CN110211420B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110211420B CN110211420B CN201910555870.8A CN201910555870A CN110211420B CN 110211420 B CN110211420 B CN 110211420B CN 201910555870 A CN201910555870 A CN 201910555870A CN 110211420 B CN110211420 B CN 110211420B
- Authority
- CN
- China
- Prior art keywords
- parking
- scene
- calculating
- uss
- car
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种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,通过超声波信号反馈的距离值,构建2D点云环境地图;通过对距离的计算,获得车辆行驶过程中的障碍物边沿信息,得出连续障碍物的长度USS_OL;以及由障碍物构成的空间车位,得出当前环境下探测到的空间车位个数USS_SN;利用摄像头获取周围画线车位信息,并计算出画线车位个数CAR_SN;同时检测连续画线车位的边沿线,计算出连续画线车位边沿长度信息CAR_SL;对USS_OL和USS_SN进行计算,计算出USS_CON;对CAR_SL和CAR_SN进行计算,计算出CAR_CON;计算出当前场景为停车场景的概率Wt;将Wt与标定值W0进行比较,判断当前场景是否为停车场景。本发明能够准确判断当前场景是否为停车场。
Description
技术领域
本发明属于自动泊车技术领域,具体涉及一种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。
背景技术
目前泊车系统已经实现了全泊车系统的商品化搭载,正在迈向远程泊车的产业化之路。在自动泊车车位搜索功能上,仅远程泊车系统可以实现自动搜索车位功能,即远程泊车控制器通过下达指令给车辆,车辆自动驾驶在停车场中搜索车位。远程泊车系统的自动搜索车位功能主要依靠以下几种技术之一,或者是多种组合:1.差分GPS定位技术;2.高精度地图;3.智能停车场场端定位和引导;4.激光或视觉SLAM(即时定位与地图构建)技术;5.基于深度学习的可行驶区域自动驾驶车位搜索。
以上技术的思路在于:一是首先需要有停车场地图,用于规划车辆的行驶路线来实现自动搜索车位,或者是行驶至某一确定车位;二是要对车辆进行即时定位,以确定车辆在地图中的位置,用于轨迹规划和车辆控制。
由上述技术原理和思路可以看出,当前泊车系统要实现自动搜索车位功能有两个重要的技术前提,预先采集当前停车场的地图,以及可通过定位确认当前场景为停车场。
因此,对技术点1至3来说,在没有提前建立停车场地图的情况下,是无法实现自动搜索车位功能的,即在陌生的停车场环境,系统会失效。
对技术点4至5来说,技术类似于扫地机器人,通过视觉或者是激光对环境进行感知探测,建立实时场景语意地图,描绘出可行驶的区域。系统控制车辆在可行驶的区域内进行自动驾驶,同时开启车位搜索功能,以实现自动搜索车位。在一定程度上,这两个技术可以实现在任意场景的自动搜索车位功能,但是,也没有对当前场景是否为停车场进行判断,仅是判断出可行驶区域,因此会出现误开启现象,泊入非泊车位空间。
因此,有必要开发一种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。
发明内容
本发明的目的是提供一种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,能准确判断出当前场景是否为停车场。
本发明所述的判断当前场景是否为停车场的方法,包括以下步骤:
步骤1、利用超声波雷达和摄像头对周边环境进行探测,在车辆行驶过程中,通过超声波信号反馈的距离值,构建2D点云环境地图;通过对距离的计算,获得车辆行驶过程中的障碍物边沿信息,得出连续障碍物的长度USS_OL;以及由障碍物构成的空间车位,得出当前环境下探测到的空间车位个数USS_SN;利用摄像头获取周围画线车位信息,并计算出画线车位个数CAR_SN;同时检测连续画线车位的边沿线,计算出连续画线车位边沿长度信息CAR_SL;
步骤2、建立第一置信度计算模型,对连续障碍物长度信息USS_OL和搜索到的空间车位数信息USS_SN进行计算,计算出当前场景为停车场景的置信度USS_CON;
建立第二置信度计算模型,对连续画线车位边沿长度信息CAR_SL和搜索到的画线车位个数信息CAR_SN进行计算,计算出当前场景为停车场景的置信度CAR_CON;
步骤3、对超声波雷达和摄像头分别判断的车位场景的置信度进行权重计算,综合得出当前场景为停车场景的概率Wt;
步骤4、将Wt与标定值W0进行比较,若Wt大于W0,则判断当前场景为停车场景,否则认为当前场景不是停车场景。
进一步,所述步骤1具体为:
当超声波雷达探测到障碍物后,超声波雷达通过接收到的回波时间,利用公式计算离障碍物的距离;其中:D为当前超声波雷达距离探测到反射声音回波的障碍物的直接距离;Tflight为超声波在空气中的飞行时间,Tflight=Treceive-Tsend,Treceive为超声波雷达接收到回波的时间,Tsend为超声波雷达发送本次回波的时间;VSound为超声波雷达在空气中的传播速度;因此Tflight×VSound表示超声波雷达与障碍物之间的往返距离,除以2之后,得到直接距离D;
每计算出一个D值,就在当前基于车辆后轴中心原点的笛卡尔坐标系下,标记出一个点Piont1(x1,y1),结合车辆的运动状态,不断标记出新的点Piontn(xn,yn),形成2D点云信息;通过2D点云信息,判断连续障碍物边沿的长度信息USS_OL,以及空间车位个数信息USS_SN;
获取摄像头所采集的周围环境影像信息,识别出画线车位和车位线,同时计算出画线车位数CAR_SN和连续画线车位的边沿长度信息CAR_SL。
进一步,所述第一置信度计算模型为:
所述第二置信度计算模型为:
进一步,所述步骤3中,Wt的计算公式如下:
Wt=W1*USS_CON+W2*CAR_CON;
其中:W1为障碍物停车场景的置信度权重,W2为画线停车场景的置信度权重。
进一步,所述步骤4中,当判断出前场景为停车场景时,开启自动车位搜索,否则,不开启自动车位搜索。
本发明所述的一种判断当前场景是否为停车场的系统,包括:
传感器模块,其包括12个超声波雷达和4个摄像头,用于对周边环境进行探测;
控制器,分别与各超声波雷达和各摄像头连接,接收各超声波雷达和各摄像头所采集的信息并进行处理;
所述控制器被编程以便执行如本发明所述的判断当前场景是否为停车场的方法的步骤。
本发明所述的一种计算机可读存储介质,其内存储有计算机程序,所述计算机程序被控制器调用执行如本发明所述的判断当前场景是否为停车场的方法的步骤。
本发明具有以下优点:采用本发明所述的方法能够精准地识别出当前场景是否为停车场景,且只有在识别出当前场景为停车场景时,才开启自动搜索车位的功能,故能够有效避免在非停车场内泊车的危险。本发明在保证安全开启自动搜索车位的前提下,增强了系统的适用性,减少了误触发率。本发明采用现有全自动泊车系统的架构,无需增加额外的硬件成本和高精度地图成本。
附图说明
图1为本发明的原理框图;
图2为待识别的场景;
图3为本发明的流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
本实施例中,本发明所述的判断当前场景是否为停车场的方法,包括以下步骤:
步骤1、利用超声波雷达和摄像头对周边环境进行探测,在车辆行驶过程中,通过超声波信号反馈的距离值,构建2D点云环境地图;通过对距离的计算,获得车辆行驶过程中的障碍物边沿信息,得出连续障碍物的长度USS_OL;以及由障碍物构成的空间车位,得出当前环境下探测到的空间车位个数USS_SN;利用摄像头获取周围画线车位信息,并计算出画线车位个数CAR_SN;同时检测连续画线车位的边沿线,计算出连续画线车位边沿长度信息CAR_SL;
步骤2、建立第一置信度计算模型,对连续障碍物长度信息USS_OL和搜索到的空间车位数信息USS_SN进行计算,计算出当前场景为停车场景的置信度USS_CON;
建立第二置信度计算模型,对连续画线车位边沿长度信息CAR_SL和搜索到的画线车位个数信息CAR_SN进行计算,计算出当前场景为停车场景的置信度CAR_CON;
步骤3、对超声波雷达和摄像头分别判断的车位场景的置信度进行权重计算,综合得出当前场景为停车场景的概率Wt;
步骤4、将Wt与标定值W0进行比较,若Wt大于W0,则判断当前场景为停车场景,否则认为当前场景不是停车场景。
如图1所示,本实施例中,一种判断当前场景是否为停车场的系统,硬件部分采用现有全自动泊车系统的架构,其包括传感器模块和控制器,传感器模块即为泊车系统的传感器,其包括12个超声波雷达和4个高清的摄像头,控制器即为泊车系统的泊车控制器。12颗超声波雷达通过数字I/0口直接与泊车控制器相连,4颗摄像头通过LVDS视频传输线与泊车控制器相连。泊车控制器通过CANFD和以太网,与整车网关相连,网关与车辆的其它各子系统相连。网关提供整车车辆信号给泊车控制器,泊车控制器将识别到的环境信息和控制信号发送给网关,从而实现对车辆的控制,完成泊车功能。泊车控制器被编程以便执行如本发明所述的判断当前场景是否为停车场的方法的步骤。
如图2所示,图中所示的场景,就是实际需要判断的停车场举例。本发明需要通过超声波识别以及图像识别技术,对这种停车场进行认知,判断当前车辆所处的场景是否为停车场。
车辆在行驶过程中,通过安装在车身四周的超声波雷达和摄像头不断地探测周围的障碍物、车位线等环境信息,以获取对环境的探测结果,通过下述识别过程,判断车辆当前所处场景是否为停车场景。
如图3所示,全自动泊车系统启动后,随着车辆的前行,超声波雷达和摄像头传感器同时不断地探测周边环境,具体步骤如下:
第一步,全自动泊车系统开启后,超声波雷达和摄像头对周边环境进行探测。对于超声波雷达来说,当探测到障碍物后,超声波通过接收到的回波时间,利用公式计算离障碍物的距离。D为当前超声波雷达距离探测到反射声音回波的障碍物的直接距离。Tflight为超声波在空气中的飞行时间,Tflight=Treceive-Tsend,Treceive为超声波雷达接收到回波的时间,Tsend为超声波雷达发送本次回波的时间。VSound为超声波雷达在空气中的传播速度。因此Tflight×VSound表示超声波雷达与障碍物之间的往返距离,除以2之后,得到直接距离D。
当超声波雷达每次计算出一个D值后,控制器就会在当前基于车辆后轴中心原点的笛卡尔坐标系下,标记一个点Piont1(x1,y1),结合车辆的运动状态,控制器会不断的标记新的点Piontn(xn,yn),从而形成2D点云信息。2D点云信息描绘了障碍物的2D轮廓,可以获得障碍物的边沿信息。控制器可以通过2D点云信息,判断连续障碍物边沿的长度信息USS_OL,以及空间车位个数信息USS_SN。
对于摄像头来说,融合泊车系统启动后,随着车辆的前行,4路高清摄像头不断地捕获周围环境的影像信息。控制器通过基于特征识别的机器学习以及深度学习的方法,对画线车位、车位线进行语义识别,同时计算出画线车位数CAR_SN和连续画线车位的边沿长度信息CAR_SL。
第二步,建立第一置信度计算模型和第二置信度计算模型,对超声波雷达和摄像头分别获得的场景感知结果进行计算。对于超声波雷达来说,判断当前场景为停车场景的置信度该置信度为包含以USS_SN,USS_OL为变量的函数。对于摄像头来说,判断当前场景为停车场景的置信度该置信度为包含以CAR_SN,CAR_SL为变量的函数,其中k为车位长度系数。
第三步,建立停车场景判断综合模型,确认当前场景为停车场景的概率Wt,Wt=W1*USS_CON+W2*CAR_CON,其中:W1为障碍物停车场景的置信度权重(W1的取值要根据对停车场场景的统计和调研获得),W1的取值范围为0<W1≤0.5;W2为画线停车场景的置信度权重,W2=1-W1。
第四步,判断Wt是否大于给定的W0,若大于W0,则判断当前场景为停车场景,开启自动搜索车位功能。若不大于W0,则判断当前场景不是停车场景,不开启自动搜索车位功能。其中,W0为标定参数。
本发明所述的一种计算机可读存储介质,其内存储有计算机程序,所述计算机程序被控制器调用执行如本发明所述的判断当前场景是否为停车场的方法的步骤。
Claims (7)
1.一种判断当前场景是否为停车场的方法,其特征在于,包括以下步骤:
步骤1、利用超声波雷达和摄像头对周边环境进行探测,在车辆行驶过程中,通过超声波信号反馈的距离值,构建2D点云环境地图;通过对距离的计算,获得车辆行驶过程中的障碍物边沿信息,得出连续障碍物的长度USS_OL;以及由障碍物构成的空间车位,得出当前环境下探测到的空间车位个数USS_SN;利用摄像头获取周围画线车位信息,并计算出画线车位个数CAR_SN;同时检测连续画线车位的边沿线,计算出连续画线车位边沿长度信息CAR_SL;
步骤2、建立第一置信度计算模型,对连续障碍物长度信息USS_OL和搜索到的空间车位数信息USS_SN进行计算,计算出当前场景为停车场景的置信度USS_CON;
建立第二置信度计算模型,对连续画线车位边沿长度信息CAR_SL和搜索到的画线车位个数信息CAR_SN进行计算,计算出当前场景为停车场景的置信度CAR_CON;
步骤3、对超声波雷达和摄像头分别判断的车位场景的置信度进行权重计算,综合得出当前场景为停车场景的概率Wt;
步骤4、将Wt与标定值W0进行比较,若Wt大于W0,则判断当前场景为停车场景,否则认为当前场景不是停车场景。
2.根据权利要求1所述的判断当前场景是否为停车场的方法,其特征在于:所述步骤1具体为:
当超声波雷达探测到障碍物后,超声波雷达通过接收到的回波时间,利用公式计算离障碍物的距离;其中:D为当前超声波雷达距离探测到反射声音回波的障碍物的直接距离;Tflight为超声波在空气中的飞行时间,Tflight=Treceive-Tsend,Treceive为超声波雷达接收到回波的时间,Tsend为超声波雷达发送本次回波的时间;VSound为超声波雷达在空气中的传播速度;因此Tflight×VSound表示超声波雷达与障碍物之间的往返距离,除以2之后,得到直接距离D;
每计算出一个D值,就在当前基于车辆后轴中心原点的笛卡尔坐标系下,标记出一个点Piont1(x1,y1),结合车辆的运动状态,不断标记出新的点Piontn(xn,yn),形成2D点云信息;通过2D点云信息,判断连续障碍物边沿的长度信息USS_OL,以及空间车位个数信息USS_SN;
获取摄像头所采集的周围环境影像信息,识别出画线车位和车位线,同时计算出画线车位数CAR_SN和连续画线车位的边沿长度信息CAR_SL。
4.根据权利要求3所述的判断当前场景是否为停车场的方法,其特征在于:所述步骤3中,所述Wt的计算公式如下:
Wt=W1*USS_CON+W2*CAR_CON;
其中:W1为障碍物停车场景的置信度权重,W2为画线停车场景的置信度权重。
5.根据权利要求1至4任一所述的判断当前场景是否为停车场的方法,其特征在于:所述步骤4中,当判断出前场景为停车场景时,开启自动车位搜索,否则,不开启自动车位搜索。
6.一种判断当前场景是否为停车场的系统,包括:
传感器模块,其包括12个超声波雷达和4个摄像头,用于对周边环境进行探测;
控制器,分别与各超声波雷达和各摄像头连接,接收各超声波雷达和各摄像头所采集的信息并进行处理;
其特征在于:所述控制器被编程以便执行如权利要求1至5中任一所述的判断当前场景是否为停车场的方法的步骤。
7.一种计算机可读存储介质,其内存储有计算机程序,其特征在于:所述计算机程序被控制器调用执行如权利要求1至5任一所述的判断当前场景是否为停车场的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555870.8A CN110211420B (zh) | 2019-06-25 | 2019-06-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910555870.8A CN110211420B (zh) | 2019-06-25 | 2019-06-25 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110211420A CN110211420A (zh) | 2019-09-06 |
CN110211420B true CN110211420B (zh) | 2021-11-30 |
Family
ID=67794694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910555870.8A Active CN110211420B (zh) | 2019-06-25 | 2019-06-25 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211420B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110562249B (zh) * | 2019-09-26 | 2021-06-04 | 上汽通用汽车有限公司 | 自动泊车辅助方法、可读存储介质和电子设备 |
WO2021226776A1 (zh) * | 2020-05-11 | 2021-11-18 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
CN112927539B (zh) * | 2021-01-20 | 2022-07-08 | 恒大新能源汽车投资控股集团有限公司 | 用于自动泊车的建图方法及装置 |
CN114783172B (zh) * | 2021-01-22 | 2024-05-17 | 广州汽车集团股份有限公司 | 一种停车场空车位识别方法及系统、计算机可读存储介质 |
CN113920778A (zh) * | 2021-12-15 | 2022-01-11 | 深圳佑驾创新科技有限公司 | 一种图像采集方法及装置 |
CN114360093B (zh) * | 2021-12-31 | 2024-03-08 | 江苏鸣实纯钧科技有限公司 | 基于北斗rtk、slam定位和图像分析的路侧停车位巡检方法 |
CN114648890B (zh) * | 2022-03-23 | 2023-02-28 | 深圳一清创新科技有限公司 | 一种停车位状态检测方法、装置及智能车 |
CN114802215B (zh) * | 2022-05-31 | 2024-04-19 | 重庆长安汽车股份有限公司 | 一种基于算力共享和边缘计算的自动泊车系统及方法 |
CN115249384B (zh) * | 2022-07-19 | 2023-06-20 | 重庆长安汽车股份有限公司 | 停车缴费方法、装置、设备及介质 |
CN115494504A (zh) * | 2022-08-30 | 2022-12-20 | 重庆长安汽车股份有限公司 | 车辆的停车位检测方法、装置、车辆及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102958767A (zh) * | 2010-06-25 | 2013-03-06 | 日产自动车株式会社 | 停车辅助控制装置以及控制方法 |
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 |
CN104554257A (zh) * | 2014-12-29 | 2015-04-29 | 江苏大学 | 一种用于自动泊车初始寻库阶段泊车场景识别方法 |
CN205354374U (zh) * | 2015-12-14 | 2016-06-29 | 山东科技大学 | 基于太阳能无人机群的大型停车场车位检测系统 |
CN106541944A (zh) * | 2016-11-07 | 2017-03-29 | 纵目科技(上海)股份有限公司 | 一种库位检测方法、系统、及移动设备 |
CN106585627A (zh) * | 2016-11-07 | 2017-04-26 | 纵目科技(上海)股份有限公司 | 泊车辅助系统及汽车 |
CN106781688A (zh) * | 2017-03-28 | 2017-05-31 | 重庆大学 | 无人驾驶汽车停车场入口引导系统及方法 |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN109285381A (zh) * | 2017-07-19 | 2019-01-29 | 罗伯特·博世有限公司 | 用于探测停车场内的空闲区域的方法和系统 |
CN109353333A (zh) * | 2018-09-28 | 2019-02-19 | 上汽通用五菱汽车股份有限公司 | 基于无人驾驶的调车方法、服务器、系统及存储介质 |
CN109532821A (zh) * | 2018-11-09 | 2019-03-29 | 重庆长安汽车股份有限公司 | 融合泊车系统 |
CN109760688A (zh) * | 2018-12-29 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 路段信息确定方法、装置、车辆及计算机可读存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8698896B2 (en) * | 2012-08-06 | 2014-04-15 | Cloudparc, Inc. | Controlling vehicle use of parking spaces and parking violations within the parking spaces using multiple cameras |
DE102014212843A1 (de) * | 2014-07-02 | 2016-01-07 | Robert Bosch Gmbh | Verfahren zur Parkplatzvermittlung und Freier-Parkplatz-Assistenzsystem |
CN204463465U (zh) * | 2015-01-22 | 2015-07-08 | 江苏大学 | 一种狭小垂直车位场景智能识别与泊车路径规划系统 |
US10078789B2 (en) * | 2015-07-17 | 2018-09-18 | Magna Electronics Inc. | Vehicle parking assist system with vision-based parking space detection |
CN106494395B (zh) * | 2016-09-30 | 2019-04-16 | 惠州华阳通用电子有限公司 | 一种基于数据融合的自动泊车控制方法及装置 |
CN109253731A (zh) * | 2018-08-06 | 2019-01-22 | 百度在线网络技术(北京)有限公司 | 停车场地图生成方法、装置、设备及可读存储介质 |
CN109353334B (zh) * | 2018-10-25 | 2021-02-19 | 广州小鹏汽车科技有限公司 | 车位检测方法及装置 |
CN109635692B (zh) * | 2018-11-30 | 2021-07-06 | 禾多科技(北京)有限公司 | 基于超声波传感器的场景再识别方法 |
CN109800658B (zh) * | 2018-12-26 | 2023-05-26 | 中汽研(天津)汽车工程研究院有限公司 | 基于神经网络的泊车位类型在线识别与定位系统及方法 |
CN109910872B (zh) * | 2019-03-18 | 2019-12-10 | 中国汽车工程研究院股份有限公司 | 一种基于自然驾驶数据的泊车场景提取系统和方法 |
-
2019
- 2019-06-25 CN CN201910555870.8A patent/CN110211420B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102958767A (zh) * | 2010-06-25 | 2013-03-06 | 日产自动车株式会社 | 停车辅助控制装置以及控制方法 |
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 |
CN104554257A (zh) * | 2014-12-29 | 2015-04-29 | 江苏大学 | 一种用于自动泊车初始寻库阶段泊车场景识别方法 |
CN205354374U (zh) * | 2015-12-14 | 2016-06-29 | 山东科技大学 | 基于太阳能无人机群的大型停车场车位检测系统 |
CN106541944A (zh) * | 2016-11-07 | 2017-03-29 | 纵目科技(上海)股份有限公司 | 一种库位检测方法、系统、及移动设备 |
CN106585627A (zh) * | 2016-11-07 | 2017-04-26 | 纵目科技(上海)股份有限公司 | 泊车辅助系统及汽车 |
CN106781688A (zh) * | 2017-03-28 | 2017-05-31 | 重庆大学 | 无人驾驶汽车停车场入口引导系统及方法 |
CN109285381A (zh) * | 2017-07-19 | 2019-01-29 | 罗伯特·博世有限公司 | 用于探测停车场内的空闲区域的方法和系统 |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN109353333A (zh) * | 2018-09-28 | 2019-02-19 | 上汽通用五菱汽车股份有限公司 | 基于无人驾驶的调车方法、服务器、系统及存储介质 |
CN109532821A (zh) * | 2018-11-09 | 2019-03-29 | 重庆长安汽车股份有限公司 | 融合泊车系统 |
CN109760688A (zh) * | 2018-12-29 | 2019-05-17 | 百度在线网络技术(北京)有限公司 | 路段信息确定方法、装置、车辆及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110211420A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110211420B (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 | |
CN109800658B (zh) | 基于神经网络的泊车位类型在线识别与定位系统及方法 | |
CN109634282B (zh) | 自动驾驶车辆、方法和装置 | |
US11295757B2 (en) | Detection and classification of siren signals and localization of siren signal sources | |
JP3822770B2 (ja) | 車両用前方監視装置 | |
CN110435638B (zh) | 一种泊车位自动跟踪方法 | |
CN112101128B (zh) | 一种基于多传感器信息融合的无人方程式赛车感知规划方法 | |
CN105946853A (zh) | 基于多传感器融合的长距离自动泊车的系统及方法 | |
WO2021056499A1 (zh) | 数据处理方法、设备和可移动平台 | |
CN110758379B (zh) | 一种斜列泊车位检测方法、装置以及自动泊车方法和系统 | |
CN113342001B (zh) | 一种机器人行走路径的规划方法 | |
CN109871787A (zh) | 一种障碍物检测方法及装置 | |
CN111055838A (zh) | 一种基于传感器融合的全自动泊车控制系统及其控制方法 | |
CN114415171A (zh) | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 | |
CN112776797A (zh) | 泊出原始车位创建方法、系统、车辆和存储介质 | |
WO2019065970A1 (ja) | 車両用外界認識装置 | |
CN111539305B (zh) | 一种地图构建方法及系统、车辆及存储介质 | |
JP2002334330A (ja) | 車両認識装置 | |
JP2012026888A (ja) | 自車位置認識装置 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
JP2906894B2 (ja) | 車間距離検出装置 | |
CN113884090A (zh) | 智能平台车环境感知系统及其数据融合方法 | |
CN112255633B (zh) | 一种无人自卸车在垃圾填埋场自动卸载的方法 | |
CN117734702A (zh) | 一种基于侧边超声波雷达的车位搜索方法、模块、车辆 | |
CN114802207A (zh) | 一种智能泊车系统障碍物信息融合方法及其系统 |
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 |