CN110766979A - 一种用于自动驾驶车辆的泊车车位检测方法 - Google Patents

一种用于自动驾驶车辆的泊车车位检测方法 Download PDF

Info

Publication number
CN110766979A
CN110766979A CN201911103646.1A CN201911103646A CN110766979A CN 110766979 A CN110766979 A CN 110766979A CN 201911103646 A CN201911103646 A CN 201911103646A CN 110766979 A CN110766979 A CN 110766979A
Authority
CN
China
Prior art keywords
parking
point cloud
parking space
detection method
threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911103646.1A
Other languages
English (en)
Inventor
刘心刚
李赵
陈诚
张旸
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.)
Aoteku Intelligent Technology (nanjing) Co Ltd
AutoCore Intelligence Technology Nanjing Co Ltd
Original Assignee
Aoteku Intelligent Technology (nanjing) 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 Aoteku Intelligent Technology (nanjing) Co Ltd filed Critical Aoteku Intelligent Technology (nanjing) Co Ltd
Priority to CN201911103646.1A priority Critical patent/CN110766979A/zh
Publication of CN110766979A publication Critical patent/CN110766979A/zh
Pending legal-status Critical Current

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
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于自动驾驶车辆的泊车车位检测方法，首先建立泊车场景局部点云地图，然后筛选可泊车区域，在可泊车区域内提取地面点云，将地面点云转化为强度图片，之后在强度图片中运行车位标线检测算法，最终计算车位相对于车身的相对坐标并输出。本发明不受光照条件变化影响，在弱光条件仍可正常工作；而且整个算法部分运算量较小，可以实时的运行在低功耗低成本的ARM处理器上，整个系统的成本低；同时，本发明使用激光雷达数据中的反射强度信息检测泊位标线，输出的车位坐标基于三维点云空间中的泊位标线，更加准确和稳定。

Description

一种用于自动驾驶车辆的泊车车位检测方法
技术领域
本发明属于自动驾驶领域，特别涉及一种用于自动驾驶车辆的泊车车位检测方法。
背景技术
近年来随着传感器性能的提升，以及多传感器融合算法的不断演进，自动驾驶技术取得了巨大的进步。从传统的基于单目视觉的车道偏离预警到目前基于神经网络车道线提取的车道保持，从过去的基于轮速计和单目视觉的定速巡航到今天的基于毫米波雷达和视觉传感器融合的自适应巡航控制。近些年来，针对自动驾驶车辆的自动泊车功能的研究和开发一直是学术界和工业界的热点话题。在自动泊车功能的开发过程中，如何准确的识别出泊车车位是目前科研人员和工程师面临的众多难点中的首要挑战。目前，自动驾驶车辆主要通过四种方法识别泊车车位。
第一种，基于车顶360度环视摄像头或者车身多个摄像头拼接出车辆周边的地面图像，通过预先训练完成的卷积神经网络模型识别图像中的车位标线。这种方案，使用了一个或多个摄像头，具有车本低廉的优势。但是，由于该方案过度依赖摄像头输出的图像信息，导致识别结果易受光照变化影响，在弱光照条件下无法工作。且由于使用了360环视摄像头或者多摄像头拼接图像，在获得地面的平面图像时需要经过非线性转化，使得车辆自动泊车过程中车位检测的结果会包含误差。同时，由于卷积神经网络的计算需要使用专业计算设备（图形加速卡，npu等），而当前能够提供较高帧率泊车车位输出的专业计算设备普遍具有较高的功耗，不适合自动驾驶这种对功耗敏感的应用场景。
第二种，通过安装于车身的多个摄像头生成泊车场景的局部半稠密点云地图，通过立体点云空间中的点云占据情况，判断出可供泊车的泊位。该方案完全使用摄像头，成本低廉，对于车位线不清晰，及无车位线泊车车位具有明显的优势。但是，与第一种方案相同，都具有识别结果易受光照变化影响，在弱光照条件下无法工作的缺点。同时，由于生成的半稠密点云地图中不包含泊车位标线语义信息（只能识别出可供泊车的空间，无法准确给出泊位标线的位置），较难完成完全自动的泊车入位控制（准确进入泊位线限制的泊车区域）。
第三种，通过安装于车顶或者车身侧面的激光雷达生成泊车场景的局部稠密点云地图，通过立体点云空间中的点云占据情况，判断出可供泊车的泊位。相比于前两种方案，这种方案由于使用了激光雷达，完全不受光线变化以及光线强弱的影响，在照明不良的地下停车场依然能够正常工作。同时由于激光雷达输出的数据中包含点云深度信息，使得自动驾驶的计算单元不需消耗算力计算点云的深度（第二种方案）。但是，与第二种方案相同，由于生成的点云地图中不包含泊车位标线语义信息，只能识别出可供泊车的空间，无法准确给出泊位标线的位置，较难完成完全自动的泊车入位控制，即难以准确进入泊位线限制的泊车区域。
第四种，通过在地下停车场和车身布设一定数量的无线位置传感器，V2X基站和泊位空闲感知传感器，通过V2X网络向自动驾驶车辆发送车辆在停车场局部地图坐标系下的位置和空闲车位的位置。该方案具有泊位坐标输出准确，不受光照条件影响的优点。但是，由于使用了数量可观的传感器和V2X基站，停车场建设一次性投入成本大幅增加，后期设备维护也是一笔成本。同时，由于使用了大量的位置传感器，停车场建设时需要对于每个传感器位置坐标的校准，校准过程繁琐、复杂，后期停车场扩建还需要对原有位置传感器网络进行扩容。
所以，开发一种不受光照影响、对于自动驾驶计算单元算力要求较低、能够准确输出泊位的位置、价格合理的泊位检测方案是当前自动驾驶车辆自动泊车功能开发过程中面临的主要问题。
发明内容
发明目的：本发明针对现有技术存在的问题，提出了一种能够准确稳定的输出泊车车位坐标的用于自动驾驶车辆的泊车车位检测方法。
技术方案：为实现上述目的，本发明提供了一种用于自动驾驶车辆的泊车车位检测方法，包括以下步骤：
步骤1：激光点云采集单元开始采集周围环境的三维点云数据，将采集到的周围环境的三维点云数据发送给计算单元；
步骤2：计算单元根据激光点云采集单元输出的三维点云数据建立泊车场景局部点云地图；
步骤3：计算单元筛选可泊车区域；
步骤4：计算单元根据预设的地面点云高度阈值，过滤出可泊车区域内的地面点云；
步骤5：计算单元生成强度图片；
步骤6：计算单元进行车位标线检测；
步骤7：计算单元计算车位的相对位置。
其中，所述激光点云采集单元采用16线激光雷达。有效降低了整个系统的成本。
进一步，所述计算单元采用的是处理器为1颗四核A73+四核A53架构的ARM芯片，操作系统为ubuntu16.04。这样不仅可以降低自动泊车系统的成本；而且，ARM芯片功耗低，不会对车辆的供电系统造成影响。
进一步，所述步骤3中计算单元筛选可泊车区域的方法为：首先将步骤2得到的泊车场景局部点云地图转化为泊车场景占据栅格地图，然后根据预设的可泊车区域阈值筛选出满足阈值条件的连续点云空间作为泊位待选区域，其中，可泊车区域阈值包括可泊车区域的长度阈值、高度阈值和宽度阈值，遍历整个泊车场景占据栅格地图，当占据栅格地图内没有被占据的区域的长度、宽度、高度均大于预设的可泊车区域阈值，则保留这段区域对应的连续点云；连续点云形成的空间则为泊位待选区域。
进一步，所述步骤5中生成强度图片的方法为：计算单元遍历步骤4得到的地面点云中的每一个点，将每个点在步骤2所建立的局部点云地图的局部坐标系下的x、y坐标作为强度图片中点的x、y坐标，该点的反射强度值作为强度图片该点的灰度值；然后设置灰度阈值，将强度图片中每个点的灰度值与设置的灰度阈值进行比较，并保留灰度值大于灰度阈值的点，获得单通道强度图片。
其中，所述灰度阈值的范围100~200之间。
工作原理：本发明使用普通国产低成本的16线激光雷达，低成本低功耗ARM计算平台配合一种新颖的算法，构成一套泊车车位检测方案。算法首先建立泊车场景局部点云地图，然后筛选可泊车区域，在可泊车区域内提取地面点云，将地面点云转化为强度图片，之后在强度图片中运行车位标线检测算法，最终计算车位相对于车身的相对坐标并输出。
有益效果：与现有技术相比，本发明具有以下优点：
1、本发明不受光照条件变化影响，在弱光条件仍可正常工作。
2、整个算法部分运算量较小，可以实时的运行在低功耗低成本的ARM处理器上。
3、本发明使用16线激光雷达，成本更低廉。
4、本发明提出使用激光雷达数据中的反射强度信息检测泊位标线，输出的车位坐标基于泊位标线，更准确，更稳定。
5、本发明将自动泊车功能的成本分摊到每一辆自动驾驶车辆上，大大降低了建设一个支持自动泊车的停车场的一次性投入成本和后期维护成本。
附图说明
图1为本发明的系统结构图；
图2为本发明的方法流程图；
图3为车身周围环境的三维点云数据侧视图；
图4为车身周围环境的三维点云数据俯视图；
图5为泊车场景局部点云地图侧视图；
图6为泊车场景局部点云地图俯视图；
图7为占据栅格地图侧视图；
图8为过滤出的可泊车区域内的地面点云图；
图9为显示了雷达点反射强度的点云地图；
图10为单通道强度图；
图11为泊车局部点云地图坐标系下车身坐标与车位坐标示意图。
具体实施方式
下面将结合本发明实例中的附图，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。
如图1所示，本发明提供的用于自动驾驶车辆的泊车车位检测系统包括激光点云采集单元和ARM计算单元。其中，激光点云采集单元使用国产低成本16线激光雷达，以10Hz的频率采集车身周围的三维点云数据，采集到的三维点云用来制作车身周围的局部三维点云地图。这个单元为系统提供精确的含有时间戳的点云数据，是整个系统中最为重要的组成部分。ARM计算单元使用的处理器为1颗四核A73+四核A53架构的ARM芯片，操作系统为ubuntu16.04，点云地图生成和处理，强度图的生成和车位检测均在这个计算单元中完成。
如图2所示，本发明提供的用于自动驾驶车辆的泊车车位检测方法具体包括以下步骤：
步骤1：激光点云采集单元开始采集周围环境的三维点云数据，图如3~4所示，；
步骤2：ARM计算单元根据激光点云采集单元输出的三维点云数据建立泊车场景局部点云地图；主要步骤为：存储步骤1的三维点云数据，得到三维点云数据序列，在序列中筛选关键帧，计算相邻关键帧的平移和旋转矩阵，利用计算出的平移和旋转矩阵拼接相邻关键帧得到局部点云地图，其中局部点云地图如图5~6所示。
步骤3：如图7所示，ARM计算单元将步骤2得到的泊车场景局部点云地图转化为泊车场景占据栅格地图，然后根据预设的可泊车区域阈值筛选出满足阈值条件的连续点云空间作为泊位待选区域，其中，可泊车区域阈值包括可泊车区域的长度阈值、高度阈值和宽度阈值，遍历整个泊车场景占据栅格地图，占据栅格地图内没有被占据的区域的长度、宽度、高度均大于预设的可泊车区域阈值，则保留这段区域对应的连续点云，本实施例中可泊车区域阈值中长度阈值为5.0m，宽度阈值为2.0m，高度阈值为2.2m。
步骤4：ARM计算单元根据预设的地面点云高度阈值，对于步骤3中保留的连续点云进行过滤，将连续点云中的高度小于地面点云高度阈值的点云保留，删除其他点云，则可以得到可泊车区域内的地面点云图，如图8所示；其中，本实施例中高度阈值设置为0.1m。
步骤5：生成强度图片：ARM计算单元遍历步骤4得到的地面点云中的每一个点，将每个点在步骤2所建立的局部点云地图的局部坐标系下的x、y坐标作为强度图片中点的x、y坐标，该点的反射强度值作为强度图片该点的灰度值，如图9所示；其中，反射强度值是雷达自动输出的数据。反射强度值反映了雷达发射的激光经物体表面反射后，雷达接收器接收到的反射光的强度。物体表面的颜色不同反射强度值不同。
步骤6：设置灰度阈值，将步骤5生成的强度图片中每个点的灰度值与设置的灰度阈值进行比较，并保留灰度值大于灰度阈值的点，如图10所示，生成新的单通道强度图片，其中灰度阈值的范围100~200之间。
步骤7：ARM计算单元进行车位标线检测：在步骤6得到的单通道强度图片中得到可泊车车位的四个角点的坐标A(15.83 , 16.35)，B(18.06, 16.32)，C(15.82, 11.25)，D(18.03, 11.21)，根据公式Center (xc,yc), xc=(x1+x2+x3+x4)/4，yc=(y1+y2+y3+y4)/4，得到车位几何中心坐标Center(16.94, 13.78)，坐标的单位为米。
步骤8：如图11所示，ARM计算单元计算车位的相对坐标：根据激光雷达当前输出的车身周围点云，在步骤2所建立的局部点云地图中进行点云配准，计算车辆在步骤2所建立的局部点云地图的局部坐标系下的坐标car(6.51, 2.13)，单位为米，根据步骤6计算出的车位坐标，在步骤2所建立的局部点云地图的局部坐标系下计算出车位相对于车辆的相对坐标。

Claims (6)

1.一种用于自动驾驶车辆的泊车车位检测方法，其特征在于包括以下步骤：
步骤1：激光点云采集单元开始采集周围环境的三维点云数据，将采集到的周围环境的三维点云数据发送给计算单元；
步骤2：计算单元根据激光点云采集单元输出的三维点云数据建立泊车场景局部点云地图；
步骤3：计算单元筛选可泊车区域；
步骤4：计算单元根据预设的地面点云高度阈值，过滤出可泊车区域内的地面点云；
步骤5：计算单元生成强度图片；
步骤6：计算单元根据步骤5生成的强度图片得到可泊车车位的四个角点坐标和几何中心坐标；
步骤7：计算单元得到车辆与可泊车车位之间的相对位置。
2.根据权利要求1所述的用于自动驾驶车辆的泊车车位检测方法，其特征在于：所述激光点云采集单元采用16线激光雷达。
3.根据权利要求1所述的用于自动驾驶车辆的泊车车位检测方法，其特征在于：所述计算单元采用的是处理器为1颗四核A73+四核A53架构的ARM芯片，操作系统为ubuntu16.04。
4.根据权利要求1所述的用于自动驾驶车辆的泊车车位检测方法，其特征在于：所述步骤3中计算单元筛选可泊车区域的方法为：首先将步骤2得到的泊车场景局部点云地图转化为泊车场景占据栅格地图，然后根据预设的可泊车区域阈值筛选出满足阈值条件的连续点云空间作为泊位待选区域，其中，可泊车区域阈值包括可泊车区域的长度阈值、高度阈值和宽度阈值，遍历整个泊车场景占据栅格地图，当占据栅格地图内没有被占据的区域的长度、宽度、高度均大于预设的可泊车区域阈值，则保留这段区域对应的连续点云；连续点云形成的空间则为泊位待选区域。
5.根据权利要求1所述的用于自动驾驶车辆的泊车车位检测方法，其特征在于：所述步骤5中生成强度图片的方法为：计算单元遍历步骤4得到的地面点云中的每一个点，将每个点在步骤2所建立的局部点云地图的局部坐标系下的x、y坐标作为强度图片中点的x、y坐标，该点的反射强度值作为强度图片该点的灰度值；然后设置灰度阈值，将强度图片中每个点的灰度值与设置的灰度阈值进行比较，并保留灰度值大于灰度阈值的点，获得单通道强度图片。
6.根据权利要求5所述的用于自动驾驶车辆的泊车车位检测方法，其特征在于：所述灰度阈值的范围在100~200之间。
CN201911103646.1A 2019-11-13 2019-11-13 一种用于自动驾驶车辆的泊车车位检测方法 Pending CN110766979A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911103646.1A CN110766979A (zh) 2019-11-13 2019-11-13 一种用于自动驾驶车辆的泊车车位检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911103646.1A CN110766979A (zh) 2019-11-13 2019-11-13 一种用于自动驾驶车辆的泊车车位检测方法

Publications (1)

Publication Number Publication Date
CN110766979A true CN110766979A (zh) 2020-02-07

Family

ID=69337679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911103646.1A Pending CN110766979A (zh) 2019-11-13 2019-11-13 一种用于自动驾驶车辆的泊车车位检测方法

Country Status (1)

Country Link
CN (1) CN110766979A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111391824A (zh) * 2020-03-27 2020-07-10 北京百度网讯科技有限公司 自动代客泊车的控制方法、装置、电子设备和存储介质
CN111427061A (zh) * 2020-06-15 2020-07-17 北京云迹科技有限公司 一种机器人建图方法、装置，机器人及存储介质
CN111428616A (zh) * 2020-03-20 2020-07-17 东软睿驰汽车技术（沈阳）有限公司 一种车位检测方法、装置、设备及存储介质
CN112070870A (zh) * 2020-07-31 2020-12-11 广州景骐科技有限公司 点云地图评估方法、装置、计算机设备和存储介质
CN112172797A (zh) * 2020-09-27 2021-01-05 华人运通(上海)自动驾驶科技有限公司 泊车控制方法、装置、设备和存储介质
CN113240734A (zh) * 2021-06-01 2021-08-10 深圳市捷顺科技实业股份有限公司 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质
CN113673288A (zh) * 2020-05-15 2021-11-19 深圳市航盛电子股份有限公司 空闲车位检测方法、装置、计算机设备及存储介质
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
CN114067598A (zh) * 2020-07-30 2022-02-18 上汽通用汽车有限公司 确定空闲车位的方法、装置
CN114141055A (zh) * 2020-08-13 2022-03-04 纵目科技（上海）股份有限公司 一种智能泊车系统的泊车位检测装置和检测方法
CN114179788A (zh) * 2021-12-29 2022-03-15 纵目科技（上海）股份有限公司 自动泊车方法、系统、计算机可读存储介质及车机端
CN114783172A (zh) * 2021-01-22 2022-07-22 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
CN114882701A (zh) * 2022-04-28 2022-08-09 上海高德威智能交通系统有限公司 车位检测方法、装置、电子设备及机器可读存储介质
CN115147805A (zh) * 2021-03-31 2022-10-04 欧特明电子股份有限公司 自动泊车建图与定位的系统及其方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180176551A1 (en) * 2016-12-21 2018-06-21 Microvision, Inc. Devices and Methods for Providing Foveated Scanning Laser Image Projection with Depth Mapping
CN108482366A (zh) * 2018-03-23 2018-09-04 重庆长安汽车股份有限公司 基于车辆自动驾驶的代客泊车系统及方法
CN109031346A (zh) * 2018-07-09 2018-12-18 江苏大学 一种基于3d激光雷达的周边泊车位辅助检测方法
CN109186625A (zh) * 2018-10-24 2019-01-11 北京奥特贝睿科技有限公司 智能车辆利用混合采样滤波进行精确定位的方法及系统
CN109212555A (zh) * 2018-10-12 2019-01-15 合肥中科智驰科技有限公司 基于三维激光雷达的可通行区域检测方法
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
CN109740584A (zh) * 2019-04-02 2019-05-10 纽劢科技(上海)有限公司 基于深度学习的自动泊车停车位检测方法
CN109754636A (zh) * 2018-05-16 2019-05-14 启迪云控(北京)科技有限公司 停车位协同感知识别、停车辅助方法、装置
CN109766878A (zh) * 2019-04-11 2019-05-17 深兰人工智能芯片研究院（江苏）有限公司 一种车道线检测的方法和设备
CN110221616A (zh) * 2019-06-25 2019-09-10 清华大学苏州汽车研究院（吴江） 一种地图生成的方法、装置、设备及介质
CN110274602A (zh) * 2018-03-15 2019-09-24 奥孛睿斯有限责任公司 室内地图自动构建方法及系统
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180176551A1 (en) * 2016-12-21 2018-06-21 Microvision, Inc. Devices and Methods for Providing Foveated Scanning Laser Image Projection with Depth Mapping
CN110274602A (zh) * 2018-03-15 2019-09-24 奥孛睿斯有限责任公司 室内地图自动构建方法及系统
CN108482366A (zh) * 2018-03-23 2018-09-04 重庆长安汽车股份有限公司 基于车辆自动驾驶的代客泊车系统及方法
CN109754636A (zh) * 2018-05-16 2019-05-14 启迪云控(北京)科技有限公司 停车位协同感知识别、停车辅助方法、装置
CN109031346A (zh) * 2018-07-09 2018-12-18 江苏大学 一种基于3d激光雷达的周边泊车位辅助检测方法
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
CN109212555A (zh) * 2018-10-12 2019-01-15 合肥中科智驰科技有限公司 基于三维激光雷达的可通行区域检测方法
CN109186625A (zh) * 2018-10-24 2019-01-11 北京奥特贝睿科技有限公司 智能车辆利用混合采样滤波进行精确定位的方法及系统
CN109740584A (zh) * 2019-04-02 2019-05-10 纽劢科技(上海)有限公司 基于深度学习的自动泊车停车位检测方法
CN109766878A (zh) * 2019-04-11 2019-05-17 深兰人工智能芯片研究院（江苏）有限公司 一种车道线检测的方法和设备
CN110221616A (zh) * 2019-06-25 2019-09-10 清华大学苏州汽车研究院（吴江） 一种地图生成的方法、装置、设备及介质
CN110320504A (zh) * 2019-07-29 2019-10-11 浙江大学 一种基于激光雷达点云统计几何模型的非结构化道路检测方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428616A (zh) * 2020-03-20 2020-07-17 东软睿驰汽车技术（沈阳）有限公司 一种车位检测方法、装置、设备及存储介质
CN111428616B (zh) * 2020-03-20 2023-05-23 东软睿驰汽车技术（沈阳）有限公司 一种车位检测方法、装置、设备及存储介质
CN111391824A (zh) * 2020-03-27 2020-07-10 北京百度网讯科技有限公司 自动代客泊车的控制方法、装置、电子设备和存储介质
CN113673288A (zh) * 2020-05-15 2021-11-19 深圳市航盛电子股份有限公司 空闲车位检测方法、装置、计算机设备及存储介质
CN113673288B (zh) * 2020-05-15 2024-01-23 深圳市航盛电子股份有限公司 空闲车位检测方法、装置、计算机设备及存储介质
CN111427061A (zh) * 2020-06-15 2020-07-17 北京云迹科技有限公司 一种机器人建图方法、装置，机器人及存储介质
CN114067598A (zh) * 2020-07-30 2022-02-18 上汽通用汽车有限公司 确定空闲车位的方法、装置
CN112070870A (zh) * 2020-07-31 2020-12-11 广州景骐科技有限公司 点云地图评估方法、装置、计算机设备和存储介质
CN114141055A (zh) * 2020-08-13 2022-03-04 纵目科技（上海）股份有限公司 一种智能泊车系统的泊车位检测装置和检测方法
CN114141055B (zh) * 2020-08-13 2024-04-16 纵目科技（上海）股份有限公司 一种智能泊车系统的泊车位检测装置和检测方法
CN112172797B (zh) * 2020-09-27 2021-12-17 华人运通(上海)自动驾驶科技有限公司 泊车控制方法、装置、设备和存储介质
CN112172797A (zh) * 2020-09-27 2021-01-05 华人运通(上海)自动驾驶科技有限公司 泊车控制方法、装置、设备和存储介质
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
CN114783172A (zh) * 2021-01-22 2022-07-22 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
CN115147805A (zh) * 2021-03-31 2022-10-04 欧特明电子股份有限公司 自动泊车建图与定位的系统及其方法
CN113240734A (zh) * 2021-06-01 2021-08-10 深圳市捷顺科技实业股份有限公司 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质
CN113240734B (zh) * 2021-06-01 2024-05-17 深圳市捷顺科技实业股份有限公司 一种基于鸟瞰图的车辆跨位判断方法、装置、设备及介质
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
CN114179788A (zh) * 2021-12-29 2022-03-15 纵目科技（上海）股份有限公司 自动泊车方法、系统、计算机可读存储介质及车机端
CN114882701B (zh) * 2022-04-28 2023-01-24 上海高德威智能交通系统有限公司 车位检测方法、装置、电子设备及机器可读存储介质
CN114882701A (zh) * 2022-04-28 2022-08-09 上海高德威智能交通系统有限公司 车位检测方法、装置、电子设备及机器可读存储介质

Similar Documents

Publication Publication Date Title
CN110766979A (zh) 一种用于自动驾驶车辆的泊车车位检测方法
CN111694010B (zh) 一种基于视觉与激光雷达融合的路侧车辆识别方法
CN110529186B (zh) 基于红外热成像的隧道结构渗漏水精确识别装置和方法
CN108256413B (zh) 可通行区域检测方法及装置、存储介质、电子设备
CN104392212B (zh) 一种基于视觉的道路信息检测及前方车辆识别方法
US20200041284A1 (en) Map road marking and road quality collecting apparatus and method based on adas system
CN105373135B (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN102867414B (zh) 一种基于ptz摄像机快速标定的车辆排队长度测量方法
CN106651953B (zh) 一种基于交通指示牌的车辆位姿估计方法
EP2282295B1 (en) Object recognizing device and object recognizing method
CN102768022B (zh) 采用数码照相技术的隧道围岩变形检测方法
CN111753797B (zh) 一种基于视频分析的车辆测速方法
CN105302151A (zh) 一种飞机入坞引导和机型识别的系统及方法
CN110379168B (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
WO2020083103A1 (zh) 一种基于深度神经网络图像识别的车辆定位方法
CN111458721B (zh) 一种暴露垃圾的识别定位方法、装置及系统
CN104183127A (zh) 交通监控视频检测方法和装置
CN114898296A (zh) 基于毫米波雷达与视觉融合的公交车道占用检测方法
CN110514133A (zh) 一种基于摄影测量的无人机隧道变形检测方法
CN114488194A (zh) 一种智能驾驶车辆结构化道路下目标检测识别方法
WO2023240805A1 (zh) 一种基于滤波校正的网联车超速预警方法及系统
CN111426302A (zh) 一种无人机高精度倾斜摄影测量系统
CN109241855B (zh) 基于立体视觉的智能车辆可行驶区域探测方法
CN105262983A (zh) 基于灯联网的道路监控系统与方法
CN107221006A (zh) 一种基于无人机成像平台的通信单管塔倾斜检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200207