CN110095769B - 一种车位检测方法、装置及电子设备 - Google Patents

一种车位检测方法、装置及电子设备 Download PDF

Info

Publication number
CN110095769B
CN110095769B CN201810084924.2A CN201810084924A CN110095769B CN 110095769 B CN110095769 B CN 110095769B CN 201810084924 A CN201810084924 A CN 201810084924A CN 110095769 B CN110095769 B CN 110095769B
Authority
CN
China
Prior art keywords
sample
ranging data
target
data
determining
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
Application number
CN201810084924.2A
Other languages
English (en)
Other versions
CN110095769A (zh
Inventor
严江江
戚红命
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.)
Hangzhou Haikang Automobile Technology Co ltd
Original Assignee
Hangzhou Haikang Automobile Technology Co ltd
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 Hangzhou Haikang Automobile Technology Co ltd filed Critical Hangzhou Haikang Automobile Technology Co ltd
Priority to CN201810084924.2A priority Critical patent/CN110095769B/zh
Publication of CN110095769A publication Critical patent/CN110095769A/zh
Application granted granted Critical
Publication of CN110095769B publication Critical patent/CN110095769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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

本发明实施例提供了一种车位检测方法、装置及电子设备，方法包括：获得目标车辆的测距设备对包含待检测空闲车位、第一障碍物车辆和第二障碍物车辆的待检测区域采集的目标测距数据；基于目标测距数据的变化情况，从目标测距数据中，确定目标上升沿对应的第一目标测距数据和目标下降沿对应的第二目标测距数据；基于第一目标测距数据，从目标测距数据中确定出第一障碍物车辆对应的第三目标测距数据，基于第二目标测距数据，从目标测距数据中确定第二障碍物车辆对应的第四目标测距数据；基于预设的车位检测模型、第一目标测距数据、第二目标测距数据、第三目标测距数据和第四目标测距数据，确定待检测空闲车位的长度。

Description

一种车位检测方法、装置及电子设备
技术领域
本发明涉及智能交通技术领域，特别是涉及一种车位检测方法、装置及电子设备。
背景技术
车位检测是实现车辆的半自动泊车、全自动泊车的前提。现有的车位检测过程，一般是：获得超声波雷达针对待检测区域所采集的超声波测距数据，其中，待检测区域中包含空闲车位，超声波测距数据标识：待检测区域中各目标距离超声波雷达的距离；对所获取的超声波测距数据进行最小值滤波，得到滤波后的测距数据；对滤波后的测距数据进行跳变沿检测，即基于滤波后的测距数据，确定出该滤波后的测距数据对应的上升沿以及下降沿；后续的，将所确定出的上升沿对应的测距数据和下降沿对应的测距数据之间的距离作为空闲车位的长度。上述上升沿为：滤波后的测距数据从较小数值跳变到较大数值的跳变位置，对应超声波雷达探测从障碍物(例如空闲车位左侧相邻车位处的车辆，可以称为前车，)向空闲车位的距离的变化。上述下降沿为：滤波后的测距数据从较大数值跳变到较小数值的跳变位置，对应超声波雷达从空闲车位向障碍物(例如空闲车位右侧相邻车位处的车辆，可以称为后车)的距离的变化。
由于超声波雷达的具有波束宽度，其能探测到与在雷达波束覆盖范围内的障碍物。在现有的车位检测过程中，仅将上升沿和下降沿之间的距离作为所检测的车位的长度，其未考虑到测距数据跳变时刻对应的超声波雷达位置已经超过障碍物的边界，即未考虑到测距数据跳变的位置，与空闲车位相邻车位处的车辆的真实边界存在差距，导致现有的车位检测过程中所确定的空闲车位的长度要小于空闲车位的实际长度，所确定出的车位的长度不够准确。
发明内容
本发明实施例的目的在于提供一种车位检测方法、装置及电子设备，以实现使得所确定出的车位的长度更准确。具体技术方案如下：
一方面，本发明实施例提供了一种车位检测方法，所述方法包括：
获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
可选地，每一目标测距数据对应一目标采集时刻；
所述基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据的步骤，包括：
从所述目标测距数据中，确定出所对应目标采集时刻小于所述第一目标测距数据对应的目标采集时刻的、且与所述第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定所述第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与所述第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为所述第一障碍物车辆对应的第三目标测距数据；
从所述目标测距数据中，确定出所对应目标采集时刻大于所述第二目标测距数据对应的目标采集时刻的、且与所述第二目标测距数据最近的所述第一预定数量个目标测距数据，作为第二类目标测距数据；
确定所述第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与所述第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为所述第二障碍物车辆对应的第四目标测距数据。
可选地，每一目标测距数据对应一目标采集时刻和目标行驶速度；
在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤之前，所述方法还包括：
基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
从所述目标测距数据中，确定所述第一目标测距数据与所述第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定所述第二目标测距数据与所述第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据，其中，所述满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；所述满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据，所述第二斜率阈值小于所述第一斜率阈值；与相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，执行所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤。
可选地，所述方法还包括：
当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
可选地，所述判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据的步骤，包括：
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
可选地，在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤之前，所述方法还包括：
建立所述预设的车位检测模型的过程，其中，所述过程包括：
获得预定模式车位对应的多个样本数据，其中，每一样本数据包括：测试车辆的测距设备在所述测试车辆以预定行驶状态行驶过程中，针对样本区域所采集的样本测距数据，所述预定行驶状态包含预设位置，所述样本区域包含样本空闲车位、第三障碍物车辆以及第四障碍物车辆，其中，所述预定模式车位包括：水平车位或垂直车位；
获得每一样本数据对应的标定信息，其中，所述标定信息包括：所述样本空闲车位相对于所述第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，以及所述样本空闲车位相对于所述第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离；
获得初始的车位检测模型；
针对每一样本数据，执行以下操作，以获得每一样本数据对应的操作结果；基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型；
基于该样本数据包含的样本测距数据的变化情况，从该样本测距数据中，确定出样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据；
基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据；
将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果。
可选地，每一样本测距数据对应一样本采集时刻；
所述基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据的步骤，包括：
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于所述第一样本测距数据对应的样本采集时刻的、且与所述第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定所述第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与所述第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为所述第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于所述第二样本测距数据对应的样本采集时刻的、且与所述第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为所述第四障碍物车辆对应的第四样本测距数据。
可选地，所述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，所述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，所述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，所述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
所述第一直角坐标系为：以所述预设位置为原点、以所述测试车辆的测距设备的移动方向为横轴、且以所述测试车辆的测距设备的测距方向为竖轴的直角坐标系；
所述初始的车位检测模型包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，所述初始的第一边界确定子模型包含多组第一参数值，所述初始的第二边界确定子模型包含多组第二参数值；
所述基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型的步骤，包括：
针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入所述初始的第一边界确定子模型，确定出所述多组第一参数值中每一组第一参数值对应的第一预期距离；
针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，所述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，所述满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
可选地，所述基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数的步骤，包括：
针对每一样本数据，从所述多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将所述第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
所述基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型的步骤，包括：
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
所述基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数的步骤，包括：
针对每一样本数据，从所述多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将所述第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
所述基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型的步骤，包括：
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
可选地，所述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，所述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，所述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，所述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
所述第二直角坐标系为：以所述目标车辆的测距设备的起始位置为原点、以所述目标车辆的测距设备的移动方向为横轴、且以所述目标车辆的测距设备的测距方向为纵轴的直角坐标系；
所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤，包括：
将所述第一目标坐标以及所述第三目标坐标输入所述预设的第一边界确定子模型，得到所述待检测空闲车位的第三边界相对于所述起始位置的距离，作为第一目标距离，其中，所述第三边界线为：所述待检测空闲车位与所述第一障碍物车辆对应的边界所在直线；
将所述第二目标坐标以及所述第四目标坐标输入所述预设的第二边界确定子模型，得到所述待检测空闲车位的第四边界线相对于所述起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将所述第一目标距离和所述第二目标距离输入车位长度确定子模型，得到所述待检测空闲车位的长度。
可选地，每一样本测距数据对应一样本采集时刻和样本行驶速度；
在所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果的步骤之前，所述方法还包括：
基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
从该样本测距数据中，确定所述第一样本测距数据与所述第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定所述第二样本测距数据与所述第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据，其中，所述满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；所述满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，所述第四斜率阈值小于所述第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，执行所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果的步骤。
可选地，所述方法还包括：
当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
可选地，所述判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据的步骤，包括：
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在所述第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在所述第六样本测距数据。
另一方面，本发明实施例提供了一种车位检测装置，所述装置包括：
第一获得模块，用于获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
第一确定模块，用于基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
第二确定模块，用于基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
第三确定模块，用于基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
可选地，每一目标测距数据对应一目标目标采集时刻；
所述第二确定模块，具体用于
从所述目标测距数据中，确定出所对应目标采集时刻小于所述第一目标测距数据对应的目标采集时刻的、且与所述第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定所述第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与所述第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为所述第一障碍物车辆对应的第三目标测距数据；
从所述目标测距数据中，确定出所对应目标采集时刻大于所述第二目标测距数据对应的目标采集时刻的、且与所述第二目标测距数据最近的所述第一预定数量个目标测距数据，作为第二类目标测距数据；
确定所述第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与所述第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为所述第二障碍物车辆对应的第四目标测距数据。
可选地，每一目标测距数据对应一目标采集时刻和目标行驶速度；
所述装置还包括第四确定模块、第五确定模块、第一判断模块；
所述第四确定模块，用于在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度之前，基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
所述第五确定模块，用于从所述目标测距数据中，确定所述第一目标测距数据与所述第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定所述第二目标测距数据与所述第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
所述第一判断模块，用于判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据，其中，所述满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；所述满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据，所述第二斜率阈值小于所述第一斜率阈值；与相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，触发所述第三确定模块。
可选地，所述装置还包括第六确定模块、第七确定模块和第八确定模块；
所述第六确定模块，用于当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第七确定模块，用于当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第八确定模块，用于当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
可选地，所述第一判断模块，具体用于
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
可选地，所述第一判断模块，具体用于
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
可选地，每一样本测距数据对应一样本采集时刻；
所述第二确定子模块，具体用于
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于所述第一样本测距数据对应的样本采集时刻的、且与所述第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定所述第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与所述第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为所述第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于所述第二样本测距数据对应的样本采集时刻的、且与所述第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为所述第四障碍物车辆对应的第四样本测距数据。
可选地，所述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，所述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，所述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，所述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
所述第一直角坐标系为：以所述预设位置为原点、以所述测试车辆的测距设备的移动方向为横轴、且以所述测试车辆的测距设备的测距方向为纵轴的直角坐标系；
所述初始的车位检测模型包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，所述初始的第一边界确定子模型包含多组第一参数值，所述初始的第二边界确定子模型包含多组第二参数值；
所述训练得到单元包括第一输入确定子模块、第一计算子模块、第三确定子模块、第四确定子模块、第二输入确定子模块、第二计算子模块、第五确定子模块、第六确定子模块和得到模块；
所述第一输入确定子模块，用于针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入所述初始的第一边界确定子模型，确定出所述多组第一参数值中每一组第一参数值对应的第一预期距离；
所述第一计算子模块，用于针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
所述第三确定子模块，用于基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
所述第四确定子模块，用于基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，所述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
所述第二输入确定子模块，用于针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
所述第二计算子模块，用于针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
所述第五确定子模块，用于基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
所述第六确定子模块，用于基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，所述满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
所述得到子模块，用于得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
可选地，所述第三确定子模块，具体用于
针对每一样本数据，从所述多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将所述第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
所述第四确定子模块，具体用于
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
所述第五确定子模块，具体用于
针对每一样本数据，从所述多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将所述第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
所述第六确定子模块，具体用于
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
可选地，所述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，所述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，所述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，所述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
所述第二直角坐标系为：以所述目标车辆的测距设备的起始位置为原点、以所述目标车辆的测距设备的移动方向为横轴、且以所述目标车辆的测距设备的测距方向为纵轴的直角坐标系；
所述第三确定模块，具体用于
将所述第一目标坐标以及所述第三目标坐标输入所述预设的第一边界确定子模型，得到所述待检测空闲车位的第三边界相对于所述起始位置的距离，作为第一目标距离，其中，所述第三边界线为：所述待检测空闲车位与所述第一障碍物车辆对应的边界所在直线；
将所述第二目标坐标以及所述第四目标坐标输入所述预设的第二边界确定子模型，得到所述待检测空闲车位的第四边界线相对于所述起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将所述第一目标距离和所述第二目标距离输入车位长度确定子模型，得到所述待检测空闲车位的长度。
可选地，每一样本测距数据对应一样本采集时刻和样本行驶速度；
所述第四获得单元还包括第七确定子模块、第八确定子模块、判断子模块；
所述第七确定子模块，用于在所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果之前，基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
所述第八确定子模块，用于从该样本测距数据中，确定所述第一样本测距数据与所述第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定所述第二样本测距数据与所述第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
所述判断子模块，用于判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据，其中，所述满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；所述满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，所述第四斜率阈值小于所述第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，触发所述作为子模块。
可选地，所述第四获得单元还包括第九确定子模块、第十确定子模块和第十一确定子模块；
所述第九确定子模块，用于当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十确定子模块，用于当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十一确定子模块，用于当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
可选地，所述判断子模块，具体用于
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在所述第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在所述第六样本测距数据。
另一方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
通信接口，用于与目标车辆的测距设备进行通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的计算机程序时，实现本发明实施例所提供的任一所述的方法步骤。
另一方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的任一所述的方法步骤。
本发明实施例中，获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；基于目标测距数据的变化情况，从目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；基于第一目标测距数据，从目标测距数据中确定出第一障碍物车辆对应的第三目标测距数据，并基于第二目标测距数据，从目标测距数据中确定出第二障碍物车辆对应的第四目标测距数据；基于预设的车位检测模型、第一目标测距数据、第二目标测距数据、第三目标测距数据和第四目标测距数据，确定待检测空闲车位的长度，其中，预设的车位检测模型包含：表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
本发明实施例中，可以根据预设的车位检测模型中所包含的表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息，以及针对待检测区域中障碍物车辆、待检测空闲车位所采集的目标测距数据中，确定出的第一障碍物车辆对应的第三目标测距数据、第二障碍物车辆对应的第四目标测距数据以及目标上升沿对应的第一目标测距数据、目标下降沿对应的第二目标测距数据，确定出待检测空闲车位的边界线到目标车辆的测距设备的起始位置的距离，进而确定出待检测空闲车位的长度。基于预先设置的预设的车位检测模型，以确定出更准确的车位的长度。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种车位检测方法的流程示意图；
图2为本发明实施例所提供的建立预设的车位检测模型的流程示意图；
图3A为针对垂直车位采集测距数据时，测距设备的行驶方向和所得到的测距数据的一种示意图；
图3B为针对水平车位采集测距数据时，测距设备的行驶方向和所得到的测距数据的一种示意图。
图4为本发明实施例所提供的一种车位检测装置的结构示意图；
图5为本发明实施例所提供的一种车位检测装置的另一结构示意图；
图6为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种车位检测方法、装置及电子设备，以实现使得所检测出的车位的长度更准确。
如图1所示，本发明实施例提供了一种车位检测方法，可以包括如下步骤：
S101：获得目标车辆的测距设备针对待检测区域所采集的目标测距数据；
其中，待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
可以理解的是，本发明实施例所提供的一种车位检测方法，可以应用于任一电子设备中，上述电子设备可以为安装于目标车辆中的车载设备。上述目标车辆可以为任一待泊车的车辆，上述目标车辆中安装有测距设备，上述测距设备可以安装于上述目标车辆的车身边侧，上述测距设备的测距方向与目标车辆的行驶方向相互垂直。在一种实现方式中，上述测距设备可以为雷达。
本发明实施例中，上述电子设备可以获得目标车辆的测距设备针对待检测区域所采集的测距数据，作为目标测距数据。上述目标测距数据可以表征：上述待检测区域中各点与目标车辆的测距设备之间的距离，也可以理解为：上述目标测距数据可以表征：上述待检测区域中各点与目标车辆之间的距离。其中，上述目标车辆的测距设备采集上述目标测距数据的过程，是在上述目标车辆行驶经过上述待检测区域的过程中进行的。
本发明实施例中，所述的包括第一障碍物车辆以及第二障碍物车辆在内的障碍物车辆可以为：待检测空闲车位的相邻车位上所停放的车辆，其中，上述待检测空闲车位的相邻车位包括：待检测空闲车位的左侧相邻车位和右侧相邻车位。
其中，本发明实施例并不对上述待检测空闲车位的车位模式进行限定，上述待检测空闲车位的车位模式可以为水平车位或者垂直车位等，这都是可以的。当上述待检测空闲车位的车位模式为水平车位时，后续的，预设的车位检测模型为针对车位模式为水平车位的车位，训练所得的模型；当上述待检测空闲车位的车位模式为垂直车位时，后续的，预设的车位检测模型为针对车位模式为垂直车位的车位，训练所得的模型。在一种实现方式中，目标车辆的驾驶者可以根据待检测空闲车位的车位模式，手动选择预设的车位检测模型。
一种实现方式中，为了测距数据中的噪声对检测结果的影响，本发明实施例中，所获得的目标测距数据可以为进行滤波后的测距数据。在一种情况中，可以通过中值滤波对上述目标测距数据进行滤波。上述目标测距数据中包括多个测距数据。
S102：基于目标测距数据的变化情况，从目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
本发明实施例中，所获得的目标测距数据可以表征：目标车辆的测距设备与待检测区域中各点之间的距离。上述目标测距数据的变化情况，可以表征目标车辆的测距设备与待检测区域中各点之间的距离的变化情况。
可以理解的是，当目标车辆的测距设备在针对第一障碍物车辆采集测距数据时，所采集的测距数据会保持在一较小的数值，其变化程度不大，当从针对第一障碍物车辆采集测距数据，到针对待检测空闲车位采集测距数据时，所采集的测距数据会跳变到较大的数值；当从针对待检测空闲车位采集测距数据，到针对第二障碍物车辆采集测距数据时，所采集的测距数据又会跳变到较小的数值。其中，上述“较大的数值”和“较小的数值”是相对而言的。
在一种实现方式中，可以根据目标测距数据的变化情况，从目标测距数据中，确定出从较小数值变化到较大数值时，变化程度最大的目标测距数据，可以作为本发明实施例中所提到的目标上升沿对应的第一目标测距数据；以及从较大数值变化到较小数据时，变化程度最大的目标测距数据，可以作为本发明实施例中所提到的目标下降沿对应的第二目标测距数据。可以理解为：将目标测距数据中相邻目标测距数据进行作差，最大的差值对应的两个目标测距数据中数值较小的目标测距数据，可以作为本发明实施例中所提到的目标上升沿对应的第一目标测距数据；最小的差值对应的两个目标测距数据中数值较小的目标测距数据，可以作为本发明实施例中所提到的目标下降沿对应的第二目标测距数据。
在一种情况中，上述目标上升沿和上述目标下降沿可以表征测距数据的跳变位置。
在另一种实现方式中，上述每一目标测距数据可以对应一采集时刻，并且对应一目标车辆的行驶速度，通过每一目标测距数据对应的采集时刻以及目标车辆的行驶速度，可以确定每相邻两个目标测距数据之间的间隔距离。在一种情况中，可以通过计算每相邻两个目标测距数据之间的斜率，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据。其中，最大的斜率对应的两个目标测距数据中数值较小的目标测距数据，可以作为本发明实施例中所提到的目标上升沿对应的第一目标测距数据；最小的斜率对应的两个目标测距数据中数值较小的目标测距数据，可以作为本发明实施例中所提到的目标下降沿对应的第二目标测距数据。
S103：基于第一目标测距数据，从目标测距数据中确定出第一障碍物车辆对应的第三目标测距数据，并基于第二目标测距数据，从目标测距数据中确定出第二障碍物车辆对应的第四目标测距数据；
本发明实施例中，电子设备所获得的目标测距数据，基于其所对应的采集时刻的先后顺序，而进行顺序排序。可以理解的是，第一障碍物车辆对应的目标测距数据在所获得的上述目标测距数据中的位置，位于上述第一目标测距数据所处位置之前，并，在上述第一目标测距数据所处位置对应的一定范围内；第二障碍物车辆对应的目标测距数据在所获得的上述目标测距数据中的位置，位于上述第二目标测距数据所处位置之后，并，在上述第二目标测距数据所处位置对应的一定范围内。
在一种实现方式中，可以在确定出上述第一目标测距数据以及上述第二目标测距数据之后，可以从上述目标测距数据中，确定出处于上述第一目标测距数据所处位置之前且在预定范围内的目标测距数据，并从所确定的目标测距数据中，确定出满足预设车辆测距数据确定条件的目标测距数据，作为上述第三目标测距数据。
同理的，可以从上述目标测距数据中，确定出处于上述第二目标测距数据所处位置之后且在预定范围内的目标测距数据，并从所确定的目标测距数据中，确定出满足预设车辆测距数据确定条件的目标测距数据，作为上述第四目标测距数据。
其中，上述预设车辆测距数据确定条件可以是：数值最小的目标测距数据，或者，与指定目标测距数据相隔第预设数量个目标测距数据，或者，与指定目标测距数据相距最近的作为极小值的目标测距数据。其中，当在确定上述第三目标测距数据时，上述指定目标测距数据为上述第一目标测距数据，当确定上述第四目标测距数据时，上述指定目标测距数据为上述第二目标测距数据。
S104：基于预设的车位检测模型、第一目标测距数据、第二目标测距数据、第三目标测距数据和第四目标测距数据，确定待检测空闲车位的长度。
其中，预设的车位检测模型包含：表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
可以理解的是，上述预设的车位检测模型为：预先基于样本数据训练所得的机器学习模型。上述样本数据包含测试车辆在预定行驶状态行驶过程中，所获得的测距数据，作为样本测距数据。上述测试车辆设置有测距设备，上述样本测距数据为：上述测试车辆的测距设备针对样本区域所采集的数据，上述样本区域中存在空闲车位以及障碍物车辆，为了方便描述，本发明实施例中，可以称上述样本区域中的空闲车位为样本空闲车位，可以称上述样本区域中的障碍物车辆为第三障碍物车辆和第四障碍物车辆。
上述预定行驶状态，可以包括不同的行驶速度、不同的侧方距等，其中，上述侧方距可以表征：限定测试车辆在预定行驶状态行驶过程中，分别距离上述第三障碍物车辆和第四障碍物车辆最近的距离。
可以理解的是，可以是测试车辆在基于不同的行驶速度以及不同的侧方距的行驶状态下，通过测试车辆的测距设备采集得到上述样本数据所包含的样本测距数据。并且每次采集得到上述样本测距数据时，记录测试车辆的测距设备对应的起始位置，其中，上述测试车辆的测距设备对应的起始位置可以理解为：上述测试车辆的测距设备开始采集测距数据时对应的位置，即上述测试车辆的测距设备被开启的位置。在一种情况中，为了减少训练过程中的计算量，可以限定上述测试车辆每次采集样本测距数据时，可以从相同起始位置采集样本测距数据。
同理，上述目标车辆的测距设备的起始位置可以理解为：上述目标车辆的测距设备开始采集测距数据时对应的位置，即上述目标车辆的测距设备被开启的位置。
后续的，训练人员可以基于每一样本数据进行标定，得到标定信息。上述标定信息包括：样本空闲车位相对于第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置，即测试车辆的测距设备对应的起始位置的距离，作为第一样本距离，以及样本空闲车位相对于第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置，即测试车辆的测距设备对应的起始位置的距离，作为第二样本距离。
电子设备获得上述每一样本数据后，可以针对每一样本数据，从其所包含的样本测距数据中确定出样本上升沿对应的第一样本测距数据，以及样本下降沿对应的第二样本测距数据，并基于上述预设车辆测距数据确定条件，从上述样本测距数据中确定出第三障碍物车辆对应的第三样本测距数据，以及第四障碍物车辆对应的第四样本测距数据。并在获得初始的车位检测模型后，基于所获得的每一样本数据对应的上述第一样本测距数据、第二样本测距数据、第三样本测距数据以及第四样本测距数据，和该样本数据对应的标定信息，训练上述初始的车位检测模型，得到预设的车位检测模型，使得上述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、车辆的测距设备的起始位置到空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
在一种实现方式中，上述初始的车位检测模型可以包括初始的第一边界确定子模型和初始的第二边界确定子模型以及车位长度确定子模型；在训练上述初始的车位检测模型时，可以分别基于上述每一样本数据所包含的第一样本测距数据、第三样本测距数据和第一样本距离，训练上述初始的第一边界确定子模型，得到预设的第一边界确定子模型；基于上述每一样本数据所包含的第二样本测距数据、第四样本测距数据以及第二样本距离，训练上述初始的第二边界确定子模型，得到预设的第二边界确定子模型；进而得到预设的车位检测模型。
电子设备在确定出第一目标测距数据、第二目标测距数据、第三目标测距数据和第四目标测距数据后，将上述第一目标测距数据、第二目标测距数据、第三目标测距数据和第四目标测距数据分别输入上述预设的车位检测模型，得到待检测空闲车位的长度。
本发明实施例中，可以根据预设的车位检测模型中所包含的表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变沿对应的测距数据之间的位置关系的信息，以及针对待检测区域中障碍物车辆、待检测空闲车位所采集的目标测距数据中，确定出的第一障碍物车辆对应的第三目标测距数据、第二障碍物车辆对应的第四目标测距数据以及目标上升沿对应的第一目标测距数据、目标下降沿对应的第二目标测距数据，确定出待检测空闲车位的边界线到目标车辆的测距设备的起始位置的距离，进而确定出待检测空闲车位的长度。基于预先设置的预设的车位检测模型，以确定出更准确的车位的长度。
在一种实现方式中，电子设备可以基于所确定的第一目标测距数据和第二目标测距数据，分别从针对待检测区域所采集的目标测距数据中，确定出第一障碍物车辆对应的目标测距数据和第二障碍物车辆对应的目标测距数据。具体的，每一目标测距数据对应一目标采集时刻；
上述S103，可以包括：
从目标测距数据中，确定出所对应目标采集时刻小于第一目标测距数据对应的目标采集时刻的、且与第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为第一障碍物车辆对应的第三目标测距数据；
从目标测距数据中，确定出所对应目标采集时刻大于第二目标测距数据对应的目标采集时刻的、且与第二目标测距数据最近的第一预定数量个目标测距数据，作为第二类目标测距数据；
确定第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为第二障碍物车辆对应的第四目标测距数据。
本发明实施例中，上述作为极小值的第一待选目标测距数据：可以表征为：第一障碍物车辆与目标车辆之间的侧方距。上述作为极小值的第二待选目标测距数据可以表征为：第二障碍物车辆与目标车辆之间的侧方距。
可以理解的是，第一障碍物车辆对应的目标测距数据所对应的目标采集时刻，均小于上述第一目标测距数据对应的目标采集时刻，且，存在于上述第一目标测距数据的附近。即可以从目标测距数据中，确定出所对应目标采集时刻小于第一目标测距数据对应的目标采集时刻的、且与第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据，进而，从第一类目标测距数据中，确定出第一待选目标测距数据，继而将作为极小值的且距离该第一目标测距数据最近的目标测距数据，确定为第一障碍物车辆对应的第三目标测距数据。
同理的，第二障碍物车辆对应的目标测距数据所对应的目标采集时刻，均大于上述第二目标测距数据对应的目标采集时刻，且，存在于上述第二目标测距数据的附近。即可以从目标测距数据中，确定出所对应目标采集时刻大于第二目标测距数据对应的目标采集时刻的、且与第二目标测距数据最近的第一预定数量个目标测距数据，作为第二类目标测距数据，进而，从第二类目标测距数据中，确定出第二待选目标测距数据，继而将作为极小值的且距离该第二目标测距数据最近的目标测距数据，确定为第二障碍物车辆对应的第四目标测距数据。
上述第一预设数量可以通过用户设置，也可以为电子设备设置，这都是可以的。在一种情况中，上述第一预设数量可以为50，此时，上述确定第一障碍物车辆对应的第三目标测距数据可以为：从目标测距数据中，确定出所对应目标采集时刻小于第一目标测距数据对应的目标采集时刻的、且与第一目标测距数据最近的50个目标测距数据，进而，从每相邻的10个目标测距数据，确定一数值最小的目标测距数据，作为第一待选目标测距数据，此时可以确定出5个第一待选目标测距数据，从上述5个第一待选目标测距数据中，确定出所对应目标采集时刻与第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为第一障碍物车辆对应的第三目标测距数据。上述确定第二障碍物车辆对应的第四目标测距数据的过程，与上述确定第一障碍物车辆对应的第三目标测距数据的过程，大致相同，不再赘述。
在一种实现方式中，在测距数据跳变位置处，所存在的噪声可能会更强，测距数据所收到的干扰更强，在一种情况中，上述所确定的目标上升沿对应的第一目标测距数据和目标下降沿对应的第二目标测距数据，可能不是目标测距数据对应的稳定的跳变位置。本发明实施例中，为了避免噪声对目标测距数据的干扰，导致所确定的跳变位置不够准确的情况发生，根据经验值预先设置斜率阈值，以从上述目标上升沿对应的第一目标测距数据附近，确定出稳定的跳变位置，并从上述目标下降沿对应的第二目标测距数据附近，确定出稳定的跳变位置。
每一目标测距数据对应一目标采集时刻和目标行驶速度；
上述S104之前，所述方法还可以包括：
基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
从目标测距数据中，确定第一目标测距数据与第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定第二目标测距数据与第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
判断第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据；
其中，满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；
满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据；
第二斜率阈值小于第一斜率阈值，相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在第五目标测距数据，并判断不存在第六目标测距数据时，执行上述S104。
可以理解的是，目标车辆的测距设备采集目标测距数据时，每两个目标测距数据之间的采集时刻之差非常小，例如每40毫秒采集一个数据，可以近似认为目标车辆的测距设备在采集相邻的两个目标测距数据为匀速行驶，每相邻的目标测距数据之间的距离间隔可以是：相邻的目标测距数据之间的采集时刻之差，与该相邻的目标测距数据中的任一目标测距数据对应的目标行驶速度的乘积。
可以理解的是，可以遍历第一目标测距数据与第三目标测距数据之间的目标测距数据，即遍历第三类目标测距数据，确定是否存在上述满足第一确定条件的第五目标测距数据，并遍历第二目标测距数据与第四目标测距数据之间的目标测距数据，即遍历第四类目标测距数据，确定是否存在上述满足第二确定条件的第六目标测距数据，当确定均不存在时，可以将上述第一目标测距数据所在位置和第二目标测距数据所在位置分别确定为稳定的跳变位置，进而执行上述S104。当确定均存在时，将所确定的上述第五目标测距数据所在位置和第六目标测距数据所在位置分别确定为稳定的跳变位置，进而将上述第五目标测距数据代替上述第一目标测距数据，将上述第六目标测距数据代替上述第二目标测距数据，确定待检测空闲车位的长度。或者，仅确定存在其中一个时，例如：当确定仅存在第五目标测距数据时，将所确定的第五目标测距数据代替上述第一目标测距数据，进而确定待检测空闲车位的长度；当确定仅存在第六目标测距数据时，将所确定的第六目标测距数据代替上述第二目标测距数据，进而确定待检测空闲车位的长度。
具体的，所述方法还可以包括：
当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
在一种实现方式中，上述判断第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据的步骤，可以包括：
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在第六目标测距数据。
本发明实施例中，在遍历第一目标测距数据与第三目标测距数据之间的目标测距数据，即遍历第三类目标测距数据，确定是否存在上述满足第一确定条件的第五目标测距数据时，可以是基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算每相邻的第三类目标测距数据对应的第一目标斜率，并判断所计算的第一目标斜率是否不小于第一斜率阈值，当判断结果为否时，继续计算后续的每相邻的第三类目标测距数据对应的第一目标斜率，并判断所计算的第一目标斜率是否不小于第一斜率阈值。直至当出现判断结果为是时，停止计算后续的每相邻的第三类目标测距数据对应的第一目标斜率，并确定存在第五目标测距数据；或者，当计算完成所有的第三类目标测距数据中每相邻的第三类目标测距数据对应的第一目标斜率，并判断结果均为否时，确定不存在第五目标测距数据。
本发明实施例中，在遍历第二目标测距数据与第四目标测距数据之间的目标测距数据，即遍历第四类目标测距数据，确定是否存在上述满足第二确定条件的第六目标测距数据时，与上述确定是否存在上述满足第一确定条件的第五目标测距数据的流程大致相同，在此不做赘述。
在上述S104之前，所述方法还可以包括：
建立预设的车位检测模型的过程，其中，如图2所示，上述过程可以包括：
S201：获得预定模式车位对应的多个样本数据；其中，每一样本数据包括：测试车辆的测距设备在测试车辆以预定行驶状态行驶过程中，针对样本区域所采集的样本测距数据，预定行驶状态包含预设位置，样本区域包含样本空闲车位、第三障碍物车辆以及第四障碍物车辆，其中，预定模式车位包括：水平车位或垂直车位；
S202：获得每一样本数据对应的标定信息，其中，标定信息包括：样本空闲车位相对于第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，以及样本空闲车位相对于第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离；
S203：获得初始的车位检测模型；
S204：针对每一样本数据，执行以下操作，以获得每一样本数据对应的操作结果；基于该样本数据包含的样本测距数据的变化情况，从该样本测距数据中，确定出样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据；基于第一样本测距数据，从该样本数据包含的样本测距数据中确定出第三障碍物车辆对应的第三样本测距数据，并基于第二样本测距数据，从该样本数据包含的样本测距数据中确定出第四障碍物车辆对应的第四样本测距数据；将第一样本测距数据、第三样本测距数据、第二样本测距数据和第四样本测距数据，作为该样本数据对应的操作结果；
S205：基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练初始的车位检测模型，得到预设的车位检测模型。
可以理解的是，上述预定行驶状态，可以包括不同的行驶速度、不同的侧方距等，其中，上述侧方距可以表征：限定测试车辆在预定行驶状态行驶过程中，分别距离上述第三障碍物车辆和第四障碍物车辆的最近的距离。通过上述侧方距的设定，在一定程度上可以保证所采集的样本测距数据的有效性。在一种实现方式中，上述测距设备为雷达，在上述侧方距的范围内，可以保证雷达能够进行测距，获得准确性高的测距数据。
测试车辆在基于不同的行驶速度以及不同的侧方距的行驶状态下，通过测试车辆的测距设备采集得到上述样本数据所包含的样本测距数据。在一种情况中，上述行驶速度的取值范围可以为0km/h(千米每小时)到30km/h(千米每小时)，上述侧方距的取值范围可以为50cm(厘米)到200cm(厘米)。
在每次采集得到上述样本测距数据时，记录测试车辆的测距设备对应的起始位置，其中，上述测试车辆的测距设备对应的起始位置可以理解为：上述测试车辆的测距设备开始采集测距数据时对应的位置，即上述测试车辆的测距设备被开启的位置。在一种情况中，为了减少训练过程中的计算量，可以限定上述测试车辆每次采集样本测距数据时，可以从相同起始位置采集样本测距数据。
后续的，训练人员可以基于每一样本数据进行标定，得到标定信息。上述标定信息包括：样本空闲车位相对于第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置，即测试车辆的测距设备对应的起始位置的距离，作为第一样本距离，以及样本空闲车位相对于第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置，即测试车辆的测距设备对应的起始位置的距离，作为第二样本距离。
其中，上述样本空闲车位相对于第三障碍物车辆的第一边界线为：样本空闲车位相对于第三障碍物车辆的边界所在直线；上述样本空闲车位相对于第四障碍物车辆的第二边界线为样本空闲车位相对于第四障碍物车辆的边界所在直线。
电子设备获得上述每一样本数据后，可以针对每一样本数据，从其所包含的样本测距数据中，确定出样本上升沿对应的第一样本测距数据，以及样本下降沿对应的第二样本测距数据，并基于上述预设车辆测距数据确定条件，从上述样本测距数据中确定出第三障碍物车辆对应的第三样本测距数据，以及第四障碍物车辆对应的第四样本测距数据。并在获得初始的车位检测模型后，基于所获得的每一样本数据对应的上述第一样本测距数据、第二样本测距数据、第三样本测距数据以及第四样本测距数据，和该样本数据对应的标定信息，训练上述初始的车位检测模型，得到预设的车位检测模型，使得上述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、车辆的测距设备的起始位置到空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
可以理解的是，实际应用中，车位模式可以包括水平车位和垂直车位等，在训练得到上述预设的车位检测模型时，可以分别针对不同类型的车位模式采集样本数据，并基于针对不同类型的车位模式采集的样本数据，训练得到不同类型的车位模式对应的预设的车位检测模型。其中，如图3A所示，为针对垂直车位采集测距数据时，测距设备的行驶方向和所得到的测距数据的一种示意图；如图3B所示，为针对水平车位采集测距数据时，测距设备的行驶方向和所得到的测距数据的一种示意图。在如图3A和3B所示的示意图中，将车辆在俯视角度下的形状模拟成了矩形，实际中，车辆在俯视角度下的形状不为规则的矩形。
可以理解的是，本发明实施例中，针对每一类型的车位模式采集的样本数据越多，基于该所采集的样本数据训练所得的预设的车位检测模型，所确定出的车位的长度越准确。并且，上述样本数据为测试车辆在不同的行驶速度和侧方距的状态下所采集得到的，基于上述样本数据训练得到预设的车位检测模型，对车辆的行驶速度、侧方距等因素并不敏感，其不易受到车辆的行驶速度、侧方距等因素的影响。
在一种实现方式中，每一样本测距数据对应一样本采集时刻；
上述S204，可以包括：
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于第一样本测距数据对应的样本采集时刻的、且与第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于第二样本测距数据对应的样本采集时刻的、且与第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为第四障碍物车辆对应的第四样本测距数据。
可以理解的是，本发明实施例中，针对每一样本数据中的样本测距数据，可以确定第三障碍物车辆对应的样本测距数据，均存在于上述所确定的第一样本测距数据之前，且在上述第一样本测距数据的附近，即第三障碍物车辆对应的样本测距数据所对应的样本采集时刻，均小于上述第一样本测距数据对应的样本采集时刻，且在第一样本测距数据对应的一定范围内。
在确定出上述第一样本测距数据后，可以从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于第一样本测距数据对应的样本采集时刻的、且与第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据，进而从上述第一类样本测距数据，确定出第一待选样本测距数据，进而确定出所对应样本采集时刻与第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为第三障碍物车辆对应的第三样本测距数据。
同理的，针对每一样本数据中的样本测距数据，可以确定第四障碍物车辆对应的样本测距数据，均存在于上述所确定的第二样本测距数据之后，且在上述第二样本测距数据的附近，即第四障碍物车辆对应的样本测距数据所对应的样本采集时刻，均大于上述第二样本测距数据对应的样本采集时刻，且在第二样本测距数据对应的一定范围内。
在确定出上述第二样本测距数据后，可以从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于第一样本测距数据对应的样本采集时刻的、且与第一样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据，进而从上述第二类样本测距数据，确定出第二待选样本测距数据，进而确定出所对应样本采集时刻与第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为第四障碍物车辆对应的第四样本测距数据。
可以理解的是，当在训练得到上述预设的车位检测模型的过程中，基于上述确定过程，确定上述第三样本测距数据和第四样本测距数据时，在实际检测待检测空闲车位的过程中，确定上述第三目标测距数据和第四目标测距数据时，需要从上述目标测距数据中，确定出所对应目标采集时刻小于第一目标测距数据对应的目标采集时刻的、且与第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；进而基于第一类目标测距数据确定出第一待选目标测距数据，继而，从第一待选目标测距数据中确定出与第一目标测距数据最近的、作为极小值的目标测距数据，作为第一障碍物车辆对应的第三目标测距数据；以及从目标测距数据中，确定出所对应目标采集时刻大于第二目标测距数据对应的目标采集时刻的、且与第二目标测距数据最近的第一预定数量个目标测距数据，作为第二类目标测距数据；进而基于第二类目标测距数据确定出第二待选目标测距数据，继而，从第二待选目标测距数据中确定出与第二目标测距数据最近的、作为极小值的目标测距数据，作为第二障碍物车辆对应的第四目标测距数据。
在一种实现方式中，上述初始的车位检测模型可以包括初始的第一边界确定子模型和初始的第二边界确定子模型以及车位长度确定子模型；在训练上述初始的车位检测模型时，可以分别基于上述每一样本数据所包含的第一样本测距数据、第三样本测距数据和第一样本距离，训练上述初始的第一边界确定子模型，得到预设的第一边界确定子模型；基于上述每一样本数据所包含的第二样本测距数据、第四样本测距数据以及第二样本距离，训练上述初始的第二边界确定子模型，得到预设的第二边界确定子模型；进而得到预设的车位检测模型。
在一种实现方式中，上述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，上述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，上述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，上述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
上述第一直角坐标系为：以预设位置为原点、以测试车辆的测距设备的移动方向为横轴、且以测试车辆的测距设备的测距方向为纵轴的直角坐标系；
初始的车位检测模型可以包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，上述初始的第一边界确定子模型包含多组第一参数值，上述初始的第二边界确定子模型包含多组第二参数值；
上述S205，可以包括：
针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入初始的第一边界确定子模型，确定出多组第一参数值中每一组第一参数值对应的第一预期距离；
针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
其中，样本数据与第一样本测距数据存在对应关系，第一样本测距数据与第一样本坐标存在对应关系，因此，样本数据与第一样本坐标存在对应关系；且，样本数据与第二样本测距数据存在对应关系，第二样本测距数据与第二样本坐标存在对应关系，因此，样本数据与第二样本坐标存在对应关系；且，样本数据与第三样本测距数据存在对应关系，第三样本测距数据与第三样本坐标存在对应关系，因此，样本数据与第三样本坐标存在对应关系；且，样本数据与第四样本测距数据存在对应关系，第四样本测距数据与第四样本坐标存在对应关系，因此，样本数据与第四样本坐标存在对应关系。
可以理解的是，本发明实施例基于可以针对不同类型的车位模式所采集的样本数据，训练得到不同类型的车位模式对应的预设的车位检测模型。其中，训练得到不同类型的车位模式对应的预设的车位检测模型的过程大致相同，可以以垂直车位为例，进行说明，如图3A所示。
在一种实现方式中，为了更好的表征出每一样本数据中的样本测距数据之间的关系，并表征出障碍物车辆与空闲车位之间的位置关系，可以在直角坐标系下展示上述样本测距数据，并表征出障碍物车辆与空闲车位之间的位置关系。
以预设位置为原点、以测试车辆的测距设备的移动方向为横轴、且以测试车辆的测距设备的测距方向为纵轴，建立直角坐标系，作为第一直角坐标系。将每一样本数据中包含的样本测距数据，映射到上述第一直角坐标系中，可以得到每一样本数据中包含的每一样本测距数据对应的坐标，如图3A所示。其中，每一样本测距数据对应的坐标中横轴坐标表征：采集该样本测距数据时，测试车辆的测距设备与预设位置的距离，即每一样本测距数据对应的坐标中横轴坐标的坐标值等于测试车辆的测距设备与预设位置的距离值，每一样本测距数据对应的坐标中纵轴坐标表征：该样本测距数据，即每一样本测距数据对应的坐标中纵轴坐标的坐标值等于该样本测距数据的数值。其中，上述预设位置为每次采集样本数据中的样本测距数据时，测试车辆的测距设备被开启时所处位置。在一种情况中，上述每一样本数据对应的预定行驶状态中，所包含预设位置可以相同。
在一种情况中，可以基于每一样本数据中包含的每一样本测距数据对应的坐标，从该样本数据中包含的样本测距数据中确定出样本上升沿对应的第一样本测距数据，以及样本下降沿对应的第二样本测距数据，如图3A中所示，点B对应的样本测距数据即为第一样本测距数据，点D对应的样本测距数据即为第二样本测距数据；后续的，基于预设侧方距以及第一样本测距数据，确定出第三障碍物车辆对应的第三样本测距数据，如图3A中所示的点A对应的样本测距数据；基于预设侧方距以及第二样本测距数据，确定出第四障碍物车辆对应的第四样本测距数据，如图3A中所示的点C对应的样本测距数据。
检测人员针对该样本数据进行标定，得到包括样本空闲车位相对于第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，如图3A中所示的直线m为上述第一边界线，上述第一样本距离即为上述直线m到该第一直角坐标系的原点的距离，即上述直线m与横轴X轴的交点M的横坐标值；以及，样本空闲车位相对于第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离，如图3A中所示的直线n为上述第二边界线，上述第二样本距离即为上述直线n到该第一直角坐标系的原点的距离，即上述直线n与横轴X轴的交点N的横坐标值。
同理，如图3B中所示，点E对应的样本测距数据即为第一样本测距数据，点G对应的样本测距数据即为第二样本测距数据；后续的，基于预设侧方距以及第一样本测距数据，确定出第三障碍物车辆对应的第三样本测距数据，如图3A中所示的点F对应的样本测距数据；基于预设侧方距以及第二样本测距数据，确定出第四障碍物车辆对应的第四样本测距数据，如图3A中所示的点H对应的样本测距数据。如图3B中所示的直线p为上述第一边界线，上述第一样本距离即为上述直线p到该第一直角坐标系的原点的距离，即上述直线p与横轴X轴的交点P的横坐标值；以及，样本空闲车位相对于第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离，如图3B中所示的直线q为上述第二边界线，上述第二样本距离即为上述直线q到该第一直角坐标系的原点的距离，即上述直线q与横轴X轴的交点Q的横坐标值。
在一种情况中，上述初始的车位检测模型可以包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，其中，初始的第一边界确定子模型可以通过第一数学模型表征，初始的第二边界确定子模型可以通过第二数学模型表征，车位长度确定子模型可以通过第三数学模型表征；基于图3A所示，上述第一数学模型、第二数学模型以及第三数学模型分别为：
第一数学模型为：M＝a*Bx+b*By+c*Ax+d*Ay
第二数学模型为：N＝e*Dx+f*Dy+g*Cx+h*Cy
第三数学模型为：Len＝N-M
其中，上述a、b、c和d可以标识第一参数值对应的第一参数的标识，上述e、f、g和h可以标识第二参数值对应的第二参数的标识，其中，上述Bx可以标识该样本数据中的第一样本测距数据的横轴坐标，上述By可以标识该样本数据中的第一样本测距数据的纵轴坐标，上述Ax可以标识该样本数据中的第三样本测距数据的横轴坐标，上述Ay可以标识该样本数据中的第三样本测距数据的纵轴坐标，上述Dx可以标识该样本数据中的第二样本测距数据的横轴坐标，上述Dy可以标识该样本数据中的第二样本测距数据的纵轴坐标，上述Cx可以标识该样本数据中的第四样本测距数据的横轴坐标，上述Cy可以标识该样本数据中的第四样本测距数据的纵轴坐标。
在一种情况中，当考虑到在测距数据跳变位置处，所存在的噪声可能会更强，测距数据所收到的干扰更强，上述所确定的样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据，可能不是样本测距数据对应的稳定的跳变位置。本发明实施例中，为了避免噪声对样本测距数据的干扰，导致所确定的跳变位置不够准确的情况发生，根据经验值预先设置斜率阈值，以从上述样本上升沿对应的第一样本测距数据附近，确定出稳定的跳变位置，并从上述样本下降沿对应的第二样本测距数据附近，确定出稳定的跳变位置。即可以确定第一样本测距数据和第三样本测距数据之间的样本测距数据中，是否存在满足第三确定条件的第五样本测距数据，并确定第二样本测距数据和第四样本测距数据之间的样本测距数据中，是否存在满足第四确定条件的第六样本测距数据。当在确定均存在时，上述Ax可以标识该样本数据中的第五样本测距数据的横轴坐标，上述Ay可以标识该样本数据中的第五样本测距数据的纵轴坐标，上述Cx可以标识该样本数据中的第六样本测距数据的横轴坐标，上述Cy可以标识该样本数据中的第六样本测距数据的纵轴坐标。
为了布局清楚，后续详细介绍上述确定第一样本测距数据和第三样本测距数据之间的样本测距数据中，是否存在满足第三确定条件的第五样本测距数据，并确定第二样本测距数据和第四样本测距数据之间的样本测距数据中，是否存在满足第四确定条件的第六样本测距数据的实现方式。
可以理解的是，上述初始的第一边界确定子模型、初始的第二边界确定子模型的训练流程大致相同，以训练上述初始的第一边界确定子模型为例，说明训练过程；
针对每一样本数据，将从该样本数据中，确定出的第一样本测距数据、第三样本测距数据分别输入上述第一数学模型，并将上述每一组第一参数值针对每一第一参数的标识，分别输入上述第一数学模型，计算得到每一组第一参数值对应的第一预期距离；
针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数；其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型，上述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值。
在一种情况中，为了更好的确定出更合适的参数值，以获得准确性更高的预设的车位检测模型，即确定出准确性更高的预设的第一边界确定子模型、预设的第二边界确定子模型，并且降低训练过程中的计算量，可以针对初始的第一边界确定子模型、初始的第二边界确定子模型分别设定误差范围。在计算得到每一组第一参数值对应的第一样本误差后，针对每一样本数据，确定出所对应的第一样本误差在预设误差范围内的第一参数值，并仅基于每一样本数据对应的在预设误差范围内的第一参数值，进行后续的针对初始的第一边界确定子模型训练过程。同理的，在计算得到每一组第二参数值对应的第二样本误差后，针对每一样本数据，确定出所对应的第二样本误差在预设误差范围内的第二参数值，并仅基于每一样本数据对应的在预设误差范围内的第二参数值，进行后续的针对初始的第二边界确定子模型训练过程。
具体的，上述基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数的步骤，可以包括：
针对每一样本数据，从多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
上述基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型的步骤，可以包括：
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
上述基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数的步骤，可以包括：
针对每一样本数据，从多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
上述基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型的步骤，可以包括：
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
针对每一样本数据，确定出每一组第一参数值对应的第一样本误差后，从上述每一组第一参数值对应的第一样本误差中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为匹配第一参数值；并基于每一样本数据对应的匹配第一参数值，确定出命中率较高的预定数量个匹配第一参数值，作为待选第一参数值。具体的，将基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；将第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值。
后续的，根据每一组待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数。例如：可以是设置样本误差与误差分数之间的对应关系，上述对应关系可以是，样本误差一对应误差分数一，样本误差二对应误差分数二，样本误差三对应误差分数三，样本误差四对应误差分数四，等等，其中，样本误差与误差分数之间为反比关系，即样本误差越大，上述误差分数越小。
确定出每一组待选第一参数值对应的第一误差分数后，将所对应第一误差分数最大的一组待选第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型。
同理，可以利用相同流程，确定出每一组待选第二参数值对应的第二误差分数后，将所对应第二误差分数最大的一组待选第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
在一种实现方式中，上述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，上述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，上述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，上述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
上述第二直角坐标系可以为：以目标车辆的测距设备的起始位置为原点、以目标车辆的测距设备的移动方向为横轴、且以目标车辆的测距设备的测距方向为纵轴的直角坐标系；
上述S104，可以包括：
将第一目标坐标以及第三目标坐标输入预设的第一边界确定子模型，得到待检测空闲车位的第三边界相对于起始位置的距离，作为第一目标距离，其中，第三边界线为：待检测空闲车位与第一障碍物车辆对应的边界所在直线；
将第二目标坐标以及第四目标坐标输入预设的第二边界确定子模型，得到待检测空闲车位的第四边界线相对于起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将第一目标距离和第二目标距离输入车位长度确定子模型，得到待检测空闲车位的长度。
获得针对待检测区域的目标测距数据后，确定每一目标测距数据在上述第二直角坐标系下的坐标，其中，每一目标测距数据在上述第二直角坐标系下的坐标中的横轴坐标表征：采集所对应目标测距数据时，目标车辆的测距设备与起始位置的距离，即每一目标测距数据对应的坐标中横轴坐标的坐标值等于目标车辆的测距设备与起始位置的距离值，每一目标测距数据在上述第二直角坐标系下的坐标中的纵轴坐标表征：所对应目标测距数据，即每一目标测距数据对应的坐标中纵轴坐标的坐标值等于该目标测距数据的数值。其中，上述起始位置为该目标车辆的测距设备被开启时所处位置。
确定出上述第一目标测距数据、第二目标测距数据、第三目标测距数据以及第四目标测距数据后，将上述第一目标测距数据对应的第一目标坐标以及第三目标测距数据对应的第三目标坐标，输入预设的第一边界确定子模型，预设的第一边界确定子模型基于上述第一目标坐标和第三目标坐标以及第一数学模型，确定出待检测空闲车位的第三边界相对于起始位置的距离，作为第一目标距离；并将上述第二目标测距数据对应的第二目标坐标以及第四目标测距数据对应的第四目标坐标，输入预设的第二边界确定子模型，预设的第二边界确定子模型基于上述第二目标坐标和第四目标坐标以及第二数学模型，确定出待检测空闲车位的第四边界相对于起始位置的距离，作为第二目标距离；后续的，将所确定出的第一目标距离和第二目标距离在输入车位长度确定子模型，得到待检测空闲车位的长度。
每一样本测距数据对应一样本采集时刻和样本行驶速度；
上述将第一样本测距数据、第三样本测距数据、第二样本测距数据和第四样本测距数据，作为该样本数据对应的操作结果的步骤之前，所述方法还可以包括：确定第一样本测距数据和第三样本测距数据之间的样本测距数据中，是否存在满足第三确定条件的第五样本测距数据，并确定第二样本测距数据和第四样本测距数据之间的样本测距数据中，是否存在满足第四确定条件的第六样本测距数据的过程，具体的：
基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
从该样本测距数据中，确定第一样本测距数据与第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定第二样本测距数据与第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
判断第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据；
其中，满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；
满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，第四斜率阈值小于第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在第五样本测距数据，并判断不存在第六样本测距数据时，执行将第一样本测距数据、第三样本测距数据、第二样本测距数据和第四样本测距数据，作为该样本数据对应的操作结果的步骤。
可以理解的是，样本车辆的测距设备采集每一样本数据所包含的样本测距数据时，每两个样本测距数据之间的采集时刻之差非常小，例如每40毫秒采集一个数据，可以近似认为样本车辆的测距设备在采集相邻的两个样本测距数据为匀速行驶，每相邻的样本测距数据之间的距离间隔可以是：相邻的样本测距数据之间的采集时刻之差，与该相邻的样本测距数据中的任一样本测距数据对应的样本行驶速度的乘积。
在一种情况中，可以遍历第一样本测距数据与第三样本测距数据之间的样本测距数据，即遍历第三类样本测距数据，确定是否存在上述满足第三确定条件的第五样本测距数据，并遍历第二样本测距数据与第四样本测距数据之间的样本测距数据，即遍历第四类样本测距数据，确定是否存在上述满足第四确定条件的第六样本测距数据，当确定均不存在时，可以将上述第一样本测距数据所在位置和第二样本测距数据所在位置分别确定为稳定的跳变位置，进而执行上述将第一样本测距数据、第三样本测距数据、第二样本测距数据和第四样本测距数据，作为该样本数据对应的操作结果的步骤。
当确定均存在时，将所确定的上述第五样本测距数据所在位置和第六样本测距数据所在位置分别确定为稳定的跳变位置，进而将上述第五样本测距数据代替上述第一样本测距数据，将上述第六样本测距数据代替上述第二样本测距数据，确定样本空闲车位的长度，即该样本数据对应的第一预期距离。或者，仅确定存在其中一个时，例如：当确定仅存在第五样本测距数据时，将所确定的第五样本测距数据代替上述第一样本测距数据，进而确定样本空闲车位的长度，即该样本数据对应的第一预期距离；当确定仅存在第六样本测距数据时，将所确定的第六样本测距数据代替上述第二样本测距数据，进而确定样本空闲车位的长度，即该样本数据对应的第一预期距离。
具体的，所述方法还可以包括：
当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
在一种实现方式中，上述判断第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据的步骤，可以包括：
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在第六样本测距数据。
本发明实施例中，在遍历第一样本测距数据与第三样本测距数据之间的样本测距数据，即遍历第三类样本测距数据，确定是否存在上述满足第三确定条件的第五样本测距数据时，可以是基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算每相邻的第三类样本测距数据对应的第一样本斜率，并判断所计算的第一样本斜率是否不小于第三斜率阈值，当判断结果为否时，继续计算后续的每相邻的第三类样本测距数据对应的第一样本斜率，并判断所计算的第一样本斜率是否不小于第三斜率阈值。直至当出现判断结果为是时，停止计算后续的每相邻的第三类样本测距数据对应的第一样本斜率，并确定存在第五样本测距数据；或者，当计算完成所有的第三类样本测距数据中每相邻的第三类样本测距数据对应的第一样本斜率，并判断结果均为否时，确定不存在第五样本测距数据。
本发明实施例中，在遍历第二样本测距数据与第四样本测距数据之间的样本测距数据，即遍历第四类样本测距数据，确定是否存在上述满足第四确定条件的第六样本测距数据时，与上述确定是否存在上述满足第三确定条件的第五样本测距数据的流程大致相同，在此不做赘述。
在一种实现方式中，上述第三斜率阈值可以和本发明实施例所提的上述第一斜率阈值相同，也可以不同；；上述第四斜率阈值可以和本发明实施例所提的上述第二斜率阈值相同，也可以不同，这都是可以的。
相应于上述方法实施例，本发明实施例还提供了一种车位检测装置，如图4所示，所述装置可以包括：
第一获得模块410，用于获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
第一确定模块420，用于基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
第二确定模块430，用于基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
第三确定模块440，用于基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
本发明实施例中，可以根据预设的车位检测模型中所包含的表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变沿对应的测距数据之间的位置关系的信息，以及针对待检测区域中障碍物车辆、待检测空闲车位所采集的目标测距数据中，确定出的第一障碍物车辆对应的第三目标测距数据、第二障碍物车辆对应的第四目标测距数据以及目标上升沿对应的第一目标测距数据、目标下降沿对应的第二目标测距数据，确定出待检测空闲车位的边界线到目标车辆的测距设备的起始位置的距离，进而确定出待检测空闲车位的长度。基于预先设置的预设的车位检测模型，以确定出更准确的车位的长度。
在一种实现方式中，每一目标测距数据对应一目标目标采集时刻；
所述第二确定模块430，具体用于
从所述目标测距数据中，确定出所对应目标采集时刻小于所述第一目标测距数据对应的目标采集时刻的、且与所述第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定所述第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与所述第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为所述第一障碍物车辆对应的第三目标测距数据；
从所述目标测距数据中，确定出所对应目标采集时刻大于所述第二目标测距数据对应的目标采集时刻的、且与所述第二目标测距数据最近的所述第一预定数量个目标测距数据，作为第二类目标测距数据；
确定所述第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与所述第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为所述第二障碍物车辆对应的第四目标测距数据。
在一种实现方式中，每一目标测距数据对应一目标采集时刻和目标行驶速度；
所述装置还包括第四确定模块、第五确定模块、第一判断模块；
所述第四确定模块，用于在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度之前，基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
所述第五确定模块，用于从所述目标测距数据中，确定所述第一目标测距数据与所述第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定所述第二目标测距数据与所述第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
所述第一判断模块，用于判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据，其中，所述满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；所述满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据，所述第二斜率阈值小于所述第一斜率阈值；与相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，触发所述第三确定模块440。
在一种实现方式中，所述装置还包括第六确定模块、第七确定模块和第八确定模块；
所述第六确定模块，用于当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第七确定模块，用于当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第八确定模块，用于当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
在一种实现方式中，所述第一判断模块，具体用于
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
在一种实现方式中，如图5所示，所述装置还可以包括模型建立模块510；
所述模型建立模块510用于在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度之前，建立所述预设的车位检测模型，其中，所述模型建立模块510包括第一获得单元511、第二获得单元512、第三获得单元513、第四获得单元514和训练得到单元515；
所述第一获得单元511，用于获得预定模式车位对应的多个样本数据，其中，每一样本数据包括：测试车辆的测距设备在所述测试车辆以预定行驶状态行驶过程中，针对样本区域所采集的样本测距数据，所述预定行驶状态包含预设位置，所述样本区域包含样本空闲车位、第三障碍物车辆以及第四障碍物车辆，其中，所述预定模式车位包括：水平车位或垂直车位；
所述第二获得单元512，用于获得每一样本数据对应的标定信息，其中，所述标定信息包括：所述样本空闲车位相对于所述第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，以及所述样本空闲车位相对于所述第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离；
所述第三获得单元513，用于获得初始的车位检测模型；
所述训练得到单元515，用于基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型；
其中，所述第四获得单元514包括第一确定子模块5141、第二确定子模块5142和作为子模块5143；
所述第一确定子模块5141，用于针对每一样本数据，基于该样本数据包含的样本测距数据的变化情况，从该样本测距数据中，确定出样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据；
所述第二确定子模块5142，用于基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据；
所述作为子模块5143，用于将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果。
在一种实现方式中，每一样本测距数据对应一样本采集时刻；
所述第二确定子模块5142，具体用于
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于所述第一样本测距数据对应的样本采集时刻的、且与所述第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定所述第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与所述第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为所述第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于所述第二样本测距数据对应的样本采集时刻的、且与所述第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为所述第四障碍物车辆对应的第四样本测距数据。
在一种实现方式中，所述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，所述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，所述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，所述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
所述第一直角坐标系为：以所述预设位置为原点、以所述测试车辆的测距设备的移动方向为横轴、且以所述测试车辆的测距设备的测距方向为纵轴的直角坐标系；
所述初始的车位检测模型包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，所述初始的第一边界确定子模型包含多组第一参数值，所述初始的第二边界确定子模型包含多组第二参数值；
所述训练得到单元包括第一输入确定子模块、第一计算子模块、第三确定子模块、第四确定子模块、第二输入确定子模块、第二计算子模块、第五确定子模块、第六确定子模块和得到模块；
所述第一输入确定子模块，用于针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入所述初始的第一边界确定子模型，确定出所述多组第一参数值中每一组第一参数值对应的第一预期距离；
所述第一计算子模块，用于针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
所述第三确定子模块，用于基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
所述第四确定子模块，用于基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，所述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
所述第二输入确定子模块，用于针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
所述第二计算子模块，用于针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
所述第五确定子模块，用于基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
所述第六确定子模块，用于基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，所述满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
所述得到子模块，用于得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
在一种实现方式中，所述第三确定子模块，具体用于
针对每一样本数据，从所述多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将所述第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
所述第四确定子模块，具体用于
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
所述第五确定子模块，具体用于
针对每一样本数据，从所述多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将所述第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
所述第六确定子模块，具体用于
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
在一种实现方式中，所述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，所述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，所述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，所述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
所述第二直角坐标系为：以所述目标车辆的测距设备的起始位置为原点、以所述目标车辆的测距设备的移动方向为横轴、且以所述目标车辆的测距设备的测距方向为纵轴的直角坐标系；
所述第三确定模块，具体用于
将所述第一目标坐标以及所述第三目标坐标输入所述预设的第一边界确定子模型，得到所述待检测空闲车位的第三边界相对于所述起始位置的距离，作为第一目标距离，其中，所述第三边界线为：所述待检测空闲车位与所述第一障碍物车辆对应的边界所在直线；
将所述第二目标坐标以及所述第四目标坐标输入所述预设的第二边界确定子模型，得到所述待检测空闲车位的第四边界线相对于所述起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将所述第一目标距离和所述第二目标距离输入车位长度确定子模型，得到所述待检测空闲车位的长度。
在一种实现方式中，每一样本测距数据对应一样本采集时刻和样本行驶速度；
所述第四获得单元还包括第七确定子模块、第八确定子模块、判断子模块；
所述第七确定子模块，用于在所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果之前，基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
所述第八确定子模块，用于从该样本测距数据中，确定所述第一样本测距数据与所述第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定所述第二样本测距数据与所述第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
所述判断子模块，用于判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据，其中，所述满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；所述满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，所述第四斜率阈值小于所述第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，触发所述作为子模块5143。
在一种实现方式中，所述第四获得单元还包括第九确定子模块、第十确定子模块和第十一确定子模块；
所述第九确定子模块，用于当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十确定子模块，用于当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十一确定子模块，用于当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
在一种实现方式中，所述判断子模块，具体用于
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在所述第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在所述第六样本测距数据。
相应于上述方法实施例，本发明实施例还提供了一种电子设备，如图6所示，包括处理器610、通信接口620、存储器630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信，
通信接口620，用于与目标车辆的测距设备进行通信；
存储器630，用于存放计算机程序；
处理器610，用于执行存储器630上所存放的计算机程序时，实现本发明实施例所提供的上述任一所述的车位检测方法，该方法包括：
获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
本发明实施例中，可以根据预设的车位检测模型中所包含的表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变沿对应的测距数据之间的位置关系的信息，以及针对待检测区域中障碍物车辆、待检测空闲车位所采集的目标测距数据中，确定出的第一障碍物车辆对应的第三目标测距数据、第二障碍物车辆对应的第四目标测距数据以及目标上升沿对应的第一目标测距数据、目标下降沿对应的第二目标测距数据，确定出待检测空闲车位的边界线到目标车辆的测距设备的起始位置的距离，进而确定出待检测空闲车位的长度。基于预先设置的预设的车位检测模型，以确定出更准确的车位的长度。
本发明实施例中，上述通信接口用于上述电子设备与目标车辆的测距设备进行通信，和/或用于上述电子设备与测试车辆的测距设备进行通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
相应于上述方法实施例，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例所提供的上述任一所述的车位检测方法，该方法包括：
获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息。
本发明实施例中，可以根据预设的车位检测模型中所包含的表征障碍物车辆对应的测距数据、目标车辆的测距设备的起始位置到待检测空闲车位的边界线的距离以及测距数据的跳变沿对应的测距数据之间的位置关系的信息，以及针对待检测区域中障碍物车辆、待检测空闲车位所采集的目标测距数据中，确定出的第一障碍物车辆对应的第三目标测距数据、第二障碍物车辆对应的第四目标测距数据以及目标上升沿对应的第一目标测距数据、目标下降沿对应的第二目标测距数据，确定出待检测空闲车位的边界线到目标车辆的测距设备的起始位置的距离，进而确定出待检测空闲车位的长度。基于预先设置的预设的车位检测模型，以确定出更准确的车位的长度。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (28)

1.一种车位检测方法，其特征在于，所述方法包括：
获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息；所述目标车辆的测距设备的起始位置为：所述目标车辆的测距设备开始采集测距数据时的位置。
2.根据权利要求1所述的方法，其特征在于，每一目标测距数据对应一目标采集时刻；
所述基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据的步骤，包括：
从所述目标测距数据中，确定出所对应目标采集时刻小于所述第一目标测距数据对应的目标采集时刻的、且与所述第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定所述第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与所述第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为所述第一障碍物车辆对应的第三目标测距数据；
从所述目标测距数据中，确定出所对应目标采集时刻大于所述第二目标测距数据对应的目标采集时刻的、且与所述第二目标测距数据最近的所述第一预定数量个目标测距数据，作为第二类目标测距数据；
确定所述第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与所述第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为所述第二障碍物车辆对应的第四目标测距数据。
3.根据权利要求1所述的方法，其特征在于，每一目标测距数据对应一目标采集时刻和目标行驶速度；
在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤之前，所述方法还包括：
基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
从所述目标测距数据中，确定所述第一目标测距数据与所述第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定所述第二目标测距数据与所述第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据，其中，所述满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；所述满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据，所述第二斜率阈值小于所述第一斜率阈值；与相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，执行所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
5.根据权利要求3所述的方法，其特征在于，所述判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据的步骤，包括：
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
6.根据权利要求1-5任一项所述的方法，其特征在于，在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤之前，所述方法还包括：
建立所述预设的车位检测模型的过程，其中，所述过程包括：
获得预定模式车位对应的多个样本数据，其中，每一样本数据包括：测试车辆的测距设备在所述测试车辆以预定行驶状态行驶过程中，针对样本区域所采集的样本测距数据，所述预定行驶状态包含预设位置，所述样本区域包含样本空闲车位、第三障碍物车辆以及第四障碍物车辆，其中，所述预定模式车位包括：水平车位或垂直车位；
获得每一样本数据对应的标定信息，其中，所述标定信息包括：所述样本空闲车位相对于所述第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，以及所述样本空闲车位相对于所述第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离；
获得初始的车位检测模型；
针对每一样本数据，执行以下操作，以获得每一样本数据对应的操作结果；基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型；
所述执行以下操作包括：基于该样本数据包含的样本测距数据的变化情况，从该样本测距数据中，确定出样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据；
基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据；
将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果。
7.根据权利要求6所述的方法，其特征在于，每一样本测距数据对应一样本采集时刻；
所述基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据的步骤，包括：
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于所述第一样本测距数据对应的样本采集时刻的、且与所述第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定所述第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与所述第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为所述第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于所述第二样本测距数据对应的样本采集时刻的、且与所述第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为所述第四障碍物车辆对应的第四样本测距数据。
8.根据权利要求6所述的方法，其特征在于，所述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，所述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，所述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，所述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
所述第一直角坐标系为：以所述预设位置为原点、以所述测试车辆的测距设备的移动方向为横轴、且以所述测试车辆的测距设备的测距方向为竖轴的直角坐标系；
所述初始的车位检测模型包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，所述初始的第一边界确定子模型包含多组第一参数值，所述初始的第二边界确定子模型包含多组第二参数值；
所述基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型的步骤，包括：
针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入所述初始的第一边界确定子模型，确定出所述多组第一参数值中每一组第一参数值对应的第一预期距离；
针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，所述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，所述满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
9.根据权利要求8所述的方法，其特征在于，所述基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数的步骤，包括：
针对每一样本数据，从所述多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将所述第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
所述基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型的步骤，包括：
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
所述基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数的步骤，包括：
针对每一样本数据，从所述多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将所述第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
所述基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型的步骤，包括：
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
10.根据权利要求8所述的方法，其特征在于，所述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，所述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，所述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，所述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
所述第二直角坐标系为：以所述目标车辆的测距设备的起始位置为原点、以所述目标车辆的测距设备的移动方向为横轴、且以所述目标车辆的测距设备的测距方向为纵轴的直角坐标系；
所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度的步骤，包括：
将所述第一目标坐标以及所述第三目标坐标输入所述预设的第一边界确定子模型，得到所述待检测空闲车位的第三边界相对于所述起始位置的距离，作为第一目标距离，其中，所述第三边界线为：所述待检测空闲车位与所述第一障碍物车辆对应的边界所在直线；
将所述第二目标坐标以及所述第四目标坐标输入所述预设的第二边界确定子模型，得到所述待检测空闲车位的第四边界线相对于所述起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将所述第一目标距离和所述第二目标距离输入车位长度确定子模型，得到所述待检测空闲车位的长度。
11.根据权利要求6所述的方法，其特征在于，每一样本测距数据对应一样本采集时刻和样本行驶速度；
在所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果的步骤之前，所述方法还包括：
基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
从该样本测距数据中，确定所述第一样本测距数据与所述第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定所述第二样本测距数据与所述第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据，其中，所述满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；所述满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，所述第四斜率阈值小于所述第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，执行所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果的步骤。
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
13.根据权利要求11或12所述的方法，其特征在于，所述判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据的步骤，包括：
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在所述第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在所述第六样本测距数据。
14.一种车位检测装置，其特征在于，所述装置包括：
第一获得模块，用于获得目标车辆的测距设备针对待检测区域所采集的目标测距数据，其中，所述待检测区域包含待检测空闲车位、第一障碍物车辆以及第二障碍物车辆；
第一确定模块，用于基于所述目标测距数据的变化情况，从所述目标测距数据中，确定出目标上升沿对应的第一目标测距数据以及目标下降沿对应的第二目标测距数据；
第二确定模块，用于基于所述第一目标测距数据，从所述目标测距数据中确定出所述第一障碍物车辆对应的第三目标测距数据，并基于所述第二目标测距数据，从所述目标测距数据中确定出所述第二障碍物车辆对应的第四目标测距数据；
第三确定模块，用于基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度，其中，所述预设的车位检测模型包含：表征障碍物车辆对应的测距数据、所述目标车辆的测距设备的起始位置到所述待检测空闲车位的边界线的距离以及测距数据的跳变位置对应的测距数据之间的位置关系的信息；所述目标车辆的测距设备的起始位置为：所述目标车辆的测距设备开始采集测距数据时的位置。
15.根据权利要求14所述的装置，其特征在于，每一目标测距数据对应一目标目标采集时刻；
所述第二确定模块，具体用于
从所述目标测距数据中，确定出所对应目标采集时刻小于所述第一目标测距数据对应的目标采集时刻的、且与所述第一目标测距数据最近的第一预定数量个目标测距数据，作为第一类目标测距数据；
确定所述第一类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第一待选目标测距数据；
从所确定的第一待选目标测距数据中，确定出所对应目标采集时刻与所述第一目标测距数据的目标采集时刻最近的作为极小值的第一待选目标测距数据，作为所述第一障碍物车辆对应的第三目标测距数据；
从所述目标测距数据中，确定出所对应目标采集时刻大于所述第二目标测距数据对应的目标采集时刻的、且与所述第二目标测距数据最近的所述第一预定数量个目标测距数据，作为第二类目标测距数据；
确定所述第二类目标测距数据中，每相邻的第二预定数量个目标测距数据中的数值最小的目标测距数据，作为第二待选目标测距数据；
从所确定的第二待选目标测距数据中，确定出所对应目标采集时刻与所述第二目标测距数据的目标采集时刻最近的作为极小值的第二待选目标测距数据，作为所述第二障碍物车辆对应的第四目标测距数据。
16.根据权利要求14所述的装置，其特征在于，每一目标测距数据对应一目标采集时刻和目标行驶速度；
所述装置还包括第四确定模块、第五确定模块、第一判断模块；
所述第四确定模块，用于在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度之前，基于每一目标测距数据对应的目标采集时刻和目标行驶速度，确定每相邻的目标测距数据之间的距离间隔，作为目标距离间隔；
所述第五确定模块，用于从所述目标测距数据中，确定所述第一目标测距数据与所述第三目标测距数据之间的目标测距数据，作为第三类目标测距数据，并确定所述第二目标测距数据与所述第四目标测距数据之间的目标测距数据，作为第四类目标测距数据；
所述第一判断模块，用于判断所述第三类目标测距数据中是否存在满足第一确定条件的第五目标测距数据，并判断所述第四类目标测距数据中是否存在满足第二确定条件的第六目标测距数据，其中，所述满足第一确定条件的第五目标测距数据为：与相邻的第三类目标测距数据之间的第一目标斜率不小于第一斜率阈值的、且所对应目标采集时刻小于相邻的第三类目标测距数据对应的目标采集时刻的第三类目标测距数据；所述满足第二确定条件的第六目标测距数据为：与相邻的第四类目标测距数据之间的第二目标斜率不大于第二斜率阈值的、且所对应目标采集时刻小于相邻的第四类目标测距数据对应的目标采集时刻的第四类目标测距数据，所述第二斜率阈值小于所述第一斜率阈值；与相邻的第三类目标测距数据之间的第一目标斜率为：与相邻的第三类目标测距数据之差和与相邻的第三类目标测距数据之间的目标距离间隔的比值；与相邻的第四类目标测距数据之间的第二目标斜率为：与相邻的第四类目标测距数据之差和与相邻的第四类目标测距数据之间的目标距离间隔的比值；
当判断不存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，触发所述第三确定模块。
17.根据权利要求16所述的装置，其特征在于，所述装置还包括第六确定模块、第七确定模块和第八确定模块；
所述第六确定模块，用于当判断存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第七确定模块，用于当判断存在所述第五目标测距数据，并判断不存在所述第六目标测距数据时，基于预设的车位检测模型、所述第五目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度；
所述第八确定模块，用于当判断不存在所述第五目标测距数据，并判断存在所述第六目标测距数据时，基于预设的车位检测模型、所述第一目标测距数据、所述第六目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度。
18.根据权利要求16所述的装置，其特征在于，所述第一判断模块，具体用于
基于每一第三类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第三类目标测距数据对应的第一目标斜率，并判断计算所得第一目标斜率是否不小于第一斜率阈值；其中，当判断计算所得第一目标斜率不小于第一斜率阈值时，表征判断存在所述第五目标测距数据；
基于每一第四类目标测距数据对应的目标采集时刻从小到大的顺序，依次计算相邻第四类目标测距数据对应的第二目标斜率，并判断计算所得第二目标斜率是否不大于第二斜率阈值；其中，当判断计算所得第二目标斜率不大于第二斜率阈值时，表征判断存在所述第六目标测距数据。
19.根据权利要求14-18任一项所述的装置，其特征在于，所述装置还包括模型建立模块；
所述模型建立模块用于在所述基于预设的车位检测模型、所述第一目标测距数据、所述第二目标测距数据、所述第三目标测距数据和所述第四目标测距数据，确定所述待检测空闲车位的长度之前，建立所述预设的车位检测模型，其中，所述模型建立模块包括第一获得单元、第二获得单元、第三获得单元、第四获得单元和训练得到单元；
所述第一获得单元，用于获得预定模式车位对应的多个样本数据，其中，每一样本数据包括：测试车辆的测距设备在所述测试车辆以预定行驶状态行驶过程中，针对样本区域所采集的样本测距数据，所述预定行驶状态包含预设位置，所述样本区域包含样本空闲车位、第三障碍物车辆以及第四障碍物车辆，其中，所述预定模式车位包括：水平车位或垂直车位；
所述第二获得单元，用于获得每一样本数据对应的标定信息，其中，所述标定信息包括：所述样本空闲车位相对于所述第三障碍物车辆的第一边界线，距离该样本数据对应的预设位置的第一样本距离，以及所述样本空闲车位相对于所述第四障碍物车辆的第二边界线，距离该样本数据对应的预设位置的第二样本距离；
所述第三获得单元，用于获得初始的车位检测模型；
所述训练得到单元，用于基于每一样本数据对应的操作结果以及每一样本数据对应的第一样本距离和第二样本距离，训练所述初始的车位检测模型，得到预设的车位检测模型；
其中，所述第四获得单元包括第一确定子模块、第二确定子模块和作为子模块；
所述第一确定子模块，用于针对每一样本数据，基于该样本数据包含的样本测距数据的变化情况，从该样本测距数据中，确定出样本上升沿对应的第一样本测距数据和样本下降沿对应的第二样本测距数据；
所述第二确定子模块，用于基于所述第一样本测距数据，从该样本数据包含的样本测距数据中确定出所述第三障碍物车辆对应的第三样本测距数据，并基于所述第二样本测距数据，从该样本数据包含的样本测距数据中确定出所述第四障碍物车辆对应的第四样本测距数据；
所述作为子模块，用于将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果。
20.根据权利要求19所述的装置，其特征在于，每一样本测距数据对应一样本采集时刻；
所述第二确定子模块，具体用于
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻小于所述第一样本测距数据对应的样本采集时刻的、且与所述第一样本测距数据最近的第一预定数量个样本测距数据，作为第一类样本测距数据；
确定所述第一类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第一待选样本测距数据；
从所确定的第一待选样本测距数据中，确定出所对应样本采集时刻与所述第一样本测距数据的样本采集时刻最近的作为极小值的第一待选样本测距数据，作为所述第三障碍物车辆对应的第三样本测距数据；
从该样本数据包含的样本测距数据中，确定出所对应样本采集时刻大于所述第二样本测距数据对应的样本采集时刻的、且与所述第二样本测距数据最近的第一预定数量个样本测距数据，作为第二类样本测距数据；
确定所述第二类样本测距数据中，每相邻的第二预定数量个样本测距数据中的数值最小的样本测距数据，作为第二待选样本测距数据；
从所确定的第二待选样本测距数据中，确定出所对应样本采集时刻与所述第二样本测距数据的样本采集时刻最近的作为极小值的第二待选样本测距数据，作为所述第四障碍物车辆对应的第四样本测距数据。
21.根据权利要求19所述的装置，其特征在于，所述第一样本测距数据对应在第一直角坐标系下的第一样本坐标，所述第二样本测距数据对应在第一直角坐标系下的第二样本坐标，所述第三样本测距数据对应在第一直角坐标系下的第三样本坐标，所述第四样本测距数据对应在第一直角坐标系下的第四样本坐标；
所述第一直角坐标系为：以所述预设位置为原点、以所述测试车辆的测距设备的移动方向为横轴、且以所述测试车辆的测距设备的测距方向为纵轴的直角坐标系；
所述初始的车位检测模型包括初始的第一边界确定子模型、初始的第二边界确定子模型以及车位长度确定子模型，所述初始的第一边界确定子模型包含多组第一参数值，所述初始的第二边界确定子模型包含多组第二参数值；
所述训练得到单元包括第一输入确定子模块、第一计算子模块、第三确定子模块、第四确定子模块、第二输入确定子模块、第二计算子模块、第五确定子模块、第六确定子模块和得到模块；
所述第一输入确定子模块，用于针对每一样本数据，将该样本数据对应的第一样本坐标、第三样本坐标输入所述初始的第一边界确定子模型，确定出所述多组第一参数值中每一组第一参数值对应的第一预期距离；
所述第一计算子模块，用于针对每一样本数据，计算每一组第一参数值对应的第一预期距离与该样本数据对应的第一样本距离的差值，作为该组第一参数值对应的第一样本误差；
所述第三确定子模块，用于基于每一样本数据对应的每组第一参数值对应的第一样本误差，确定每一第一参数值对应的第一误差分数，其中，每组第一参数值对应的第一样本误差越大，其所对应的第一误差分数越小；
所述第四确定子模块，用于基于所确定的每一第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；其中，所述满足预设选取条件的第一参数值为：所对应第一误差分数最大的第一参数值；
所述第二输入确定子模块，用于针对每一样本数据，将该样本数据对应的第二样本坐标、第四样本坐标输入所述初始的第二边界确定子模型，确定出所述多组第二参数值中每一组第二参数值对应的第二预期距离；
所述第二计算子模块，用于针对每一样本数据，计算每一组第二参数值对应的第二预期距离与该样本数据对应的第二样本距离的差值，作为该组第二参数值对应的第二样本误差；
所述第五确定子模块，用于基于每一样本数据对应的每组第二参数值对应的第二样本误差，确定每一第二参数值对应的第二误差分数，其中，每组第二参数值对应的第二样本误差越大，其所对应的第二误差分数越小；
所述第六确定子模块，用于基于所确定的每一第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型；其中，所述满足预设选取条件的第二参数值为：所对应第二误差分数最大的第二参数值；
所述得到子模块，用于得到包含预设的第一边界确定子模型、预设的第二边界确定子模型以及车位长度确定子模型的预设的车位检测模型。
22.根据权利要求21所述的装置，其特征在于，所述第三确定子模块，具体用于
针对每一样本数据，从所述多组第一参数值中，确定出所对应第一样本误差在预设误差范围内的第一参数值，作为该样本数据对应的匹配第一参数值；
基于每一匹配第一参数值所对应的样本数据的数量，对每一匹配第一参数值进行降序排序，获得第一排序顺序；
将所述第一排序顺序中前预设位数个匹配第一参数值，确定为待选第一参数值；
基于每一待选第一参数值对应的第一样本误差，确定每一待选第一参数值对应的第一误差分数；
所述第四确定子模块，具体用于
基于所确定的每一待选第一参数值对应的第一误差分数，确定出满足预设选取条件的第一参数值，作为最终第一参数值，以得到预设的第一边界确定子模型；
所述第五确定子模块，具体用于
针对每一样本数据，从所述多组第二参数值中，确定出所对应第二样本误差在预设误差范围内的第二参数值，作为该样本数据对应的匹配第二参数值；
基于每一匹配第二参数值所对应的样本数据的数量，对每一匹配第二参数值进行降序排序，获得第二排序顺序；
将所述第二排序顺序中前预设位数个匹配第二参数值，确定为待选第二参数值；
基于每一待选第二参数值对应的第二样本误差，确定每一待选第二参数值对应的第二误差分数；
所述第六确定子模块，具体用于
基于所确定的每一待选第二参数值对应的第二误差分数，确定出满足预设选取条件的第二参数值，作为最终第二参数值，以得到预设的第二边界确定子模型。
23.根据权利要求21所述的装置，其特征在于，所述第一目标测距数据对应在第二直角坐标系下的第一目标坐标，所述第二目标测距数据对应在第二直角坐标系下的第二目标坐标，所述第三目标测距数据对应在第二直角坐标系下的第三目标坐标，所述第四样本测距数据对应在第二直角坐标系下的第四目标坐标；
所述第二直角坐标系为：以所述目标车辆的测距设备的起始位置为原点、以所述目标车辆的测距设备的移动方向为横轴、且以所述目标车辆的测距设备的测距方向为纵轴的直角坐标系；
所述第三确定模块，具体用于
将所述第一目标坐标以及所述第三目标坐标输入所述预设的第一边界确定子模型，得到所述待检测空闲车位的第三边界相对于所述起始位置的距离，作为第一目标距离，其中，所述第三边界线为：所述待检测空闲车位与所述第一障碍物车辆对应的边界所在直线；
将所述第二目标坐标以及所述第四目标坐标输入所述预设的第二边界确定子模型，得到所述待检测空闲车位的第四边界线相对于所述起始位置的距离，作为第二目标距离，其中，所述第四边界线为：所述待检测空闲车位与所述第二障碍物车辆对应的边界所在直线；
将所述第一目标距离和所述第二目标距离输入车位长度确定子模型，得到所述待检测空闲车位的长度。
24.根据权利要求19所述的装置，其特征在于，每一样本测距数据对应一样本采集时刻和样本行驶速度；
所述第四获得单元还包括第七确定子模块、第八确定子模块、判断子模块；
所述第七确定子模块，用于在所述将所述第一样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果之前，基于每一样本测距数据对应的样本采集时刻和样本行驶速度，确定每相邻的样本测距数据之间的距离间隔，作为样本距离间隔；
所述第八确定子模块，用于从该样本测距数据中，确定所述第一样本测距数据与所述第三样本测距数据之间的样本测距数据，作为第三类样本测距数据，并确定所述第二样本测距数据与所述第四样本测距数据之间的样本测距数据，作为第四类样本测距数据；
所述判断子模块，用于判断所述第三类样本测距数据中是否存在满足第三确定条件的第五样本测距数据，并判断所述第四类样本测距数据中是否存在满足第四确定条件的第六样本测距数据，其中，所述满足第三确定条件的第五样本测距数据为：与相邻的第三类样本测距数据之间的第一样本斜率不小于第三斜率阈值的、且所对应样本采集时刻小于相邻的第三类样本测距数据对应的样本采集时刻的第三类样本测距数据；所述满足第四确定条件的第六样本测距数据为：与相邻的第四类样本测距数据之间的第二样本斜率不大于第四斜率阈值的、且所对应样本采集时刻小于相邻的第四类样本测距数据对应的样本采集时刻的第四类样本测距数据，所述第四斜率阈值小于所述第三斜率阈值，相邻的第三类样本测距数据之间的第一样本斜率为：与相邻的第三类样本测距数据之差和与相邻的第三类样本测距数据之间的样本距离间隔的比值；
当判断不存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，触发所述作为子模块。
25.根据权利要求24所述的装置，其特征在于，所述第四获得单元还包括第九确定子模块、第十确定子模块和第十一确定子模块；
所述第九确定子模块，用于当判断存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第五样本测距数据、所述第六样本测距数据、所述第三样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十确定子模块，用于当判断存在所述第五样本测距数据，并判断不存在所述第六样本测距数据时，将所述第五样本测距数据、所述第三样本测距数据、所述第二样本测距数据和所述第四样本测距数据，作为该样本数据对应的操作结果；
所述第十一确定子模块，用于当判断不存在所述第五样本测距数据，并判断存在所述第六样本测距数据时，将所述第一样本测距数据、所述第三样本测距数据、所述第四样本测距数据和所述第六样本测距数据，作为该样本数据对应的操作结果。
26.根据权利要求24或25所述的装置，其特征在于，所述判断子模块，具体用于
基于每一第三类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第三类样本测距数据对应的第一样本斜率，并判断计算所得第一样本斜率是否不小于第三斜率阈值；其中，当判断计算所得第一样本斜率不小于第三斜率阈值时，表征判断存在所述第五样本测距数据；
基于每一第四类样本测距数据对应的样本采集时刻从小到大的顺序，依次计算相邻第四类样本测距数据对应的第二样本斜率，并判断计算所得第二样本斜率是否不大于第四斜率阈值；其中，当判断计算所得第二样本斜率不大于第四斜率阈值时，表征判断存在所述第六样本测距数据。
27.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
通信接口，用于与目标车辆的测距设备进行通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的计算机程序时，实现权利要求1-13任一所述的方法步骤。
28.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-13任一所述的方法步骤。
CN201810084924.2A 2018-01-29 2018-01-29 一种车位检测方法、装置及电子设备 Active CN110095769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810084924.2A CN110095769B (zh) 2018-01-29 2018-01-29 一种车位检测方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810084924.2A CN110095769B (zh) 2018-01-29 2018-01-29 一种车位检测方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN110095769A CN110095769A (zh) 2019-08-06
CN110095769B true CN110095769B (zh) 2020-07-31

Family

ID=67442460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810084924.2A Active CN110095769B (zh) 2018-01-29 2018-01-29 一种车位检测方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN110095769B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112440980B (zh) * 2019-08-29 2021-11-12 比亚迪股份有限公司 泊车位的检测方法、装置、存储介质及车辆
CN110956847B (zh) * 2019-12-20 2021-11-30 奇瑞汽车股份有限公司 车位的识别方法、装置及存储介质
CN113053131B (zh) * 2019-12-26 2022-11-01 北京新能源汽车股份有限公司 一种空闲车位识别方法、装置及车辆
CN111361550B (zh) * 2020-03-19 2021-11-30 奇瑞汽车股份有限公司 车位的识别方法、装置及存储介质
CN111751824B (zh) * 2020-06-24 2023-08-04 杭州海康汽车软件有限公司 车辆周围的障碍物检测方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102001337A (zh) * 2009-09-01 2011-04-06 株式会社万都 在泊车中识别障碍物的方法和系统
JP2012027767A (ja) * 2010-07-26 2012-02-09 Nippon Soken Inc 駐車空間検出装置
CN104527642A (zh) * 2014-12-31 2015-04-22 江苏大学 基于场景多样性识别的自动泊车系统及其方法
CN104732799A (zh) * 2013-12-24 2015-06-24 感知技术无锡有限公司 一种车位状态检测方法及装置
KR20160146280A (ko) * 2015-06-12 2016-12-21 엘지전자 주식회사 자동주차 보조장치 및 이를 포함하는 차량
CN106781659A (zh) * 2016-12-21 2017-05-31 迈锐数据（北京）有限公司 一种车位状态基准值标定方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI464085B (zh) * 2011-07-22 2014-12-11 Automotive Res & Testing Ct Parking space detection method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102001337A (zh) * 2009-09-01 2011-04-06 株式会社万都 在泊车中识别障碍物的方法和系统
JP2012027767A (ja) * 2010-07-26 2012-02-09 Nippon Soken Inc 駐車空間検出装置
CN104732799A (zh) * 2013-12-24 2015-06-24 感知技术无锡有限公司 一种车位状态检测方法及装置
CN104527642A (zh) * 2014-12-31 2015-04-22 江苏大学 基于场景多样性识别的自动泊车系统及其方法
KR20160146280A (ko) * 2015-06-12 2016-12-21 엘지전자 주식회사 자동주차 보조장치 및 이를 포함하는 차량
CN106781659A (zh) * 2016-12-21 2017-05-31 迈锐数据（北京）有限公司 一种车位状态基准值标定方法和装置

Also Published As

Publication number Publication date
CN110095769A (zh) 2019-08-06

Similar Documents

Publication Publication Date Title
CN110095769B (zh) 一种车位检测方法、装置及电子设备
CN106097755B (zh) 用于识别泊车场地和/或空出场地的方法
CN109087510B (zh) 交通监测方法及装置
CN109543245B (zh) 无人车应对能力边界信息确定方法、装置和电子设备
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
JP2015022759A (ja) 車両におけるレーン割り付けについての方法
CN112069944A (zh) 一种道路拥堵等级确定方法
CN104851301B (zh) 一种基于减速带声音分析的车辆参数识别方法
CN113907663A (zh) 障碍物地图构建方法、清洁机器人及存储介质
CN112740061A (zh) 用于改善在借助LiDAR环境地图的情况下的雷达仪的物体识别的方法和设备
CN109387374B (zh) 一种车道保持水平评价方法
CN108981725A (zh) 用于优化用于自动化车辆的数字地图的方法
CN117079238A (zh) 道路边沿检测方法、装置、设备及存储介质
CN116691659A (zh) 一种无gps信号下车辆行驶轨迹的评估方法、装置
CN115909542A (zh) 基于预期功能安全的自动驾驶车辆测试方法和测试场
CN112562412B (zh) 一种数据处理的方法和装置
CN111177878A (zh) 衍生仿真场景筛选方法、装置和终端
CN112598314A (zh) 智能驾驶汽车的感知置信度确定方法、装置、设备及介质
KR101937218B1 (ko) 운전자 수용성 평가 장치 및 방법
Jomrich et al. Lane Accurate Detection of Map Changes based on Low Cost Smartphone Data.
CN112085178B (zh) 一种车辆行为数据的标注方法及装置
CN116381698B (zh) 道路遗撒物的检测方法、装置及电子设备
US11093764B2 (en) Available parking space detection localization using historical aggregation shifting
CN117095338B (zh) 基于道路视频识别的无线停车方法及相关装置
CN117268424B (zh) 一种多传感器融合的自动驾驶寻线方法及装置

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