CN107102642A - 用于无人驾驶汽车的自动泊车系统 - Google Patents
用于无人驾驶汽车的自动泊车系统 Download PDFInfo
- Publication number
- CN107102642A CN107102642A CN201710377898.8A CN201710377898A CN107102642A CN 107102642 A CN107102642 A CN 107102642A CN 201710377898 A CN201710377898 A CN 201710377898A CN 107102642 A CN107102642 A CN 107102642A
- Authority
- CN
- China
- Prior art keywords
- mrow
- pilotless automobile
- msub
- geomagnetic sensor
- automobile
- 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.)
- Pending
Links
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 230000005389 magnetism Effects 0.000 claims abstract description 8
- 230000008447 perception Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 16
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 4
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
- G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种用于无人驾驶汽车的自动泊车系统,其特征在于,包括车位规划器、多个地磁传感器组成的地磁传感网络、运动分析器和自适应车速控制器;其中,车位规划器,贮存于停车场后台,用于在无人驾驶汽车进入停车场时,将目的车位和路线发送给无人驾驶汽车;地磁传感器布设在停车场的道路路面下,用于在无人驾驶汽车沿着规划的路线行进前往目的车位时,感知该无人驾驶汽车;运动分析器,贮存于停车场后台,用于根据地磁传感器的感知数据分析无人驾驶汽车的速度和轨迹;自适应车速控制器,贮存于无人驾驶汽车上,用于根据运动分析器的分析控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞。
Description
技术领域
本申请涉及汽车技术领域,特别地,涉及一种用于无人驾驶汽车的自动泊车系统。
背景技术
现有的奔驰B和雷克萨斯LS配备了一种自动泊车系统。其原理是:遍布车辆周围的雷达探头测量自身与周围物体之间的距离和角度,然后通过车载电脑计算出操作流程配合车速调整方向盘的转动,驾驶者只需要控制车速即可。
无人驾驶汽车是一种智能汽车,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。现有的自动泊车系统因为还需要人工控制车速,所以还不能用于无人驾驶汽车。
发明内容
本申请提供一种用于无人驾驶汽车的自动泊车系统,用于解决上述的问题。
本申请还提供了一种用于无人驾驶汽车的自动泊车系统,其特征在于,包括车位规划器、多个地磁传感器组成的地磁传感网络、运动分析器和自适应车速控制器;其中,
车位规划器,贮存于停车场后台,用于在无人驾驶汽车进入停车场时,将目的车位和路线发送给无人驾驶汽车;
地磁传感器布设在停车场的道路路面下,用于在无人驾驶汽车沿着规划的路线行进前往目的车位时,感知该无人驾驶汽车;
运动分析器,贮存于无人驾驶汽车上,用于根据地磁传感器的感知数据分析无人驾驶汽车的速度和轨迹;
自适应车速控制器,贮存于无人驾驶汽车上,用于根据运动分析器的分析控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞。
本发明通过地磁传感器检测无人驾驶汽车的运行状况来预测无人驾驶汽车的轨迹,并进而控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞,实现了提前就能控制和避免无人驾驶汽车的碰撞,并且节省了现有的奔驰B和雷克萨斯LS复杂的雷达系统,并且完全解放了驾驶员的车速控制操作,使得驾驶员在将无人驾驶汽车送入停车场门口时,即可自行离开无人驾驶汽车。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1示出了根据本发明一个实施例的用于无人驾驶汽车的自动泊车系统的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
图1示出了根据本发明一个实施例的用于无人驾驶汽车的自动泊车系统的示意图。包括车位规划器10、多个地磁传感器组成的地磁传感网络20、运动分析器30和自适应车速控制器40;其中,
车位规划器10,贮存于停车场后台,用于在无人驾驶汽车进入停车场时,将目的车位和路线发送给无人驾驶汽车;
地磁传感器20布设在停车场的道路路面下,用于在无人驾驶汽车沿着规划的路线行进前往目的车位时,感知该无人驾驶汽车;
运动分析器30,贮存于无人驾驶汽车上,用于根据地磁传感器20的感知数据分析无人驾驶汽车的速度和轨迹;
自适应车速控制器40,贮存于无人驾驶汽车上,用于根据运动分析器30的分析控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞。
现有的奔驰B和雷克萨斯LS配备了一种自动泊车系统。其原理是:遍布车辆周围的雷达探头测量自身与周围物体之间的距离和角度,然后通过车载电脑计算出操作流程配合车速调整方向盘的转动,驾驶者只需要控制车速即可。现有的自动泊车系统因为还需要人工控制车速,所以还不能用于无人驾驶汽车。这样存在的问题,一是给驾驶员增加了开车负担,而是驾驶员在停车过程中不能离开汽车,耽误不少时间,而且可能还要多绕很多路才能走到目的地;二是需要复杂的雷达系统。
而本发明通过地磁传感器检测无人驾驶汽车的运行状况来预测无人驾驶汽车的轨迹,并进而控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞,实现了提前就能控制和避免无人驾驶汽车的碰撞,并且节省了现有的奔驰B和雷克萨斯LS复杂的雷达系统,并且完全解放了驾驶员的车速控制操作,使得驾驶员在将无人驾驶汽车送入停车场门口时,即可自行离开无人驾驶汽车。
优选的,地磁传感器在其检测区域内,通过检测磁力线的扰动以确定无人驾驶汽车的进入和离开。
基于地磁信号的检测准确率超过了复杂的雷达系统等传统设备,采用地磁传感器对无人驾驶汽车进行检测,提高了感知无人驾驶汽车的准确度,并且还降低了成本。
优选的地磁传感器包括:
采集模块,用于对地磁传感器检测到的原始信号数据进行低通和带通滤波器去噪、降低采样频率、求能量谱处理,得到时刻k的信号β(k);
加工模块,用于采用滑动加权对信号进行处理得到β′(k):
式中,Window表示滑动窗口长度,i表示时刻k之前的第i个信号。
本优选实施例对原始信号进行平滑处理,这能够消除突发噪声的影响,可以提高信号分析的准确率。
优选的,运动分析器包括:
速度分析模块,用于分析无人驾驶汽车的速度;
轨迹分析模块,用于分析无人驾驶汽车的轨迹。
本优选实施例同时分析无人驾驶汽车的速度和轨迹,从而能够综合分析汽车的运动状况。
优选的,速度分析模块包括:
门值单元,用于确定门值T(k),若当前信号采样连续超过门值则认为有无人驾驶汽车存在,当信号连续低于门值则认为无人驾驶汽车不存在,其中,T(k)根据B′(k)的变化进行迭代更新,假设门值初始值为T0,T(k)采用下式进行更新:
式中,A和B为更新因子,T为门值更新延迟,0<A<1,B>1;
速度单元,确定速度
式中,ΔTB和ΔTA分别表示地磁传感器B和地磁传感器A的时钟和标准时钟的差值,TB,start和TA,start分别表示地磁传感器B和地磁传感器A的检测到无人驾驶汽车的开始时间,TB,end和TA,end分别表示地磁传感器B和地磁传感器A的检测到无人驾驶汽车的截止时间,dA,B表示两个地磁传感器之间的距离。
本优选实施例加强了对实际检测环境中背景噪声的分析处理,因此提高了鲁棒性,能够保证无人驾驶汽车检测的准确性和可靠性;求取无人驾驶汽车速度时,考虑了地磁传感器的时钟同步问题,无人驾驶汽车速度检测更为准确。
优选的,轨迹分析模块包括建模单元和优化单元,建模单元用于建立轨迹一般模型,优化单元用于建立与符合车道的轨迹优化模型。
轨迹一般模型为:假设地磁传感网络中的多个地磁传感器构成的n个节点,在固定的时间间隔内对无人驾驶汽车进行周期性的检测并上报汇聚节点,得到一个n维向量集D=(+1,0,-1)n,其中,+1表示无人驾驶汽车向着地磁传感器的检测范围方向移动,0表示没有发现无人驾驶汽车,-1表示无人驾驶汽车往远离地磁传感器检测范围的方向移动,根据向量集D以及对应的时间戳对无人驾驶汽车轨迹进行估算;
轨迹优化模型为:无人驾驶汽车的运行轨迹是与车道平行的直线,汇聚节点在固定的时间间隔π内以一定的频率采样无人驾驶汽车数据,则采样结果表示为一个二元检测序列o(tj):
式中,tj表示采样时刻,s(tj)为根据门值检测到的无人驾驶汽车存在性状态输出。
本优选实施例实现了对无人驾驶汽车轨迹的估算,一般模型能够对于各种轨迹进行估算,当无人驾驶汽车运行于规划路线时,采用轨迹优化模型能够对无人驾驶汽车轨迹进行简化,提高了计算效率,节省了计算时间,从而能更及时地预判,提前将无人驾驶汽车减速或加速。
优选的,设在某一时刻地磁传感器f检测到尾部离开事件,地磁传感器g检测到头部进入,无人驾驶汽车长度检测模块确定无人驾驶汽车的长度为:
式中,T、H、P分别为实际环境中的温度、湿度、气压,T0、H0、P0分别为标准温度、标准湿度、标准气压,dp,q表示两个地磁传感器f和g之间的距离,df和dg分别表示无人驾驶汽车与地磁传感器f和g的距离,doff表示无人驾驶汽车偏移两个地磁传感器连线的距离。
由于磁信号受到环境因素的影响,将温湿度和气压作为依据对误差调整参数进行计算,获得的无人驾驶汽车长度更为准确。本优选实施例在对无人驾驶汽车长度进行检测的过程中,引入T、H、P分别为实际环境中的温度、湿度、气压,从而可以调整这些自然因素带来的误差,能够减少经计算得到的磁性长度与无人驾驶汽车实际长度的误差。
需要说明的是,上述装置或系统实施例属于优选实施例,所涉及的单元和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种用于无人驾驶汽车的自动泊车系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式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申请的限制。
Claims (7)
1.一种用于无人驾驶汽车的自动泊车系统,其特征在于,包括车位规划器、多个地磁传感器组成的地磁传感网络、运动分析器和自适应车速控制器;其中,
车位规划器,贮存于停车场后台,用于在无人驾驶汽车进入停车场时,将目的车位和路线发送给无人驾驶汽车;
地磁传感器布设在停车场的道路路面下,用于在无人驾驶汽车沿着规划的路线行进前往目的车位时,感知该无人驾驶汽车;
运动分析器,贮存于无人驾驶汽车上,用于根据地磁传感器的感知数据分析无人驾驶汽车的速度和轨迹;
自适应车速控制器,贮存于无人驾驶汽车上,用于根据运动分析器的分析控制无人驾驶汽车的速度,以防止无人驾驶汽车之间发生碰撞。
2.根据权利要求1所述的自动泊车系统,其特征在于,地磁传感器在其检测区域内,通过检测磁力线的扰动以确定无人驾驶汽车的进入和离开。
3.根据权利要求2所述的自动泊车系统,其特征在于,地磁传感器包括:
采集模块,用于对地磁传感器检测到的原始信号数据进行低通和带通滤波器去噪、降低采样频率、求能量谱处理,得到时刻k的信号β(k);
加工模块,用于采用滑动加权对信号进行处理得到β′(k):
<mrow>
<msup>
<mi>&beta;</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>W</mi>
<mi>i</mi>
<mi>n</mi>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mfrac>
<mrow>
<mn>3</mn>
<mi>i</mi>
</mrow>
<mrow>
<msup>
<mi>Window</mi>
<mn>3</mn>
</msup>
</mrow>
</mfrac>
<mi>&beta;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,Window表示滑动窗口长度,i表示时刻k之前的第i个信号。
4.根据权利要求3所述的自动泊车系统,其特征在于,运动分析器包括:
速度分析模块,用于分析无人驾驶汽车的速度;
轨迹分析模块,用于分析无人驾驶汽车的轨迹。
5.根据权利要求4所述的自动泊车系统,其特征在于,速度分析模块包括:
门值单元,用于确定门值T(k),若当前信号采样连续超过门值则认为有无人驾驶汽车存在,当信号连续低于门值则认为无人驾驶汽车不存在,其中,T(k)根据B′(k)的变化进行迭代更新,假设门值初始值为T0,T(k)采用下式进行更新:
式中,A和B为更新因子,T为门值更新延迟,0<A<1,B>1;
速度单元,确定速度
式中,ΔTB和ΔTA分别表示地磁传感器B和地磁传感器A的时钟和标准时钟的差值,TB,start和TA,start分别表示地磁传感器B和地磁传感器A的检测到无人驾驶汽车的开始时间,TB,end和TA,end分别表示地磁传感器B和地磁传感器A的检测到无人驾驶汽车的截止时间,dA,B表示两个地磁传感器之间的距离。
6.根据权利要求5所述的自动泊车系统,其特征在于,轨迹分析模块包括建模单元和优化单元,建模单元用于建立轨迹一般模型,优化单元用于建立与符合车道的轨迹优化模型;
轨迹一般模型为:假设地磁传感网络中的多个地磁传感器构成的n个节点,在固定的时间间隔内对无人驾驶汽车进行周期性的检测并上报汇聚节点,得到一个n维向量集D=(+1,0,-1)n,其中,+1表示无人驾驶汽车向着地磁传感器的检测范围方向移动,0表示没有发现无人驾驶汽车,-1表示无人驾驶汽车往远离地磁传感器检测范围的方向移动,根据向量集D以及对应的时间戳对无人驾驶汽车轨迹进行估算;
轨迹优化模型为:无人驾驶汽车的运行轨迹是与车道平行的直线,汇聚节点在固定的时间间隔π内以一定的频率采样无人驾驶汽车数据,则采样结果表示为一个二元检测序列o(tj):
<mrow>
<mi>o</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&NotEqual;</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,tj表示采样时刻,s(tj)为根据门值检测到的无人驾驶汽车存在性状态输出。
7.根据权利要求6所述的自动泊车系统,其特征在于,设在某一时刻地磁传感器f检测到尾部离开事件,地磁传感器g检测到头部进入,无人驾驶汽车长度检测模块确定无人驾驶汽车的长度L为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>L</mi>
<mo>=</mo>
<mi>ln</mi>
<mrow>
<mo>(</mo>
<mroot>
<mfrac>
<mrow>
<mfrac>
<mrow>
<mi>T</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>T</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>+</mo>
<mn>2</mn>
<mfrac>
<mrow>
<mi>H</mi>
<mo>-</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>+</mo>
<msqrt>
<mfrac>
<mrow>
<mi>P</mi>
<mo>-</mo>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
</mrow>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
</mfrac>
</msqrt>
</mrow>
<mn>3</mn>
</mfrac>
<mn>3</mn>
</mroot>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
</mrow>
</msub>
<mo>-</mo>
<msqrt>
<mrow>
<msubsup>
<mi>R</mi>
<mi>p</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msqrt>
<mrow>
<msubsup>
<mi>R</mi>
<mi>q</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>d</mi>
<mrow>
<mi>o</mi>
<mi>f</mi>
<mi>f</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>f</mi>
<mo>,</mo>
<mi>g</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,T、H、P分别为实际环境中的温度、湿度、气压,T0、H0、P0分别为标准温度、标准湿度、标准气压,dp,q表示两个地磁传感器f和g之间的距离,df和dg分别表示无人驾驶汽车与地磁传感器f和g的距离,doff表示无人驾驶汽车偏移两个地磁传感器连线的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710377898.8A CN107102642A (zh) | 2017-05-25 | 2017-05-25 | 用于无人驾驶汽车的自动泊车系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710377898.8A CN107102642A (zh) | 2017-05-25 | 2017-05-25 | 用于无人驾驶汽车的自动泊车系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107102642A true CN107102642A (zh) | 2017-08-29 |
Family
ID=59670389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710377898.8A Pending CN107102642A (zh) | 2017-05-25 | 2017-05-25 | 用于无人驾驶汽车的自动泊车系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107102642A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109584608A (zh) * | 2018-12-07 | 2019-04-05 | 东软睿驰汽车技术(沈阳)有限公司 | 一种停车场自动泊车方法及系统 |
CN111127677A (zh) * | 2019-12-12 | 2020-05-08 | 深圳市易停车库科技有限公司 | 立体车库自动停车系统及方法 |
CN111386560A (zh) * | 2017-11-28 | 2020-07-07 | 奥迪股份公司 | 用于设定在预先规定的导航环境中的全自动车辆导引功能的方法和机动车 |
CN114228701A (zh) * | 2021-11-30 | 2022-03-25 | 岚图汽车科技有限公司 | 一种基于传感器数据融合的泊车控制方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050107954A1 (en) * | 2002-03-22 | 2005-05-19 | Ibrahim Nahla | Vehicle navigation, collision avoidance and control system |
CN104483692A (zh) * | 2014-12-05 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 基于移动通讯终端的汽车定位系统及方法 |
CN106128130A (zh) * | 2016-07-01 | 2016-11-16 | 北京工业大学 | 基于地磁车辆检测器的施工区运行状态控制方法和系统 |
CN106297384A (zh) * | 2016-08-26 | 2017-01-04 | 云赛智联股份有限公司 | 一种城市道路智慧泊车管理系统 |
CN106504571A (zh) * | 2016-10-18 | 2017-03-15 | 陈汇鑫 | 一种城市停车位动态管理方法 |
CN206179231U (zh) * | 2016-11-11 | 2017-05-17 | 上海挚极信息科技有限公司 | 一种车位管理装置 |
-
2017
- 2017-05-25 CN CN201710377898.8A patent/CN107102642A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050107954A1 (en) * | 2002-03-22 | 2005-05-19 | Ibrahim Nahla | Vehicle navigation, collision avoidance and control system |
CN104483692A (zh) * | 2014-12-05 | 2015-04-01 | 上海斐讯数据通信技术有限公司 | 基于移动通讯终端的汽车定位系统及方法 |
CN106128130A (zh) * | 2016-07-01 | 2016-11-16 | 北京工业大学 | 基于地磁车辆检测器的施工区运行状态控制方法和系统 |
CN106297384A (zh) * | 2016-08-26 | 2017-01-04 | 云赛智联股份有限公司 | 一种城市道路智慧泊车管理系统 |
CN106504571A (zh) * | 2016-10-18 | 2017-03-15 | 陈汇鑫 | 一种城市停车位动态管理方法 |
CN206179231U (zh) * | 2016-11-11 | 2017-05-17 | 上海挚极信息科技有限公司 | 一种车位管理装置 |
Non-Patent Citations (1)
Title |
---|
KYOUNG-WOOK MIN,ET AL: "Design and Implementation of autonomous vehicle valet parking system", 《PROCEEDING OF THE 16TH INTERNATIONAL IEEE ANNUAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111386560A (zh) * | 2017-11-28 | 2020-07-07 | 奥迪股份公司 | 用于设定在预先规定的导航环境中的全自动车辆导引功能的方法和机动车 |
US11577752B2 (en) | 2017-11-28 | 2023-02-14 | Audi Ag | Method for adjusting fully automatic vehicle guidance functions in a predefined navigation environment and motor vehicle |
CN109584608A (zh) * | 2018-12-07 | 2019-04-05 | 东软睿驰汽车技术(沈阳)有限公司 | 一种停车场自动泊车方法及系统 |
CN111127677A (zh) * | 2019-12-12 | 2020-05-08 | 深圳市易停车库科技有限公司 | 立体车库自动停车系统及方法 |
CN114228701A (zh) * | 2021-11-30 | 2022-03-25 | 岚图汽车科技有限公司 | 一种基于传感器数据融合的泊车控制方法和装置 |
CN114228701B (zh) * | 2021-11-30 | 2023-10-20 | 岚图汽车科技有限公司 | 一种基于传感器数据融合的泊车控制方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107102642A (zh) | 用于无人驾驶汽车的自动泊车系统 | |
US10809735B2 (en) | System and method for a framework of robust and safe reinforcement learning application in real world autonomous vehicle application | |
US11919499B2 (en) | Driving surface friction estimations using vehicle steering | |
CN106020203B (zh) | 用于控制无人驾驶车辆的方法及装置 | |
WO2019047657A1 (zh) | 无人驾驶车辆的数据训练方法和装置 | |
Klančar et al. | Wheeled mobile robots control in a linear platoon | |
CN103454919B (zh) | 智能空间中移动机器人的运动控制系统的控制方法 | |
CN107901917B (zh) | 一种基于滑转滑移耦合估计的无人驾驶车辆轨迹跟踪控制方法 | |
Klančar et al. | A control strategy for platoons of differential drive wheeled mobile robot | |
Gu et al. | Toward human-like motion planning in urban environments | |
WO2023201964A1 (zh) | 一种跟车目标确定方法、装置、设备及介质 | |
CN103625472B (zh) | 智能巡航控制装置以及方法 | |
CN107491072A (zh) | 车辆避障方法和装置 | |
CN105974924B (zh) | Agv小车自适应导航方法 | |
CN113608531B (zh) | 基于安全a*引导点的无人车实时全局路径规划方法 | |
CN108216241A (zh) | 确定自主驾驶车辆的控制特性 | |
US20180011954A1 (en) | Virtual Sensor-Data-Generation System and Method Supporting Development of Algorithms Facilitating Navigation of Railway Crossings in Varying Weather Conditions | |
CN105404296A (zh) | 一种两轮自平衡智能车姿态控制方法 | |
WO2023087802A1 (zh) | 自动驾驶定位方法、系统、测试方法、设备及存储介质 | |
CN114222987A (zh) | 用于量化车辆路径跟随性能的方法 | |
CN112572461A (zh) | 控制车辆的方法、装置、设备和存储介质 | |
KR20200068258A (ko) | 차량용 센서퓨전 타겟 예측 장치 및 그의 센서 퓨전 타겟 예측 방법과 그를 포함하는 차량 | |
CN108268022A (zh) | 自动驾驶汽车航向跟踪控制器性能评估方法 | |
Rojas et al. | Performance evaluation of an autonomous vehicle using resilience engineering | |
Piccinini et al. | A predictive neural hierarchical framework for on-line time-optimal motion planning and control of black-box vehicle models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170829 |