CN111319615B - 智能代客泊车方法、计算机可读存储介质及电子设备 - Google Patents
智能代客泊车方法、计算机可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN111319615B CN111319615B CN202010183808.3A CN202010183808A CN111319615B CN 111319615 B CN111319615 B CN 111319615B CN 202010183808 A CN202010183808 A CN 202010183808A CN 111319615 B CN111319615 B CN 111319615B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- obstacle
- information
- dynamic
- environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000003068 static effect Effects 0.000 claims abstract description 56
- 230000007613 environmental effect Effects 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 11
- 230000004888 barrier function Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种智能代客泊车方法、计算机可读存储介质及电子设备，本发明提供的方法通过周期性获取车辆周围的环境信息并识别各周期的静态障碍物和动态障碍物之后，结合车辆的行驶轨迹信息基于地图坐标系建立环境特征地图，并在环境特征地图中识别出车辆周围的空闲车位，从而为车辆生成规划行驶路径以控制车辆沿该规划行驶路径从规划起点到达所述规划终点以实现自动泊车。基于本发明提供的智能代客泊车方法，可以在不依赖云端高精地图的情况下周期性自主学习车辆周围的环境信息，理解并记忆周围环境，进而为车辆生成可规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。
Description
技术领域
本发明涉及自动驾驶技术领域，特别是涉及一种智能代客泊车方法、计算机可读存储介质及电子设备。
背景技术
随着科技水平的不断提升，汽车除了具备基本的载客行驶等功能之外，还增加了多种智能功能，例如车辆导航、智能代客泊车等等。尤其是对于智能代客泊车来讲，由于其可以为驾驶员有效解决停车难、车位寻找难等问题，现已成了自动驾驶领域常用功能。
但是，传统的代客泊车方案存在多种弊端。如有些需要停车场高精地图支持导航，且需要本地与云端配合；有些需利用停车场的传感器设备，具有局限性。
发明内容
本发明提供了一种智能代客泊车方法、计算机可读存储介质及电子设备以克服上述问题或者至少部分地解决上述问题。
根据本发明的一个方面，提供了一种智能代客泊车方法，包括：
周期性获取车辆周围的包括障碍物的障碍物信息、车道线信息以及车位信息的环境信息；
基于车辆在初始位置时的车辆坐标系设定地图坐标系；
基于所述障碍物信息识别各周期的静态障碍物和动态障碍物，并预测所述动态障碍物的运动轨迹；
获取车辆的行驶轨迹信息，根据所述行驶轨迹信息和所述环境信息在所述地图坐标系中建立具有车辆的行驶轨迹以及映射有所述静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图；
基于所述环境特征地图识别所述车辆的周围是否存在空闲车位；
若存在，则在所述空闲车位中确定目标车位，以所述车辆的当前位置为规划起点、所述目标车位的指定点为规划终点生成规避所述静态障碍物和所述动态障碍物的运动轨迹的规划行驶路径；
控制所述车辆沿所述规划行驶路径从所述规划起点到达所述规划终点以实现自动泊车。
可选地，所述障碍物信息包括障碍物类别、障碍物方位、障碍物运动速度、障碍物运动轨迹、障碍物轮廓信息中至少之一；
所述周期性获取车辆周围的包括障碍物的障碍物信息、车道线信息以及车位信息的环境信息，包括：
周期性获取包括车辆前方障碍物的第一障碍物方位、第一障碍物类别、第一障碍物运动速度、第一车道线信息和第一车位信息的第一环境信息；
周期性获取包括车辆周围障碍物的第二障碍物方位、第二障碍物类别、第二车道线信息、第二车位信息和第一障碍物轮廓的第二环境信息；
周期性获取包括车辆周围障碍物的障碍物运动轨迹、第二障碍物运动速度和第三障碍物方位的第三环境信息；
周期性获取包括车辆周围障碍物的第二障碍物轮廓的第四环境信息；
将同周期中同一时刻下的所述第一环境信息、第二环境信息、第三环境信息和/或第四环境信息映射至车辆坐标系中，再将同一时刻的车辆坐标系中的所述第一环境信息、第二环境信息、第三环境信息和/或第四环境信息进行关联，得到唯一的障碍物方位、唯一的障碍物类别、唯一的障碍物运动速度、唯一的障碍物运动轨迹、唯一的障碍物轮廓信息、唯一的车道线信息以及唯一的车位信息。
可选地，所述基于所述障碍物信息识别各周期的静态障碍物和动态障碍物，并预测所述动态障碍物的运动轨迹，包括：
基于所述唯一的障碍物类别、唯一的障碍物方位、唯一的障碍物运动速度、唯一的障碍物运动轨迹和/或唯一的障碍物轮廓信息将所述车辆周围的障碍物划分为静态障碍物和动态障碍物；
将所述动态障碍物相关的信息划分为动态障碍物信息；
基于所述动态障碍物信息跟踪所述车辆周围的每个动态障碍物，确定各周期的动态障碍物在所述环境特征地图中的位置变化信息；
根据所述动态障碍物各周期在所述环境特征地图中的位置变化信息，预测其运动轨迹。
可选地，所述获取车辆的行驶轨迹信息，包括：
获取所述车辆在各周期的第一位置信息、第二位置信息和第三位置信息；
将所述第一位置信息、第二位置信息和第三位置信息映射至车辆坐标系中，对所述第一位置信息、第二位置信息和第三位置信息进行关联融合，得到所述车辆的唯一位置信息；
基于所述唯一位置信息计算每个周期内所述车辆相对于上一个周期的表示所述车辆的旋转变量和平移变量的位姿变换矩阵；
获取每个周期内所述车辆相对于上一个周期的位置变化信息；
基于所述位姿变换矩阵和所述位置变化信息得到所述车辆的行驶轨迹信息。
可选地，根据所述行驶轨迹信息和所述环境信息在所述地图坐标系建立具有车辆的行驶轨迹以及映射有所述静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图，包括：
将所述车道线信息以及车位信息映射至所述地图坐标系；
将任一周期中所述车辆的行驶轨迹信息、静态障碍物、动态障碍物映射至所述地图坐标系中，生成该周期的所述车辆的环境特征地图。
可选地，所述基于所述环境特征地图识别所述车辆的周围是否存在空闲车位，包括：
将所述环境特征地图平均划分为多个预设大小的二维栅格，确定所述环境特征地图中的各个车位包括的二维栅格；
基于所述静态障碍物和动态障碍物各自的对应的障碍物信息判断各车位所包括的每个二维栅格的占用状态；
若存在任意一个车位所包含的所有二维栅格全部处于未占用状态，则确定该车位为空闲车位。
可选地，所述基于所述静态障碍物和动态障碍物各自的对应的障碍物信息判断各车位所包括的每个二维栅格的占用状态，包括：
根据每个静态障碍物或动态障碍物各自的对应的障碍物信息确定其在所述环境特征地图中占用的二维栅格并将占用的二维栅格的值标记为第一设定值；
将所述环境特征地图中各个车位所包括的二维栅格中未被所述静态障碍物或所述动态障碍物占用的二维栅格的值标记为第二设定值；
若所述二维栅格的标记值为第一设定值，则判断其处于占用状态；若所述二维栅格的标记值为第二设定值，则判断其处于非占用状态。
可选地，所述控制所述车辆沿所述规划行驶路径从所述规划起点到达所述规划终点以实现自动泊车之后，还包括：
接收所述车辆的车主发出的提车指令；
获取当前时刻的环境特征地图，生成可提车区域并向所述车主展示；
接收所述车主基于所述可提车区域确定的目标提车点，将所述目标提车点作为提车终点，获取所述车辆当前时刻的位置作为提车起点；
基于所述提车起点、提车终点以及所述环境特征地图中的障碍物信息生成所述车辆的提车行驶路径；
控制所述车辆沿所述提车行驶路径从所述提车起点行驶到达所述提车终点。
根据本发明的另一个方面，还提供了一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、至少一段程序或代码集由处理器加载并执行如上述任意一项所述的智能代客泊车方法。
根据本发明的另一个方面，还提供了一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、所述至少一段程序或所述代码集由所述处理器加载并执行以实现如上述任意一项所述的智能代客泊车方法。
本发明提供的一种智能代客泊车方法，通过周期性获取车辆周围的环境信息并识别各周期的静态障碍物和动态障碍物之后，结合车辆的行驶轨迹信息基于地图坐标系建立环境特征地图，并在环境特征地图中识别出车辆周围的空闲车位，从而为车辆生成规划行驶路径以控制车辆沿该规划行驶路径从规划起点到达所述规划终点以实现自动泊车。基于本发明提供的智能代客泊车方法，可以在不依赖云端高精地图的情况下周期性自主学习车辆周围的环境信息，理解并记忆周围环境，进而为车辆生成可规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。并且，本发明提供的方法，不依赖与停车场设备及传感器，利用现有车载传感器系统即可完成代客泊车任务，以提升智能化代客泊车效率的同时降低成本。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是根据本发明实施例的智能代客泊车方法流程示意图；
图2是根据本发明实施例的智能提车方法流程示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是根据本发明实施例的智能代客泊车方法流程示意图，参见图1可知，本实施例提供的智能代客泊车方法可以包括：
步骤S102，周期性获取车辆周围的包括障碍物的障碍物信息、车道线信息以及车位信息的环境信息；
步骤S104，基于车辆在初始位置时的车辆坐标系设定地图坐标系；
步骤S106，基于障碍物信息识别各周期的静态障碍物和动态障碍物，并预测动态障碍物的运动轨迹；
步骤S108，获取车辆的行驶轨迹信息，根据行驶轨迹信息和环境信息在地图坐标系中建立具有车辆的行驶轨迹以及映射有静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图；
步骤S110，基于环境特征地图识别车辆的周围是否存在空闲车位；
步骤S112，若存在，则在空闲车位中确定目标车位，以车辆的当前位置为规划起点、目标车位的指定点为规划终点生成规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径；
步骤S114，控制车辆沿规划行驶路径从规划起点到达规划终点以实现自动泊车。
本发明实施例提供的一种更加高效的智能代客泊车方法，通过周期性获取车辆周围的环境信息并识别各周期的静态障碍物和动态障碍物之后，结合车辆的行驶轨迹信息基于地图坐标系建立环境特征地图，并在环境特征地图中识别出车辆周围的空闲车位，从而为车辆生成规划行驶路径以控制车辆沿该规划行驶路径从规划起点到达规划终点以实现自动泊车。基于本发明实施例提供的智能代客泊车方法，可以在不依赖云端高精地图的情况下及时获取车辆周围的环境信息，为车辆生成可规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。并且，基于本发明实施例提供的方法不依赖于停车场设备及传感器，利用车辆已有的车载传感器系统可完成代客泊车任务，提升智能化代客泊车效率。
下面分别对上述实施例提及的步骤S102~S114进行详细说明。
参见上述步骤S102，首先周期性获取车辆周围的环境信息。其中，环境信息可以包括障碍物的障碍物信息、车道线信息以及车位信息等其他环境信息。可选地，与障碍物相关的障碍物信息可以包括障碍物类别、障碍物方位、障碍物运动速度、障碍物运动轨迹、障碍物轮廓信息中至少之一。当然，还可以包括其他与障碍物相关的信息，本发明不做限定。
实际应用中，车辆上可设置多个车载传感器，车辆周围的环境信息可以通过上述设置于车辆上的多个车载传感器进行获取。其中，车载传感器可以包括车载前视相机系统、车载环视摄像头系统、车载角毫米波雷达系统、车载超声波雷达系统、车载惯性测量单元（IMU，Inertial measurement unit，其可以为安装在车辆后轴中心上方的惯性测量单元传感器）、车身传感器等车载传感器。其中，车身传感器可以包括但不限于轮速传感器、车速传感器、转向盘角度传感器、安全系统传感器等用于检测车辆状态的传感器。基于上述提及的多个车载传感器可组成车辆的车载多传感器系统以周期性获取车辆周围的环境信息。另外，车载多传感器系统中还可以包括与上述各车载传感器连接的中央处理单元，以对各车载传感器所获取到的数据进行汇总处理。
进一步地，本实施例提供的方法在周期性获取车身周围的环境信息时，可以以一段固定的时间为一个周期，如30毫秒或是其他时间段。1秒中包含整数个周期，1秒钟所包含的周期个数表示车载多传感器系统的运行频率，单位为Hz，通常为10～100Hz。
参见上述步骤S104，可基于车辆在初始位置时的车辆坐标系设定地图坐标系。
在本实施例中的车辆坐标系是以车辆自身为基准进行设置。该车辆坐标系可以以车辆后轴中心为坐标系原点，以车辆后轴中心指向前轴中心的方向为x轴，以后轴中指向车辆左后轮中心为y方向，且x轴和y轴组成的平面与车辆所在地面平行，z轴垂直于地面向上，满足右手坐标系。
另外，上述实施例所提及的车辆上述设置的多个车载传感器相互之间、以及各自与车辆坐标系的相对位置关系可以预先获知，并且，各个车载传感器所检测出的数据均基于车辆坐标系。例如，上述实施例所提及的障碍物轮廓信息可以投影到车辆坐标系的xy轴平面内。
设定地图坐标系时，可以先确定车辆初始位置，即车辆启用代客泊车功能时的位置，并将此时刻车辆坐标系的原点设定为地图坐标系原点，车辆坐标轴x轴方向，y轴方向，z轴方向可分别对应为地图坐标系的x轴方向，y轴方向，z轴方向。车辆在泊车过程中的位姿可通过车辆在地图坐标系中的位置（x,y,z）以及车辆坐标系x轴与地图坐标系x轴的夹角yaw（偏航角）表示。并且假设在代客泊车过程中，车辆不会产生翻滚及横滚现象。
汽车坐标系在车辆行驶过程中随汽车位姿变换，但是地图坐标系是不会的，因此，车辆行驶位置发生变化后，车辆坐标系的x轴会与地图坐标系x轴存在夹角。
上文提及，可通过车载多传感器系统中的一个或多个车载传感器以周期性获取车辆周围的环境信息。在本发明一可选实施例中，上述步骤S102周期性获取车辆周围的环境信息时，可以包括如下步骤：
S1-1，周期性获取包括车辆前方障碍物的第一障碍物方位、第一障碍物类别、第一障碍物运动速度、第一车道线信息和第一车位信息的第一环境信息；上述信息可以通过车载前视相机系统获取。本实施例中的车载前视相机系统，可以包括安装在车辆前方的单个或多个摄像头，能够覆盖车辆前进方向，视场角小于180°，可用于检测前方障碍物的相关信息。
S1-2，周期性获取包括车辆周围障碍物的第二障碍物方位、第二障碍物类别、第二车道线信息、第二车位信息和第一障碍物轮廓的第二环境信息；上述信息可以通过车载环视相机系统获取。本实施例中的环视相机系统，可包括安装在车身四周的多个鱼眼摄像头，至少4颗，安装车身前后左右四个方向，单颗摄像头水平视场角大于180°，保证环视相机系统视场范围可以覆盖车辆周围360°的范围。
S1-3，周期性获取包括车辆周围障碍物的障碍物运动轨迹、第二障碍物运动速度和第三障碍物方位的第三环境信息；上述信息可以通过角毫米波雷达系统获取。本实施例的角毫米波雷达系统，可以包括安装在车身四周的多个毫米波雷达传感器，至少4颗，装在车身左前右前和左后右后四个角，保证角毫米波雷达系统的检测范围覆盖车辆周围360°的范围。
S1-4，周期性获取包括车辆周围障碍物的第二障碍物轮廓的第四环境信息；上述信息可以通过超声波雷达系统。本实施例的超声波雷达系统，可包括安装在车身四周的多个超声波雷达传感器，安装位置保证可以覆盖角毫米波雷达的盲区范围，与毫米波雷达组成无盲区360°检测范围。
S1-5，将同周期中同一时刻下的第一环境信息、第二环境信息、第三环境信息和/或第四环境信息映射至车辆坐标系中，再将同一时刻的车辆坐标系中的第一环境信息、第二环境信息、第三环境信息和/或第四环境信息进行关联，得到唯一的障碍物方位、唯一的障碍物类别、唯一的障碍物运动速度、唯一的障碍物运动轨迹、唯一的障碍物轮廓信息、唯一的车道线信息以及唯一的车位信息。
前文介绍，车辆周围的环境信息可通过车辆上不同位置不通过类型的车载传感器获取，由于设置于车辆上的车载传感器为多个，各车载传感器对相同障碍物或是车道等信息的获取时会存在偏差，因此，在各车载传感器分别获取到车辆周围的环境信息后，可以将在将同一时刻的车辆坐标系中的不同传感器所获取的环境信息映射至同一车辆坐标系中进行融合关联得到唯一的障碍物方位、唯一的障碍物类别、唯一的障碍物运动速度、唯一的障碍物运动轨迹、唯一的障碍物轮廓信息、唯一的车道线信息以及唯一的车位信息，以准确获知车辆周围的环境信息。
多传感器的数据融合关联是多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。多传感器数据融合可采用现有方法，例如随机类和人工智能类两大类，随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、Dempster-Shafer（D-S）证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。
参见上述步骤S106，可以根据所获取到的车辆周围的障碍物信息识别各周期的静态障碍物和动态障碍物，并预测动态障碍物的运动轨迹。在本发明一可选实施例中，其可以包括：
S2-1，基于唯一的障碍物类别、唯一的障碍物方位、唯一的障碍物运动速度、唯一的障碍物运动轨迹和/或唯一的障碍物轮廓信息将车辆周围的障碍物划分为静态障碍物和动态障碍物；
S2-2，将动态障碍物相关的信息划分为动态障碍物信息；
S2-3，基于动态障碍物信息跟踪车辆周围的每个动态障碍物，确定各周期的动态障碍物在环境特征地图中的位置变化信息；
S2-4，根据动态障碍物各周期在环境特征地图中的位置变化信息，预测其运动轨迹。
在本实施例中，划分静态障碍物和动态障碍物时，可以以障碍物的轮廓、类别、运动速度以及运动轨迹等进行划分，将能够运动的物体划分为动态障碍物，其他则为静态障碍物。例如，可以基于障碍物的轮廓和类别进行识别，或是直接将运动速度不为零及有运动轨迹的障碍物划分为动态障碍物。当然，还可以通过其他方式划分静态障碍物和动态障碍物。另外，对于静态障碍物来讲，还可以对其进行进一步分类，确定属于车辆或其他静态障碍物等等，以便于对划分出的静态障碍物的危险等级进行评估，从而在为车辆规划自动泊车路径时可以有效规避危险等级较高的障碍物。
在划分出静态障碍物和动态障碍物之后，相应地，动态障碍物相关的信息则可以确定为动态障碍物信息，根据动态障碍物信息还可以跟踪各动态障碍物的位置变化信息，并对动态障碍物在下一个周期或是多个周期的运动轨迹进行推断及预测。
参见上述步骤S108，需获取车辆行驶轨迹信息，并根据车辆行驶轨迹信息和环境信息建立环境特征地图。
本实施例中的车辆轨迹信息，可以是车辆多个周期内连续的位置变化信息。在本发明一可选实施例中，可通过以下方式获取车辆的行驶轨迹信息：
S3-1，获取车辆在各周期的第一位置信息、第二位置信息和第三位置信息；
S3-2，将第一位置信息、第二位置信息和第三位置信息映射至车辆坐标系中，对第一位置信息、第二位置信息和第三位置信息进行关联融合，得到车辆的唯一位置信息；
S3-3，基于唯一位置信息计算每个周期内车辆相对于上一个周期的表示车辆的旋转变量和平移变量的位姿变换矩阵；
S3-4，获取每个周期内车辆相对于上一个周期的位置变化信息；
S3-5，基于位姿变换矩阵和位置变化信息得到车辆的行驶轨迹信息。
在本实施例中，第一位置信息、第二位置信息和第三位置信息可以分别是在同一周期内通过车辆上设置的不同车载传感器所获取到的车辆的位置信息。举例来讲，在任一周期分别通过环视相机系统、IMU及轮速计分别获取车辆的位置信息，并且将各传感器所获取到的位置信息映射至车辆坐标系中进行关联融合，以准确获取车辆在每个周期的位置，其具体表现形式可以是车辆坐标系中的坐标点。最后，在得到位姿变换矩阵和相对于上一个周期的位置变化信息之后，就可以得到车辆的行驶轨迹信息。
在本实施例中环视相机系统、IMU及轮速计可以组成车辆的定位系统，实现车辆的定位功能，本实施例中通过将上述各器件所获取的位置信息进行融合，可以获取到的车辆的位置信息更加准确。
进一步地，在获取到当前周期车辆的唯一位置信息之后，通过与上一个周期的唯一位置信息进行比较计算，可以得到车辆相对于上一个周期的位姿变换矩阵（又可以称为旋转/平移矩阵，RT矩阵）。进一步地，还可以通过地图坐标系记录车辆在每个周期的位置特征形成定位特征地图，可以实现车辆的重定位功能。
上述步骤S108还提及，得到车辆的行驶轨迹信息之后，可以在地图坐标系中建立具有车辆的行驶轨迹以及映射有静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图。
在本发明一可选实施例中，建立环境特征地图时，可以先将车道线信息以及车位信息映射至地图坐标系；再将任一周期中车辆的行驶轨迹信息、静态障碍物、动态障碍物映射至地图坐标系中，生成该周期的车辆的环境特征地图。需要说明的是，本实施例所提及的环境特征地图是针对一个周期内的环境信息对应建立的环境特征地图。实际应用中，可以对应每个周期均建立环境特征地图，也可以间隔一个或多个周期建立环境地图，具体可根据车辆周围的环境信息进行设置，本发明不做限定。
参见上述步骤S110，基于环境特征地图识别车辆的周围是否存在空闲车位。
在本发明一可选实施例中，基于环境特征地图识别车辆的周围是否存在空闲车位可以包括：
步骤S4-1，将环境特征地图平均划分为多个预设大小的二维栅格，确定环境特征地图中的各个车位包括的二维栅格；
步骤S4-2，基于静态障碍物和动态障碍物各自的对应的障碍物信息判断各车位所包括的每个二维栅格的占用状态。可选地，判断各车位所包括的每个二维栅格的占用状态时可以包括：首先，根据每个静态障碍物或动态障碍物各自的对应的障碍物信息确定其在环境特征地图中占用的二维栅格并将占用的二维栅格的值标记为第一设定值；其次，将环境特征地图中各个车位所包括的二维栅格中未被静态障碍物或动态障碍物占用的二维栅格的值标记为第二设定值；最后，若二维栅格的标记值为第一设定值，则判断其处于占用状态；若二维栅格的标记值为第二设定值，则判断其处于非占用状态。
步骤S4-3，若存在任意一个车位所包含的所有二维栅格全部处于未占用状态，则确定该车位为空闲车位。
在本发明实施例中，环境特征地图以二维栅格占据地图的形式呈现，栅格地图尺寸随着系统探索的范围扩大而扩大。可选地，每一个二维栅格代表0.1 m×0.1 m的区域。根据障碍物的方位以及轮廓信息可以确定各障碍物所占据的二维栅格，从为环境特征地图中的每个二维栅格的取值进行标记。其中，第一设定值可以为1，即表示该二维栅格被占用；第二设定值可以为0，表示该二维栅格未被占用。对于每个周期所对应的环境特征地图来讲，该环境特征地图中的各二维栅格的占用状态可以动态更新，以便于及时获取环境特征地图中各车位的占用状态。如果环境特征地图中某一车位内所有二维栅格的标记值为0，则表示该车位未被占用，为空闲车位。反之，如果某一车位内存在不为0的二维栅格，则表示该车位被占用，为不可用车位。
参见上述步骤S112，假设存在空闲车位，则可以确定目标车位，同时以当前位置为规划起点、目标车位的指定点为规划终点生成规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。
可选地，假设空闲车位只有一个，则将该唯一的空闲车位设置为目标车位。假设空闲车位为多个，可以根据空闲车位与当前车辆的相对位置关系选取与车辆当前位置较近的空闲车位作为目标车位，或是选取车位周围障碍物较少的空闲车位作为目标车位。
确定目标车位之后，可根据车位大小和车辆大小的关系，计算停车后车辆后轴中心在车位的位置为规划终点。车辆当前的位置为当前时刻的规划起点，生成车辆的规划行驶路径。规划算法可以使用不限与A*（A-star algorithm，A-Star算法）或ReedsShepp曲线等主流算法，生成可规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。
上述实施例提及，可将环境特征地图划分为多个预设大小的二维栅格，可选地，在规避静态障碍物时，可以选取车辆周围一定范围内的二维栅格以确定在车辆行驶路径上的是否存在障碍物，同时并将标记值为第二设定值的二维栅格的区域确定为车辆的可行驶区域，进而基于可行驶区域内为车辆生成规划行驶路径。
最后，执行上述步骤S114，控制车辆沿规划行驶路径从规划起点到达规划终点以实现自动泊车。也就是说，根据上述规划行驶路径，控制车辆行驶到目标车位上，完成自动泊车。可选地，在控制车辆沿规划行驶路径进行行驶时，同样需要周期性获取车辆周围的环境信息并生成环境特征地图，根据实时的障碍物信息及时更新车辆的规划行驶路径，避免车辆在泊车过程中发生碰撞。
另外，当车辆的后轴中心与规划终点小于一定距离（例如0.1m）或车辆中轴与车位方向的夹角小于一定角度（如3°）时，满足泊车要求，可完成泊车操作。在车辆完整泊车后，可以存储当前的环境特征地图以及车辆从到规划起点到规划终点的车辆泊车轨迹，可以供后续提车时进行参考。此时，车辆保持最低功耗并处于待命状态，即等待接收车主的提车指令。
从另一方面来讲，假设上述步骤S110判断车辆周围如果没有空闲车位，则执行步骤S116，控制车辆沿当前车道继续行驶。具体根据上述实施例所确定出的车辆的可行驶区域，并确保车辆保持在当前车道上行驶。此时，可以将车辆当前位置作为当前时刻的规划起点，车道当前行驶的车道的终点作为规划终点，使用A*算法或ReedsShepp曲线生成可规避静态障碍物和预测的动态障碍物的运动轨迹的行驶路径。在行驶过程中，依旧需要周期获取环境信息并生成环境特征地图，以更新车辆周围的障碍物信息，及时规避障碍物。
在本发明一可选实施例中，对于已经完成自动泊车的车辆，还可以实现智能提车，本发明实施例提供了一种智能提车方法，如图2所示，本发明实施例提供的智能提车方法可以包括：
步骤S202，接收车辆的车主发出的提车指令；
步骤S204，获取当前时刻的环境特征地图，生成可提车区域并向车主展示；
步骤S206，接收车主基于可提车区域确定的目标提车点，将目标提车点作为提车终点，获取车辆当前时刻的位置作为提车起点；
步骤S208，基于提车起点、提车终点以及环境特征地图中的障碍物信息生成车辆的提车行驶路径；
步骤S210，控制车辆沿提车行驶路径从提车起点行驶到达提车终点。
在本发明实施例提供的智能提车方法中，当车主通过智能终端向车辆发出提车指令后，可唤醒车辆的智能提车功能。此时，可以获取当前时刻的环境特征地图生成可提车区域，发送给车主的智能终端向用户展示，由车主确定目标提车点以及停车方向后，将车辆当前的位置作为提车起点，车主所确定的目标提车点作为提车终点，生成可规避静态障碍物和动态障碍物行驶轨迹的提车行驶路径，控制车辆沿该提车行驶路径行驶并到达提车终点。在车辆沿提车行驶路径行驶的过程中，同样可以基于障碍物的实时信息及时调整规划路径，以避免碰撞。当确定车辆到达停车点后，等待车主接管车辆，然后关闭代客泊车空能，整个智能代客泊车过程结束。
本发明实施例提供的一种更加高效的智能代客泊车方法，通过周期性获取车辆周围的环境信息并识别各周期的静态障碍物和动态障碍物之后，结合车辆的行驶轨迹信息基于地图坐标系建立环境特征地图，并在环境特征地图中识别出车辆周围的空闲车位，从而为车辆生成规划行驶路径以控制车辆沿该规划行驶路径从规划起点到达规划终点以实现自动泊车。基于本发明实施例提供的智能代客泊车方法，可以在不依赖云端高精地图的情况下周期性自主学习车辆周围的环境信息，理解并记忆周围环境，进而为车辆生成可规避静态障碍物和动态障碍物的运动轨迹的规划行驶路径。并且，基于本发明实施例提供的方法不依赖于停车场设备及传感器，仅利用车辆已有的车载传感器系统即可完成代客泊车任务，可提升智能化代客泊车效率。
进一步地，基于本发明实施例提供的智能代客泊车方法，能够及时更新车辆在泊车过程中的障碍物信息，实现及时避障，有效保证车辆的行驶安全。另外，本发明实施例所提供的方案还可以在车主发出提车指令时自动规划提车路径，控制车辆行驶至车主指定的提车目标点，在解决停车难的问题的同时提供一种更加高效且高度智能化的代客泊车方法。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、至少一段程序或代码集由处理器加载并执行如上述任意一个实施例所述的智能代客泊车方法。
基于同一发明构思，本发明实施例还提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、所述至少一段程序或所述代码集由所述处理器加载并执行以实现如上述任意一个实施例所述的智能代客泊车方法。
所属领域的技术人员可以清楚地了解到，上述描述的系统具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。
本领域普通技术人员可以理解：上述的方法如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备（例如个人计算机，服务器，或者网络设备等）在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM）、随机存取存储器（RAM），磁碟或者光盘等各种可以存储程序代码的介质。
或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件（诸如个人计算机，服务器，或者网络设备等的计算设备）来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。
Claims (9)
1.一种智能代客泊车方法，包括：
周期性获取车辆周围的包括障碍物的障碍物信息、车道线信息以及车位信息的环境信息；
基于车辆在初始位置时的车辆坐标系设定地图坐标系；
基于所述障碍物信息识别各周期的静态障碍物和动态障碍物，并预测所述动态障碍物的运动轨迹；
获取车辆的行驶轨迹信息，根据所述行驶轨迹信息和所述环境信息在所述地图坐标系中建立具有车辆的行驶轨迹以及映射有所述静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图；
基于所述环境特征地图识别所述车辆的周围是否存在空闲车位；
若存在，则在所述空闲车位中确定目标车位，以所述车辆的当前位置为规划起点、所述目标车位的指定点为规划终点生成规避所述静态障碍物和所述动态障碍物的运动轨迹的规划行驶路径；
控制所述车辆沿所述规划行驶路径从所述规划起点到达所述规划终点以实现自动泊车；
其特征在于，所述障碍物信息包括障碍物类别、障碍物方位、障碍物运动速度、障碍物运动轨迹、障碍物轮廓信息中至少之一；
所述周期性获取车辆周围的包括障碍物的障碍物信息、车道线信息以及车位信息的环境信息，包括：
周期性获取包括车辆前方障碍物的第一障碍物方位、第一障碍物类别、第一障碍物运动速度、第一车道线信息和第一车位信息的第一环境信息；
周期性获取包括车辆周围障碍物的第二障碍物方位、第二障碍物类别、第二车道线信息、第二车位信息和第一障碍物轮廓的第二环境信息；
周期性获取包括车辆周围障碍物的障碍物运动轨迹、第二障碍物运动速度和第三障碍物方位的第三环境信息；
周期性获取包括车辆周围障碍物的第二障碍物轮廓的第四环境信息；
将同周期中同一时刻下的所述第一环境信息、第二环境信息、第三环境信息和/或第四环境信息映射至车辆坐标系中，再将同一时刻的车辆坐标系中的所述第一环境信息、第二环境信息、第三环境信息和/或第四环境信息进行关联，得到唯一的障碍物方位、唯一的障碍物类别、唯一的障碍物运动速度、唯一的障碍物运动轨迹、唯一的障碍物轮廓信息、唯一的车道线信息以及唯一的车位信息。
2.根据权利要求1所述的方法，其特征在于，所述基于所述障碍物信息识别各周期的静态障碍物和动态障碍物，并预测所述动态障碍物的运动轨迹，包括：
基于所述唯一的障碍物类别、唯一的障碍物方位、唯一的障碍物运动速度、唯一的障碍物运动轨迹和/或唯一的障碍物轮廓信息将所述车辆周围的障碍物划分为静态障碍物和动态障碍物；
将所述动态障碍物相关的信息划分为动态障碍物信息；
基于所述动态障碍物信息跟踪所述车辆周围的每个动态障碍物，确定各周期的动态障碍物在所述环境特征地图中的位置变化信息；
根据所述动态障碍物各周期在所述环境特征地图中的位置变化信息，预测其运动轨迹。
3.根据权利要求1所述的方法，其特征在于，所述获取车辆的行驶轨迹信息，包括：
获取所述车辆在各周期的第一位置信息、第二位置信息和第三位置信息；
将所述第一位置信息、第二位置信息和第三位置信息映射至车辆坐标系中，对所述第一位置信息、第二位置信息和第三位置信息进行关联融合，得到所述车辆的唯一位置信息；
基于所述唯一位置信息计算每个周期内所述车辆相对于上一个周期的表示所述车辆的旋转变量和平移变量的位姿变换矩阵；
获取每个周期内所述车辆相对于上一个周期的位置变化信息；
基于所述位姿变换矩阵和所述位置变化信息得到所述车辆的行驶轨迹信息。
4.根据权利要求1所述的方法，其特征在于，根据所述行驶轨迹信息和所述环境信息在所述地图坐标系建立具有车辆的行驶轨迹以及映射有所述静态障碍物、动态障碍物的运动轨迹、车道线和车位的环境特征地图，包括：
将所述车道线信息以及车位信息映射至所述地图坐标系；
将任一周期中所述车辆的行驶轨迹信息、静态障碍物、动态障碍物映射至所述地图坐标系中，生成该周期的所述车辆的环境特征地图。
5.根据权利要求4所述的方法，其特征在于，所述基于所述环境特征地图识别所述车辆的周围是否存在空闲车位，包括：
将所述环境特征地图平均划分为多个预设大小的二维栅格，确定所述环境特征地图中的各个车位包括的二维栅格；
基于所述静态障碍物和动态障碍物各自的对应的障碍物信息判断各车位所包括的每个二维栅格的占用状态；
若存在任意一个车位所包含的所有二维栅格全部处于未占用状态，则确定该车位为空闲车位。
6.根据权利要求5所述的方法，其特征在于，所述基于所述静态障碍物和动态障碍物各自的对应的障碍物信息判断各车位所包括的每个二维栅格的占用状态，包括：
根据每个静态障碍物或动态障碍物各自的对应的障碍物信息确定其在所述环境特征地图中占用的二维栅格并将占用的二维栅格的值标记为第一设定值；
将所述环境特征地图中各个车位所包括的二维栅格中未被所述静态障碍物或所述动态障碍物占用的二维栅格的值标记为第二设定值；
若所述二维栅格的标记值为第一设定值，则判断其处于占用状态；若所述二维栅格的标记值为第二设定值，则判断其处于非占用状态。
7.根据权利要求1所述的方法，其特征在于，所述控制所述车辆沿所述规划行驶路径从所述规划起点到达所述规划终点以实现自动泊车之后，还包括：
接收所述车辆的车主发出的提车指令；
获取当前时刻的环境特征地图，生成可提车区域并向所述车主展示；
接收所述车主基于所述可提车区域确定的目标提车点，将所述目标提车点作为提车终点，获取所述车辆当前时刻的位置作为提车起点；
基于所述提车起点、提车终点以及所述环境特征地图中的障碍物信息生成所述车辆的提车行驶路径；
控制所述车辆沿所述提车行驶路径从所述提车起点行驶到达所述提车终点。
8.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、至少一段程序或代码集由处理器加载并执行如权利要求1-7任意一项所述的智能代客泊车方法。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序或代码集，所述至少一条指令、所述至少一段程序或所述代码集由所述处理器加载并执行以实现如权利要求1-7任意一项所述的智能代客泊车方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010183808.3A CN111319615B (zh) | 2020-03-16 | 2020-03-16 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010183808.3A CN111319615B (zh) | 2020-03-16 | 2020-03-16 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111319615A CN111319615A (zh) | 2020-06-23 |
| CN111319615B true CN111319615B (zh) | 2021-02-26 |
Family
ID=71169470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010183808.3A Active CN111319615B (zh) | 2020-03-16 | 2020-03-16 | 智能代客泊车方法、计算机可读存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111319615B (zh) |
Families Citing this family (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114136318A (zh) * | 2020-08-13 | 2022-03-04 | 科沃斯商用机器人有限公司 | 一种机器智能导航方法和装置 |
| CN111829545B (zh) * | 2020-09-16 | 2021-01-08 | 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 |
| CN112208518B (zh) * | 2020-09-28 | 2022-02-01 | 惠州华阳通用电子有限公司 | 一种泊车路径自动规划方法 |
| CN112046469B (zh) * | 2020-09-29 | 2022-07-05 | 上海汽车集团股份有限公司 | 一种自动泊车方法、系统、服务器及存储介质 |
| CN112419776B (zh) * | 2020-10-16 | 2023-04-18 | 爱驰汽车（上海）有限公司 | 自主泊车方法、装置、汽车及计算设备 |
| CN112289070B (zh) * | 2020-10-20 | 2021-12-07 | 广州小鹏自动驾驶科技有限公司 | 一种车位检测方法、装置、车辆、可读介质 |
| 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 |
| CN112363511A (zh) * | 2020-11-23 | 2021-02-12 | 上海欧菲智能车联科技有限公司 | 车辆路径规划方法、装置、车载装置及存储介质 |
| CN114619951A (zh) * | 2020-12-14 | 2022-06-14 | 宝能汽车集团有限公司 | 车辆转向灯的控制方法、存储介质、电子设备、车辆 |
| CN112802346B (zh) * | 2020-12-28 | 2022-04-15 | 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 |
| CN112572421B (zh) * | 2020-12-30 | 2022-03-11 | 广州小鹏自动驾驶科技有限公司 | 车辆自动泊车方法、装置、车辆和存储介质 |
| CN112572423B (zh) * | 2020-12-30 | 2022-08-16 | 广州小鹏自动驾驶科技有限公司 | 一种辅助泊车的方法和装置 |
| CN112896070A (zh) * | 2021-01-19 | 2021-06-04 | 香港中文大学（深圳） | 一种车位障碍物检测方法、装置及计算机可读存储介质 |
| CN112793563B (zh) * | 2021-02-04 | 2022-07-19 | 武汉理工大学 | 一种自动泊车的方法、装置、存储介质和计算机设备 |
| CN113077652B (zh) * | 2021-03-19 | 2022-08-09 | 上海欧菲智能车联科技有限公司 | 车位自动搜索方法、装置、电子装置及存储介质 |
| CN113096436B (zh) * | 2021-03-25 | 2022-12-23 | 建信金融科技有限责任公司 | 一种室内泊车方法和装置 |
| CN113104028B (zh) * | 2021-03-31 | 2022-09-13 | 东风汽车集团股份有限公司 | 基于停放场地的控制方法、装置、可移动载体及存储介质 |
| US20220340172A1 (en) * | 2021-04-23 | 2022-10-27 | Motional Ad Llc | Planning with dynamic state a trajectory of an autonomous vehicle |
| 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 |
| WO2022241771A1 (zh) * | 2021-05-21 | 2022-11-24 | 华为技术有限公司 | 一种预测方法、装置、车辆和智能驾驶系统 |
| CN113358113A (zh) * | 2021-06-18 | 2021-09-07 | 刘治昊 | 一种基于衣架反射原理的导航装置 |
| CN113479191B (zh) * | 2021-06-30 | 2023-04-07 | 重庆长安汽车股份有限公司 | 用于泊车的无车道线的车道边界检测系统、方法及车辆 |
| CN113492841B (zh) * | 2021-07-22 | 2022-09-06 | 上汽通用五菱汽车股份有限公司 | 泊车控制方法、装置及计算机可读存储介质 |
| CN113815606A (zh) * | 2021-10-12 | 2021-12-21 | 上海寅家电子科技股份有限公司 | 车辆控制方法、装置、系统、汽车及计算机可读存储介质 |
| CN114185353B (zh) * | 2021-12-09 | 2024-03-22 | 吉林大学 | 一种自主作业装载机倒车避障与路径规划方法 |
| CN114194201A (zh) * | 2021-12-28 | 2022-03-18 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN114510055B (zh) * | 2022-02-18 | 2022-11-08 | 科大国创合肥智能汽车科技有限公司 | 一种构建后方车道线的方法 |
| CN114435347B (zh) * | 2022-02-24 | 2024-03-19 | 阿波罗智联(北京)科技有限公司 | 泊车轨迹的确定方法、装置、设备以及存储介质 |
| CN114386721B (zh) * | 2022-03-23 | 2023-06-20 | 蔚来汽车科技(安徽)有限公司 | 用于换电站的路径规划方法、系统、介质和换电站 |
| CN115042823A (zh) * | 2022-07-29 | 2022-09-13 | 浙江吉利控股集团有限公司 | 一种代客泊车方法、装置、电子设备及存储介质 |
| CN115326099B (zh) * | 2022-10-11 | 2023-03-07 | 禾多科技（北京）有限公司 | 局部路径规划方法、装置、电子设备和计算机可读介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130118116A (ko) * | 2012-04-19 | 2013-10-29 | 현대모비스 주식회사 | 자동 주차 보조 시스템에서 장애물 충돌 회피 장치 및 방법 |
| CN104260722B (zh) * | 2014-09-23 | 2017-06-06 | 北京理工大学 | 一种自动泊车系统 |
| CN105946853B (zh) * | 2016-04-28 | 2018-05-29 | 中山大学 | 基于多传感器融合的长距离自动泊车的系统及方法 |
| WO2018193577A1 (ja) * | 2017-04-20 | 2018-10-25 | 三菱電機株式会社 | 駐車支援制御装置および駐車支援制御方法 |
| CN109606354B (zh) * | 2018-10-18 | 2020-07-28 | 同济大学 | 一种基于分层规划的自动泊车方法及辅助系统 |
| CN110126817B (zh) * | 2018-12-16 | 2023-01-06 | 魔门塔(苏州)科技有限公司 | 一种自适应任意点与固定点间泊车或召回的方法及系统 |
| CN110435638B (zh) * | 2019-06-28 | 2021-01-01 | 惠州市德赛西威汽车电子股份有限公司 | 一种泊车位自动跟踪方法 |
| CN110696822A (zh) * | 2019-11-25 | 2020-01-17 | 安徽江淮汽车集团股份有限公司 | 自动泊车控制方法、装置、设备及存储介质 |
-
2020
- 2020-03-16 CN CN202010183808.3A patent/CN111319615B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111319615A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111319615B (zh) | 智能代客泊车方法、计算机可读存储介质及电子设备 | |
| US11783707B2 (en) | Vehicle path planning | |
| CN108646731B (zh) | 无人驾驶车辆场端控制系统及其控制方法 | |
| US20200307561A1 (en) | System and method for radar cross traffic tracking and maneuver risk estimation | |
| Chu et al. | Local path planning for off-road autonomous driving with avoidance of static obstacles | |
| WO2020243162A1 (en) | Methods and systems for trajectory forecasting with recurrent neural networks using inertial behavioral rollout | |
| CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
| CN110857085A (zh) | 车辆路径规划 | |
| US20220080961A1 (en) | Control system and control method for sampling based planning of possible trajectories for motor vehicles | |
| JP2021524410A (ja) | ドライブエンベロープの決定 | |
| US11260857B2 (en) | Polyline contour representations for autonomous vehicles | |
| CN106257242A (zh) | 用于调节道路边界的单元和方法 | |
| Kim et al. | Design of integrated risk management-based dynamic driving control of automated vehicles | |
| US11527028B2 (en) | Systems and methods for monocular based object detection | |
| US20190163201A1 (en) | Autonomous Vehicle Sensor Compensation Using Displacement Sensor | |
| CN111522350A (zh) | 感知方法、智能控制设备及自动驾驶车辆 | |
| US20230118472A1 (en) | Systems and methods for vehicle motion planning | |
| WO2023147769A1 (en) | Systems, methods, and computer-readable media for spatio-temporal motion planning | |
| CN117320945A (zh) | 用于确定自主车辆控制中的运动预测的运动模型的方法和系统 | |
| WO2023177969A1 (en) | Method and system for assessing whether a vehicle is likely to leave an off-road parking area | |
| CN112731944B (zh) | 一种无人驾驶压路机自主避障方法 | |
| CN117916682A (zh) | 使用时空凸形走廊的运动规划 | |
| Becker et al. | 2D laser-based probabilistic motion tracking in urban-like environments | |
| US20240034307A1 (en) | Determination of a Free Space Boundary of a Physical Environment in a Vehicle Assistance System | |
| US20230415736A1 (en) | Systems and methods for controlling longitudinal acceleration based on lateral objects |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220316 Address after: 430051 No. b1336, chuanggu startup area, taizihu cultural Digital Creative Industry Park, No. 18, Shenlong Avenue, Wuhan Economic and Technological Development Zone, Wuhan, Hubei Province Patentee after: Yikatong (Hubei) Technology Co.,Ltd. Address before: No.c101, chuanggu start up area, taizihu cultural Digital Industrial Park, No.18 Shenlong Avenue, Wuhan Economic Development Zone, Hubei Province Patentee before: HUBEI ECARX TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right |