CN110304050B - 一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 - Google Patents
一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 Download PDFInfo
- Publication number
- CN110304050B CN110304050B CN201910566373.8A CN201910566373A CN110304050B CN 110304050 B CN110304050 B CN 110304050B CN 201910566373 A CN201910566373 A CN 201910566373A CN 110304050 B CN110304050 B CN 110304050B
- Authority
- CN
- China
- Prior art keywords
- memory
- vehicle
- module
- data
- feature
- 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
-
- 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
Abstract
本发明提供一种基于特征组合的记忆泊车系统、方法、终端和云端服务器,包括步骤:S01:启动记忆泊车系统,在记忆模式下,记忆自启动时车辆所在起始位置周围的环境数据、位置数据和路径轨迹,直到车辆泊入目标位置停止记忆;S02:将记忆系统自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图S03:记忆系统再次到达记忆系统起始位置或起始位置附近时,车辆依靠起始位置周围环境提取特征数据识别起始位置,并自云端服务器下载局部地图,主动/被动依照构建局部地图执行自起始位置到达目标位置的记忆路径规划;S04:车辆泊入目标位置后,记忆系统终止车辆控制,为用户解决泊车耗时的问题。
Description
技术领域
本发明涉及汽车电子技术领域,特别是涉及一种基于特征组合的记忆泊车系统、方法、终端和云端服务器。
背景技术
在现有技术中,“自动代客泊车”(Auto Valet Parking)成为自动驾驶领域的热门技术之一,同样也将是自动驾驶量产道路上的一个重要里程碑。作为一套完整的自动无人驾驶汽车系统,AVP系统以低速驾驶汽车或将汽车停在有限的区域内,如停车场或周围道路。此外,作为泊车辅助的一种功能扩展,也会是最早商业化的全自动驾驶功能之一。
目前AVP还存在很多技术问题,例如全自动代客泊车需要获取高精度的车辆周围环境信息,以及对这些信息的分析预测并得出决策结论,但是这些实时的车辆周围环境信息和分析数据需要大量算力和存储能力,而现有的车载硬件通常以嵌入式系统的形式实现,所以通常仅可提供勉强分配的技术资源(存储器、计算能力等),由于该原因,尤其这样的嵌入式系统的可提供的非易失性存储器,如闪存或EPROM存储器通常尺寸设计得非常小。为了仍然能够持久地存储基于传感器的驾驶员辅助系统的潜在大的数据量,因此需要附加措施,以便能够将所有必要的数据保存在可提供的存储器中,且在车载系统调用该地图时,能够及时加载使用。
发明内容
为了解决上述的以及其他潜在的技术问题,本发明提供了一种基于特征组合的记忆泊车系统、方法、终端和云端服务器,用户解决泊车耗时的问题,用户通过车辆自身传感器在公司、家庭小区等常用的停车场,创建从经常下车的地点到车位之间的地图,然后标注泊入车位与接驾点。用户即可在经常下车的地点下车,使用记忆泊车功能,让车辆自动驾驶到车位并泊车。在接驳点一键接驳。
一种记忆泊车系统,包括以下:
感知模块,所述感知模块包括但不限于用于获取车身周围环境的图像感知设备、超声波感知设备、毫米波感知设备和激光感知设备,所述感知模块自各个感知设备获取感知数据;
定位模块,所述定位模块用于自地图中外来定位信息或特征比对的方式获取车辆的位置信息;
记忆模块,所述记忆模块自泊车记忆系统起始位置开始实时记忆车辆周围的环境数据、位置数据和路径轨迹,直到泊入目标位置停止记忆;并将自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图;并将记忆路径轨迹以参考线的形式加载在局部地图中;
执行模块,所述执行模块用于在车辆再次到达启动位置附近时,主动/被动依照构建局部地图执行记忆模块记忆自起始位置到达目标位置的记忆路径规划。
进一步地,所述感知模块包括至少一个前视摄像头、至少四个环视摄像头、至少一个毫米波前雷达、至少四个环视毫米波雷达、至少八个长距超声波雷达组成。
进一步地,所述记忆泊车系统的处理器芯片采用高通820、高通8155。
进一步地,当定位模块的定位方式是自地图中外来定位信息获取车辆的位置信息时,所述的地图外来定位信息来自卫星定位、基站定位、WiFi定位中的一种或几种;当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块的定位方式来自感知模块实时捕获环境数据中提取的、用以表征车辆所在位置的特征或特征组合。例如,所述用以表征车辆所在位置的特征或特征组合可以为道路边的标识牌、墙壁上的区位编号、墙壁颜色、立柱的组合布局、地面上车位的编码、栅栏的位置及其布局组合、特殊地标如安全门、楼道。
进一步地,当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块对比的参照物为构建局部地图中的特征或特征组合,以构建局部地图中特征或特征组合的大小以及相对位置关系为基准,比对感知模块获取的感知数据中提取特征或特征组合的大小以及相对位置关系;计算车辆所在位置。
进一步地,所述记忆模块对感知模块获取的原始数据进行预处理,所述预处理包括去除动态物体,再以保留下来的环境数据中提取具有较高置信度的特征作为用于定位的比对特征使用,对于保留下来的环境数据中提取的置信度一般的特征用于与具有较高置信度的特征组合起来用以辅助定位;当记忆模块启动起始位置定位时,应使用至少三个置信度评级高于额定评级的特征作为比对特征用以比对车辆起始位置;当记忆模块终止时,应在环境数据中获得车位编号或至少三个置信度高于额定值的特征组合。
进一步地,所述记忆模块在提取特征时,并评价这些特征的置信度时,应对同一种类的特征予以统计并以统一标准评价该特征数据集中的每一个特征。
进一步地,所述记忆模块在对提取特征进行特征组合时,组合的优先顺序是:
A以置信度最高的特征优先选入特征组合;
B以不同种类的特征优先选入特征组合;
C定期更新提取特征的置信度评级以调整特征组合的置信度;
D当由于特征种类类别不足,必须使用相同种类类别中至少两个特征时,应增加特征组合中特征的数量;
E对于所有特征的置信度评级均高于额定值的数据集,应在选择特征组合时优先选用。
进一步地,所述记忆模块在记忆路径过程中,以记忆路径轨迹以参考线的形式加载在局部地图中,由于该记忆路径轨迹是以该车辆自身的车身动力学参数实际行驶获得,所以在车辆再次执行该记忆路径轨迹时,省略了以车身动力学参数拟合参考线以确认该参考线的可执行程度。
进一步地,还包括优先级调整模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,优先级调整模块设置车辆实时感知的优先级大于记忆模块存储的环境数据的优先级。
进一步地,还包括分析模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,所述分析模块根据车辆实时感知的环境数据为基础分析所在位置短距离范围内的车辆可行驶区域,以使车辆回归记忆模块自起始位置到达目标位置的路径上。
进一步地,还包括控制模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,所述控制模块根据记忆模块获得自起始位置到达目标位置的路径;根据分析模块获得车辆所在位置短距离范围内车辆的可行驶区域,生成返回记忆路径的参考路线,并由控制模块控制车辆执行该参考路线以回到原路径上。
进一步地,还包括地图更新模块,所述地图更新模块用于在车辆执行记忆路径泊入过程中由感知设备采集环境数据更新记忆模块原构建的局部地图。
进一步地,还包括召唤模块,所述召唤模块自云端服务器或移动终端获得包含接驳点位置和/或接驳时间的指令,若接驳点位置经过比对判定为记忆系统构建局部地图中一坐标,则记忆系统依照记忆路径规划的参考线执行反向行驶。
一种记忆泊车方法,包括以下步骤:
S01:启动记忆泊车系统,在记忆模式下,记忆自启动时车辆所在起始位置周围的环境数据、位置数据和路径轨迹,直到车辆泊入目标位置停止记忆;
S02:将记忆系统自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图,并将记忆路径轨迹以参考线的形式加载在局部地图中,将生成的局部地图上传至云端服务器;
S03:记忆系统再次到达记忆系统起始位置或起始位置附近时,车辆依靠起始位置周围环境提取特征数据识别起始位置,并自云端服务器下载局部地图,主动/被动依照构建局部地图执行自起始位置到达目标位置的记忆路径规划;
S04:车辆泊入目标位置后,记忆系统终止车辆控制。
进一步地,所述步骤S04中还包括步骤S041:将车辆泊入目标位置的信息发送至移动终端和/或云端服务器,以更新该车辆的实时位置和状态。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S031:优先级调整模块设置车辆实时感知的优先级大于记忆模块存储的环境数据的优先级。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S032:分析步骤:根据车辆实时感知的环境数据为基础分析所在位置短距离范围内的车辆可行驶区域,以使车辆回归记忆模块自起始位置到达目标位置的路径上。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S033:控制模块根据记忆模块获得自起始位置到达目标位置的路径;根据分析模块获得车辆所在位置短距离范围内车辆的可行驶区域,生成返回记忆路径的参考路线,并由控制模块控制车辆执行该参考路线以回到原路径上。
进一步地,所述步骤S02中,当车辆执行记忆路径泊入过程中由感知设备采集环境数据与原构建局部地图不符时,还包括步骤S021:以实时感知设备采集环境数据更新记忆模块原构建的局部地图。
进一步地,还包括步骤S05:当车辆电子控制单元自云端服务器或移动终端获得包含接驳点位置和/或接驳时间的指令时,还包括召唤步骤:若接驳点位置经过比对判定为记忆系统构建局部地图中一坐标,则记忆系统依照记忆路径规划的参考线执行反向行驶。
一种用于记忆泊车的云端服务器,所述记忆泊车的云端服务器用于接收自车辆记忆系统的感知设备采集的环境数据、位置数据和路径轨迹,并以环境数据、位置数据和路径轨迹为基础构建局部地图,并在车载终端和/或移动终端请求调用时下载该部分构建局部地图。
一种记忆泊车终端,如可以执行上述记忆泊车方法的智能手机或可以执行上述记忆泊车系统的车载终端控制设备。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行记忆泊车方法中的步骤。
如上所述,本发明的具有以下有益效果:
用户解决泊车耗时的问题,用户通过车辆自身传感器在公司、家庭小区等常用的停车场,创建从经常下车的地点到车位之间的地图,然后标注泊入车位与接驾点。用户即可在经常下车的地点下车,使用记忆泊车功能,让车辆自动驾驶到车位并泊车。在接驳点一键接驳。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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显示为本发明的系统框图。
图2显示为本发明另一实施例的系统框图。
图3显示为本发明另一实施例的系统框图。
图4显示为本发明另一实施例的系统框图。
图5显示为本发明另一实施例的系统框图。
图6显示为本发明另一实施例的系统框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
参见图1~图6,
一种记忆泊车系统,包括以下:
感知模块,所述感知模块包括但不限于用于获取车身周围环境的图像感知设备、超声波感知设备、毫米波感知设备和激光感知设备,所述感知模块自各个感知设备获取感知数据;
定位模块,所述定位模块用于自地图中外来定位信息或特征比对的方式获取车辆的位置信息;
记忆模块,所述记忆模块自泊车记忆系统起始位置开始实时记忆车辆周围的环境数据、位置数据和路径轨迹,直到泊入目标位置停止记忆;并将自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图;并将记忆路径轨迹以参考线的形式加载在局部地图中;
执行模块,所述执行模块用于在车辆再次到达启动位置附近时,主动/被动依照构建局部地图执行记忆模块记忆自起始位置到达目标位置的记忆路径规划。
进一步地,所述感知模块包括至少一个前视摄像头、至少四个环视摄像头、至少一个毫米波前雷达、至少四个环视毫米波雷达、至少八个长距超声波雷达组成。
进一步地,所述记忆泊车系统的处理器芯片采用高通820、高通8155。
进一步地,当定位模块的定位方式是自地图中外来定位信息获取车辆的位置信息时,所述的地图外来定位信息来自卫星定位、基站定位、WiFi定位中的一种或几种;当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块的定位方式来自感知模块实时捕获环境数据中提取的、用以表征车辆所在位置的特征或特征组合。例如,所述用以表征车辆所在位置的特征或特征组合可以为道路边的标识牌、墙壁上的区位编号、墙壁颜色、立柱的组合布局、地面上车位的编码、栅栏的位置及其布局组合、特殊地标如安全门、楼道。
进一步地,当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块对比的参照物为构建局部地图中的特征或特征组合,以构建局部地图中特征或特征组合的大小以及相对位置关系为基准,比对感知模块获取的感知数据中提取特征或特征组合的大小以及相对位置关系;计算车辆所在位置。
进一步地,所述记忆模块对感知模块获取的原始数据进行预处理,所述预处理包括去除动态物体,再以保留下来的环境数据中提取具有较高置信度的特征作为用于定位的比对特征使用,对于保留下来的环境数据中提取的置信度一般的特征用于与具有较高置信度的特征组合起来用以辅助定位;当记忆模块启动起始位置定位时,应使用至少三个置信度评级高于额定评级的特征作为比对特征用以比对车辆起始位置;当记忆模块终止时,应在环境数据中获得车位编号或至少三个置信度高于额定值的特征组合。
进一步地,所述记忆模块在提取特征时,并评价这些特征的置信度时,应对同一种类的特征予以统计并以统一标准评价该特征数据集中的每一个特征。
进一步地,所述记忆模块在对提取特征进行特征组合时,组合的优先顺序是:
A以置信度最高的特征优先选入特征组合;
B以不同种类的特征优先选入特征组合;
C定期更新提取特征的置信度评级以调整特征组合的置信度;
D当由于特征种类类别不足,必须使用相同种类类别中至少两个特征时,应增加特征组合中特征的数量;
E对于所有特征的置信度评级均高于额定值的数据集,应在选择特征组合时优先选用。
进一步地,所述记忆模块在记忆路径过程中,以记忆路径轨迹以参考线的形式加载在局部地图中,由于该记忆路径轨迹是以该车辆自身的车身动力学参数实际行驶获得,所以在车辆再次执行该记忆路径轨迹时,省略了以车身动力学参数拟合参考线以确认该参考线的可执行程度。
进一步地,还包括优先级调整模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,优先级调整模块设置车辆实时感知的优先级大于记忆模块存储的环境数据的优先级。
进一步地,还包括分析模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,所述分析模块根据车辆实时感知的环境数据为基础分析所在位置短距离范围内的车辆可行驶区域,以使车辆回归记忆模块自起始位置到达目标位置的路径上。
进一步地,还包括控制模块,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,所述控制模块根据记忆模块获得自起始位置到达目标位置的路径;根据分析模块获得车辆所在位置短距离范围内车辆的可行驶区域,生成返回记忆路径的参考路线,并由控制模块控制车辆执行该参考路线以回到原路径上。
进一步地,还包括地图更新模块,所述地图更新模块用于在车辆执行记忆路径泊入过程中由感知设备采集环境数据更新记忆模块原构建的局部地图。
进一步地,还包括召唤模块,所述召唤模块自云端服务器或移动终端获得包含接驳点位置和/或接驳时间的指令,若接驳点位置经过比对判定为记忆系统构建局部地图中一坐标,则记忆系统依照记忆路径规划的参考线执行反向行驶。
一种记忆泊车方法,包括以下步骤:
S01:启动记忆泊车系统,在记忆模式下,记忆自启动时车辆所在起始位置周围的环境数据、位置数据和路径轨迹,直到车辆泊入目标位置停止记忆;
S02:将记忆系统自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图,并将记忆路径轨迹以参考线的形式加载在局部地图中,将生成的局部地图上传至云端服务器;
S03:记忆系统再次到达记忆系统起始位置或起始位置附近时,车辆依靠起始位置周围环境提取特征数据识别起始位置,并自云端服务器下载局部地图,主动/被动依照构建局部地图执行自起始位置到达目标位置的记忆路径规划;
S04:车辆泊入目标位置后,记忆系统终止车辆控制。
进一步地,所述步骤S04中还包括步骤S041:将车辆泊入目标位置的信息发送至移动终端和/或云端服务器,以更新该车辆的实时位置和状态。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S031:优先级调整模块设置车辆实时感知的优先级大于记忆模块存储的环境数据的优先级。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S032:分析步骤:根据车辆实时感知的环境数据为基础分析所在位置短距离范围内的车辆可行驶区域,以使车辆回归记忆模块自起始位置到达目标位置的路径上。
进一步地,所述步骤S03中,当自起始位置至目标位置路径沿途发生静态环境数据变化或者出现动态障碍物时,还包括步骤S033:控制模块根据记忆模块获得自起始位置到达目标位置的路径;根据分析模块获得车辆所在位置短距离范围内车辆的可行驶区域,生成返回记忆路径的参考路线,并由控制模块控制车辆执行该参考路线以回到原路径上。
进一步地,所述步骤S02中,当车辆执行记忆路径泊入过程中由感知设备采集环境数据与原构建局部地图不符时,还包括步骤S021:以实时感知设备采集环境数据更新记忆模块原构建的局部地图。
进一步地,还包括步骤S05:当车辆电子控制单元自云端服务器或移动终端获得包含接驳点位置和/或接驳时间的指令时,还包括召唤步骤:若接驳点位置经过比对判定为记忆系统构建局部地图中一坐标,则记忆系统依照记忆路径规划的参考线执行反向行驶。
一种用于记忆泊车的云端服务器,所述记忆泊车的云端服务器用于接收自车辆记忆系统的感知设备采集的环境数据、位置数据和路径轨迹,并以环境数据、位置数据和路径轨迹为基础构建局部地图,并在车载终端和/或移动终端请求调用时下载该部分构建局部地图。
一种记忆泊车终端,如可以执行上述记忆泊车方法的智能手机或可以执行上述记忆泊车系统的车载终端控制设备。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行记忆泊车方法中的步骤。
作为优选实施例,本实施例还提供一种终端设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式云端、刀片式云端、塔式云端或机柜式云端(包括独立的云端,或者多个云端所组成的云端集群)等。本实施例的终端设备至少包括但不限于:可通过系统总线相互通信连接的存储器、处理器。需要指出的是,具有组件存储器、处理器的终端设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的适应目标数据集的网络模型微调方法实施更多或者更少的组件。
作为优选实施例,存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。当然,存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例中的适应目标数据集的网络模型微调方法程序代码等。此外,存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、云端、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于适应目标数据集的网络模型微调的更新程序,被处理器执行时实现适应目标数据集的网络模型微调程序实施例中的适应目标数据集的网络模型微调方法。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种记忆泊车系统,其特征在于,包括以下:
感知模块,所述感知模块包括用于获取车身周围环境的图像感知设备、超声波感知设备、毫米波感知设备和激光感知设备,所述感知模块自各个感知设备获取感知数据;
定位模块,所述定位模块用于自地图中外来定位信息获取车辆的位置信息或以特征比对的方式获取用以表征车辆所在位置的特征或特征组合;
记忆模块,所述记忆模块自泊车记忆系统起始位置开始实时记忆车辆周围的环境数据、位置数据和路径轨迹,直到泊入目标位置停止记忆;并将自起始位置到目标位置路径沿途记忆的环境数据和位置数据构建成局部地图;并将记忆路径轨迹以参考线的形式加载在局部地图中;
所述记忆模块对感知模块获取的原始数据进行预处理,所述预处理包括去除动态物体,再以保留下来的环境数据中提取具有较高置信度的特征作为用于定位的比对特征使用,对于保留下来的环境数据中提取的置信度一般的特征用于与具有较高置信度的特征组合起来用以辅助定位;当记忆模块启动起始位置定位时,应使用至少三个置信度评级高于额定评级的特征作为比对特征用以比对车辆起始位置;当记忆模块终止时,应在环境数据中获得车位编号或至少三个置信度高于额定值的特征组合;
执行模块,所述执行模块用于在车辆再次到达启动位置附近时,主动/被动依照构建局部地图执行记忆模块记忆自起始位置到达目标位置的记忆路径规划。
2.根据权利要求1所述的记忆泊车系统,其特征在于,所述感知模块包括至少一个前视摄像头、至少四个环视摄像头、至少一个毫米波前雷达、至少四个环视毫米波雷达、至少八个长距超声波雷达组成。
3.根据权利要求1所述的记忆泊车系统,其特征在于,所述记忆泊车系统的处理器芯片采用高通820或高通8155。
4.根据权利要求1所述的记忆泊车系统,其特征在于,当定位模块的定位方式是自地图中外来定位信息获取车辆的位置信息时,所述地图中外来定位信息来自卫星定位、基站定位、WiFi定位中的一种或几种;当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块的定位方式来自感知模块实时捕获环境数据中提取的、用以表征车辆所在位置的特征或特征组合。
5.根据权利要求4所述的记忆泊车系统,其特征在于,当定位模块的定位方式以特征对比获取车辆的位置信息时,定位模块对比的参照物为构建局部地图中的特征或特征组合,以构建局部地图中特征或特征组合的大小以及相对位置关系为基准,比对感知模块获取的感知数据中提取特征或特征组合的大小以及相对位置关系;计算车辆所在位置。
6.根据权利要求5所述的记忆泊车系统,其特征在于,所述记忆模块在提取特征时,并评价这些特征的置信度时,应对同一种类的特征予以统计并以统一标准评价该特征数据集中的每一个特征。
7.根据权利要求5所述的记忆泊车系统,所述记忆模块在对提取特征进行特征组合时,组合的优先顺序是:
A以置信度最高的特征优先选入特征组合;
B以不同种类的特征优先选入特征组合;
C定期更新提取特征的置信度评级以调整特征组合的置信度;
D当由于特征种类类别不足,必须使用相同种类类别中至少两个特征时,应增加特征组合中特征的数量;
E对于所有特征的置信度评级均高于额定值的数据集,应在选择特征组合时优先选用。
8.一种记忆泊车终端,其特征在于:如可以执行上述权利要求1-7任一项所述的记忆泊车系统的车载终端。
9.一种用于记忆泊车的云端服务器,其特征在于:所述记忆泊车的云端服务器用于接收如权利要求1-7任一项所述记忆泊车系统的感知设备采集的环境数据、位置数据和路径轨迹,并以环境数据、位置数据和路径轨迹为基础构建局部地图,并在如权利要求8所述的记忆泊车终端请求调用时下载构建的局部地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566373.8A CN110304050B (zh) | 2019-06-26 | 2019-06-26 | 一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566373.8A CN110304050B (zh) | 2019-06-26 | 2019-06-26 | 一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110304050A CN110304050A (zh) | 2019-10-08 |
CN110304050B true CN110304050B (zh) | 2022-10-14 |
Family
ID=68077029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910566373.8A Active CN110304050B (zh) | 2019-06-26 | 2019-06-26 | 一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110304050B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111439257A (zh) * | 2019-06-26 | 2020-07-24 | 纵目科技(上海)股份有限公司 | 一种记忆泊车系统、方法、终端和云端服务器 |
CN111623789B (zh) * | 2020-05-25 | 2022-05-13 | 北京汽车研究总院有限公司 | 车辆的自动驾驶方法和装置 |
CN112109700A (zh) * | 2020-06-18 | 2020-12-22 | 上汽通用五菱汽车股份有限公司 | 记忆泊车系统及其控制方法和计算机存储介质 |
CN113104029B (zh) * | 2021-05-19 | 2023-10-31 | 广州小鹏汽车科技有限公司 | 一种基于自动驾驶的交互方法和装置 |
CN113506464A (zh) * | 2021-05-29 | 2021-10-15 | 上海追势科技有限公司 | 一种可记忆自主泊车的方法 |
CN113479192B (zh) * | 2021-07-06 | 2023-03-24 | 阿波罗智能技术(北京)有限公司 | 车辆泊出方法、车辆泊入方法、装置、设备以及存储介质 |
CN113611143B (zh) * | 2021-07-29 | 2022-10-18 | 同致电子科技(厦门)有限公司 | 一种记忆泊车系统及其建图系统 |
CN114120701B (zh) * | 2021-11-25 | 2022-11-22 | 北京经纬恒润科技股份有限公司 | 一种泊车定位方法及装置 |
CN114036254A (zh) * | 2021-12-02 | 2022-02-11 | 广州小鹏自动驾驶科技有限公司 | 一种地图构建方法、地图构建装置、车辆及存储介质 |
CN114141043B (zh) * | 2021-12-06 | 2023-04-07 | 广东飞翔云计算有限公司 | 一种基于大数据的自动代客泊车需求预测方法和装置 |
CN116153083B (zh) * | 2023-04-20 | 2023-10-17 | 江铃汽车股份有限公司 | 一种应用于地下停车场的车辆召唤方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10558864B2 (en) * | 2017-05-18 | 2020-02-11 | TuSimple | System and method for image localization based on semantic segmentation |
US10836379B2 (en) * | 2018-03-23 | 2020-11-17 | Sf Motors, Inc. | Multi-network-based path generation for vehicle parking |
CN109466546B (zh) * | 2018-11-20 | 2020-09-18 | 广州小鹏汽车科技有限公司 | 自动泊车方法及系统 |
CN109583409A (zh) * | 2018-12-07 | 2019-04-05 | 电子科技大学 | 一种面向认知地图的智能车定位方法及系统 |
CN111439257A (zh) * | 2019-06-26 | 2020-07-24 | 纵目科技(上海)股份有限公司 | 一种记忆泊车系统、方法、终端和云端服务器 |
-
2019
- 2019-06-26 CN CN201910566373.8A patent/CN110304050B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110304050A (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110304050B (zh) | 一种基于特征组合的记忆泊车系统、方法、终端和云端服务器 | |
CN111439257A (zh) | 一种记忆泊车系统、方法、终端和云端服务器 | |
CN110348341A (zh) | 一种记忆泊车系统、方法、终端和存储介质 | |
DE102018121595B4 (de) | Unbeaufsichtigtes anlernen von agenten für autonome fahranwendungen | |
DE102019112002A1 (de) | Systeme und verfahren zur automatischen detektion von anhängereigenschaften | |
CN110348297B (zh) | 一种用于识别立体停车库的检测方法、系统、终端和存储介质 | |
CN110758246A (zh) | 一种自动泊车方法及装置 | |
CN110210280A (zh) | 一种超视距感知方法、系统、终端和存储介质 | |
CN110207716B (zh) | 一种参考行驶线快速生成方法、系统、终端和存储介质 | |
JP2021535386A (ja) | 地図データ更新方法、地図データ更新装置、地図データ更新システムおよびコンピュータ可読記憶媒体 | |
CN110766976B (zh) | 一种使用智能钥匙进行寻车的方法和装置以及智能钥匙 | |
CN110388929B (zh) | 导航地图更新方法、装置及系统 | |
CN110942665A (zh) | 一种车辆的定位方法、车载设备及存储介质 | |
DE102018122772A1 (de) | Aufladung von Fahrzeugen mittels Solarenergie | |
CN111142402B (zh) | 仿真场景构建方法、装置和终端 | |
CN110969893A (zh) | 一种车辆自主代客泊车方法、车载设备及存储介质 | |
CN113160608A (zh) | 一种车位占用状态检测方法、装置及计算机可读存储介质 | |
CN111278716A (zh) | 用于沿着训练轨迹自主地停放当前车辆的方法 | |
DE102018109436A1 (de) | Erkennung eines sattelaufliegerüberstands mit aktiver parkassistenz | |
CN110555801A (zh) | 一种航迹推演的校正方法、终端和存储介质 | |
CN112363511A (zh) | 车辆路径规划方法、装置、车载装置及存储介质 | |
CN112712608B (zh) | 用于通过车辆收集性能数据的系统和方法 | |
CN107438875B (zh) | 停车场导航方法、装置、系统和计算机可读存储介质 | |
CN110159039B (zh) | 一种立体停车库的泊车方法、系统、终端和存储介质 | |
CN111599217A (zh) | 一种自主泊车系统架构、架构实现方法、终端和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Tang Rui Inventor after: Wang Fan Inventor after: Huang Zhifa Inventor after: Li Fei Inventor before: Tang Rui Inventor before: Song Yu Inventor before: Wang Fan Inventor before: Huang Zhifa Inventor before: Li Fei |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |