CN109094556A - 一种基于车位特征点的自动泊车方法及系统 - Google Patents

一种基于车位特征点的自动泊车方法及系统 Download PDF

Info

Publication number
CN109094556A
CN109094556A CN201810824582.3A CN201810824582A CN109094556A CN 109094556 A CN109094556 A CN 109094556A CN 201810824582 A CN201810824582 A CN 201810824582A CN 109094556 A CN109094556 A CN 109094556A
Authority
CN
China
Prior art keywords
parking
parking stall
characteristic point
vehicle
path
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.)
Granted
Application number
CN201810824582.3A
Other languages
English (en)
Other versions
CN109094556B (zh
Inventor
田勇
钱令军
田劲东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201810824582.3A priority Critical patent/CN109094556B/zh
Publication of CN109094556A publication Critical patent/CN109094556A/zh
Application granted granted Critical
Publication of CN109094556B publication Critical patent/CN109094556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W30/00Purposes 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
    • B60W30/06Automatic manoeuvring for parking

Abstract

本发明公开了一种基于车位特征点的自动泊车方法,包括以下步骤:采集初始车位特征点信息;判断是否满足自动泊车条件;若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;若满足,则规划泊车路径;检测车位特征点类别及位置信息;判断是否偏离路径规划;若否,则按所述规划路径行驶;当检测到车位特征点满足泊车条件时,则停车制动。一种基于车位特征点的自动泊车系统,包括:信息采集模块,泊车判断模块和路径规划模块。本发明实现了在不对传统车位特征信息进行修改的情况下,普适的实现车辆准确自动泊车对位。其不仅快速、精准,而且适应性强,提高了用户体验。广泛应用于自动停车领域。

Description

一种基于车位特征点的自动泊车方法及系统
技术领域
本发明涉及自动停车领域,具体为基于车位特征点的自动泊车方法及系统。
背景技术
电动汽车是当前汽车工业领域的热门研究和发展方向,近几年在世界范围内得到了快速发展和推广应用。无线充电具有非接触、使用方便、即停即充、安全可靠等优点,能够给用户提供良好的用户体验。然而无线充电技术在使用过程还面临着一些亟待解决的问题,其中一个比较关键的问题是充电线圈对位问题。充电线圈对位不准将大大降低充电效率,偏移过大时甚至导致无法充电。用于电动车辆的无线充电装置,由于电能接收线圈安装于车辆底盘上,电能发射线圈安装于地面,驾驶员在泊车过程中无法观察电能接收线圈和发射线圈的相对位置,因此无法进行准确对位。
公开号CN104057950A的专利公开了一种全自动泊车系统,包括全自动泊车控制器和与全自动泊车控制器通信连接的环境信息采集系统、电动助力转向系统、发动机管理系统、变速器控制器、车身电子稳定系统及电子驻车系统;全自动泊车控制器利用环境信息采集系统获取的泊车信息,规划出可行的泊车路径,将相关控制指令发送给各执行机构,并根据获得的实际反馈信号对规划的泊车路径进行实时的修正,实现对车辆的闭环控制。该方案仍然存在一些不足,例如:一方面,所述环境信息采集系统包括12路超声波传感器和4路摄像头,用于采集车辆距离周围障碍物之间的距离、车位大小和距离信息,这样就很依赖于待泊车车位周围的环境信息因素,对重点目标车位的准确位置无法保证;另一方面,在全自动泊车入位、出位过程中,驾驶员需要在车外观察周边环境,发送指令触发泊车终止按键,控制车辆立即停车,增加驾驶人的负担,且引入人为误差,无法做到精准停车对位。
公开号CN107776570A的专利公开了一种全自动泊车方法及全自动泊车系统,包括:接收用户发出的启动指令,根据所述启动指令激活自动泊车系统;控制车辆自动向前行进并且在行进过程中搜索车辆的两侧是否存在可用的停车位,当存在可用的停车位时,识别出目标车位的基本信息;根据识别出的目标车位的基本信息进行泊车路径规划,得到泊车起始点以及从泊车起始点到泊车终点的泊车路径;控制车辆自动行进至泊车起始点;控制车辆按照规划好的泊车路径进行自动泊车,将车辆泊入停车位内。该发明提供的全自动泊车方法及全自动泊车系统,不需人为参与,可实现全自动泊车,但仍存在一些不足,该发明采用12个雷达用于在车辆行进过程中探测周边是否有空车位,一方面,该方法需要有已经停稳的车辆作为参考,才能探测到空余车位信息;另一方面,该方法并不能引导车辆准确停车对位,该对位精度依赖于周围环境车辆。
综上,该技术有必要进行改进。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的是提供一种停车对位精度高的自动泊车方法及系统。
本发明所采用的技术方案是:
本发明提供一种基于车位特征点的自动泊车方法,包括以下步骤:
采集初始车位特征点信息;
判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
作为该技术方案的改进,所述初始车位特征点信息包括车位外侧横向两边角特征点的像素位置坐标和/或车位外侧横向两边角与车位横向中垂线组成的区块区域。
作为该技术方案的改进,通过所述车位外侧横向两边角的特征点之间的像素位置坐标和相对像素位置,确定车辆与车位的相对位置信息。
作为该技术方案的改进,通过所述车辆与车位的相对位置信息可判断所述车辆是否可安全进入车位,以进行自动泊车。
作为该技术方案的改进,所述方法还包括采集车位左侧纵向两边角特征点的像素位置坐标。
进一步地,所述方法还包括采集到车位外侧横向左边角特征点在所述车辆视野内消失,且所述车位内侧横向右边角特征点在所述车辆视野内出现。
进一步地,当检测到车位内侧横向左边角特征点与车位内侧横向右边角特征点连线的中垂线与所述车辆图像采集单元的像素中线共线时,则所述车辆与所述车位横向位置对齐。
进一步地,当检测到车位内侧横向左边角特征点与车位内侧横向右边角特征点连线在所述车辆图像采集单元的预设停车像素区域时,则停车并完成自动泊车。
另一方面,本发明还提供一种基于车位特征点的自动泊车系统,包括:
信息采集模块,用于执行步骤采集初始车位特征点信息;
泊车判断模块,用于执行步骤判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
路径规划模块,用于执行步骤若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
本发明的有益效果是:本发明提供的基于车位特征点的自动泊车方法及系统,通过对车位特征点进行识别采集,通过预设判断进行泊车路径规划,实现了在不对传统车位特征信息进行修改的情况下,普适的实现车辆准确自动泊车对位。其不仅快速、精准,而且适应性强,提高了用户体验。
附图说明
图1是本发明一实施例的单车库环境示意图;
图2为本发明一实施例的车辆自动泊车步骤示意图;
图3为本发明一实施例的车辆自动泊车流程图;
图4为本发明一实施例的车辆泊车第一视角示意图;
图5为本发明一实施例的真实场景下多车位示意图;
图6为本发明一实施例的组件模块框图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明提供一种基于车位特征点的自动泊车方法,包括以下步骤:
采集初始车位特征点信息;
判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
参照图1,为本发明一实施例的单车位特征示意图,其中,车库设计与传统车库一致,车位特征点为分布在其周边的四个边角,根据特征点边角的开口方向和车位线相对位置特征将其分为四个类别,分别将一个车位的四个特征拐角定义为特征点L0、特征点R0、特征点L1、特征点R1,并利用本发明中的深度学习方法将四个特征拐角类别分别检测出来,并如图标记,并给出特征点的中心坐标。其中,特征点L0、特征点R0及r横线共同组成了区块1;特征点L0、特征点L1及c竖线共同组成了区块2;特征点L1、特征点R1及r横线共同组成了区块3;特征点R0、特征点R1及c竖线共同组成了区块4。
其中,对特征点的识别检测,可通过训练深度学习网络参数,通过采集停车位目标图像制作训练集和测试集,并对感兴趣的目标区域做标签,标记特征车位特征角点所在区域矩形框的坐标和类别;然后初始化网络参数,将训练集发送到已经构建好的深度神经网络,参与训练。待训练结束后,采用测试集对训练结果进行量化评估,并依此判定训练结果是否较优。若是,则可以将该训练结果投入到实际应用中;若否,则需要分析输出数据,找出不足的原因,调整参数,或者不足之处来源于训练集的制作上,则需要在数据集上进行修改,然后再次参与到网络训练中,直至测试结果较优,才可将训练结果投入到应用中。
参照图2,为本发明车辆自动泊车步骤示意图,车辆后端采用广角摄像头,并安装于车辆尾部中间位置,该方法将泊车过程细分为四个步骤阶段。步骤1,待泊车车辆驶入空闲车位的指定位置,车辆将对车位特征点L0、特征点R0分别进行初始特征检测和像素位置确定,即区块1,并根据两特征点间的像素坐标和相对像素位置,确定车辆与车位的相对位置信息,判断是否满足自动泊车初始条件,规划初始泊车路径;步骤二,此时车辆已完成步骤一的操作,车身尾部进入了预定泊车车位内,但车身倾斜严重,广角摄像头视野内可识别定位到特征点L0、特征点L1两个特征点位置,即区块2。或由区块1之后,特征点L0在车辆视野内逐渐消失,特征点R1逐渐出现,将对泊车路径规划起到实时反馈调整的作用;步骤三,随着车身姿势的调整,特征点R1逐渐出现在摄像机视野中,即区块三,定位特征点L1、特征点R1在图像中的像素位置,微调车身位姿,使得特征点L1、特征点R1两者中心点连线的垂线与摄像机像素中线共线时,即表示车辆车身在车位左右位置已对齐;后根据两特征点连线像素在图像中的指定像素区域制动停车,最终实现待泊车车辆车身左右前后对齐,此时车辆已精准对位。
参照图3,为本发明一实施例的车辆自动泊车流程图。自动泊车初始条件为车辆在驾驶员操作下人为的找寻车位,在确定空车位的情况下,驾驶员启动车辆自动泊车系统,此时车辆将由自动驾驶系统接管。车辆根据车位与车辆的相对位置选择自动左,或者右打方向盘,使得车辆的摄像头图像采集模块能够采集到车位信息。此过程车载深度学习图像处理模块对车位特征进行检测,实时构建车辆与车位相对位置关系,判断是否满足初始泊车条件。若是,则规划泊车路径,启动泊车。
如图4所示,为本发明的车辆泊车第一视角示意图,车辆在连续泊车的过程中,车载显示屏第一视角观察车位,图中表示了其中的三个联系过程,位置1、位置2、位置3。由车位特征点L0、R0和车载摄像头三点构成了一个三角形区域,并在车辆不断移动的过程中,该三角形的形状会发生变化,如图所示的三个三角形区域。
参照图5,为本发明真实场景下多车位示意图,此时以目标车位1和相邻车位2为例,特征点L0、特征点R0为两个特征点类别,同属于一个车位的两类别特征点L0、特征点R0在像素距离上存在一个相对很大的距离;而在相邻两车位处,两类别特征点L0、特征点R0则在像素距离上相对很近。依据此种特点,可根据特征点L0、特征点R0在像素中的距离,通过设定阈值的方式,区分两特征点是否同属于一个目标车位,避免误检。
如图6所示为本发明组件模块框图,其包括基于摄像头的图像采集模块、深度学习图像处理模块、车辆与车位相对位置构建模块、泊车路径规划模块,以及车辆控制系统。摄像头图像采集模块将在启动自动泊车指令时对图像进行采集,并将采集到的图像实时的传输给深度学习图像处理模块,对该车位特征角点进行检测,将检测后的结果信息传递给车辆与车位位置构建模块,最终用于对车辆泊车路径的规划,从而控制车辆运动。该过程是实时进行的,将不断的监控整个自动泊车过程,对实时的修正泊车路径规划,最终实现准确泊车对位,车辆制动,完成泊车过程。
其中,车载摄像头不局限于某一种摄像头,也不局限于一个或者多个摄像头组合方式,安装位置不局限于车尾,也可采用多摄像头多位置图像融合方式。
本发明还提供一种基于车位特征点的自动泊车系统,包括:
信息采集模块,用于执行步骤采集初始车位特征点信息;
泊车判断模块,用于执行步骤判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
路径规划模块,用于执行步骤若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
本发明提供的基于车位特征点的自动泊车方法及系统,通过对车位特征点进行识别采集,通过预设判断进行泊车路径规划,实现了在不对传统车位特征信息进行修改的情况下,普适的实现车辆准确自动泊车对位。其不仅快速、精准,而且适应性强,提高了用户体验。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种基于车位特征点的自动泊车方法,其特征在于,包括以下步骤:
采集初始车位特征点信息;
判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
2.根据权利要求1所述的基于车位特征点的自动泊车方法,其特征在于,所述初始车位特征点信息包括车位外侧横向两边角特征点的像素位置坐标和/或车位外侧横向两边角与车位横向中垂线组成的区块区域。
3.根据权利要求2所述的基于车位特征点的自动泊车方法,其特征在于,通过所述车位外侧横向两边角的特征点之间的像素位置坐标和相对像素位置,确定车辆与车位的相对位置信息。
4.根据权利要求3所述的基于车位特征点的自动泊车方法,其特征在于,通过所述车辆与车位的相对位置信息可判断所述车辆是否可安全进入车位,以进行自动泊车。
5.根据权利要求1至4任一项所述的基于车位特征点的自动泊车方法,其特征在于,所述方法还包括采集车位左侧纵向两边角特征点的像素位置坐标。
6.根据权利要求1至4任一项所述的基于车位特征点的自动泊车方法,其特征在于,所述方法还包括采集到车位外侧横向左边角特征点在所述车辆视野内消失,且所述车位内侧横向右边角特征点在所述车辆视野内出现。
7.根据权利要求1至4任一项所述的基于车位特征点的自动泊车方法,其特征在于,当检测到车位内侧横向左边角特征点与车位内侧横向右边角特征点连线的中垂线与所述车辆图像采集单元的像素中线共线时,则所述车辆与所述车位横向位置对齐。
8.根据权利要求7所述的基于车位特征点的自动泊车方法,其特征在于,当检测到车位内侧横向左边角特征点与车位内侧横向右边角特征点连线在所述车辆图像采集单元的预设停车像素区域时,则停车并完成自动泊车。
9.一种基于车位特征点的自动泊车系统,其特征在于,包括:
信息采集模块,用于执行步骤采集初始车位特征点信息;
泊车判断模块,用于执行步骤判断是否满足自动泊车条件;
若不满足,则调整车辆位置,并重新判断是否满足自动泊车条件;
路径规划模块,用于执行步骤若满足,则规划泊车路径;
检测车位特征点类别及位置信息;
判断是否偏离路径规划;
若是,则重新规划泊车路径;
若否,则按所述规划路径行驶;
当检测到车位特征点满足泊车条件时,则停车制动。
CN201810824582.3A 2018-07-25 2018-07-25 一种基于车位特征点的自动泊车方法及系统 Active CN109094556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810824582.3A CN109094556B (zh) 2018-07-25 2018-07-25 一种基于车位特征点的自动泊车方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810824582.3A CN109094556B (zh) 2018-07-25 2018-07-25 一种基于车位特征点的自动泊车方法及系统

Publications (2)

Publication Number Publication Date
CN109094556A true CN109094556A (zh) 2018-12-28
CN109094556B CN109094556B (zh) 2021-05-04

Family

ID=64847425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810824582.3A Active CN109094556B (zh) 2018-07-25 2018-07-25 一种基于车位特征点的自动泊车方法及系统

Country Status (1)

Country Link
CN (1) CN109094556B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109817018A (zh) * 2019-02-20 2019-05-28 东软睿驰汽车技术(沈阳)有限公司 一种自动泊车方法及相关装置
CN109871745A (zh) * 2018-12-29 2019-06-11 百度在线网络技术(北京)有限公司 识别空车位的方法、系统及车辆
CN110390306A (zh) * 2019-07-25 2019-10-29 湖州宏威新能源汽车有限公司 直角车位的检测方法、车辆和计算机可读存储介质
CN110472580A (zh) * 2019-08-16 2019-11-19 北京茵沃汽车科技有限公司 基于全景影像的检测车位的方法、装置、存储介质
CN111488977A (zh) * 2019-01-25 2020-08-04 北京地平线机器人技术研发有限公司 神经网络模型训练方法和装置
CN111731273A (zh) * 2020-06-22 2020-10-02 重庆长安汽车股份有限公司 自动泊车限位桩工况识别方法及存储介质
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

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001063597A (ja) * 1999-08-26 2001-03-13 Honda Motor Co Ltd 車両の自動操舵装置
CN103241239A (zh) * 2013-04-27 2013-08-14 重庆邮电大学 一种自动泊车系统车位识别方法
CN104608715A (zh) * 2014-12-29 2015-05-13 江苏大学 一种自动泊车系统的泊车位探测装置及方法
CN105539430A (zh) * 2015-12-29 2016-05-04 北京理工大学 一种基于手持终端的人车交互智能泊车方法
CN105857306A (zh) * 2016-04-14 2016-08-17 中国科学院合肥物质科学研究院 一种用于多种泊车场景的车辆自主泊车路径规划方法
DE102015212252A1 (de) * 2015-06-30 2017-01-05 Continental Automotive Gmbh Verfahren zur Einparkunterstützung eines Fahrzeugs

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001063597A (ja) * 1999-08-26 2001-03-13 Honda Motor Co Ltd 車両の自動操舵装置
CN103241239A (zh) * 2013-04-27 2013-08-14 重庆邮电大学 一种自动泊车系统车位识别方法
CN104608715A (zh) * 2014-12-29 2015-05-13 江苏大学 一种自动泊车系统的泊车位探测装置及方法
DE102015212252A1 (de) * 2015-06-30 2017-01-05 Continental Automotive Gmbh Verfahren zur Einparkunterstützung eines Fahrzeugs
CN105539430A (zh) * 2015-12-29 2016-05-04 北京理工大学 一种基于手持终端的人车交互智能泊车方法
CN105857306A (zh) * 2016-04-14 2016-08-17 中国科学院合肥物质科学研究院 一种用于多种泊车场景的车辆自主泊车路径规划方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871745A (zh) * 2018-12-29 2019-06-11 百度在线网络技术(北京)有限公司 识别空车位的方法、系统及车辆
CN111488977A (zh) * 2019-01-25 2020-08-04 北京地平线机器人技术研发有限公司 神经网络模型训练方法和装置
CN111488977B (zh) * 2019-01-25 2023-11-07 北京地平线机器人技术研发有限公司 神经网络模型训练方法和装置
CN109817018A (zh) * 2019-02-20 2019-05-28 东软睿驰汽车技术(沈阳)有限公司 一种自动泊车方法及相关装置
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
CN110390306A (zh) * 2019-07-25 2019-10-29 湖州宏威新能源汽车有限公司 直角车位的检测方法、车辆和计算机可读存储介质
CN110390306B (zh) * 2019-07-25 2021-08-10 湖州宏威新能源汽车有限公司 直角车位的检测方法、车辆和计算机可读存储介质
CN110472580A (zh) * 2019-08-16 2019-11-19 北京茵沃汽车科技有限公司 基于全景影像的检测车位的方法、装置、存储介质
CN111731273A (zh) * 2020-06-22 2020-10-02 重庆长安汽车股份有限公司 自动泊车限位桩工况识别方法及存储介质
CN111731273B (zh) * 2020-06-22 2022-08-09 重庆长安汽车股份有限公司 自动泊车限位桩工况识别方法及存储介质

Also Published As

Publication number Publication date
CN109094556B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN109094556A (zh) 一种基于车位特征点的自动泊车方法及系统
CN111976717B (zh) 一种智能泊车方法和装置
CN104933409B (zh) 一种基于全景图像点线特征的车位识别方法
CN110126820A (zh) 自动泊车系统、泊车方法及车辆
CN108482366A (zh) 基于车辆自动驾驶的代客泊车系统及方法
CN110737266B (zh) 一种自动驾驶控制方法、装置、车辆和存储介质
EP3816967A1 (en) Automatic parking method, apparatus and system, and vehicle
CN108749813B (zh) 一种自动泊车系统及泊车方法
CN107738612A (zh) 基于全景视觉辅助系统的自动泊车停车位检测与识别系统
DE102017128294A1 (de) Fahrzeugumgebung-abbildungssysteme und -verfahren
US9569962B2 (en) Method for identifying a vehicle detected by a sensor device
CN111508260A (zh) 车辆停车位检测方法、装置和系统
CN105946853A (zh) 基于多传感器融合的长距离自动泊车的系统及方法
CN103465906A (zh) 一种基于临场感的停车场自动停车实现方法
CN206623754U (zh) 车道线检测装置
CN110293965A (zh) 泊车方法和控制装置、车载设备及计算机可读介质
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
CN109703465B (zh) 车载图像传感器的控制方法和装置
CN108154146A (zh) 一种基于图像识别的车辆追踪方法
CN112172793B (zh) 泊车路径规划方法、装置、车辆及存储介质
JP3857698B2 (ja) 走行環境認識装置
CN112339771B (zh) 一种泊车过程展示方法、装置及车辆
DE102011084588A1 (de) Verfahren zum Unterstützen eines Fahrers beim Einparken
CN111739332B (zh) 一种停车场管理系统
CN204136870U (zh) 一种车辆前视系统

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
GR01 Patent grant
GR01 Patent grant