CN110901632B - 一种自动泊车控制方法及装置 - Google Patents

Abstract

本发明提供了一种自动泊车控制方法及装置，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，输出至少一个车位信息；并根据接收到的泊入选择操作，选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

Description

一种自动泊车控制方法及装置

技术领域

本发明涉及汽车工业领域，特别涉及一种自动泊车控制方法及装置。

背景技术

在城市中停车，对于驾驶技术不足的人而言是一项困难的事情。但是，随着汽车电子工业的发展，汽车具有越来越多的自动化系统。其中，自动泊车系统成为解决停车难的重要手段。

目前，主流的自动泊车系统是基于雷达传感器、和/或图像传感器完成的。在自动泊车系统中，雷达传感器主要用于采集车辆与周围障碍物的距离数据，图像传感器主要用于采集车辆周围的图像信息。通常在用户开启自动泊车系统后，车辆开始通过雷达传感器和图像传感器采集周围数据，并判断车辆附近的停车位的具体位置，生成车辆的停车轨迹。在用户确认开始泊车时，车辆将按照生成的停车轨迹进行自动泊车。

但是，目前的自动泊车系统存在诸多不足之处。其一，只有在用户选择自动泊车系统时，车辆才开始搜索车位，导致用户容易错过已经行驶过的车位；其二，车辆只能识别出标线清晰的正常车位，无法处理复杂情况下的车位，导致车辆识别车位率不高；其三，车辆每次只能提供一个车位供用户选择，无法满足用户的多种需求。因此，目前的自动泊车系统还不完善，容易影响用户的驾驶体验。

发明内容

有鉴于此，本发明旨在提出一种自动泊车控制方法及装置，以解决现有技术中因自动泊车系统不完善，导致的用户容易错过已经行驶过的车位、车辆识别车位率不高、无法满足用户的多种需求的问题，提高用户的驾驶体验。

为达到上述目的，本发明的技术方案是这样实现的：

一种自动泊车控制方法，所述方法应用于包括传感器的车辆，所述方法包括：

在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据；

将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；

若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息；

根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

进一步的，所述传感器包括多个图像传感器、以及多个雷达传感器，所述车辆包括电控单元，所述在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据的步骤之前，还包括：

在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态，所述工作状态包括正常状态或故障状态；

根据多个所述工作状态，确定所述车辆的工作等级。

进一步的，所述车辆的工作等级包括正常等级、一级故障等级、二级故障等级、以及三级故障等级中的任一个，所述根据多个所述工作状态，确定所述车辆的工作等级的步骤，包括：

若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级；

若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为所述一级故障等级；

若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述二级故障等级；

若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述三级故障等级。

进一步的，所述电控单元用于控制所述车辆进行自动泊车，所述根据多个所述工作状态，确定所述车辆的工作等级的步骤之后，还包括：

所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作；

所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作；

所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

进一步的，所述车位场景包括：车位内具有路锥的车位场景、所述车位内具有禁止停车牌的车位场景、所述车位内具有地锁的车位场景、所述车位内具有标识线的车位场景、所述车位内具有障碍物的车位场景中的一种或多种。

进一步的，所述将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息的步骤，包括；

将所述图像数据和所述雷达数据输入所述卷积神经网络模型，以使得所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息；

获取所述卷积神经网络模型输出的包括所述车位类型的所述车位信息。

进一步的，在所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息的步骤之后，还包括：

若所述车位类型为斜向车位，则所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定针对所述斜向车位的泊车方向；

其中所获取的所述卷积神经网络模型输出的所述车位信息还包括所述斜向车位的泊车方向。

进一步的，所述若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息的步骤，包括：

在接收到泊车信号的情况下，若所述车辆的当前档位为所述前进挡或所述空挡，则展示车辆泊入界面，所述车辆泊入界面包括至少一个所述车位信息；

在接收到针对所述车辆泊入界面的泊入选择操作的情况下，根据所述泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

进一步的，所述根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车的步骤之后，还包括：

在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的所述环境数据；

根据所述环境数据，确定至少一个所述车辆的泊出方向，

展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向；

在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向；

根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

进一步的，所述根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车的步骤之后，还包括；

在确定所述车辆处于异常状态的情况下，控制所述车辆暂停自动泊车；

在确定所述车辆摆脱所述异常状态的情况下，控制所述车辆继续自动泊车。

进一步的，所述异常状态包括以下至少一个：

所述车辆处于主驾驶位安全带未扣状态；

所述车辆处于车门未关闭状态；

所述车辆泊入轨迹中出现障碍物的状态。

一种自动泊车控制装置，所述装置包括：

第一采集模块，用于在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据；

神经网络模块，用于将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；

泊入选择模块，用于若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息；

泊入轨迹模块，用于根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

进一步的，所述装置，还包括：

检测模块，用于在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态，所述工作状态包括正常状态或故障状态；

工作等级模块，用于根据多个所述工作状态，确定所述车辆的工作等级。

进一步的，所述工作等级模块，包括：

第一确定子模块，用于若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级；

第二确定子模块，用于若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为所述一级故障等级；

第三确定子模块，用于若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述二级故障等级；

第四确定子模块，用于若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述三级故障等级。

进一步的，所述装置，还包括：

第一控制模块，用于所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作；

第二控制模块，用于所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作；

第三控制模块，用于所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

进一步的，所述车位场景包括：车位内具有路锥的车位场景、所述车位内具有禁止停车牌的车位场景、所述车位内具有地锁的车位场景、所述车位内具有标识线的车位场景、所述车位内具有障碍物的车位场景中的一种或多种。

进一步的，所述神经网络模块，包括：

输入子模块，用于将所述图像数据和所述雷达数据输入所述卷积神经网络模型，以使得所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息；

第一输出子模块，用于获取所述卷积神经网络模型输出的包括所述车位类型的所述车位信息。

进一步的，所述神经网络模块，还包括：

斜向车位子模块，用于若所述车位类型为斜向车位，则所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定针对所述斜向车位的泊车方向；其中所获取的所述卷积神经网络模型输出的所述车位信息还包括所述斜向车位的泊车方向。

进一步的，所述泊入选择模块，包括：

展示子模块，用于在接收到泊车信号的情况下，若所述车辆的当前档位为所述前进挡或所述空挡，则展示车辆泊入界面，所述车辆泊入界面包括至少一个所述车位信息；

选取子模块，用于在接收到针对所述车辆泊入界面的泊入选择操作的情况下，根据所述泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

进一步的，所述装置，还包括：

第二采集模块，用于在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的所述环境数据；

确定模块，用于根据所述环境数据，确定至少一个所述车辆的泊出方向，

展示模块，用于展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向；

泊出选择模块，用于在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向；

泊出轨迹模块，用于根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

进一步的，所述装置，还包括：

暂停泊车模块，用于在确定所述车辆处于异常状态的情况下，控制所述车辆暂停自动泊车；

继续泊车模块，用于在确定所述车辆摆脱所述异常状态的情况下，控制所述车辆继续自动泊车。

进一步的，所述异常状态包括以下至少一个：

所述车辆处于主驾驶位安全带未扣状态；

所述车辆处于车门未关闭状态；

所述车辆泊入轨迹中出现障碍物的状态。

相对于现有技术，本发明所述的一种自动泊车控制方法及装置具有以下优势：

本发明实施例提供的一种自动泊车控制方法及装置，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的一种自动泊车控制方法的步骤流程图；

图2为本发明实施例所述的一种自动泊车车辆的自动泊车系统基本架构图；

图3为本发明实施例所述的一种车辆泊入界面的搜索车位界面图；

图4为本发明实施例所述的一种车辆泊入界面的展示车位界面图；

图5为本发明实施例所述的另一种自动泊车控制方法的步骤流程图；

图6为本发明实施例所述的一种三种车位的分类示意图；

图7为本发明实施例所述的一种自动泊车过程的流程图；

图8为本发明实施例所述的一种车辆异常状态信息的示意图；

图9为本发明实施例所述的一种暂停泊车后的选项示意图；

图10为本发明实施例所述的一种自动泊车暂停流程的示意图；

图11为本发明实施例所述的另一种自动泊车控制方法的步骤流程图；

图12为本发明实施例所述的另一种自动泊车控制方法的步骤流程图；

图13为本发明实施例所述的一种自动泊车系统的泊出方向选择示意图；

图14为本发明实施例所述的另一种自动泊车过程的流程图；

图15为本发明实施例所述的一种自动泊车车辆的结构框图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

参照图1，示出了本发明实施例所述的一种自动泊车控制方法的步骤流程图。

步骤101，在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据。

现代车辆中具备很多电子系统，各类电子系统可以为车辆提供丰富的功能和使用体验，并且各类电子系统相互连接，使得车辆可以向自动化发展。

在本发明实施例中，车辆具备多种电子系统和多种传感器，多种电子系统和多种传感器共同构成车辆的自动泊车系统的基本架构，参照图2，示出了本发明实施例所述的一种自动泊车车辆的自动泊车系统基本架构图。其中，图2包括：

多个雷达传感器，用于采集车辆周围的雷达数据；

多个图像传感器，用于采集车辆周围的图像数据；

多个安全带传感器，用于采集当前安全带的使用状态；

显示单元，用于展示车辆信息，并接收用户的操作，包括车载屏幕、中控显示屏等；

车身电子稳定系统(Electronic Stability Program，ESP)，用于控制车身稳定性，执行制动功能或输出扭矩功能，可与发动机控制模块(EngineControlModule，ECM)或汽车整车控制器(Vehicle Control Unit，VCU)进行交互；

电动助力转向系统(Electric Power Steering，EPS)，用于执行方向盘转动、及对方向盘的角度信息进行反馈；

自动变速箱控制单元(Transmission Control Unit，TCU)，用于对当前档位的信息进行反馈、及执行目标档位的切换；

车身控制模块(Boay Control Module，BCM)，用于对车门状态进行反馈、及执行车门锁的控制；

应答器传输模块(BaliseTransmissionModule，BTM)，用于与终端进行信息接收与发送；

终端，包括电子钥匙、移动终端、或其他与车辆进行联网的电子设备；

电子控制单元(Electronic Control Unit，ECU)，也即是电控单元，用于接收传感器采集的数据，并对其数据进行处理，还用于对各个电子系统的输入和输出进行处理和反馈。

在该步骤中，ESP可以实时监测车辆的车速。当车辆的车速处于预设范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，车辆可以通过图像传感器采集车辆周围的图像数据，通过雷达传感器采集车辆周围的雷达数据。

具体的，在车辆准备停车时，车速通常保持在一个比较低的范围内，例如，车速为0千米每小时至25千米每小时的范围内。同时，为了排除车辆起步等其他情况，还增加了当前车速处于预设车速范围内的时间作为判断条件，例如，当车速保持在0千米每小时至25千米每小时的范围内，且持续时间超过10秒，则电控单元可以根据ESP发送的车速数据，开启图像传感器和雷达传感器，采集车辆周围的图像数据和雷达数据。

例如，当用户驾驶车辆准备进入停车场寻找停车位时，开始降低车速，并将车速持续保持在0千米每小时至25千米每小时的范围内，当持续时间超过10秒时，图像传感器和雷达传感器开始采集车辆周围的图像数据和雷达数据，并将采集到的图像数据和雷达数据发送至电控单元。

在本发明实施例中，车辆可以通过检测车辆的车速，若车辆的车速达到预设的条件，则车辆开始主动采集车辆周围的图像数据和雷达数据。通过在用户打开自动泊车的功能之前，电控单元提前获取图像传感器和雷达传感器，以便进行后续的车位分析操作。

步骤102，将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到。

在本发明实施例中，卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有良好的容错能力、并行处理能力和自学习能力，可以处理环境信息复杂，背景知识不清楚，推理规则不明确情况下的问题，并且允许样品有较大的缺损、畸变，运行速度快，自适应性能好，具有较高的分辨率。因此，使用卷积神经网络可以更准确、更快速的识别多种车位场景下的车位。

可以事先设置卷积神经网络中的各参数，比如事先设置卷积神经网络的预设隐含层参数，以及卷积神经网络的预设输出层参数，从而可以构建出卷积神经网络模型。构建卷积神经网络的步骤可以包括：将从多种车位场景下采集到的图像训练数据和雷达训练数据输入卷积神经网络的预设隐含层，通过卷积神经网络的预设隐含层进行图像特征提取和雷达特征提取；通过卷积神经网络的预设输出层，对提取的图像特征和雷达特征进行车位信息分类；若分类出的车位信息与每个图像训练数据和每个雷达训练数据对应的车位信息一致，则确定卷积神经网络训练完成，得到训练后的卷积神经网络模型。

进一步的，若分类出的车位信息与每个图像训练数据和每个雷达训练数据对应的车位信息不一致，则可以通过预设调整方式调整预设隐含层和预设输出层中的参数，直至分类出的车位信息与每个图像训练数据和每个雷达训练数据对应的车位信息一致，则确定卷积神经网络训练完成，得到训练后的卷积神经网络模型。

在该步骤中，电控单元中预设有训练好的卷积神经网络模型，当电控单元接收到图像数据和雷达数据时，可以将图像数据和雷达数据输入至预设的卷积神经网络模型，然后卷积神经网络模型输出车位信息。

进一步的，车位信息可以分为有效车位信息和无效车位信息。有效车位信息为可以泊车的车位所对应的车位信息，在卷积神经网络模型输出有效车位信息之后，电控单元可以将有效车位信息作为车位信息存储在电控单元的本地。无效车位信息为不可以泊车的车位所对应的车位信息，在卷积神经网络模型输出无效车位信息之后，电控单元可以删除无效车位信息。

例如，在用户驾驶车辆准备在停车场中停车时，在车辆行驶的过程中，传感器将采集到的对个车位的图像数据和雷达数据发送至电控单元。其中，多个车位中，部分车位中带有地锁、部分车位停有车辆、部分车位为空且可以泊车。电控单元可以将图像数据和雷达数据输入至预设的卷积神经网络模型，然后卷积神经网络模型输出车位信息。其中，带有地锁和停有车辆的车位对应无效车位信息，车位中为空的车位对应有效车位信息。然后，电控单元存储有效车位信息，并删除无效车位信息。

优选的，电控单元可以存储多个车位信息。同时，电控单元还可以对存储好的车位信息进行距离判断，当电控单元检测到车辆与存储好的车位信息之间的实际距离超过预设距离时，可以将对应的车位信息删除，避免电控单元存储过多的数据，同时，避免为用户提供距离较远的车位信息，影响用户的驾驶体验。

在本发明实施例中，电控单元可以通过预设的卷积神经网络模型，根据输入的图像数据和雷达数据，输出车位信息，通过卷积神经网络模型的处理，电控单元可以处理更多复杂情况下的图像数据和雷达数据，从而准确识别实际的可泊车车位，提高用户的驾驶体验。

步骤103，若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

在该步骤中，TCU可以检测车辆的当前档位状态，并将车辆的当前档位信息反馈至电控单元，若车辆的当前档位为前进挡或空挡，则电控单元可以根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息。

具体的，用户在准备进行自动泊车时，可以打开车辆的自动泊车界面。电控单元可以通过TCU获取车辆的当前档位，若车辆的当前档位为前进挡或空挡，则自动泊车界面跳转至车辆泊入界面。若电控单元在显示单元展示车辆泊入界面之前存储有车位信息，则车辆泊入界面展示所述车位信息。若电控单元在显示单元展示车辆泊入界面之前没有存储有车位信息，则车辆泊入界面提示用户继续驾驶车辆，并通过传感器持续采集车辆周围的图像数据和雷达数据，直到电控单元存储有车位信息时，车辆泊入界面展示所述车位信息。参照图3，示出了本发明实施例所述的一种车辆泊入界面的搜索车位界面图。

进一步的，车辆泊入界面可以同时展示多个车位信息，用户可以根据自己的实际需求，选择其中一个车位信息。在用户选择需要泊入的车位后，也即是用户进行泊入选择操作后，电控单元可以根据用户的泊入选择操作，选取目标车位信息。

例如，参照图4，示出了本发明实施例所述的一种车辆泊入界面的展示车位界面图。图4中展示了当车辆搜索到附件具有3个可泊车的车位时，在车辆的屏幕中展示所述的3个可泊车的车位以供用户选择。其中，3个可泊车的车位为车位A、车位B、以及车位C。

在本发明实施例中，电控单元可以存储多个车位信息，在车辆的当前档位为前进挡或空挡时，展示多个车位信息给用户，并用户的泊入选择操作，从至少一个车位信息中选取目标车位信息，通过在用户需要根据实际需求主动选择泊车位置时，提供多个车位信息给用户选择，达到了提高用户驾驶体验的效果。

步骤104，根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

在该步骤中，电控单元可以根据目标车位信息生成车辆泊入轨迹，并根据车辆泊入轨迹，与ESP、EPS、TCU一同对车辆的转向、变速、刹车、以及驻车动作进行控制，从而控制车辆自动泊入目标车位。

具体的，目标车位信息可以包括车位的位置信息，电控单元可以根据车辆的实际位置与车位的位置信息进行对比，计算出车辆与车位之间的相对距离，并建立对应的坐标系。在坐标系中，电控单元可以通过定义车辆的坐标位置、转弯半径、以及车辆与车位之间的夹角，计算出车辆泊入轨迹。在车辆开始自动泊车时，ESP可以根据电控单元发送的指令，持续控制车辆的速度以及刹车；EPS可以根据电控单元发送的指令，持续控制辆车的转向；TCU可以根据电控单元的指令，持续控制车辆的档位。直到将车辆完全停在目标车位中，完成自动泊车的过程。

综上所述，本发明实施例提供的一种自动泊车控制方法，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

参照图5，示出了本发明实施例所述的另一种自动泊车控制方法的步骤流程图。

步骤201，在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据。

该步骤具体可以参照上述步骤101，此处不再赘述。

步骤202，将所述图像数据和所述雷达数据输入所述卷积神经网络模型，以使得所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息。

在本发明实施例中，电控单元中预设有卷积神经网络模型，该卷积神经网络模型是通过输入多种车位场景下采集到的图像训练数据和雷达训练数据，并反复进行训练得到的。其中，多种车位场景包括：车位内具有路锥的车位场景、车位内具有禁止停车牌的车位场景、车位内具有地锁的车位场景、车位内具有标识线的车位场景、车位内具有障碍物的车位场景中的一种或多种。进一步的，车位场景的选择还可以根据用户需求进行改变或增加，本发明实施例对此不作限定。

在该步骤中，当电控单元接收到图像数据和雷达数据时，可以将图像数据和雷达数据输入至预设的卷积神经网络模型中。

进一步的，卷积神经网络模型在接收到图像数据和雷达数据后，可以通过隐含层进行图像特征提取和雷达特征提取，通过输出层对提取的图像特征和雷达特征进行车位信息分类。

其中，车位信息中可以包括该车位的位置信息，以及该车位的车位类型。通常车位类型分为水平车位、垂直车位、以及斜向车位。参照图6，示出了本发明实施例所述的一种三种车位的分类示意图。其中，图6展示了，a区域中的车位为垂直车位，b区域的车位为水平车位，c区域和d区域的车位均为斜向车位。水平车位为该车位的最长边与正常车辆行驶路线之间为水平位置关系、垂直车位为该车位的最长边与正常车辆行驶路线之间为垂直位置关系、斜向车位为该车位的最长边与正常车辆行驶路线之间为非水平，且非垂直的位置关系。

步骤203，获取所述卷积神经网络模型输出的包括所述车位类型的所述车位信息。

在该步骤中，当完成车位信息的分类后，卷积神经网络模型可以将包括车位类型的车位信息输出至电控单元。

步骤204，若所述车位类型为斜向车位，则所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定针对所述斜向车位的泊车方向。

在步骤202中，当卷积神经网络模型确定的车位类型为斜向车位时，可以直接执行步骤204。

在该步骤中，当卷积神经网络模型确定的车位类型为斜向车位时，卷积神经网络模型可以根据该斜向车位对应的图像数据和雷达数据做进一步的分析，确定该斜向车位的泊车方向。

具体的，当车辆在斜向车位泊车时，通常将车辆的车头停在车位最内侧时的泊车方向称为正向泊车，将车辆的车头停在车位最外侧时的泊车方向称为反向泊车。

进一步的，斜向车位可以分为顺向车位和逆向车位。参照图6，图6展示了，c区域的车位为顺向车位，d区域的车位为逆向车位。顺向车位是指该车位的最长边与正常车辆行驶路线中的前进方向之间的夹角小于九十度，逆向车位是指该车位的最长边与正常车辆行驶路线中的前进方向之间的夹角大于九十度。

当斜向车位为顺向车位时，车辆仅需单次、小角度的转向，就可以通过正向泊车的方式将车辆泊入车位。但是，若车辆以反向泊车的方式，泊入顺向车位，则车辆就需要通过多次、且大角度的转向才能完成泊车。因此，准确判断斜向车位的泊车方向，可以减少后期自动泊车路线规划的工作量，降低出错率。

进一步的，当卷积神经网络模型输出的车位类型为斜向车位时，卷积神经网络模型可以根据该斜向车位对应的图像数据和雷达数据做进一步的分析。在确定斜向车位的泊车方向时，卷积神经网络模型主要采用三级判断条件。

具体的，一级判断条件为，卷积神经网络模型可以优先判断该斜向车位内是否画有泊车方向标识，若该斜向车位内画有泊车方向标识，则按照该泊车方向标识确定泊车方向；二级判断条件为，在该斜向车位内没有画泊车方向标识的情况下，卷积神经网络模型可以判断该斜向车位两侧是否停有其他车辆，若该斜向车位两侧停有其他车辆，且其他车辆的泊车方向一致时，则按照其他车辆的泊车方向确定本车辆的泊车方向；三级判断条件为，在该斜向车位两侧没有停有其他车辆，或该斜向车位两侧停有其他车辆、但其他车辆的泊车方向不一致的情况下，卷积神经网络模型可以判断该斜向车位是否为顺向车位，若该斜向车位为顺向车位，则确定泊车方向为正向泊车。若该斜向车位不是顺向车位，则确定泊车方向为反向泊车。

例如，车辆在某停车场内准备泊车时，卷积神经网络模型根据图像数据和雷达数据确定某车位为斜向车位。则卷积神经网络模型可以对该车位进行泊车方向分类。首先，该斜向车位内没有画泊车方向标识，且该斜向车位两侧停有车辆，同时两侧车辆的泊车方向一致，则采用二级判断条件。进一步的，该斜向车位两侧车辆的泊车方向均为正向泊车，则卷积神经网络模型可以确定该斜向车位的泊车方向为正向泊车。

在本发明实施例中，可以在车位类型为斜向车位时，通过卷积神经网络模型确定斜向车位的泊车方向，使得自动泊车功能更加符合实际驾驶行为，减少后期自动泊车路线规划的工作量，降低出错率，提高用户的驾驶体验。

其中，所获取的所述卷积神经网络模型输出的所述车位信息还包括所述斜向车位的泊车方向。

在该步骤中，当完成车位信息的分类后，卷积神经网络模型可以将包括车泊车方向的车位信息输出至电控单元。

步骤205，在接收到泊车信号的情况下，若所述车辆的当前档位为所述前进挡或所述空挡，则展示车辆泊入界面，所述车辆泊入界面包括至少一个所述车位信息。

在该步骤中，用户在准备进行自动泊车时，可以打开车辆的自动泊车界面，也即是用户发出泊车信息。在接收到泊车信号的情况下，电控单元可以通过TCU获取车辆的当前档位，若车辆的当前档位为前进挡或空挡，则自动泊车界面跳转至车辆泊入界面。若电控单元在显示单元展示车辆泊入界面之前存储有车位信息，则车辆泊入界面展示所述车位信息。若电控单元在显示单元展示车辆泊入界面之前没有存储有车位信息，则车辆泊入界面提示用户继续驾驶车辆，并通过传感器持续采集车辆周围的图像数据和雷达数据，直到电控单元存储有车位信息时，车辆泊入界面展示所述车位信息。

具体的，车辆泊入界面可以同时展示多个车位信息，用户可以根据自己的实际需求，选择其中一个车位信息。

步骤206，在接收到针对所述车辆泊入界面的泊入选择操作的情况下，根据所述泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

在该步骤中，用户可以根据自己的实际需求，选择其中一个车位信息，在接收到针对车辆泊入界面的泊入选择操作的情况下，电控单元可以根据泊入选择操作，从至少一个车位信息中选取目标车位信息。

具体的，参照图7，示出了本发明实施例所述的一种自动泊车过程的流程图。其中，参照图7，车辆在启动后，自动泊车系统进入01待搜索车位状态；当车辆的车速满足搜索车位的预设条件后，车辆开始采集图像数据和雷达数据，并进行02检测车位，若车辆的车速不满足搜索车位的预设条件，则自动泊车系统再次进01待搜索车位状态；当接收到泊车信号，且车辆的当前档位为前进挡或空挡时，车辆进行03展示车位信息，并等待接收用户的泊入选择操作，若车辆再次移动，则自动泊车系统再次检测车位；当接收到用户的泊入选择操作后，车辆进入04泊车准备阶段，电控单元与各个系统进行握手，若握手成功，则进行05开始泊车，若握手失败则进行06结束泊车。

优选的，为了避免用户的误操作而导致车辆泊入错误的车位。在用户选择目标车位信息时，需要用户同时踩下刹车，车辆才能接受用户的泊入选择操作，以确保用户正确选择目标车位信息。

步骤207，根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

该步骤具体可以参照上述步骤104，此处不再赘述。

步骤208，在确定所述车辆处于异常状态的情况下，控制所述车辆暂停自动泊车。

在该步骤中，电控单元可以根据传感器检测车辆状态，当车辆处于异常状态的情况下，传感器可以发送检测信息至电控单元，电控单元可以根据检测信息确定车辆是否处于异常状态，若确定车辆处于异常状态，则控制车辆暂停自动泊车。其中，异常状态包括：主驾驶位的安全带未扣好、车门未关闭、车辆泊入轨迹中出现障碍物。

具体的，车辆中的安全带传感器可以检测主驾驶位的安全带是否被扣好。若在车辆自动泊车时，安全带传感器检测主驾驶位的安全带被打开，将会发送检测信息至电控单元，电控单元可以根据安全带传感器的检测信息暂停车辆的自动泊车过程。

具体的，车辆中的车身控制模块可以检测车门是否未关闭。若在车辆自动泊车时，车身控制模块检测到车门未关闭，将会发送检测信息至电控单元，电控单元可以根据车身控制模块的检测信息暂停车辆的自动泊车过程。

具体的，车辆中的雷达传感器可以检测车辆泊入轨迹中是否出现障碍物。若在车辆自动泊车时，雷达传感器检测到车辆泊入轨迹中出现障碍物，将会发送检测信息至电控单元，电控单元可以根据雷达传感器的检测信息暂停车辆的自动泊车过程。

进一步的，异常状态包括还可以包括其他的车辆异常状态，例如，在车辆的主驾驶位中增加座椅传感器，座椅传感器可以检测座椅的压力值，当主驾驶位的用户起身离开座椅时，座椅传感器可以发送检测信息至电控单元。本发明实施例对此不作限定。

优选的，若车辆处于异常状态的时间超过预设中断时间，则电控单元可以主动退出自动泊车系统，使得用户可以有足够的时间排查故障，确定车辆没有处于异常状态时再启动车辆。

例如，当车辆在停车场进行自动泊车时，车辆内的某个用户主动打开了车门，则车身控制模块可以检测到车门未关闭，并发送检测信息至电控单元，电控单元可以根据检测信息确定车辆处于异常状态，控制车辆暂停自动泊车，并展示提示信息给用户，告知用户车辆的异常状态。参照图8，示出了本发明实施例所述的一种车辆异常状态信息的示意图。其中，图8展示了车辆泊入界面中出现提示信息“警告！车门未关闭！”。

在本发明实施例中，电控单元可以通过传感器，检测车辆是否处于异常状态，若车辆处于异常状态中，电控单元可以控制车辆暂停自动泊车。通过在自动泊车过程中实时检测车辆状态，可以在发现车辆出现异常时，及时暂停自动泊车，增加了自动泊车系统的安全性，提高了用户的驾驶体验。

步骤209，在确定所述车辆摆脱所述异常状态的情况下，控制所述车辆继续自动泊车。

在该步骤中，当用户消除了车辆的异常状态时，传感器可以检测到车辆摆脱异常状态，并发送检测信息至电控单元，电控单元可以根据检测信息确定车辆是否摆脱异常状态，若确定车辆摆脱异常状态，则控制车辆继续自动泊车。

具体的，当车辆摆脱异常状态后，车辆还可以展示是否继续泊车的选择，供用户选择是否继续自动泊车。参照图9，示出了本发明实施例所述的一种暂停泊车后的选项示意图。其中，参照图9，当车辆摆脱异常状态时，车辆可以在显示屏中提示用户“继续泊车”的内容，并提供“是”和“否”两个选项，以供用户根据实际需求确定是否继续自动泊车。

参照图10，示出了本发明实施例所述的一种自动泊车暂停流程的示意图。其中，参照图10，在车辆进行自动泊车的情况下，当车辆处于异常状态时，则电控单元控制车辆暂停泊车；当车辆处于异常状态的时间超过预设中断时间时，则电控单元可以结束自动泊车；当车辆摆脱异常状态时，用户可以选择继续选项继续自动泊车，或用户可以选择停止选择终止自动泊车；当车辆完全进入目标车位后，则结束自动泊车。

综上所述，本发明实施例提供的一种自动泊车控制方法，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

另外，本发明中，还可以在车位类型为斜向车位时，通过卷积神经网络模型确定斜向车位的泊车方向，使得自动泊车功能更加符合实际驾驶行为，减少后期自动泊车路线规划的工作量，降低出错率，进一步提高用户的驾驶体验。

参照图11，示出了本发明实施例所述的另一种自动泊车控制方法的步骤流程图。

步骤301，在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态，所述工作状态包括正常状态或故障状态。

在该步骤中，在车辆启动的情况下，自动泊车系统随车辆一同启动。在自动泊车系统启动后，电控单元开始检测多个图像传感器、多个雷达传感器、以及电控单元自身的工作状态，其中，工作状态包括正常状态或故障状态。

具体的，在实际生活中，车辆的电子系统是一个庞大而复杂的系统，特别是在车身外侧的传感器容易损坏，并影响车辆各功能的使用。因此，本发明实施例中，在自动泊车系统启动后，电控单元可以检测多个图像传感器、多个雷达传感器、以及电控单元自身的工作状态。

优选的，电控单元还可以检测其他传感器和电子系统的工作状态，本发明实施例对此不作限定。

步骤302，根据多个所述工作状态，确定所述车辆的工作等级。

在该步骤中，电控单元可以根据不同传感器的工作状态，确定车辆中自动泊车系统的工作等级。

具体的，该步骤还可以分为以下三个子步骤。

步骤3021，若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级。

在该步骤中，若多个图像传感器、多个雷达传感器、以及电控单元的工作状态全部为正常状态，则确定车辆的工作等级为正常等级。其中，在正常工作等级时，自动泊车系统可以启动多个图像传感器、多个雷达传感器、以及电控单元正常工作。

步骤3022，若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为所述一级故障等级。

在该步骤中，若至少一个雷达传感器和/或电控单元的工作状态为故障状态，则确定车辆的工作等级为一级故障等级。

步骤3023，若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述二级故障等级。

在该步骤中，若全部图像传感器的工作状态为故障状态，则确定车辆的工作等级为二级故障等级。

步骤3024，若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述三级故障等级。

在该步骤中，若部分图像传感器的工作状态为故障状态，则确定车辆的工作等级为三级故障等级。

在步骤3022之后，执行步骤303。

步骤303，所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作。

在该步骤中，若车辆的工作等级为一级故障等级，则电控单元对应自动泊车系统的部分可以停止工作，使得用户无法使用自动泊车系统。

在步骤3023之后，执行步骤304。

步骤304，所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作。

在该步骤中，若车辆的工作等级为二级故障等级，则自动泊车系统可以禁止启动全部的图像传感器，仅启动雷达传感器以及电控单元。

具体的，由于图像传感器被禁止启动，电控单元的卷积神经网络模型将无法使用。车辆在确定车位信息时，电控单元可以通过雷达传感器的雷达数据，构建一个以本车辆为中心的虚拟地图，并通过雷达数据不断完善虚拟地图，在虚拟地图完善后，获取车位信息。

在步骤3024之后，执行步骤305。

步骤305，所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

在该步骤中，若车辆的工作等级为三级等级故障，则自动泊车系统可以禁止启动工作状态为故障状态的图像传感器，仅启动工作状态为正常状态的图像传感器。此时，电控单元的卷积神经网络模型可以正常使用，但是准确度会有所下降。

步骤306，在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据。

该步骤具体可以参照上述步骤101，此处不再赘述。

步骤307，将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，输出至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到。

该步骤具体可以参照上述步骤102，此处不再赘述。

步骤308，若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

该步骤具体可以参照上述步骤103，此处不再赘述。

步骤309，根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

该步骤具体可以参照上述步骤104，此处不再赘述。

综上所述，本发明实施例提供的一种自动泊车控制方法，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

另外，本发明还可以设置自动泊车系统故障等级，通过电控单元检测自动泊车系统的工作状态，确定故障等级，并根据不同的故障等级启动自动泊车系统中不同的功能，增加了自动泊车系统的适用范围，在部分功能失效时还能辅助用户泊车，提高了用户的驾驶体验。

参照图12，示出了本发明实施例所述的另一种自动泊车控制方法的步骤流程图。

步骤401，在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据。

该步骤具体可以参照上述步骤101，此处不再赘述。

步骤402，将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到。

该步骤具体可以参照上述步骤102，此处不再赘述。

步骤403，若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

该步骤具体可以参照上述步骤103，此处不再赘述。

步骤404，根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

该步骤具体可以参照上述步骤104，此处不再赘述。

步骤405，在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的所述环境数据；

在该步骤中，用户在准备进行自动泊车时，可以打开车辆的自动泊车界面，也即是用户发出泊车信息。在接收到泊车信号的情况下，电控单元可以通过TCU获取车辆的当前档位，若车辆的当前档位为停车挡，则雷达传感器采集车辆周围的雷达数据。

具体的，相比于车辆泊入车位，车辆在泊出车位时，泊出轨迹更简单，因此，仅需要雷达数据即可确定车辆的泊出方向。

步骤406，根据所述环境数据，确定至少一个所述车辆的泊出方向，

在该步骤中，电控单元可以根据环境数据，得到车辆周围障碍物的距离数据，并根据环境数据确定车辆的泊出方向。

具体的，环境数据可以为雷达数据，也可以为图像数据。当车辆四周的障碍物与车辆距离大于预设距离时，车辆确定开启自动泊出功能。在自动泊出功能开启后，电控单元可以根据雷达数据建立车辆周围的虚拟地图，并根据虚拟地图，确定车辆的泊出方向。其中，车辆的泊出方向可以包括：前方泊出、后方泊出、左侧泊出、右侧泊出中的一个或多个。

例如，在用户准备泊出车辆时，车辆所在车位左侧为车辆行驶道路，右侧为墙壁，后侧停有其他车辆，前方没有车辆，则电控单元可以根据雷达数据建立车辆周围的虚拟地图，并根据虚拟地图，确定车辆的泊出方向为左侧泊出和前方泊出。

步骤407，展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向。

在该步骤中，在电控单元确定车辆的泊出方向后，自动泊车界面跳转至车辆泊出界面，车辆泊出界面展示车辆的泊出方向。

具体的，参照图13，示出了本发明实施例所述的一种自动泊车系统的泊出方向选择示意图。其中，图13展示了在车俩泊出界面中，车辆标识周围的四个泊出方向，用户可以根据实际需求选择需要的泊出方向。

步骤408，在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向。

在该步骤中，在接收到用户的泊出选择操作的情况下，电控单元可以根据泊出选择操作，从泊出方向中选取目标泊出方向。

步骤409，根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

在该步骤中，电控单元可以根据目标泊出方向，生成车辆泊出轨迹，并根据车辆泊出轨迹，与ESP、EPS、TCU一同对车辆的转向、变速、刹车、以及驻车动作进行控制，从而控制车辆自动泊出目标车位。

具体的，电控单元可以根据目标泊出方向对应的目标位置与车辆的实际位置进行对比，计算出车辆与目标位置之间的相对距离，并建立对应的坐标系。在坐标系中，电控单元可以通过定义车辆的坐标位置、转弯半径、以及车辆与目标车位之间的夹角，计算出车辆泊出轨迹。在车辆开始自动泊车时，ESP可以根据电控单元发送的指令，持续控制车辆的速度以及刹车；EPS可以根据电控单元发送的指令，持续控制辆车的转向；TCU可以根据电控单元的指令，持续控制车辆的档位。直到将车辆完全停在目标位置中，完成自动泊车的过程。

优选的，在车辆的自动泊出过程中，若电控单元确定车辆处于异常状态时，同样可以暂停自动泊车，等待车辆摆脱异常状态后，再继续进行自动泊车。

参照图14，示出了本发明实施例所述的另一种自动泊车过程的流程图。其中，图14展示了，在车辆等待用户选择泊车方向的情况下，电控单元可以根据用户的泊出选择操作，确定进入泊出准备阶段；在泊出准备阶段，电控单元与各个系统进行握手，若握手成功，则开始泊车，若握手失败则结束自动泊车；当电控单元与各个系统握手成功时，车辆开始自动泊出；当车辆处于异常状态时，则电控单元控制车辆暂停泊车；当车辆处于异常状态的时间超过预设中断时间时，则电控单元可以结束自动泊车；当车辆摆脱异常状态时，用户可以选择继续选项继续自动泊车，或用户可以选择停止选择终止自动泊车；当车辆完全进入目标位置后，则结束自动泊车。

综上所述，本发明实施例提供的一种自动泊车控制方法，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

另外，本发明中，自动泊车系统还可以在用户需要泊出车辆时，根据雷达数据规划车辆泊出轨迹，使得用户可以不需要自己驾驶车辆泊出车位，从而完善了自动泊车系统，提高了用户的驾驶体验。

在上述实施例的基础上，本发明实施例还提供了一种自动泊车控制装置。

参照图15，示出了本发明实施例所述的一种自动泊车控制装置的结构框图，具体可以包括如下模块：

第一采集模块501，用于在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据；

神经网络模块502，用于将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；

泊入选择模块503，用于若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息；

泊入轨迹模块504，用于根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车。

可选的，本发明一种自动泊车控制装置，还包括：

检测模块505，用于在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态，所述工作状态包括正常状态或故障状态；

工作等级模块506，用于根据多个所述工作状态，确定所述车辆的工作等级。

可选的，所述工作等级模块506，包括：

第一确定子模块5061，用于若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级；

第二确定子模块5062，用于若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为所述一级故障等级；

第三确定子模块5063，用于若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述二级故障等级；

第四确定子模块5064，用于若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述三级故障等级。

可选的，本发明一种自动泊车控制装置，还包括：

第一控制模块507，用于所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作；

第二控制模块508，用于所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作；

第三控制模块509，用于所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

可选的，所述车位场景包括：车位内具有路锥的车位场景、所述车位内具有禁止停车牌的车位场景、所述车位内具有地锁的车位场景、所述车位内具有标识线的车位场景、所述车位内具有障碍物的车位场景中的一种或多种。

可选的，所述神经网络模块502，包括：

输入子模块5021，用于将所述图像数据和所述雷达数据输入所述卷积神经网络模型；以使得所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息；

第一输出子模块5022，用于获取所述卷积神经网络模型输出的包括所述车位类型的所述车位信息。

可选的，所述神经网络模块502，包括：

斜向车位子模块5023，用于若所述车位类型为斜向车位，则所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定针对所述斜向车位的泊车方向；其中所获取的所述卷积神经网络模型输出的所述车位信息还包括所述斜向车位的泊车方向。

可选的，所述泊入选择模块503，包括：

展示子模块5031，用于在接收到泊车信号的情况下，若所述车辆的当前档位为所述前进挡或所述空挡，则展示车辆泊入界面，所述车辆泊入界面包括至少一个所述车位信息；

选取子模块5032，用于在接收到针对所述车辆泊入界面的泊入选择操作的情况下，根据所述泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

可选的，本发明一种自动泊车控制装置，还包括：

第二采集模块510，用于在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的所述环境数据；

确定模块511，用于根据所述环境数据，确定至少一个所述车辆的泊出方向，

展示模块512，用于展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向；

泊出选择模块513，用于在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向；

泊出轨迹模块514，用于根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

可选的，本发明一种自动泊车控制装置，还包括：

暂停泊车模块515，用于在确定所述车辆处于异常状态的情况下，控制所述车辆暂停自动泊车；

继续泊车模块516，用于在确定所述车辆摆脱所述异常状态的情况下，控制所述车辆继续自动泊车。

可选的，所述异常状态包括以下至少一个：

所述车辆处于主驾驶位安全带未扣状态；

所述车辆处于车门未关闭状态；

所述车辆泊入轨迹中出现障碍物的状态。

综上所述，本申请提供的一种自动泊车控制装置，包括：在车辆的车速处于预设车速范围内，且车辆的车速处于预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集车辆周围的图像数据和雷达数据；将图像数据和雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；若车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个车位信息中选取目标车位信息；根据目标车位信息，生成车辆泊入轨迹，以供车辆根据车辆泊入轨迹自动泊车。本发明中，可以通过检测车辆的车速，提前搜索车辆周围的车位，还可以通过卷积神经网络模型，识别多种复杂情况下可泊车的车位，进一步的，通过提供多个可泊车的车位，满足用户的多种停车需求，从而完善了自动泊车系统，提高了用户的驾驶体验。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (12)

1.一种自动泊车控制方法，其特征在于，所述方法应用于包括传感器的车辆，所述方法包括：

在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据；

将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；

若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息；

根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车；

所述传感器包括多个图像传感器、以及多个雷达传感器，所述车辆包括电控单元，所述在所述车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过所述传感器采集所述车辆周围的图像数据和雷达数据的步骤之前，还包括：

在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态，所述工作状态包括正常状态或故障状态；

根据多个所述工作状态，确定所述车辆的工作等级；

所述车辆的工作等级包括正常等级、一级故障等级、二级故障等级、以及三级故障等级中的任一个，所述根据多个所述工作状态，确定所述车辆的工作等级的步骤，包括：

若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级；

若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为所述一级故障等级；

若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述二级故障等级；

若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为所述三级故障等级。

2.根据权利要求1所述的方法，其特征在于，所述电控单元用于控制所述车辆进行自动泊车，所述根据多个所述工作状态，确定所述车辆的工作等级的步骤之后，还包括：

所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作；

所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作；

所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

3.根据权利要求1所述的方法，其特征在于，所述车位场景包括：车位内具有路锥的车位场景、所述车位内具有禁止停车牌的车位场景、所述车位内具有地锁的车位场景、所述车位内具有标识线的车位场景、所述车位内具有障碍物的车位场景中的一种或多种。

4.根据权利要求1所述的方法，其特征在于，所述将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息的步骤，包括；

将所述图像数据和所述雷达数据输入所述卷积神经网络模型，以使得所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息；

获取所述卷积神经网络模型输出的包括所述车位类型的所述车位信息。

5.根据权利要求4所述的方法，其特征在于，在所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定包括车位类型的所述车位信息的步骤之后，还包括：

若所述车位类型为斜向车位，则所述卷积神经网络模型根据所述图像数据和所述雷达数据，确定针对所述斜向车位的泊车方向；

其中所获取的所述卷积神经网络模型输出的所述车位信息还包括所述斜向车位的泊车方向。

6.根据权利要求1所述的方法，其特征在于，所述若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息的步骤，包括：

在接收到泊车信号的情况下，若所述车辆的当前档位为所述前进挡或所述空挡，则展示车辆泊入界面，所述车辆泊入界面包括至少一个所述车位信息；

在接收到针对所述车辆泊入界面的泊入选择操作的情况下，根据所述泊入选择操作，从至少一个所述车位信息中选取目标车位信息。

7.根据权利要求1所述的方法，其特征在于，所述根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车的步骤之后，还包括：

在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的环境数据；

根据所述环境数据，确定至少一个所述车辆的泊出方向；

展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向；

在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向；

根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

8.根据权利要求1所述的方法，其特征在于，所述根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车的步骤之后，还包括；

在确定所述车辆处于异常状态的情况下，控制所述车辆暂停自动泊车；

在确定所述车辆摆脱所述异常状态的情况下，控制所述车辆继续自动泊车。

9.根据权利要求8所述的方法，其特征在于，所述异常状态包括以下至少一个：

所述车辆处于主驾驶位安全带未扣状态；

所述车辆处于车门未关闭状态；

所述车辆泊入轨迹中出现障碍物的状态。

10.一种自动泊车控制装置，其特征在于，所述装置包括：

第一采集模块，用于在车辆的车速处于预设车速范围内，且所述车辆的车速处于所述预设车速范围内的时间大于或等于预设时间的情况下，通过传感器采集所述车辆周围的图像数据和雷达数据；

神经网络模块，用于将所述图像数据和所述雷达数据输入预设的卷积神经网络模型，获取所述卷积神经网络模型输出的至少一个车位信息，其中，所述卷积神经网络模型由多种车位场景下收集到的图像训练数据和雷达训练数据训练得到；

泊入选择模块，用于若所述车辆的当前档位为前进挡或空挡，则根据接收到的泊入选择操作，从至少一个所述车位信息中选取目标车位信息；

泊入轨迹模块，用于根据所述目标车位信息，生成车辆泊入轨迹，以供所述车辆根据所述车辆泊入轨迹自动泊车；

所述装置，还包括：

检测模块，用于在所述车辆启动的情况下，检测多个所述图像传感器、多个所述雷达传感器、以及电控单元的工作状态，所述工作状态包括正常状态或故障状态；

工作等级模块，用于根据多个所述工作状态，确定所述车辆的工作等级；

所述工作等级模块，包括：

第一确定子模块，用于若多个所述图像传感器、多个所述雷达传感器、以及所述电控单元的工作状态全部为所述正常状态，则确定所述车辆的工作等级为所述正常等级；

第二确定子模块，用于若至少一个所述雷达传感器和/或所述电控单元的工作状态为所述故障状态，则确定所述车辆的工作等级为一级故障等级；

第三确定子模块，用于若全部所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为二级故障等级；

第四确定子模块，用于若部分所述图像传感器的工作状态为所述故障状态，则确定所述车辆的工作等级为三级故障等级。

11.根据权利要求10所述的装置，其特征在于，所述装置，还包括：

第一控制模块，用于所述车辆的工作等级为所述一级故障等级时，控制所述电控单元停止工作；

第二控制模块，用于所述车辆的工作等级为所述二级故障等级时，控制所述图像传感器停止工作；

第三控制模块，用于所述车辆的工作等级为所述三级故障等级时，控制所述工作状态为所述故障状态的图像传感器停止工作。

12.根据权利要求10所述的装置其特征在于，所述装置，还包括：

第二采集模块，用于在接收到所述泊车信号的情况下，若所述车辆的当前档位为停车挡，则通过所述传感器采集所述车辆周围的环境数据；

确定模块，用于根据所述环境数据，确定至少一个所述车辆的泊出方向；

展示模块，用于展示车辆泊出界面，所述车辆泊出界面包括至少一个所述泊出方向；

泊出选择模块，用于在接收到泊出选择操作的情况下，根据所述泊出选择操作，从所述泊出方向中选取目标泊出方向；

泊出轨迹模块，用于根据所述目标泊出方向，生成车辆泊出轨迹，以供所述车辆根据所述车辆泊出轨迹自动泊车。

Images