CN110775052A - 一种基于视觉与超声波感知融合的自动泊车方法 - Google Patents
一种基于视觉与超声波感知融合的自动泊车方法 Download PDFInfo
- Publication number
- CN110775052A CN110775052A CN201910811086.9A CN201910811086A CN110775052A CN 110775052 A CN110775052 A CN 110775052A CN 201910811086 A CN201910811086 A CN 201910811086A CN 110775052 A CN110775052 A CN 110775052A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking space
- vehicle
- obstacle
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000004438 eyesight Effects 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 26
- 230000008447 perception Effects 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 230000016776 visual perception Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 241001300198 Caperonia palustris Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000000384 Veronica chamaedrys Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
- B60W2050/0011—Proportional Integral Differential [PID] controller
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于视觉与超声波感知融合的自动泊车方法,包括下列步骤:视觉车位检测,超声波雷达车位检测,两种车位检测结果融合,车位跟踪,车位显示;确定目标泊车位,结合当前场景地图,规划泊车速度及泊车轨迹;根据视觉检测以及超声波雷达检测,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,并且对障碍物进行运动估计;计算自身车辆和障碍物发生碰撞的可能性,若碰撞可能性大于预设阈值,则触发避障功能;通过低速控制器进行泊车轨迹跟踪,实现沿泊车轨迹的档位控制、车速控制、方向盘转向控制和避障控制,完成自动泊车。本发明提升车辆周围车位以及障碍物检测效果,提升鲁棒性,增加运动障碍物轨迹估计模块,提升避障可靠性。
Description
技术领域
本发明涉及汽车自动驾驶技术领域,尤其涉及一种基于视觉与超声波感知融合的自动泊车方法。
背景技术
智能化是如今汽车行业发展的重要趋势之一,预计2020~2030期间智能驾驶技术与系统将在世界范围内快速发展。目前自动驾驶技术与系统的研究与开发大多基于高速公路与泊车两种应用场景。基于泊车场景的辅助驾驶应用在汽车行业内已经发展多年,功能应用从最初的碰撞预警发展到后来的泊车辅助、泊车引导以及自动泊车;系统形态从最初的泊车雷达系统发展到后来的泊车影像系统以及近期的车载环视系统。
现有泊车相关智能系统以泊车辅助系统为主,泊车辅助系统自动化程度较低,其作用仅限于在泊车过程中警示驾驶者相应潜在危险状况。车辆操作需要完全由驾驶者掌控,无法从本质上降低泊车场景驾驶负担。
目前已有极少量产车型具备自主泊车能力,大部分此类系统基于超声波雷达系统的车位检测以及目标探测结果,进行相应的泊车操作。然而,超声波雷达传感器存在测量距离短、相邻传感器之间易产生信号干涉等缺点,并且无法区别障碍物尺寸与类别。因此,其在某些场景下无法准确获得有效泊车位信息(如泊车位区域有暗坑或泊车位区域为出入通道等),应用场景具有一定的局限性,需要驾驶员人为确认泊车区域的正确性。其余部分此类系统综合考虑环视以及超声波雷达系统输入进行泊车位检测,此类系统相较于单独基于超声波雷达车位感知的系统,车位检测的准确性显著提升。然而已有融合方法需视觉与超声波雷达两系统都正常工作的情况下才能正常进行相应泊车位检测(如视觉进行泊车位模板检测、超声波雷达进行泊车位区域障碍物探测),不具备多模态感知系统潜在的感知鲁棒性。此外,现有系统未对移动障碍物轨迹进行预测,因而达不到很好的避障效果,影响自动泊车的顺利完成。
发明内容
本发明为了解决上述技术问题,提供一种基于视觉与超声波感知融合的自动泊车方法,视觉系统与超声波雷达系统均可独立进行自动泊车过程中的泊车位检测以及障碍物探测。在两系统正常工作的情况下,能够有效进行系统输出融合;在单一系统异常的情况下,剩余系统仍能够独立工作,从而提升自动泊车的可靠性与鲁棒性。
本发明的另一目的是,提供一种基于视觉与超声波感知融合的自动泊车方法,增加车位跟踪模块,从而支持多可泊车位选择;增加运动障碍物轨迹估计模块,提升避障可靠性,确保自动泊车顺利地、可靠地完成。
本发明的上述技术问题主要是通过下述技术方案得以解决的:本发明一种基于视觉与超声波感知融合的自动泊车方法,包括下列步骤:
①检测泊车位:视觉车位检测,超声波雷达车位检测,两种车位检测结果融合,车位跟踪,车位显示;
泊车位检测,基于视觉系统以及超声波雷达系统输入,进行泊车位检测,并根据自身车辆运动学轨迹,对泊车位进行时序跟踪,输出包括潜在可停车位(空车位)以及不可停车位(被占车位)。
②泊车轨迹规划:确定目标泊车位,结合当前场景地图,规划泊车速度及泊车轨迹;
基于潜在可停车位检测结果输入,计算该泊车位所对应的泊车代价函数,输出可停车位以及相应所规划的泊车轨迹。
③可行驶区域检测:根据视觉检测以及超声波雷达检测,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,并且对障碍物进行运动估计;
基于视觉系统以及超声波雷达系统输入,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,并且对障碍物进行运动估计,输出传入避障模块进行相应车辆避障操作。
④判断是否避障:计算自身车辆和障碍物发生碰撞的可能性,若碰撞可能性大于预设阈值,则触发避障功能;
⑤泊车轨迹跟踪:通过低速控制器(PID)进行泊车轨迹跟踪,实现沿泊车轨迹的档位控制、车速控制、方向盘转向控制和避障控制,完成自动泊车。
在自动泊车过程中自动泊车系统与车辆驾驶者交互必要系统信息,包括车位显示、泊车位选取、泊车功能触发、系统状态交互和人为操作干预等。
本发明深度融合超声波雷达系统与视觉系统探测特性,提升车辆周围的车位以及障碍物的检测效果,确保两系统能独立支撑系统完成自主泊车任务,从而提升系统在部分感知器件故障情况下的鲁棒性;增加车位跟踪模块,从而支持多可泊车位选择;增加运动障碍物轨迹估计模块,提升避障可靠性,确保自动泊车顺利地、可靠地完成。
作为优选,所述的步骤①包括下列步骤:
(1.1)视觉车位检测:在左右环视原始鱼眼场景输入下,利用泊车位检测卷积神经网络进行泊车位角点检测,将原始视角下检测结果按环视系统标定参数,逆透视变换至地面坐标系下,按预定义车位宽度或长度进行泊车位角点匹配;对成功匹配的角点所生成的车位候选区域,利用车位可用性分类卷积神经网络进行初步车位可泊性判断;最终在视觉车位寄存器中存放包括车位ID、车位入口中点坐标和车位长度及车位宽度的车位信息;
(1.2)超声波雷达车位检测:基于侧向超声波雷达、车速以及横摆角速度信号输入,通过行驶里程积分生成车辆两侧可行空间栅格;车辆坐标系下,更新车辆两侧可行驶区域边界坐标,车辆右侧可行驶区域边界坐标更新如下:
Xt=Xt-1+v·Δt·cosψt-ΔL
ψt=ψt-1+ωtΔt
其中,ωt为横摆角速度,v为车速,Dt为超声波雷达传感器测量值,ΔL为超声波雷达传感器与前轴的纵向位置偏移量,W为车辆宽度;
(1.3)车位检测结果融合:若视觉系统与超声波雷达系统均正常工作,将步骤(1.1)中视觉系统检测所得的可泊车位与步骤(1.2)中超声波雷达系统检测所得可行空间格栅进行融合,对于每一个车位可泊性Pi的计算方式如下:
其中,f(.)为可行空间格栅输出与输入映射关系,输入为地面坐标系下坐标,输出为二进制区域可行值;a为搜索采样步长;若P大于预设阈值P0,则该车位为可泊车位;反之,则为不可泊车位;
(1.4)车位跟踪:利用自身车辆运动学信息,更新车辆坐标系原点位置(Xo,t,Yo,t):
Xo,t=Xo,t-1+v·Δt·cosψt
Yo,t=Yo,t-1+v·Δt·sinψt
ψt=ψt-1+ωtΔt
对于任意一个车位,利用俯视平面重合度,计算其时序关联性Ci:
若Ci,t大于预设阈值,则该车位的生命周期累加1,若某车位生命周期大于预设阈值,则确认为真实存在车位;当车位处于感知系统测量范围内时,采用如下公式更新:
当车位超出感知系统测量范围时,则根据车辆运动学信息,按最后检测到车位的历史位置进行更新;
(1.5)车位显示:在自动泊车控制器上显示车位及车位信息,车位信息包括车位编号、车位入口中点坐标、车位长度及宽度、车位属性。
本技术方案支持多可泊车位选择,通过深度融合超声波雷达系统与视觉系统探测特性,提升车辆周围车位检测效果,确保两系统能独立支撑系统完成自主泊车任务,同时提升系统在部分感知器件故障情况下的鲁棒性。
作为优选,所述的步骤②中,泊车轨迹规划方法为:
对于侧方位泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-圆弧-直线的轨迹规划方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线的轨迹方案;
对于入库泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-直线的轨迹方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线-圆弧-直线的轨迹规划方案。
作为优选,所述的步骤③包括下列步骤:根据视觉检测以及超声波雷达检测,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,利用低速车辆运动学模型,根据轮速以及车辆横摆角速度信号,实时更新车辆坐标系信息,在世界坐标系下将视觉系统与超声波雷达系统所生成的鸟瞰可行驶区域视图取交集进行融合;并且对障碍物进行运动估计,障碍物的运动轨迹预测方法为:基于匀速运动学模型,利用卡尔曼滤波对障碍物的运动进行估计,公式如下:
xt+1=xt+vx,tΔt
Yt+1=yt+vy,tΔt
vx,t+1=vx,t
vy,t+1=vy,t
其中,(xt+1,yt+1)为障碍物的相对位置,(vx,t+1,vy,t+1)为障碍物的相对速度。
本技术方案深度融合超声波雷达系统与视觉系统探测特性,确保两系统能独立支撑泊车系统,提升在部分感知器件故障情况下的鲁棒性,提高车辆周围障碍物检测效果。能够准确的估计场景中低速运动物体的运动轨迹,从而更有效的实现避障功能。
作为优选,所述的步骤④中计算自身车辆和障碍物发生碰撞的可能性的方法为:计算自身车辆和障碍物的预碰撞时间TTC:
其中,Di为自身车辆到障碍物i的距离,vi为自身车辆与障碍物i的相对速度;若TTCi小于预设阈值,则向自动泊车控制器发送避障控制触发信号,车辆按指定控制算法进行障碍物避让。
作为优选,所述的步骤⑤中车速控制方法为:
在启动的工况下,即v-3<-0.1km/h且dmin>dsafe时,目标车速vt=vt-1+aaccΔt以及目标加速度at=aacc发送给汽车电机控制单元;
在稳态工况下,即|v-3|<0.1km/h且dmin>dsafe时,目标车速vt=3以及目标加速度at=0发送给汽车电机控制单元;
在减速的工况下,即v-3<-0.1km/h且dmin<dsafe时,目标车速vt=vt-1-adecΔt以及目标加速度at=-adec发送给制动控制单元。
作为优选,所述的步骤⑤中方向盘转向控制,采用前馈结合反馈控制进行轨迹跟踪,目标方向盘转角为:
其中,为规划路径的曲率所对应的静态标定车辆前轮转角;K1(ψ-ψr)为航向偏差补偿项,K1为控制增益,ψ为横摆角积分测量值,ψr为路径上该点处理想横摆角估计值;K2Δd为路径偏差补偿项,K2为控制增益,Δd为实际行驶路线与目标路径在车辆坐标系下的侧向偏差值。
作为优选,所述的步骤⑤中档位控制方法为:若目标车速大于零,则置于D档;若目标车速小于零,则置于R档;自动泊车结束时,将档位切换为P档。
作为优选,所述的步骤⑤中避障控制方法,采用纵向定减速制动方式进行避障操作:将目标车速vt=vt-1-amaxΔt以及目标加速度at=-amax发送给制动控制单元。
沿泊车轨迹自动完成档位切换、车速控制、方向盘转向控制和避障控制,顺利完成自动泊车。
作为优选,本发明还包括包含泊车位显示、泊车位选择和泊车过程提示的泊车交互方法,其中泊车过程提示方法为:获取并解析CAN总线上各超声波雷达信号,按障碍物和车辆之间的距离远近,分远、中、近三档在自动泊车过程中实时显示车辆周围障碍物,当近档障碍物和车辆之间的距离小于预设阈值时发出声音告警以提示操作者。及时提醒驾驶员可能发生的潜在碰撞危险,提高自动泊车的可靠性。泊车交互可通过车载控制终端实现,亦可通过移动控制终端实现,交互界面共分三部分,即车位选择界面、泊车过程界面以及泊车完成界面。本技术方案优化自动泊车系统的交互方式与交互内容,从而改善自动泊车系统的用户使用体验。
本发明的有益效果是:深度融合超声波雷达系统与视觉系统探测特性,提升车位以及车辆周围障碍物检测效果;确保两系统能独立支撑系统完成自主泊车任务,从而提升自动泊车系统在部分感知器件故障情况下的鲁棒性;增加车位跟踪模块,从而支持多可泊车位选择;增加运动障碍物轨迹估计模块,提升避障可靠性;优化系统交互方式与内容,改善用户使用体验。
附图说明
图1是本发明中汽车的一种俯视结构示意图。
图2是本发明的一种流程图。
图3是本发明中卷积神经网络的一种网络架构示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种基于视觉与超声波感知融合的自动泊车方法,能够在特定场景下完成泊车位搜索并按照使用者所选择泊车位完成自动泊车操作,所基于的系统硬件架构如图1所示,主要包括360°环视系统、超声波雷达系统、自动泊车控制器、视觉协处理器以及执行机构。其中,环视系统共包含4个鱼眼相机,各相机水平视场角为180°,通过HD-CVI协议(或LVDS)传输到视觉协处理器(可与自动泊车控制器集成为一体)中,经处理后将相关信息(包括视觉泊车位、目标泊车位以及可行驶区域)送入自动泊车控制器。超声波雷达系统共包含12个超声波雷达传感器,各传感器视场角为60°,最远探测距离为5米,信号由CAN总线传输到自动泊车控制器内与视觉结果融合经轨迹规划模块生成相应泊车轨迹。自动泊车控制器所输出的车辆控制信号分别通过电机控制器(MCU)、整车控制器(VCU)、制动系统控制器(ESC)以及转向系统控制器(EPS)发送至相应执行机构。
基于视觉与超声波感知融合的自动泊车方法,如图2所示,输入为环视系统场景图像、超声波雷达系统信号以及轮速、方向盘转角传感器,输出为目标车速、目标加速度、目标方向盘转角以及档位控制信号,具体包括下列步骤:
①泊车位检测:基于视觉系统与超声波雷达系统输入,实时检测车辆周围指定区域泊车位并依据车辆自身运动,跟踪历史泊车位检测结果轨迹;主要包括基于视觉输入泊车位检测、基于超声波雷达信号泊车位检测以及泊车位结果融合与跟踪。详细内容如下:
(1.1)视觉车位检测:在左右环视原始鱼眼场景输入下,如图3所示,利用泊车位检测卷积神经网络进行泊车位角点检测,将原始视角下检测结果按环视系统标定参数,逆透视变换至地面坐标系下,按预定义车位宽度或长度进行泊车位角点匹配;对成功匹配的角点所生成的车位候选区域,利用车位可用性分类卷积神经网络(如图3所示)进行初步可泊性判断(即判断车位是否被占据),最终在视觉车位寄存器中存放如下车位信息:车位ID,车位入口中点坐标(X0,Y0),车位长度和车位宽度(W,H);
(1.2)超声波雷达车位检测:基于侧向超声波雷达、车速以及横摆角速度信号输入,通过行驶里程积分生成车辆两侧可行空间栅格。车辆坐标系下,车辆两侧可行驶区域边界坐标更新如下(以车辆右侧为例):
Xt=Xt-1+v·Δt·cosψt-ΔL
ψt=ψt-1+ωtΔt
其中,ωt为横摆角速度(可由FSC提供或由方向盘转角推算),v为车速,Dt为超声波雷达传感器测量值,ΔL为超声波雷达传感器与前轴的纵向位置偏移量,W为车宽。
若视觉系统故障,则生成车辆两侧可行空间栅格后,利用预设泊车位几何限制(宽度、深度限制)以及相邻参考车辆姿态(利用检测到的参考车宽度判断车辆姿态),生成可行空间相应泊车位信息(X0,Y0,W,H)。若视觉系统正常工作,则跳过此段所述步骤。
(1.3)车位检测结果融合:主要包括视觉系统与超声波雷达系统车位检测结果匹配以及其他限制条件可泊车位判断。
若视觉系统与超声波雷达系统均正常工作,将(1.1)中视觉系统检测所得的可泊车位与(1.2)中超声波雷达系统检测所得可行空间格栅进行融合,对于每一个车位可停性Pi的计算方式如下:
其中,f(.)为可行空间格栅输出与输入映射关系,输入为地面坐标系下坐标,输出为二进制区域可行值(1代表可行,0代表不可行);a为搜索采样步长。若P大于预设阈值P0,则该车位为可泊车位;反之,则为不可泊车位。
若超声波雷达系统故障,则将(1.1)中所判断的初步可泊车位作为最终可泊车位进行后续判断。融合后的车位结果经其他限制条件判断后(可选,与泊车规划控制算法模块相关联),方可最终确认为可泊车位。判断条件主要包括泊车位与自身车辆的距离以及角度限制、道路两侧障碍物与自身车辆的距离限制、最小车位宽度限制以及最小车位深度限制等。
(1.4)车位跟踪:利用自身车辆运动学信息,更新车辆坐标系原点位置(Xo,t,Yo,t):
Xo,t=Xo,t-1+v·Δt·cosψt
Yo,t=Yo,t-1+v·Δt·sinψt
ψt=ψt-1+ωtΔt
对于任意一个车位,利用俯视平面重合度,计算其时序关联性Ci:
若Ci,t大于预设阈值,则该车位的生命周期累加1,若某车位生命周期大于预设阈值,则确认为真实存在车位。当车位处于感知系统测量范围内时,采用如下公式更新:
当车位超出感知系统测量范围时,则根据车辆运动学信息,按最后检测到车位的历史位置进行更新。
(1.5)车位结果输出:一方面显示车位信息用于与用户交互,另一方面输出车位信息送入后续轨迹规划算法模块,输出泊车位寄存器空间上限20个,每个车位信息包括车位编号(ID)、车位入口中点坐标(X0,Y0)、车位长度和宽度(W,H)、车位占用属性(0-已占据,1-未占但不可泊,2-可泊)。上述信息通过CAN总线与其他模块交互,每个CAN信息包含1个车位详细信息。
②泊车轨迹规划:可泊车位经车载中控系统显示展示给驾驶者,由驾驶者选择目标泊车位并确认后,返回目标泊车位位置与当前场景下的可行区域格栅地图一同作为轨迹规划模块输入。泊车轨迹规划主要包含两部分,即泊车速度规划以及泊车路径(轨迹)规划:
泊车速度规划:采用预设目标车速的规划方案,综合考虑感知系统探测时间以及系统响应迟滞时间,默认目标车速设置为3km/h。
泊车路径规划:可采用基于规则的规划方法(如圆弧直线法)或基于机器学习的规划方法(如强化学习)等方法。本实施例采用直线与圆弧的路径组合方式,规划泊车起始点至泊车终点间的轨迹:
对于侧方位泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-圆弧-直线的轨迹方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线的轨迹方案;
对于入库泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-直线的轨迹方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线-圆弧-直线的轨迹方案。
③可行驶区域检测:利用视觉系统以及超声波雷达系统进行场景动态目标以及可行驶区域检测,用于后续避障算法模块。
(3.1)视觉可行驶区域检测:利用多任务卷积神经网络(如图3所示)进行场景可行驶区域以及可移动目标联合分析。输入为4个车载环视相机RGB图像,输出为车辆周围可行驶区域以及可移动目标序列。
(3.2)超声波雷达可行驶区域检测:同(1.2)。
(3.3)可行域融合:利用低速车辆运动学模型,根据轮速以及车辆横摆角速度信号输入,实时更新车辆坐标系信息。由于超声波雷达系统与视觉系统采集频率不同,在世界坐标系下将(3.1)与(3.2)所生成的鸟瞰可行驶区域视图取交集进行融合。
(3.4)障碍物运动轨迹预测:基于匀速运动学模型,利用卡尔曼滤波对障碍物的运动进行估计,公式如下:
xt+1=xt+vx,tΔt
yt+1=yt+vy,tΔt
vx,t+1=vx,t
vy,t+1=vy,t
其中,(xt+1,yt+1)为障碍物的相对位置,(vx,t+1,vy,t+1)为障碍物的相对速度。
④障碍物避让:根据车辆周围障碍物运动轨迹预测结果,计算自身车辆和障碍物发生碰撞的可能性,通过计算自身车辆和障碍物的预碰撞时间TTC实现:
其中,Di为自身车辆到障碍物i的距离,vi为自身车辆与障碍物i的相对速度。若TTCi小于预设阈值,则向自动泊车控制器发送避障控制触发信号,车辆按指定控制算法进行障碍物避让。
⑤泊车轨迹跟踪:根据步骤②中泊车轨迹表达方式,利用纵向车速控制器以及横侧向路径控制器对泊车轨迹进行跟踪。
(5.1)泊车过程车速控制:由于自身车辆车速为3km/h,故对于起停工况采用定加减速控制,稳态工况采用定速控制。
在启动的工况下,即v-3<-0.1km/h且dmin>dsafe时,目标车速vt=vt-1+aaccΔt以及目标加速度at=aacc发送给电机控制单元(MCU);
在稳态工况下,即|v-3|<0.1km/h且dmin>dsafe时,目标车速vt=3以及目标加速度at=0发送给电机控制单元(MCU);
在减速的工况下,即v-3<-0.1km/h且dmin<dsafe时,目标车速vt=vt-1-adecΔt以及目标加速度at=-adec发送给制动控制单元(ESC)。
(5.2)泊车过程方向盘转向控制:采用前馈结合反馈控制进行路径跟踪,输出的方向盘转角包括前馈项、路径偏离补偿项以及姿态偏离补偿项,具体如下:
其中,为规划路径的曲率所对应的静态标定车辆前轮转角;K1(ψ-ψr)为航向偏差补偿项,K1为控制增益,ψ为横摆角积分测量值,ψr为路径上该点处理想横摆角估计值;K2Δd为路径偏差补偿项,K2为控制增益,Δd为实际行驶路线与目标路径在车辆坐标系下的侧向偏差值,可由(1.4)中的运动学公式计算所得。
(5.3)档位切换:若目标车速大于零,则置于D档;若目标车速小于零,则置于R档;自动泊车结束时,将档位切换为P档。档位自动切换通过将目标档位信号发送给VCU实现,在车速非零时,档位切换信号失效。
(5.4)避障控制:对于步骤④中给出的避障触发信号,采用纵向定减速制动方式进行避障操作:即将目标车速vt=vt-1-amaxΔt以及目标加速度at=-amax发送给制动控制单元(ESC)。
整个自动泊车过程中进行泊车交互,泊车交互可通过车载控制终端实现,亦可通过移动控制终端实现,交互界面共分三部分,即车位选择界面、泊车过程界面以及泊车完成界面,主要包括泊车位显示、泊车位选择以及泊车过程提示模块。详细内容如下:
泊车位显示:获取CAN总线上车位信息,按定义协议解析车位结构化数据。在自身车辆坐标系下,绘制最近10米历史轨迹范围周边的车位信息,以不同的方式显示已占车、空闲以及可选三种属性的车位。
泊车位选择:向用户提供按键(上、下、左、右)或者触摸屏输入作为泊车位选择接口,用户选择目标泊车位并确认后,将目标泊车位信息通过CAN总线返回自动泊车控制器。
泊车过程提示:获取并解析CAN总线上各超声波雷达信号,按障碍物距离远近,分远、中、近三档在自动泊车过程中实时显示车辆周围障碍物情况,当近档障碍物和车辆之间的距离小于预设阈值时发出声音告警以提示操作者。
在泊车完成后,交互界面切换至泊车完成界面。
本发明的优点在于:(i).适用于不同场景(标准停车场、道路边泊车位等)的各类车位模板(水平、垂直以及其他车位角度)的自动泊车;(ii).视觉与超声波雷达系统具备独立支持泊车过程的感知能力,系统能够在单一感知系统失效的情况下鲁棒的工作;(iii).能够准确的估计场景中低速运动物体的运动轨迹,从而更有效的实现避障功能;(iv).能够实时显示系统工作状态并提示驾驶员自动泊车过程中的潜在碰撞危险,驾驶者可通过多种方式暂停/接管泊车过程,从而确保系统使用的安全性;(v).能够自行检测到意外情况发生的轻微碰撞,从而降低因此造成的人员、财产损失。
Claims (10)
1.一种基于视觉与超声波感知融合的自动泊车方法,其特征在于包括下列步骤:
①检测泊车位:视觉车位检测,超声波雷达车位检测,两种车位检测结果融合,车位跟踪,车位显示;
②泊车轨迹规划:确定目标泊车位,结合当前场景地图,规划泊车速度及泊车轨迹;
③可行驶区域检测:根据视觉检测以及超声波雷达检测,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,并且对障碍物进行运动估计;
④判断是否避障:计算自身车辆和障碍物发生碰撞的可能性,若碰撞可能性大于预设阈值,则触发避障功能;
⑤泊车轨迹跟踪:通过低速控制器进行泊车轨迹跟踪,实现沿泊车轨迹的档位控制、车速控制、方向盘转向控制和避障控制,完成自动泊车。
2.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤①包括下列步骤:
(1.1)视觉车位检测:在左右环视原始鱼眼场景输入下,利用泊车位检测卷积神经网络进行泊车位角点检测,将原始视角下检测结果按环视系统标定参数,逆透视变换至地面坐标系下,按预定义车位宽度或长度进行泊车位角点匹配;对成功匹配的角点所生成的车位候选区域,利用车位可用性分类卷积神经网络进行初步车位可泊性判断;最终在视觉车位寄存器中存放包括车位ID、车位入口中点坐标和车位长度及车位宽度的车位信息;
(1.2)超声波雷达车位检测:基于侧向超声波雷达、车速以及横摆角速度信号输入,通过行驶里程积分生成车辆两侧可行空间栅格;车辆坐标系下,更新车辆两侧可行驶区域边界坐标,车辆右侧可行驶区域边界坐标更新如下:
Xt=Xt-1+v·Δt·cosψt-△L
ψt=ψt-1+ωtΔt
其中,ωt为横摆角速度,v为车速,Dt为超声波雷达传感器测量值,ΔL为超声波雷达传感器与前轴的纵向位置偏移量,W为车辆宽度;
(1.3)车位检测结果融合:若视觉系统与超声波雷达系统均正常工作,将步骤(1.1)中视觉系统检测所得的可泊车位与步骤(1.2)中超声波雷达系统检测所得可行空间格栅进行融合,对于每一个车位可泊性Pi的计算方式如下:
其中,f(.)为可行空间格栅输出与输入映射关系,输入为地面坐标系下坐标,输出为二进制区域可行值;a为搜索采样步长;若P大于预设阈值P0,则该车位为可泊车位;反之,则为不可泊车位;
(1.4)车位跟踪:利用自身车辆运动学信息,更新车辆坐标系原点位置(Xo,t,Yo,t):
Xo,t=Xo,t-1+v·Δt·cosψt
Yo,t=Yo,t-1+v·Δt·sinψt
ψt=ψt-1+ωtΔt
对于任意一个车位,利用俯视平面重合度,计算其时序关联性Ci:
若Ci,t大于预设阈值,则该车位的生命周期累加1,若某车位生命周期大于预设阈值,则确认为真实存在车位;当车位处于感知系统测量范围内时,采用如下公式更新:
当车位超出感知系统测量范围时,则根据车辆运动学信息,按最后检测到车位的历史位置进行更新;
(1.5)车位显示:在自动泊车控制器上显示车位及车位信息,车位信息包括车位编号、车位入口中点坐标、车位长度及宽度、车位属性。
3.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤②中,泊车轨迹规划方法为:
对于侧方位泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-圆弧-直线的轨迹规划方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线的轨迹方案;
对于入库泊车:若所选车位入口与泊车起点的侧向距离大于2.5m,采用直线-圆弧-直线的轨迹方案;若所选车位入口与泊车起点的侧向距离小于2.5m,采用直线-圆弧-直线-圆弧-直线的轨迹规划方案。
4.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤③包括下列步骤:根据视觉检测以及超声波雷达检测,进行车辆周围可行驶区域以及可行驶区域边缘障碍物检测,利用低速车辆运动学模型,根据轮速以及车辆横摆角速度信号,实时更新车辆坐标系信息,在世界坐标系下将视觉系统与超声波雷达系统所生成的鸟瞰可行驶区域视图取交集进行融合;并且对障碍物进行运动估计,障碍物的运动轨迹预测方法为:基于匀速运动学模型,利用卡尔曼滤波对障碍物的运动进行估计,公式如下:
xt+1=xt+vx,tΔt
Yt+1=yt+vy,tΔt
vx,t+1=vx,t
vy,t+1=vy,t
其中,(xt+1,yt+1)为障碍物的相对位置,(vx,t+1,vy,t+1)为障碍物的相对速度。
5.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤④中计算自身车辆和障碍物发生碰撞的可能性的方法为:计算自身车辆和障碍物的预碰撞时间TTC:
其中,Di为自身车辆到障碍物i的距离,vi为自身车辆与障碍物i的相对速度;若TTCi小于预设阈值,则向自动泊车控制器发送避障控制触发信号,车辆按指定控制算法进行障碍物避让。
6.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤⑤中车速控制方法为:
在启动的工况下,即v-3<-0.1km/h且dmin>dsafe时,目标车速vt=vt-1+aaccΔt以及目标加速度at=aacc发送给汽车电机控制单元;
在稳态工况下,即|v-3|<0.1km/h且dmin>dsafe时,目标车速vt=3以及目标加速度at=0发送给汽车电机控制单元;
在减速的工况下,即v-3<-0.1km/h且dmin<dsafe时,目标车速vt=vt-1-adecΔt以及目标加速度at=-adec发送给制动控制单元。
8.根据权利要求1或6或7所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤⑤中档位控制方法为:若目标车速大于零,则置于D档;若目标车速小于零,则置于R档;自动泊车结束时,将档位切换为P档。
9.根据权利要求1或6或7所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于所述的步骤⑤中避障控制方法,采用纵向定减速制动方式进行避障操作:将目标车速vt=vt-1-amaxΔt以及目标加速度at=-amax发送给制动控制单元。
10.根据权利要求1所述的一种基于视觉与超声波感知融合的自动泊车方法,其特征在于包括包含泊车位显示、泊车位选择和泊车过程提示的泊车交互方法,其中泊车过程提示方法为:获取并解析CAN总线上各超声波雷达信号,按障碍物和车辆之间的距离远近,分远、中、近三档在自动泊车过程中实时显示车辆周围障碍物,当近档障碍物和车辆之间的距离小于预设阈值时发出声音告警以提示操作者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811086.9A CN110775052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于视觉与超声波感知融合的自动泊车方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811086.9A CN110775052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于视觉与超声波感知融合的自动泊车方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110775052A true CN110775052A (zh) | 2020-02-11 |
CN110775052B CN110775052B (zh) | 2021-01-29 |
Family
ID=69384035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811086.9A Active CN110775052B (zh) | 2019-08-29 | 2019-08-29 | 一种基于视觉与超声波感知融合的自动泊车方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110775052B (zh) |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157997A (zh) * | 2020-03-10 | 2020-05-15 | 合肥工业大学 | 融合雷达测距和行驶轨迹预测的汽车掉头辅助系统及方法 |
CN111611906A (zh) * | 2020-05-18 | 2020-09-01 | 北京茵沃汽车科技有限公司 | 一种用于自动泊车的障碍物检测方法、系统及介质 |
CN111731272A (zh) * | 2020-06-17 | 2020-10-02 | 重庆长安汽车股份有限公司 | 基于自动泊车系统的障碍物碰撞规避方法 |
CN111829545A (zh) * | 2020-09-16 | 2020-10-27 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆及其运动轨迹的动态规划方法及系统 |
CN111862672A (zh) * | 2020-06-24 | 2020-10-30 | 北京易航远智科技有限公司 | 基于顶视图的停车场车辆自定位及地图构建方法 |
CN111891119A (zh) * | 2020-06-28 | 2020-11-06 | 东风汽车集团有限公司 | 一种自动泊车控制方法及系统 |
CN111959498A (zh) * | 2020-07-14 | 2020-11-20 | 重庆智行者信息科技有限公司 | 一种自动驾驶车辆的垂直泊车方法及其装置、车辆 |
CN111976718A (zh) * | 2020-07-13 | 2020-11-24 | 浙江大华汽车技术有限公司 | 自动泊车的控制方法和系统 |
CN112002125A (zh) * | 2020-08-10 | 2020-11-27 | 广州汽车集团股份有限公司 | 一种垂直车位融合识别方法及系统 |
CN112070050A (zh) * | 2020-09-16 | 2020-12-11 | 哈尔滨理工大学 | 一种基于多传感器融合的车位识别方法 |
CN112141087A (zh) * | 2020-06-24 | 2020-12-29 | 上汽通用五菱汽车股份有限公司 | 自动泊车过程的安全防护方法、装置、设备及存储介质 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112224197A (zh) * | 2020-09-15 | 2021-01-15 | 华人运通(上海)自动驾驶科技有限公司 | 倒车检测泊车位的方法、装置、车辆及存储介质 |
CN112256034A (zh) * | 2020-11-02 | 2021-01-22 | 东软睿驰汽车技术(沈阳)有限公司 | 自主避障规划方法和装置 |
CN112298168A (zh) * | 2020-11-06 | 2021-02-02 | 北京罗克维尔斯科技有限公司 | 一种车位检测方法及装置、自动泊车方法及装置 |
CN112560689A (zh) * | 2020-12-17 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、电子设备和存储介质 |
CN112633152A (zh) * | 2020-12-22 | 2021-04-09 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN112644480A (zh) * | 2021-01-18 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物检测方法、检测系统、计算机设备和存储介质 |
CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
CN112863183A (zh) * | 2021-01-14 | 2021-05-28 | 深圳尚桥信息技术有限公司 | 一种交通流数据融合方法及系统 |
CN113119957A (zh) * | 2021-05-26 | 2021-07-16 | 苏州挚途科技有限公司 | 泊车轨迹规划方法、装置及电子设备 |
CN113129631A (zh) * | 2021-03-30 | 2021-07-16 | 中国联合网络通信集团有限公司 | 一种自主泊车的方法、车辆终端及边缘服务器 |
CN113160605A (zh) * | 2020-12-22 | 2021-07-23 | 东风汽车集团有限公司 | 一种融合的车位识别方法 |
CN113192356A (zh) * | 2021-04-01 | 2021-07-30 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113386737A (zh) * | 2021-07-13 | 2021-09-14 | 东风汽车集团股份有限公司 | 一种基于固定线路的代客泊车方法 |
CN113428136A (zh) * | 2021-07-23 | 2021-09-24 | 国汽智控(北京)科技有限公司 | 泊车方法、装置及电子设备 |
CN113514806A (zh) * | 2021-04-02 | 2021-10-19 | 苏州挚途科技有限公司 | 自动驾驶过程中障碍物确定方法、装置及电子设备 |
CN113534166A (zh) * | 2021-07-01 | 2021-10-22 | 东风汽车集团股份有限公司 | 一种基于超声波雷达自动泊车的限位器识别系统 |
CN113592945A (zh) * | 2021-07-21 | 2021-11-02 | 重庆长安汽车股份有限公司 | 泊车目标期望位姿计算方法、系统、车辆及存储介质 |
CN113640810A (zh) * | 2021-08-11 | 2021-11-12 | 北京百度网讯科技有限公司 | 空间车位检测方法、设备、存储介质和程序产品 |
WO2021226852A1 (zh) * | 2020-05-13 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 车位检测方法、装置、计算机设备和存储介质 |
CN113685770A (zh) * | 2021-09-06 | 2021-11-23 | 盐城香农智能科技有限公司 | 一种用于环境监测路灯及监测方法 |
CN114030463A (zh) * | 2021-11-23 | 2022-02-11 | 上海汽车集团股份有限公司 | 一种自动泊车系统的路径规划方法及装置 |
CN114043981A (zh) * | 2021-06-30 | 2022-02-15 | 东风汽车集团股份有限公司 | 一种自动泊车控制方法 |
CN114125253A (zh) * | 2021-12-27 | 2022-03-01 | 上海映驰科技有限公司 | 一种机械车位检测系统及检测方法 |
US20220089148A1 (en) * | 2020-09-18 | 2022-03-24 | Hyundai Mobis Co., Ltd. | Parking control apparatus and parking control method |
CN114312692A (zh) * | 2021-11-12 | 2022-04-12 | 浙江零跑科技股份有限公司 | 一种基于泊车场景学习的汽车AutoHold智能启停方法 |
CN114415649A (zh) * | 2020-10-12 | 2022-04-29 | 重庆兰德适普信息科技有限公司 | 自动驾驶低速运动控制方法及装置 |
CN114454872A (zh) * | 2020-11-10 | 2022-05-10 | 上汽通用汽车有限公司 | 泊车系统和泊车方法 |
CN114454875A (zh) * | 2022-02-25 | 2022-05-10 | 深圳信息职业技术学院 | 一种基于强化学习的城市道路自动泊车方法及系统 |
CN114511841A (zh) * | 2022-04-18 | 2022-05-17 | 深圳宇通智联科技有限公司 | 一种多传感器融合的空闲车位检测方法 |
CN114572223A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 一种超声波雷达障碍物车位感知系统和方法 |
CN114701875A (zh) * | 2022-03-08 | 2022-07-05 | 中国人民解放军空军工程大学 | 一种无光条件下铁路车辆装卸载的引导装置及方法 |
CN114973762A (zh) * | 2022-06-30 | 2022-08-30 | 中汽创智科技有限公司 | 一种停车位管理方法、装置及系统 |
CN115056772A (zh) * | 2022-06-28 | 2022-09-16 | 重庆长安汽车股份有限公司 | 一种用于自主代客泊车的预测和决策方法、系统、存储介质及车辆 |
CN115083199A (zh) * | 2021-03-12 | 2022-09-20 | 上海汽车集团股份有限公司 | 一种车位信息确定方法及其相关设备 |
CN115195708A (zh) * | 2022-08-12 | 2022-10-18 | 杭州流马锐驰科技有限公司 | 一种基于融合的车位识别与周边环境信息处理方法 |
CN115214626A (zh) * | 2022-04-28 | 2022-10-21 | 广州汽车集团股份有限公司 | 泊车控制方法、泊车控制装置、车辆及存储介质 |
WO2022226798A1 (zh) * | 2021-04-27 | 2022-11-03 | 华为技术有限公司 | 自动泊车方法、装置及系统 |
CN116101269A (zh) * | 2023-01-03 | 2023-05-12 | 广州汽车集团股份有限公司 | 一种对自动泊车过程进行安全监控的方法、系统及车辆 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104057950A (zh) * | 2014-05-21 | 2014-09-24 | 重庆长安汽车股份有限公司 | 一种全自动泊车系统 |
KR20150085338A (ko) * | 2014-01-15 | 2015-07-23 | 조선대학교산학협력단 | 임펄스 레이더를 이용한 주차장 자동 제어 시스템 |
CN106494395A (zh) * | 2016-09-30 | 2017-03-15 | 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 |
CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
-
2019
- 2019-08-29 CN CN201910811086.9A patent/CN110775052B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150085338A (ko) * | 2014-01-15 | 2015-07-23 | 조선대학교산학협력단 | 임펄스 레이더를 이용한 주차장 자동 제어 시스템 |
CN104057950A (zh) * | 2014-05-21 | 2014-09-24 | 重庆长安汽车股份有限公司 | 一种全自动泊车系统 |
CN106494395A (zh) * | 2016-09-30 | 2017-03-15 | 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 |
CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
Cited By (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157997B (zh) * | 2020-03-10 | 2022-12-27 | 合肥工业大学 | 融合雷达测距和行驶轨迹预测的汽车掉头辅助系统及方法 |
CN111157997A (zh) * | 2020-03-10 | 2020-05-15 | 合肥工业大学 | 融合雷达测距和行驶轨迹预测的汽车掉头辅助系统及方法 |
WO2021226852A1 (zh) * | 2020-05-13 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 车位检测方法、装置、计算机设备和存储介质 |
CN111611906A (zh) * | 2020-05-18 | 2020-09-01 | 北京茵沃汽车科技有限公司 | 一种用于自动泊车的障碍物检测方法、系统及介质 |
CN111731272A (zh) * | 2020-06-17 | 2020-10-02 | 重庆长安汽车股份有限公司 | 基于自动泊车系统的障碍物碰撞规避方法 |
CN112141087A (zh) * | 2020-06-24 | 2020-12-29 | 上汽通用五菱汽车股份有限公司 | 自动泊车过程的安全防护方法、装置、设备及存储介质 |
CN111862672A (zh) * | 2020-06-24 | 2020-10-30 | 北京易航远智科技有限公司 | 基于顶视图的停车场车辆自定位及地图构建方法 |
CN111891119A (zh) * | 2020-06-28 | 2020-11-06 | 东风汽车集团有限公司 | 一种自动泊车控制方法及系统 |
CN111976718A (zh) * | 2020-07-13 | 2020-11-24 | 浙江大华汽车技术有限公司 | 自动泊车的控制方法和系统 |
CN111959498A (zh) * | 2020-07-14 | 2020-11-20 | 重庆智行者信息科技有限公司 | 一种自动驾驶车辆的垂直泊车方法及其装置、车辆 |
CN112002125B (zh) * | 2020-08-10 | 2021-11-12 | 广州汽车集团股份有限公司 | 一种垂直车位融合识别方法及系统 |
CN112002125A (zh) * | 2020-08-10 | 2020-11-27 | 广州汽车集团股份有限公司 | 一种垂直车位融合识别方法及系统 |
CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
CN112224197A (zh) * | 2020-09-15 | 2021-01-15 | 华人运通(上海)自动驾驶科技有限公司 | 倒车检测泊车位的方法、装置、车辆及存储介质 |
CN111829545A (zh) * | 2020-09-16 | 2020-10-27 | 深圳裹动智驾科技有限公司 | 自动驾驶车辆及其运动轨迹的动态规划方法及系统 |
CN112070050A (zh) * | 2020-09-16 | 2020-12-11 | 哈尔滨理工大学 | 一种基于多传感器融合的车位识别方法 |
US20220089148A1 (en) * | 2020-09-18 | 2022-03-24 | Hyundai Mobis Co., Ltd. | Parking control apparatus and parking control method |
US11801831B2 (en) * | 2020-09-18 | 2023-10-31 | Hyundai Mobis Co., Ltd. | Parking control apparatus and parking control method |
CN114415649B (zh) * | 2020-10-12 | 2023-08-01 | 重庆兰德适普信息科技有限公司 | 自动驾驶低速运动控制方法及装置 |
CN114415649A (zh) * | 2020-10-12 | 2022-04-29 | 重庆兰德适普信息科技有限公司 | 自动驾驶低速运动控制方法及装置 |
CN112256034B (zh) * | 2020-11-02 | 2024-03-19 | 东软睿驰汽车技术(沈阳)有限公司 | 自主避障规划方法和装置 |
CN112256034A (zh) * | 2020-11-02 | 2021-01-22 | 东软睿驰汽车技术(沈阳)有限公司 | 自主避障规划方法和装置 |
CN112298168B (zh) * | 2020-11-06 | 2022-04-22 | 北京罗克维尔斯科技有限公司 | 一种车位检测方法及装置、自动泊车方法及装置 |
CN112298168A (zh) * | 2020-11-06 | 2021-02-02 | 北京罗克维尔斯科技有限公司 | 一种车位检测方法及装置、自动泊车方法及装置 |
CN114454872A (zh) * | 2020-11-10 | 2022-05-10 | 上汽通用汽车有限公司 | 泊车系统和泊车方法 |
CN112560689B (zh) * | 2020-12-17 | 2024-04-19 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、电子设备和存储介质 |
CN112560689A (zh) * | 2020-12-17 | 2021-03-26 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、电子设备和存储介质 |
CN113160605A (zh) * | 2020-12-22 | 2021-07-23 | 东风汽车集团有限公司 | 一种融合的车位识别方法 |
CN112633152B (zh) * | 2020-12-22 | 2021-11-26 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN112633152A (zh) * | 2020-12-22 | 2021-04-09 | 深圳佑驾创新科技有限公司 | 停车位检测方法、装置、计算机设备和存储介质 |
CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
CN112863183A (zh) * | 2021-01-14 | 2021-05-28 | 深圳尚桥信息技术有限公司 | 一种交通流数据融合方法及系统 |
CN112863183B (zh) * | 2021-01-14 | 2022-04-08 | 深圳尚桥信息技术有限公司 | 一种交通流数据融合方法及系统 |
CN112644480A (zh) * | 2021-01-18 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种障碍物检测方法、检测系统、计算机设备和存储介质 |
CN115083199B (zh) * | 2021-03-12 | 2024-02-27 | 上海汽车集团股份有限公司 | 一种车位信息确定方法及其相关设备 |
CN115083199A (zh) * | 2021-03-12 | 2022-09-20 | 上海汽车集团股份有限公司 | 一种车位信息确定方法及其相关设备 |
CN113129631A (zh) * | 2021-03-30 | 2021-07-16 | 中国联合网络通信集团有限公司 | 一种自主泊车的方法、车辆终端及边缘服务器 |
CN113192356B (zh) * | 2021-04-01 | 2023-01-03 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113192356A (zh) * | 2021-04-01 | 2021-07-30 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
CN113514806B (zh) * | 2021-04-02 | 2023-12-19 | 苏州挚途科技有限公司 | 自动驾驶过程中障碍物确定方法、装置及电子设备 |
CN113514806A (zh) * | 2021-04-02 | 2021-10-19 | 苏州挚途科技有限公司 | 自动驾驶过程中障碍物确定方法、装置及电子设备 |
WO2022226798A1 (zh) * | 2021-04-27 | 2022-11-03 | 华为技术有限公司 | 自动泊车方法、装置及系统 |
CN113119957A (zh) * | 2021-05-26 | 2021-07-16 | 苏州挚途科技有限公司 | 泊车轨迹规划方法、装置及电子设备 |
CN114043981A (zh) * | 2021-06-30 | 2022-02-15 | 东风汽车集团股份有限公司 | 一种自动泊车控制方法 |
CN114043981B (zh) * | 2021-06-30 | 2023-10-24 | 东风汽车集团股份有限公司 | 一种自动泊车控制方法 |
CN113534166B (zh) * | 2021-07-01 | 2022-04-22 | 东风汽车集团股份有限公司 | 一种基于超声波雷达自动泊车的限位器识别系统 |
CN113534166A (zh) * | 2021-07-01 | 2021-10-22 | 东风汽车集团股份有限公司 | 一种基于超声波雷达自动泊车的限位器识别系统 |
CN113386737A (zh) * | 2021-07-13 | 2021-09-14 | 东风汽车集团股份有限公司 | 一种基于固定线路的代客泊车方法 |
CN113592945B (zh) * | 2021-07-21 | 2024-04-02 | 重庆长安汽车股份有限公司 | 泊车目标期望位姿计算方法、系统、车辆及存储介质 |
CN113592945A (zh) * | 2021-07-21 | 2021-11-02 | 重庆长安汽车股份有限公司 | 泊车目标期望位姿计算方法、系统、车辆及存储介质 |
CN113428136A (zh) * | 2021-07-23 | 2021-09-24 | 国汽智控(北京)科技有限公司 | 泊车方法、装置及电子设备 |
CN113640810A (zh) * | 2021-08-11 | 2021-11-12 | 北京百度网讯科技有限公司 | 空间车位检测方法、设备、存储介质和程序产品 |
CN113685770A (zh) * | 2021-09-06 | 2021-11-23 | 盐城香农智能科技有限公司 | 一种用于环境监测路灯及监测方法 |
CN114312692A (zh) * | 2021-11-12 | 2022-04-12 | 浙江零跑科技股份有限公司 | 一种基于泊车场景学习的汽车AutoHold智能启停方法 |
CN114030463A (zh) * | 2021-11-23 | 2022-02-11 | 上海汽车集团股份有限公司 | 一种自动泊车系统的路径规划方法及装置 |
CN114030463B (zh) * | 2021-11-23 | 2024-05-14 | 上海汽车集团股份有限公司 | 一种自动泊车系统的路径规划方法及装置 |
CN114125253A (zh) * | 2021-12-27 | 2022-03-01 | 上海映驰科技有限公司 | 一种机械车位检测系统及检测方法 |
CN114454875A (zh) * | 2022-02-25 | 2022-05-10 | 深圳信息职业技术学院 | 一种基于强化学习的城市道路自动泊车方法及系统 |
CN114572223A (zh) * | 2022-02-25 | 2022-06-03 | 智己汽车科技有限公司 | 一种超声波雷达障碍物车位感知系统和方法 |
CN114701875A (zh) * | 2022-03-08 | 2022-07-05 | 中国人民解放军空军工程大学 | 一种无光条件下铁路车辆装卸载的引导装置及方法 |
CN114511841A (zh) * | 2022-04-18 | 2022-05-17 | 深圳宇通智联科技有限公司 | 一种多传感器融合的空闲车位检测方法 |
CN115214626A (zh) * | 2022-04-28 | 2022-10-21 | 广州汽车集团股份有限公司 | 泊车控制方法、泊车控制装置、车辆及存储介质 |
CN115214626B (zh) * | 2022-04-28 | 2024-04-26 | 广州汽车集团股份有限公司 | 泊车控制方法、泊车控制装置、车辆及存储介质 |
CN115056772A (zh) * | 2022-06-28 | 2022-09-16 | 重庆长安汽车股份有限公司 | 一种用于自主代客泊车的预测和决策方法、系统、存储介质及车辆 |
CN114973762A (zh) * | 2022-06-30 | 2022-08-30 | 中汽创智科技有限公司 | 一种停车位管理方法、装置及系统 |
CN115195708A (zh) * | 2022-08-12 | 2022-10-18 | 杭州流马锐驰科技有限公司 | 一种基于融合的车位识别与周边环境信息处理方法 |
CN116101269B (zh) * | 2023-01-03 | 2024-03-19 | 广州汽车集团股份有限公司 | 一种对自动泊车过程进行安全监控的方法、系统及车辆 |
CN116101269A (zh) * | 2023-01-03 | 2023-05-12 | 广州汽车集团股份有限公司 | 一种对自动泊车过程进行安全监控的方法、系统及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN110775052B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110775052B (zh) | 一种基于视觉与超声波感知融合的自动泊车方法 | |
US11249474B2 (en) | Safety of autonomous vehicles using a virtual augmented support environment | |
EP3650285B1 (en) | Parking assistance method and parking assistance device | |
US10338601B2 (en) | Method for generating a surroundings map of a surrounding area of a motor vehicle, driver assistance system and motor vehicle | |
CN109754639B (zh) | 泊车入库方法及装置 | |
US11332132B2 (en) | Method of handling occlusions at intersections in operation of autonomous vehicle | |
WO2019098353A1 (ja) | 車両位置推定装置および車両制御装置 | |
CA3067960C (en) | Parking control method and device | |
Kolski et al. | Autonomous driving in structured and unstructured environments | |
JP6910973B2 (ja) | 車両制御装置及びその制御方法並びに車両制御システム | |
CN107933548A (zh) | 一种自动泊车的车位识别方法及系统 | |
GB2520474A (en) | Vehicle Control System | |
CN106061814A (zh) | 对超过lcc的转向转矩限制的预先警报 | |
Hosseini et al. | Predictive haptic feedback for safe lateral control of teleoperated road vehicles in urban areas | |
US10854084B2 (en) | Parking control method and parking control device | |
WO2019030923A1 (ja) | 駐車制御方法及び駐車制御装置 | |
US20170297624A1 (en) | Driving assistance device | |
JP2011175508A (ja) | 駐車支援システム | |
CN109883439A (zh) | 一种车辆导航方法、装置、电子设备及存储介质 | |
CN103764485A (zh) | 用于驾驶辅助系统的用于估算运输工具的未来路线并且与部件相关联的装置,所述未来路线包括根据相对于障碍物位置的不同外观 | |
CN114281081A (zh) | 地铁车辆巡检机器人的导航系统和导航方法、机器人 | |
CN112776820A (zh) | 一种用于智能汽车测试的驾驶员指示系统及方法 | |
Lueke et al. | An Assistance System for Construction-Sites | |
EP4385844A1 (en) | Automatic parking method and apparatus, and vehicle | |
US20230252638A1 (en) | Systems and methods for panoptic segmentation of images for autonomous driving |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 310051 1st and 6th floors, no.451 Internet of things street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Zhejiang Zero run Technology Co.,Ltd. Address before: 310051 1st and 6th floors, no.451 Internet of things street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: ZHEJIANG LEAPMOTOR TECHNOLOGY Co.,Ltd. |