系,以便及时对入库行为进行调整。同理,当车辆接收到车主取车信号时,结合车载环视相机拍摄的车辆四周的路面情况和超声波雷达反馈的障碍物信息,缓慢将车辆驶出停车位进入主车道。
其中,所述的通讯模块是车辆与人之间的通讯,当车主需要取车时通过远程遥控对车辆发出指令,由中央数据处理模块传达至路径规划模块,进行路径规划将车辆开出停车场。除此之外,通讯模块还能实时地将当前车辆所处位置发送给车主。
其中,所述的控制单元,是中央数据处理模块根据泊车入库模块和路径规划模块所反馈的信息进行解析后,将相应的指令传送给控制单元,由控制单元控制车体的方向、车速等。
其中,所用的传感器分别有双目摄像头、IMU(惯性测量单元)、超声波雷达、车载环视相机;双目摄像头为同型号的两个,视场角为75°以上的广角摄像头,主要用于长距离测距、获取道路信息、目标物识别、建图等;IMU(惯性测量单元)主要用于对所计算的车辆运动轨迹进行修正,使得计算结果更加精确;超声波雷达主要用于检测双目摄像头的视野盲区中近距离的障碍物,在本发明实施例中优选超声波雷达,但需要声明的是该功能除超声波雷达外,还有其他传感器也可达到,因此本发明所用的传感器不局限于超声波雷达;车载环视相机主要用于获取车辆四周的环境状况,以便更好的规划泊车路径,在车辆进行短距离泊车时使用。
图2为本发明实施例提供的长距离自动泊车方法的流程示意图,所述的获取停车场地图及停车位信息步骤中,获取信息途径有但不局限于以下三种:一是车辆本身已存有该停车场信息,直接获取;二是停车场提供给车辆其地图信息和停车位信息,直接获取;三是车辆自身没有该停车场的信息,停车场方面也没有提供,需要车主驾驶车辆进入停车场,由中央数据处理模块集中收集数据处理,并输出给建图模块建立停车场地图,以供下次驶入该停车场使用。
建立停车场的三维地图时,需要驾驶员先驾驶车辆在停车场行驶一圈,在行驶过程中双目相机拍摄所得的左右图像序列会发送给中央数据处理模块,通过得到的相机主点位置坐标(u0,v0),相机焦距f,基线b,对于得到的匹配点坐标(u,v),可通过以下方式,转换为三维坐标点。
其中d则是点P0在左图中的横坐标与相应匹配点P1在右图中横坐标的差值;
计算单元通过对左右图像的同名点匹配得出三维信息,再通过对连续帧图像序列做场景流,获取匹配点的运动趋势和运动速度,再用RANSAC得到前后两帧图像中所得匹配点阵的齐次变换矩阵,从而反推在t-1到t时刻自身车辆的运动信息,结合IMU解算出的t-1到t时刻的运动信息,用卡尔曼滤波将两者进行融合。最后对t-1及t时刻的运动信息与先前0到t-1时刻的一系列运动信息进行整合,便可得到车辆的运动轨迹。建图技术还包含根据车辆在行驶过程中拍摄所得的场景信息,进行一个动态物滤除的步骤,即将拍摄图像中的动态物体滤除开来:结合之前所得的每个像素点在相应场景中的运动信息,先用超像素将其归类,以块为单位计算出该超像素中的运动信息,接着通过地面分割获取地面以上的物体位置,并将所属地面的超像素块运动信息与其他超像素块运动信息进行比较,通过聚类划分动静态物体。接着将剩余的静态点整合,依照计算所得的车辆运动轨迹,将其对应的数据放在笛卡尔坐标系下,建立三维的停车场的三维地图。由于双目相机的视场存在一定的局限性,在车辆近处存在一定的盲区,采用车载环视相机,将车辆四周的景象传送到中央数据处理模块,通过图像识别技术,在沿途中发现的停车位信息在所建地图中标记出来。
通过t-1时刻与t时刻之间的齐次变换矩阵Rtt|t-1,以及t-1时刻至初始时刻的累计变换矩阵Rtt-1|0,可通过以下方式,得到从初始时刻至t时刻的累计变换矩阵:
当获取停车场的三维地图后,则自动进行泊车路径规划,车辆将按照规划的路径缓慢行驶,在行驶过程中,双目相机、车载环视相机与IMU(惯性测量单元)一直在获取实时的路况信息,此时需要做的一方面是要检测前方的障碍物信息(包括但不局限于车辆、行人、标志牌、柱子等),识别路面标志以及指示牌,另一方面是需要通过双目相机拍摄所得的图像序列,基于立体匹配、场景流、轨迹推算等技术计算出车辆的运动轨迹,并用IMU(惯性测量单元)所获取的数据修正,便能得到较为精准的车辆行驶路线,结合地图信息以及车辆起始位置,可以对车辆进行室内定位,这也有利于为车辆提供实时的路线规划。双目相机传回的图像序列中,将会选用左序列的图像用图像识别技术,识别地面上的标志线以及两侧的指示牌,同时车载环视相机也将传回车辆周围的图像,通过逆投影变换,获得鸟瞰图,在鸟瞰图中识别地面的车位线并检测该车位是否可用,最后将识别到的地面标志线、指示牌、停车位信息传递给路径规划模块。而用双目相机来检测障碍物,同样是对经过立体匹配后得到的三维数据进行处理,将三维图像转换为鸟瞰图,接着用网格对鸟瞰图进行分割,对在网格中的点云数据计算其概率值,根据概率值来判断其是否为障碍物。若判断出为障碍物,则获取该网格中的障碍物的位置信息传递给路径规划模块。车辆将根据规划的路径缓慢行驶,直至行驶到可用停车位附近,进行泊车入库操作。当车主需要提取车辆时,不需要进入停车库寻找自己的车辆,可远程遥控对车辆发出指令,车辆将再次进行路径规划,缓慢驶出停车场。
图3提供的是本实施例中停车地图及停车位信息示意图,不应理解为对本发明中所用的停车场地图的限制。
图4提供的是本发明实施例的障碍物检测示意图,值得注意的是,这里的障碍物检测并非用到单目中的物体识别技术,而是基于三维信息对其进行归类整合,将三维图像转换为鸟瞰图,再用网格对转换后的鸟瞰图进行划分,对网格中的点云数据做概率统计,对得到的概率值进行分析从而判断出其是否为障碍物。不采用物体识别技术,是为了能更好的将一切阻碍车辆行驶的障碍物都检测出来,以避免无法识别不可知物体而发生的意外。但不代表本发明并没有用到物体识别技术,在车辆识别、交通标志识别上仍需要使用。事先离线采集大量的车辆以及交通标志的图片采用深度学习的方式,离线训练模型,将训练好的模型存入模块中用于实时地检测。
本发明的特点是结合多路传感器在特定场合下实现长距离无人驾驶自动泊车功能,当车辆行驶至可用停车位附近时,才启动泊车入库模式。车载环视相机选用的是180°超广角摄像头,将拍摄的图像转换为鸟瞰图衔接起来,360°全方位提供车辆周围的环境,以及与停车位的相对位置,结合超声波雷达通过声波反馈获取的周边障碍物的位置,由路径规划模块规划一条泊车路径。提供的泊车入库示意图只是为了对本发明进行更好的诠释,不应理解为本发明中所用的泊车入库方案的限制。
图5是本发明实施例传感器检测范围示意图,在前后车标附件的位置安装角度为180°超广角摄像头各一个,车身两侧倒后镜下方位置安装角度为180°超广角摄像头各一个,四个摄像头所处的水平位置一致;在车头以及车尾灯附近分别等间距地安装四个超声波雷达,共计八个超声波雷达需处于同一水平位置,具体高度根据实际车型而定;IMU(惯性测量单元)固定安装在车尾箱处;双目摄像头保持水平放置,间隔距离在30~50cm之间,固定在挡风玻璃内侧,后视镜位置附近,上方需水平横置一个支架位于后视镜上方,以固定两侧的双目摄像头。所用数据处理的芯片板,固定在仪表台上,可外接显示屏做可视化。各路传感器引线接到芯片板上,芯片板上主要有GPU处理器,FPGA芯片模组,ARM处理器等。
以上对本发明实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于多传感器融合的长距离自动泊车的系统,其特征在于:
包括中央数据处理模块、建图模块、路径规划模块、泊车入库模块、通讯模块和控制单元,其中
所述中央数据处理模块集中收集各路传感器获取的信息进行处理和整合,并将整合所得的结果分类传输给相对应的模块,包括将获取的车辆外图像序列进行立体匹配后,获取三维信息;利用场景流技术推算计算出车辆运动轨迹;对获取的三维信息进行障碍物检测;对获取的全景图像进行停车位识别并结合车辆运动轨迹确认其方位;对超声波雷达返回的数据进行处理,检测障碍物;对规划的行驶路径进行指令解析传送给控制单元;
所述建图模块通过所述中央数据处理模块传送过来的三维信息以及车辆运动轨迹,建出停车场的三维地图,并根据检测得到的停车位信息进行标注;
所述的路径规划模块结合车辆自身的运动轨迹和停车场的三维地图,对车辆进行定位;综合给出的停车场的三维地图进行路径规划,并根据中央数据处理模块实时传递的障碍物方位信息,道路状况对所规划的路径进行调整;
所述的泊车入库模块用于短距离泊车入库或取车;
所述的控制单元,是中央数据处理模块根据泊车入库模块和路径规划模块所反馈的信息进行解析后,将相应的指令传送给控制单元,由控制单元控制车体的方向、车速。
2.如权利要求1所述的基于多传感器融合的长距离自动泊车的系统,其特征在于所述传感器包括:
双目摄像头,用于长距离测距、获取道路信息、目标物识别、建图;
惯性测量单元,用于对车辆运动轨迹进行修正;
超声波雷达,用于检测双目摄像头的视野盲区中近距离的障碍物;
车载环视相机,用于获取车辆四周的环境状况,以便更好的规划泊车入库或取车路径,在车辆进行短距离泊车或取车时使用。
3.如权利要求1所述的基于多传感器融合的长距离自动泊车的系统,其特征:
还包括通讯模块,用于车辆与车主直接的联系,通过通讯模块接收车主的取车指令或向车主发送当前车辆所处的地理位置。
4.一种基于多传感器融合的长距离自动泊车的方法,其特征在于包括以下步骤:
获取停车场地图及停车位信息:上述获取信息途径有三种:一是车辆本身已存有该停车场信息,直接获取;二是停车场提供给车辆其地图信息和停车位信息,直接获取;三是车辆自身没有该停车场的信息,停车场方面也没有提供,需要车主驾驶车辆进入停车场,由中央数据处理模块集中收集数据处理,并输出给建图模块建立停车场地图,以供下次驶入该停车场使用;
建立停车场的三维地图时,需要驾驶员先驾驶车辆在停车场行驶一圈,在行驶过程中双目相机拍摄所得的左右图像序列会发送给中央数据处理模块,通过得到的相机主点位置坐标(u0,v0),相机焦距f,基线b,对于得到的匹配点坐标(u,v),可通过以下方式,转换为三维坐标点:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>Z</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>b</mi>
<mo>&CenterDot;</mo>
<mi>f</mi>
</mrow>
<mi>d</mi>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>X</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>b</mi>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>-</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>d</mi>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>Y</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>b</mi>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>-</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>d</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中d则是点P0在左图中的横坐标与相应匹配点P1在右图中横坐标的差值;
再通过对连续帧图像序列做场景流,获取匹配点的运动趋势和运动速度,再用RANSAC得到前后两帧图像中所得匹配点阵的齐次变换矩阵,从而反推在t-1到t时刻自身车辆的运动信息,结合IMU解算出的t-1到t时刻的运动信息,用卡尔曼滤波将两者进行融合;最后对t-1及t时刻的运动信息与先前0到t-1时刻的一系列运动信息进行整合,便可得到车辆的运动轨迹,根据车辆在行驶过程中拍摄所得的场景信息,依照计算所得的车辆运动轨迹,将其对应的数据放在笛卡尔坐标系下,建立三维的停车场的三维地图;
通过t-1时刻与t时刻之间的齐次变换矩阵Rtt|t-1,以及t-1时刻至初始时刻的累计变换矩阵Rtt-1|0,可通过以下方式,得到从初始时刻至t时刻的累计变换矩阵:
<mrow>
<msub>
<mi>Rt</mi>
<mrow>
<mi>t</mi>
<mo>|</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>Rt</mi>
<mrow>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
<mo>|</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>*</mo>
<msubsup>
<mi>Rt</mi>
<mrow>
<mi>t</mi>
<mo>|</mo>
<mi>t</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>;</mo>
</mrow>
行驶路线规划:获取到停车场地图后,如果车辆在该停车场本身有固定的停车位,则可根据地图信息规划出一条路径,使车辆可直接驶入固定的停车位中,如果车辆在该停车场没有固定停车位,则根据停车场的地图信息,规划一条路径以便车辆依照设定路径进入停车场,并在行驶过程中,留意经过的停车位标志点,直到检测到可用的停车位为止,在行驶过程中,根据双目相机实时传输的图像序列,利用立体匹配、场景流和轨迹推算技术,计算出车辆行驶的轨迹,结合IMU传递的惯导信息对运动轨迹进行修正,可得出目前车辆的行驶情况,并与事先已获得的停车场的三维地图和计算所得的车辆运动轨迹,对车辆进行定位,在行驶过程中,中央数据处理模块利用立体匹配得到的三维信息,检测出障碍物的方位及距离及时反馈给路径规划模块修正路线,并将结果传给控制单元以控制车辆的行驶;
检测停车位;检测停车位这一步骤,分别在建立停车场地图和车辆进入停车场寻找停车位泊车的过程中,在建立停车场地图的过程中,使用双目相机以及IMU进行轨迹推算和定位,并将拍摄所得的三维场景数据放在笛卡尔坐标系下,同时将通过车载环视相机实时传递回来的图像来检测停车位信息,若检测到停车位,则对当前位置进行标记,在车辆行驶过程中,依照车载环视相机传回来的图像序列实时检测停车位,对车载环视相机传回的全景图像先进行逆投影变换及拼接,得到环视鸟瞰图,将得到的鸟瞰图进行二值化、直线检测操作,最后基于检测到的直线,识别停车位,若检测到停车位,则进入泊车环节;否则继续依照规划路线行驶;
泊车入库:用于短距离泊车入库,当车辆行驶靠近停车位时,会根据规划的路径将车辆泊入库中,期间由于双目相机存在视觉盲区,将用超声波雷达检测靠近车辆周围的路面上有没有障碍物的存在,并用车载环视相机拍出车辆四周的路面情况,实时传递停车位与车辆的位置关系,以便及时对入库行为进行调整。
5.如权利要求4所述的基于多传感器融合的长距离自动泊车的方法,其特征在于:
采用车载环视相机,将车辆四周的景象传送到中央数据处理模块,通过图像识别技术,在沿途中发现的停车位信息在所建地图中标记出来,以消除车辆近处存在的盲区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610272994.1A CN105946853B (zh) | 2016-04-28 | 2016-04-28 | 基于多传感器融合的长距离自动泊车的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610272994.1A CN105946853B (zh) | 2016-04-28 | 2016-04-28 | 基于多传感器融合的长距离自动泊车的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105946853A CN105946853A (zh) | 2016-09-21 |
CN105946853B true CN105946853B (zh) | 2018-05-29 |
Family
ID=56916186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610272994.1A Active CN105946853B (zh) | 2016-04-28 | 2016-04-28 | 基于多传感器融合的长距离自动泊车的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105946853B (zh) |
Families Citing this family (98)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106494395B (zh) * | 2016-09-30 | 2019-04-16 | 惠州华阳通用电子有限公司 | 一种基于数据融合的自动泊车控制方法及装置 |
JP6564355B2 (ja) * | 2016-11-17 | 2019-08-21 | 株式会社デンソー | 衝突判定装置、及び衝突判定方法 |
CN108162956A (zh) * | 2016-12-07 | 2018-06-15 | 财团法人车辆研究测试中心 | 环境动态侦测的自动停车轨迹重划修正系统及其方法 |
CN106980657A (zh) * | 2017-03-15 | 2017-07-25 | 北京理工大学 | 一种基于信息融合的车道级电子地图构建方法 |
CN106878687A (zh) * | 2017-04-12 | 2017-06-20 | 吉林大学 | 一种基于多传感器的车载环境识别系统及全方位视觉模块 |
CN107193278B (zh) * | 2017-05-08 | 2021-06-18 | 江苏大学 | 基于定位的图像和地图匹配的可行驶区域识别方法 |
CN107389088B (zh) * | 2017-05-27 | 2020-11-17 | 纵目科技(上海)股份有限公司 | 车载惯性导航的误差修正方法、装置、介质及设备 |
US10286904B2 (en) * | 2017-06-12 | 2019-05-14 | GM Global Technology Operations LLC | Autonomous vehicle parking methods and systems |
CN107122770B (zh) * | 2017-06-13 | 2023-06-27 | 驭势(上海)汽车科技有限公司 | 多目相机系统、智能驾驶系统、汽车、方法和存储介质 |
CN109086278B (zh) * | 2017-06-13 | 2023-09-19 | 纵目科技(上海)股份有限公司 | 一种消除误差的地图构建方法、系统、移动终端及存储介质 |
CN109084781A (zh) * | 2017-06-13 | 2018-12-25 | 纵目科技(上海)股份有限公司 | 构建相对坐标系下的停车库全景地图数据库的方法和系统 |
CN109147374A (zh) * | 2017-06-15 | 2019-01-04 | 深圳市金溢科技股份有限公司 | 停车场管理方法、系统、车载单元及后台服务器 |
CN109141443A (zh) * | 2017-06-16 | 2019-01-04 | 纵目科技(上海)股份有限公司 | 根据移动终端采集感知数据的定位方法和系统 |
CN109116374B (zh) * | 2017-06-23 | 2021-08-17 | 百度在线网络技术(北京)有限公司 | 确定障碍物距离的方法、装置、设备及存储介质 |
DE102017210961A1 (de) * | 2017-06-28 | 2019-01-03 | Audi Ag | Verfahren zum zumindest teilautomatisierten Betrieb eines Kraftfahrzeugs |
CN107277445B (zh) * | 2017-06-29 | 2020-05-12 | 深圳市元征科技股份有限公司 | 一种车载设备 |
KR102207964B1 (ko) * | 2017-07-11 | 2021-01-27 | 현대모비스 주식회사 | 자동주차 시스템의 주차궤적 생성방법 및 그 장치 |
US10366541B2 (en) | 2017-07-21 | 2019-07-30 | Ford Global Technologies, Llc | Vehicle backup safety mapping |
CN107600067B (zh) * | 2017-09-08 | 2019-09-20 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
RU2738780C1 (ru) * | 2017-10-27 | 2020-12-16 | Ниссан Мотор Ко., Лтд. | Способ управления парковкой и устройство управления парковкой |
KR102037324B1 (ko) * | 2017-11-30 | 2019-10-28 | 엘지전자 주식회사 | 자율주행 차량 및 그 제어 방법 |
CN109859260B (zh) * | 2017-11-30 | 2021-02-12 | 华为技术有限公司 | 确定车位位置的方法、装置及计算机可读存储介质 |
CN108195378A (zh) * | 2017-12-25 | 2018-06-22 | 北京航天晨信科技有限责任公司 | 一种基于环视相机的智能视觉导航系统 |
CN109974687A (zh) * | 2017-12-28 | 2019-07-05 | 周秦娜 | 一种基于深度摄像头的多传感器室内协同定位方法、装置及系统 |
JP7069772B2 (ja) * | 2018-02-06 | 2022-05-18 | 株式会社アイシン | 車両制御装置、駐車場管制装置および自動バレー駐車システム |
DE102018104243B3 (de) * | 2018-02-26 | 2019-05-16 | Autoliv Development Ab | Verfahren und System zur Erkennung von für ein Fahrzeug geeigneten Parklücken |
CN108281041A (zh) * | 2018-03-05 | 2018-07-13 | 东南大学 | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 |
CN108445880A (zh) * | 2018-03-12 | 2018-08-24 | 上海大学 | 基于单目视觉和激光数据融合的无人艇自主停泊系统和方法 |
CN108445503B (zh) * | 2018-03-12 | 2021-09-14 | 吉林大学 | 基于激光雷达与高精度地图融合的无人驾驶路径规划算法 |
CN108482366A (zh) * | 2018-03-23 | 2018-09-04 | 重庆长安汽车股份有限公司 | 基于车辆自动驾驶的代客泊车系统及方法 |
CN109631896B (zh) * | 2018-07-23 | 2020-07-28 | 同济大学 | 一种基于车辆视觉和运动信息的停车场自主泊车定位方法 |
CN108749813B (zh) * | 2018-07-25 | 2023-09-19 | 上海为森车载传感技术有限公司 | 一种自动泊车系统及泊车方法 |
CN109278742B (zh) * | 2018-09-06 | 2020-12-22 | 北京长城华冠汽车科技股份有限公司 | 车辆和自动泊车方法、系统 |
CN110962843B (zh) * | 2018-09-30 | 2021-07-27 | 上海汽车集团股份有限公司 | 一种自动泊车控制决策方法及系统 |
CN110969890A (zh) * | 2018-09-30 | 2020-04-07 | 上海博泰悦臻电子设备制造有限公司 | 车辆、车机设备及其在线式地图智能构造方法、云服务器 |
JP7275520B2 (ja) * | 2018-10-03 | 2023-05-18 | 株式会社アイシン | 車両制御装置 |
CN111098850A (zh) * | 2018-10-25 | 2020-05-05 | 北京初速度科技有限公司 | 一种自动停车辅助系统及自动泊车方法 |
CN109357673A (zh) * | 2018-10-30 | 2019-02-19 | 上海仝物云计算有限公司 | 基于图像的视觉导航方法和装置 |
CN109435942B (zh) * | 2018-10-31 | 2024-04-09 | 合肥工业大学 | 一种基于信息融合的车位线车位识别方法及装置 |
CN109591809B (zh) * | 2018-11-07 | 2020-05-19 | 中汽数据(天津)有限公司 | 一种基于电磁循迹与多传感器融合的自动泊车方法 |
CN109375210B (zh) * | 2018-12-10 | 2022-10-21 | 西安电子科技大学 | 基于雷达和全景联合的无人装置目标检测系统和方法 |
CN109766757B (zh) * | 2018-12-11 | 2023-09-01 | 惠州市德赛西威汽车电子股份有限公司 | 一种融合车辆和视觉信息的泊车位高精度定位方法及系统 |
CN109544990A (zh) * | 2018-12-12 | 2019-03-29 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于实时电子地图识别可用泊车位的方法及系统 |
CN109733383B (zh) * | 2018-12-13 | 2021-07-20 | 初速度(苏州)科技有限公司 | 一种自适应的自动泊车方法及系统 |
CN111319612B (zh) * | 2018-12-13 | 2021-09-28 | 北京初速度科技有限公司 | 一种自动驾驶车辆用地图的自建图方法和系统 |
CN110126817B (zh) * | 2018-12-16 | 2023-01-06 | 魔门塔(苏州)科技有限公司 | 一种自适应任意点与固定点间泊车或召回的方法及系统 |
CN111413959B (zh) * | 2018-12-18 | 2023-07-25 | 魔门塔(苏州)科技有限公司 | 任意点至任意点的全局路径规划、泊车方法及系统 |
CN109685000A (zh) * | 2018-12-21 | 2019-04-26 | 广州小鹏汽车科技有限公司 | 一种基于视觉的车位检测方法及装置 |
CN109624969A (zh) * | 2018-12-24 | 2019-04-16 | 北京新能源汽车股份有限公司 | 一种自动泊车控制方法、装置及电动汽车 |
JP7218172B2 (ja) * | 2018-12-25 | 2023-02-06 | フォルシアクラリオン・エレクトロニクス株式会社 | 車載処理装置、及び車載処理装置の制御方法 |
CN109649381A (zh) | 2018-12-29 | 2019-04-19 | 百度在线网络技术(北京)有限公司 | 泊车控制方法、装置、电子设备及存储介质 |
CN111435538A (zh) * | 2019-01-14 | 2020-07-21 | 上海欧菲智能车联科技有限公司 | 定位方法、定位系统和计算机可读存储介质 |
CN109741622A (zh) * | 2019-01-24 | 2019-05-10 | 浙江合众新能源汽车有限公司 | 一种基于无人驾驶汽车的快速停车方法 |
CN110827572A (zh) * | 2019-01-25 | 2020-02-21 | 长城汽车股份有限公司 | 用于代客泊车的路径规划方法及装置 |
CN111583335B (zh) * | 2019-02-18 | 2023-09-19 | 上海欧菲智能车联科技有限公司 | 定位系统、定位方法和非易失性计算机可读存储介质 |
CN109733284B (zh) * | 2019-02-19 | 2021-10-08 | 广州小鹏汽车科技有限公司 | 一种应用于车辆的安全泊车辅助预警方法及系统 |
CN110077392B (zh) * | 2019-03-28 | 2020-08-25 | 惠州市德赛西威汽车电子股份有限公司 | 一种自动泊车定位系统的航迹推算方法 |
US11183059B2 (en) * | 2019-04-22 | 2021-11-23 | Baidu Usa Llc | Parking management architecture for parking autonomous driving vehicles |
CN111845713A (zh) * | 2019-04-26 | 2020-10-30 | 东莞潜星电子科技有限公司 | 一种基于车载3d全景环视的泊车路线规划方法 |
CN111845714A (zh) * | 2019-04-26 | 2020-10-30 | 东莞潜星电子科技有限公司 | 一种基于智能视觉深度学习的自动泊车系统 |
CN111854750A (zh) * | 2019-04-26 | 2020-10-30 | 东莞潜星电子科技有限公司 | 一种基于智能视觉深度学习的自动泊车路径选择方法 |
CN110065490A (zh) * | 2019-04-30 | 2019-07-30 | 驭势(上海)汽车科技有限公司 | 自动泊车方法、系统、无人驾驶车辆以及存储介质 |
CN111976601B (zh) * | 2019-05-24 | 2022-02-01 | 北京四维图新科技股份有限公司 | 自动泊车方法、装置、设备和存储介质 |
CN110239525B (zh) * | 2019-05-29 | 2021-05-25 | 浙江吉利控股集团有限公司 | 一种泊车方法、装置及系统 |
CN110162928A (zh) * | 2019-06-06 | 2019-08-23 | 宝业湖北建工集团有限公司 | 基于bim的车位检测方法、装置及电子设备 |
CN110329245A (zh) * | 2019-06-26 | 2019-10-15 | 浙江吉利控股集团有限公司 | 一种自动泊车方法、装置、设备和车辆 |
CN110415550B (zh) * | 2019-07-31 | 2020-08-07 | 北京智行者科技有限公司 | 基于视觉的自动泊车方法 |
CN112389419B (zh) * | 2019-08-12 | 2022-04-08 | 欧特明电子股份有限公司 | 识别停车位的方法和停车辅助系统 |
CN110751850B (zh) * | 2019-08-30 | 2023-03-07 | 的卢技术有限公司 | 一种基于深度神经网络的车位识别方法和系统 |
CN110497901B (zh) * | 2019-08-30 | 2020-12-22 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN112447058B (zh) * | 2019-09-03 | 2022-09-06 | 比亚迪股份有限公司 | 泊车方法、装置、计算机设备及存储介质 |
CN110779533B (zh) * | 2019-09-16 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 导航方法、系统和电子设备 |
CN110789529B (zh) * | 2019-11-12 | 2020-12-08 | 深圳创维数字技术有限公司 | 车辆的控制方法、装置及计算机可读存储介质 |
CN112937553B (zh) * | 2019-11-26 | 2023-06-23 | 帝亚一维新能源汽车有限公司 | 无人驾驶车辆自动泊车方法 |
CN112862740B (zh) * | 2019-11-28 | 2022-07-19 | 宁波微科光电股份有限公司 | 一种地铁障碍物检测方法 |
CN111038493B (zh) * | 2019-12-12 | 2021-09-03 | 恒大恒驰新能源汽车科技(广东)有限公司 | 自动泊车方法、系统、车辆和存储介质 |
CN110942665A (zh) * | 2019-12-16 | 2020-03-31 | 驭势科技(北京)有限公司 | 一种车辆的定位方法、车载设备及存储介质 |
CN111160172B (zh) * | 2019-12-19 | 2024-04-16 | 武汉佑驾创新科技有限公司 | 泊车位检测方法、装置、计算机设备和存储介质 |
CN111311944A (zh) * | 2020-02-19 | 2020-06-19 | 江苏大学 | 一种自主代客泊车环境下的停车场管理系统及方法 |
CN111429514B (zh) * | 2020-03-11 | 2023-05-09 | 浙江大学 | 一种融合多帧时序点云的激光雷达3d实时目标检测方法 |
CN111319615B (zh) * | 2020-03-16 | 2021-02-26 | 湖北亿咖通科技有限公司 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
CN112078571B (zh) * | 2020-09-30 | 2021-07-13 | 安徽江淮汽车集团股份有限公司 | 自动泊车方法、设备、存储介质及装置 |
CN112249005B (zh) * | 2020-10-23 | 2021-10-12 | 广州小鹏汽车科技有限公司 | 一种车辆自动泊车的交互方法和装置 |
CN112284396B (zh) * | 2020-10-29 | 2023-01-03 | 的卢技术有限公司 | 一种适用于地下停车场的车辆定位方法 |
CN112509360A (zh) * | 2020-11-05 | 2021-03-16 | 南京市德赛西威汽车电子有限公司 | 一种停车场车位信息标定方法、管理系统及停车场 |
CN112319464B (zh) * | 2020-11-09 | 2021-10-15 | 恒大新能源汽车投资控股集团有限公司 | 自动泊车方法、装置、设备及存储介质 |
CN113238237B (zh) * | 2021-07-12 | 2021-10-01 | 天津天瞳威势电子科技有限公司 | 一种库位探测方法及装置 |
CN113655486B (zh) * | 2021-08-16 | 2023-08-25 | 安徽江淮汽车集团股份有限公司 | 基于单后视相机及多雷达的自动泊车方法 |
WO2023028764A1 (zh) * | 2021-08-30 | 2023-03-09 | 华为技术有限公司 | 一种自动泊车的方法、装置以及车辆 |
CN114013425B (zh) * | 2021-09-29 | 2024-01-26 | 江铃汽车股份有限公司 | 远程泊车控制方法、系统、存储介质及设备 |
CN114179785B (zh) * | 2021-11-22 | 2023-10-13 | 岚图汽车科技有限公司 | 一种基于面向服务的融合泊车控制系统、电子设备和车辆 |
CN116409312A (zh) * | 2021-12-31 | 2023-07-11 | 上海邦邦机器人有限公司 | 应用于老年代步车的辅助驾驶系统、方法及存储介质 |
CN114792414A (zh) * | 2022-03-31 | 2022-07-26 | 北京鉴智科技有限公司 | 一种用于载体的目标变量检测方法及其系统 |
CN115164910B (zh) * | 2022-06-22 | 2023-02-21 | 小米汽车科技有限公司 | 行驶路径生成方法、装置、车辆、存储介质及芯片 |
CN115235452A (zh) * | 2022-07-22 | 2022-10-25 | 上海师范大学 | 基于uwb/imu和视觉信息融合的智能泊车定位系统及方法 |
CN116142170A (zh) * | 2022-12-06 | 2023-05-23 | 辉羲智能科技(上海)有限公司 | 一种中央控制器统一监控软硬件的自动驾驶代客泊车系统及方法 |
CN115842903B (zh) * | 2023-02-20 | 2023-08-29 | 江苏天一航空工业股份有限公司 | 一种用于机场车路协同位置测量监控系统 |
CN115909795B (zh) * | 2023-03-09 | 2023-06-23 | 斯润天朗(北京)科技有限公司 | 基于车场协同的自主泊车系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103481820A (zh) * | 2013-09-25 | 2014-01-01 | 江苏大学 | 一种带有安全监测的辅助泊车系统及其方法 |
CN103661372A (zh) * | 2013-12-26 | 2014-03-26 | 江苏大学 | 一种自动泊车系统的多智能体优化控制装置及控制方法 |
CN203974805U (zh) * | 2014-07-14 | 2014-12-03 | 江苏大学 | 一种自动泊车系统控制器 |
JP2015096366A (ja) * | 2013-11-15 | 2015-05-21 | 日産自動車株式会社 | 運転支援装置 |
DE102013224190A1 (de) * | 2013-11-27 | 2015-05-28 | Robert Bosch Gmbh | Verfahren zur Bereitstellung von Fahrzeug-Kameradaten |
-
2016
- 2016-04-28 CN CN201610272994.1A patent/CN105946853B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103481820A (zh) * | 2013-09-25 | 2014-01-01 | 江苏大学 | 一种带有安全监测的辅助泊车系统及其方法 |
JP2015096366A (ja) * | 2013-11-15 | 2015-05-21 | 日産自動車株式会社 | 運転支援装置 |
DE102013224190A1 (de) * | 2013-11-27 | 2015-05-28 | Robert Bosch Gmbh | Verfahren zur Bereitstellung von Fahrzeug-Kameradaten |
CN103661372A (zh) * | 2013-12-26 | 2014-03-26 | 江苏大学 | 一种自动泊车系统的多智能体优化控制装置及控制方法 |
CN203974805U (zh) * | 2014-07-14 | 2014-12-03 | 江苏大学 | 一种自动泊车系统控制器 |
Non-Patent Citations (2)
Title |
---|
Design of a Multi-Sensor Cooperation Travel Environment Perception System for Autonomous Vehicle;Long Chen等;《sensors》;20120912;第12386-12404页 * |
基于多传感器融合的可行驶区域探测;陈龙;《城市环境下无人驾驶智能车感知系统若干关键技术研究》;20131231;第32-48页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105946853A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105946853B (zh) | 基于多传感器融合的长距离自动泊车的系统及方法 | |
CN108196535B (zh) | 基于增强学习和多传感器融合的自动驾驶系统 | |
CN111986506B (zh) | 基于多视觉系统的机械式停车位泊车方法 | |
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知系统及矿用车辆 | |
JP5227065B2 (ja) | 三次元機械地図、三次元機械地図生成装置、ナビゲーション装置及び自動運転装置 | |
CN107600067A (zh) | 一种基于多视觉惯导融合的自主泊车系统及方法 | |
CN108896994A (zh) | 一种无人驾驶车辆定位方法及设备 | |
CN108369780A (zh) | 视觉认知援助系统以及视认对象物的检测系统 | |
CN107422730A (zh) | 基于视觉导引的agv运输系统及其驾驶控制方法 | |
CN112307594B (zh) | 道路数据采集和模拟场景建立一体化系统及方法 | |
CN112101128B (zh) | 一种基于多传感器信息融合的无人方程式赛车感知规划方法 | |
CN106527426A (zh) | 一种室内多目轨迹规划系统及其方法 | |
CN109773783B (zh) | 一种基于空间点云识别的巡防智能机器人及其警务系统 | |
WO2015024407A1 (zh) | 基于电力机器人的双目视觉导航系统及方法 | |
CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶系统及方法 | |
CN110211420A (zh) | 判断当前场景是否为停车场的方法、系统及计算机可读存储介质 | |
CN110163963B (zh) | 一种基于slam的建图装置和建图方法 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN107193278B (zh) | 基于定位的图像和地图匹配的可行驶区域识别方法 | |
CN107657825A (zh) | 泊车方法及装置 | |
CN113071518B (zh) | 一种自动无人驾驶方法、小巴、电子设备以及存储介质 | |
CN109632333A (zh) | 自动驾驶车辆性能测试方法、装置、设备及可读存储介质 | |
CN110293965A (zh) | 泊车方法和控制装置、车载设备及计算机可读介质 | |
CN106569225A (zh) | 一种基于测距传感器的无人车实时避障方法 | |
JP7209367B2 (ja) | ゴルフ場自動運転車のナビゲーション切り替え設備 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |