CN111341136A - 一种基于车路协同的代客泊车方法、系统及存储介质 - Google Patents
一种基于车路协同的代客泊车方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111341136A CN111341136A CN202010085747.7A CN202010085747A CN111341136A CN 111341136 A CN111341136 A CN 111341136A CN 202010085747 A CN202010085747 A CN 202010085747A CN 111341136 A CN111341136 A CN 111341136A
- Authority
- CN
- China
- Prior art keywords
- target
- path
- parking
- parking space
- vehicle
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于车路协同的代客泊车方法、系统及存储介质,所述方法包括:当目标车辆进入目标区域时,接收所述目标车辆所在终端发送的泊车路径获取请求;基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。本申请的方案,提高了停车效率。
Description
技术领域
本申请涉及自动代客泊车技术领域,尤其涉及一种基于车路协同的代客泊车方法、系统及存储介质。
背景技术
AVP自动代客泊车是在泊车辅助系统、ADAS(高级自动驾驶辅助系统)上的升级,属于低速L4级自动驾驶。区别于户外道路的自动驾驶则要应对各种天气状况和极端情境,在AVP的刚性使用环境里,比如大型商业或办公园区的停车场,场内各环境稳定、低速场景、交通参与者单一,是近几年最有可能实现量产商业化的无人驾驶功能场景应用。
但目前各OEM和Tier1的AVP解决方案都把重点放在车辆的改装上,通过加装大量的传感器来完成自主代客泊车,但是这一解决方案一方面加大了车辆的成本,不利于大规模量产商业化,另一方面只是适用于前期小规模人少的停车场环境,并不能应用至人流、车流密集的商业停车场,其主要原因在于该方案没法根据停车场的全局实时信息进行全局最优的路径规划。通过V2X发送给车辆的空闲车位并没有优先级排序,有些车位附近可能存在多车拥堵挡道的问题,不方便AVP自主泊车,如果AVP选择这些车位前往泊车很大程度上会加重停车场的拥堵情况。另外有些车位在AVP车辆前往泊车的途中被其他社会车辆占用,导致需要重新选择新的车位并自主前往,这会造成AVP车辆在停车场内来回绕着找车位的现象,一方面大大降低了停车效率,另一方面浪费油耗。
因此,有必要提供一种基于车路协同的代客泊车方法、系统及存储介质,对空闲车位的优先级进行排序,确定出代价最低的路径,供车辆进行泊车,从而提高了停车效率。
发明内容
本申请提供了一种基于车路协同的代客泊车方法、系统及存储介质,可以对空闲车位的优先级进行排序,确定出代价最低的路径,供车辆进行泊车,从而提高停车效率。
一方面,本申请提供了一种基于车路协同的代客泊车方法,所述方法包括:
当目标车辆进入目标区域时,接收所述目标车辆所在终端发送的泊车路径获取请求;
基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;
根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;
基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
另一方面提供了一种基于车路协同的代客泊车方法,所述方法包括:
当目标车辆进入目标区域时,向服务器发送泊车路径获取请求;
以使所述服务器基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
接收所述服务器发送的所述目标车位与所述目标路径;
控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
另一方面提供了一种泊车系统,所述系统包括服务器和终端,
所述服务器,用于基于泊车路径获取请求,确定目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;以及向所述终端发送所述目标车位与所述目标路径;
所述终端,用于当所述目标车辆进入目标区域时,向服务器发送泊车路径获取请求;以及控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
另一方面提供了一种计算机存储介质,所述计算机存储介质存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如上所述的基于车路协同的代客泊车方法。
本申请提供的基于车路协同的代客泊车方法、系统及存储介质,具有如下技术效果:
(1)检测停车场中的车位占用情况并通过V2X下发给车辆,提前告知AVP车辆空闲车位位置,避免车辆盲目寻找可用车位。
(2)通过激光雷达检测停车场中的障碍物等感知目标,既可以用于规划最优路径,同时可以作为AVP自车感知盲区的补充,扩大自动驾驶的感知范围,通过V2X下发目标位置有助于AVP车辆提前进行减速、避障等动作。
(3)全局路径的最优化和路径的更新能保证AVP功能的停车效率最大化,有助于改善停车场拥挤、停车效率低、停车油耗高等普遍严重的城市停车难问题。
(4)通过停车场的基础设施优化改建可以减低AVP车辆的硬件成本,通过场端的激光雷达的感知部署和V2X车路协同可以在一定程度上替代自动驾驶车辆上昂贵的激光雷达传感器,更有助于AVP功能的商业化落地。
(5)停车场场端的激光雷达相比于AVP自车的传感器感知具有覆盖范围广、盲区小的特点,感知的目标能通过V2X下发给所有车辆使用。一次投入,多方受益,具有较高的综合性价比。而且从效率及可靠性方面看,结合全局感知进行统筹全局路径规划更优于仅仅依靠AVP车辆本身传感器的感知目标而做出的局部路径规划。
(6)在自动代客泊车过程中,确定出停车场中的空闲车位之后,根据车辆到每个空闲车位的代价函数值,对空闲车位的优先级进行排序,确定出代价最低的路径,供车辆进行泊车,提高了停车效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种基于车路协同的代客泊车方法的流程示意图;
图2是本申请实施例提供的另一种基于车路协同的代客泊车方法的流程示意图;
图3是本申请实施例提供的一种车位占用信息地图;
图4是本申请实施例提供的一种动态高精度地图;
图5是本申请实施例提供的二值化、栅格化后生成初步的全局路径示意图;
图6是本申请实施例提供的部分白色网格的代价值示意图;
图7是本申请实施例提供的通过局部路径规划完成车辆避障和泊车入位的仿真示意图;
图8是本申请实施例提供的另一种基于车路协同的代客泊车方法的流程示意图;
图9是本申请实施例提供的另一种基于车路协同的代客泊车方法的流程示意图;
图10是本申请实施例提供的一种泊车服务器的结构示意图;
图11是本申请实施例提供的一种泊车终端的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请中涉及的英文注释如下:
AVP(Auto Valet Parking)自动代客泊车
V2X(Vehicle to Anything)车路协同
RSU(Road Side Unit)路侧单元
OBU(On-Board Unit)车载终端
MEC边缘计算服务器。
以下介绍本申请的一种基于车路协同的代客泊车方法,图1是本申请实施例提供的一种基于车路协同的代客泊车方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,所述方法可以包括:
S101:当目标车辆进入目标区域时,所述目标车辆所在终端向服务器发送泊车路径获取请求;所述泊车路径获取请求携带目标车辆的位置信息;
在本说明书实施例中,所述目标区域可以为停车场,所述目标车辆可以为AVP车辆;判断AVP车辆进入停车场可从多方面进行实现,即可以通过与车牌识别的起落杆系统进行信息交互获取车辆进入停车场的信息,也可以通过自车的定位及入口处路侧激光雷达的检测结果通过V2X通信来判断车辆是否进入停车场。所述服务器可以为场端MEC服务器。
S103:所述服务器基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;
在本说明书实施例中,服务器在的收到AVP车辆的路径规划请求消息后,在MEC场端边缘计算服务器上结合实时的可用车位检测结果和场端激光雷达的目标检测结果进行泊车路径的规划。泊车全局路径的规划方法如下:
1)通过车位检测相机对可用车位进行识别检测,一般以N个车位(例如,N可以为3)为一个单元安装一个检测相机来检测车位是否被占用,通过特征识别算法对视频图像中的车位线进行区域划分,搭建检测和分类网络对车位区域内的车辆、两轮车或其他大型障碍物进行检测和分类,将所有车位检测相机的检测结果上传汇聚至MEC边缘计算服务器,结合停车场的离线高精度地图生成带有车位占用情况的信息地图,如图3所示,其中1为已占用车位,2为可用空闲车位。
2)本发明中需要对停车场进行场端改造,在停车场的过道交汇及过道中间部署激光雷达对停车场感知范围内的车辆、行人或其他障碍物进行识别、追踪和定位,激光雷达输出的动态目标列表信息结合图2带车位占用信息的高精度地图生成动态高精度地图,将停车场内在当前时刻的动态目标表示在动态高精度地图上,如图4所示,其中4表示AVP自车,3表示障碍物目标(车辆或行人)。
3)将图4的动态高精度地图二值化,白色区域定义为0(可行驶区域),其他颜色区域为1(不可行驶区域),为保证后续生成的路径的安全性,在进行二值化的时候对激光雷达检测的动态目标四周一定范围内也定义为不可行驶区域,范围定义为d,可根据路径的激进与保守度调整d的范围,如图5所示,白色为可行驶区域,黑色为障碍物区域(不可行驶区域)。因为停车场环境相对简单而且固定,在前期制作停车场高精度地图时,可以同时为每一个车位生成一条离线的全路路径(从停车场入口至车位处)并保存在地图的其中一图层中。为减小计算资源,加快路径生成速度,在生成初步的全局路径时可以直接从离线的地图图层中调取参考路径。如图5中有6个车位为可用车位,即生成6条初步的全局路径,定义为a,b,c,d,e,f,同时此处6条路径中存在一个分岔点,记为Node1,作为之后请求路径更新的参考点。
4)将图5中二值化后的地图栅格化,并为每一个cell网格赋值,其中白色网格赋值公式如下:
Cost_white_cell=f(bias_white,nearby_obstacle,range,distance)
其中:
bias_white:为固定常值
nearby_obstacle:为该cell在周围一定范围内的动态障碍物(激光雷达检测的目标物体)
range:自定义的范围(以cell网格计数,周围相邻8个方向)
distance:与在range范围内的动态障碍物的距离(以多少个cell网格计数,并定义对角相邻的距离大于边线相邻)
Cost_black_cell=bias_black(此黑网格为激光雷达检测到的障碍物占有网格,bias_black>>bias_white)
根据以上黑网格和白网格的赋值公式将栅格化后的地图进行栅格赋值,并统计计算每一路径经过的网格,通过求和获得每一条初步路径的代价函数。
Cost_Path_i=sum(Cost_black_cell_pass)+sum(Cost_white_cell_pass)
从图5的6条路径中可以看出,路径b虽为最短路径,但是b车位附近存在一辆动态的车辆导致路径b的代价大于路径a,同时路径c,d,e,f的代价也大于路径a,也因此根据代价函数得到代价最小的最优路径为路径a。
比如选定bias_white的固定常值为2,range为3个单元格,distance为当前单元格距离动态目标的距离(图中的黑色方格),函数Cost_white_cell=f(bias_white,nearby_obstacle,range,distance)的形式可以是:
If distance>=3:Cost_white_cell=2
Otherwise Cost_white_cell=ceiling(2+3/distance)(向上取整)
得到图5中部分白色网格的代价值如图6所示,网格中数字代表对应网格的代价值。黑色网格代表的是有障碍物的区域,所以其代价值可以是一个较大的常值,比如设为7。然后把每一条路径经过的所有网格的代价值求和就可以得出每一条路径的代价,在这里按照这个函数求得:
Cost_Path_a=194
Cost_Path_b=210
Cost_Path_c=322
Cost_Path_d=330
Cost_Path_e=300
Cost_Path_f=256
可见,Cost_Path_a<Cost_Path_f<Cost_Path_e<Cost_Path_b<Cost_Path_c<Cost_Path_d。
MEC边缘计算服务器将最优路径a通过V2X路侧单元(RSU)发送给OBU到AVP车辆用于车辆的路径跟随控制。
S105:所述服务器根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;
S107:所述服务器基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
在本说明书实施例中,所述服务器基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径包括:
所述服务器将所述目标车辆到每个空闲车位的路径对应的代价函数值由大到小进行排序;
所述服务器将排序末位的代价函数值对应的空闲车位确定为目标车位,将排序末位的代价函数值对应的路径确定为目标路径。
S109:所述服务器向所述终端发送所述目标车位与所述目标路径;
S1011:所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
在本说明书实施例中,如图2所示,所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车的步骤之前,所述方法还包括:
所述终端判断所述目标路径上是否存在障碍物。
具体的,在本说明书实施例中,若所述目标路径上存在障碍物,所述方法还包括:
所述终端基于所述目标路径,确定规避所述障碍物的避障路径;
相应的,所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
所述终端控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车。
具体的,在本说明书实施例中,若所述目标路径上存在障碍物,所述方法还包括:
所述终端向所述服务器发送避障路径获取请求;
所述服务器基于所述避障路径获取请求,确定规避所述障碍物的避障路径;
相应的,所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
所述终端控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车。
在本说明书实施例中,当AVP在车辆在前往泊车位的途中遇到当前路径被其他动态目标占据时,需要向通过局部路径规划进行避障并在成功避障后返回原路径。在遇到当前路径上存在障碍物时,AVP车辆既可以通过自身传感器感知周围的障碍物信息并通过车载计算单元来完成局部路径规划和避障操作,对与自身传感器欠丰富的AVP车辆也可以通过向场端MEC请求局部路径来获得避障路径。MEC边缘计算服务器可以通过激光雷达感知目标和栅格地图通过混合A*算法解出代价最小、最优局部路径完成避障并返回原路径。
在本说明书实施例中,若所述目标路径上不存在障碍物,所述方法还包括:
所述终端判断所述目标路径上是否存在分岔节点。
具体的,在本说明书实施例中,当所述目标路径上存在一个分岔节点时,所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
所述终端控制所述目标车辆沿所述目标路径行驶至所述分岔节点;
所述终端向所述服务器发送更新路径获取请求;
所述服务器基于所述更新路径获取请求,确定更新路径;
所述服务器向所述终端发送所述更新路径;
所述终端控制所述目标车辆沿所述更新路径行驶至所述目标车位进行泊车。
在一个具体的实施例中,当AVP车辆到达图5中的Node1位置时,向场端MEC服务器请求更新路径。服务器接收到车辆请求后根据当前时刻激光雷达检测到的目标列表更新动态高精度地图,并重复代价函数计算当前时刻所有路径的代价和路径分岔点Node,并获得最优路径下发给AVP车辆。直到选择的最优路径上没有分岔点并达到路径终点的可用车位处。到达目标车位附近后可以通过AVP车辆自身传感器(环视摄像头、超声波雷达或激光雷达)完成自主泊车入位,也可以由场端MEC边缘计算服务器结合路侧激光雷达感知结果与占据栅格地图通过混合A*算法进行泊车路径规划,引导AVP车辆泊车入位。图7(a-d)为通过混合A*算法进行局部路径规划完成车辆避障和泊车入位的仿真示意图,图中4为目标车辆,5为目标车位。
具体的,在本说明书实施例中,当所述目标路径上存在N个分岔节点时,N≥2且N为正整数;所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
所述终端控制所述目标车辆沿所述目标路径行驶至第M分岔节点,并将第M分岔节点作为当前分岔节点;M=1,……,N;
所述终端向所述服务器发送当前更新路径获取请求;
所述服务器基于所述当前更新路径获取请求,确定当前更新路径;
所述服务器向所述终端发送所述当前更新路径;
当M≤N-1时,所述终端控制所述目标车辆沿所述当前更新路径行驶至第M+1分岔节点,并将所述第M+1分岔节点重新作为当前分岔节点;
重复步骤:所述终端向所述服务器发送当前更新路径获取请求;
当M=N时,所述终端控制所述目标车辆沿所述当前更新路径行驶至所述目标车位进行泊车。
在一个具体的应用场景中,可以在停车场中设置多个摄像头进行车位检测,并在停车场的过道交汇及过道中间部署激光雷达对整个停车场的过道范围进行动态目标的感知,并结合停车场的高精度地图对感知范围内的车辆、行人或其他障碍物进行识别、追踪和定位。除了对停车场进行改造通过V2X完成最优路径规划的技术方案外,还可以通过自车的传感器和计算单元进行路径规划完成AVP自动代客泊车。
由以上本说明书实施例提供的技术方案可见,本说明书实施例可以对空闲车位的优先级进行排序,确定出代价最低的路径,供车辆进行泊车,从而提高停车效率。
以下以服务器为执行主体介绍本说明书一种基于车路协同的代客泊车方法的具体实施例,图8是本申请实施例提供的一种基于车路协同的代客泊车方法的流程示意图,具体的,结合图8所示,所述方法可以包括:
S801:当目标车辆进入目标区域时,接收所述目标车辆所在终端发送的泊车路径获取请求;
S803:基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;
S805:根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;
S807:基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
S809:向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
在一些实施例中,若所述目标路径上存在障碍物,所述方法还包括:
接收所述终端发送的避障路径获取请求;
基于所述避障路径获取请求,确定规避所述障碍物的避障路径;
相应的,所述向所述终端发送所述目标车位与所述目标路径;以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车。
在一些实施例中,所述基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径包括:
将所述目标车辆到每个空闲车位的路径对应的代价函数值由大到小进行排序;
将排序末位的代价函数值对应的空闲车位确定为目标车位,将排序末位的代价函数值对应的路径确定为目标路径。
本说明书实施例提供了一种泊车服务器,所述服务器包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如上所述的基于车路协同的代客泊车方法。
以下以终端为执行主体介绍本说明书一种基于车路协同的代客泊车方法的具体实施例,图9是本申请实施例提供的一种基于车路协同的代客泊车方法的流程示意图,具体的,结合图9所示,所述方法可以包括:
S901:当目标车辆进入目标区域时,向服务器发送泊车路径获取请求;
以使所述服务器基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
S903:接收所述服务器发送的所述目标车位与所述目标路径;
S905:控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
在一些实施例中,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车的步骤之前,所述方法还包括:
判断所述目标路径上是否存在障碍物。
在一些实施例中,若所述目标路径上存在障碍物,所述方法还包括:
基于所述目标路径,确定规避所述障碍物的避障路径;
相应的,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车;
若所述目标路径上不存在障碍物,所述方法还包括:
判断所述目标路径上是否存在分岔节点。
在一些实施例中,当所述目标路径上存在一个分岔节点时,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述目标路径行驶至所述分岔节点;
向所述服务器发送更新路径获取请求,以使所述服务器基于所述更新路径获取请求,确定更新路径;
接收所述服务器发送的所述更新路径;
控制所述目标车辆沿所述更新路径行驶至所述目标车位进行泊车。
在一些实施例中,当所述目标路径上存在N个分岔节点时,N≥2且N为正整数;所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述目标路径行驶至第M分岔节点,并将第M分岔节点作为当前分岔节点;M=1,……,N;
向所述服务器发送当前更新路径获取请求,以使所述服务器基于所述当前更新路径获取请求,确定当前更新路径;
接收所述服务器发送的所述当前更新路径;
当M≤N-1时,控制所述目标车辆沿所述当前更新路径行驶至第M+1分岔节点,并将所述第M+1分岔节点重新作为当前分岔节点;
重复步骤:向所述服务器发送当前更新路径获取请求;
当M=N时,控制所述目标车辆沿所述当前更新路径行驶至所述目标车位进行泊车。
本说明书实施例提供了一种泊车终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如上所述的基于车路协同的代客泊车方法。
本申请实施例还提供了一种泊车服务器,如图10所示,所述服务器可以包括:
泊车路径获取请求接收模块1010,用于当目标车辆进入目标区域时,接收所述目标车辆所在终端发送的泊车路径获取请求;
信息确定模块1020,用于基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;
代价函数值确定模块1030,用于根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;
目标路径确定模块1040,用于基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
目标路径发送模块1050,用于向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
所述的服务器实施例中的服务器与方法实施例基于同样的发明构思。
本申请实施例还提供了一种泊车终端,如图11所示,所述终端可以包括:
泊车路径获取请求发送模块1110,用于当目标车辆进入目标区域时,向服务器发送泊车路径获取请求;以使所述服务器基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
目标路径接收模块1120,用于接收所述服务器发送的所述目标车位与所述目标路径;
控制模块1130,用于控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
所述的终端实施例中的终端与方法实施例基于同样的发明构思。
本申请另一方面还提供一种泊车系统,所述系统包括服务器和终端,
所述服务器,用于基于泊车路径获取请求,确定目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;以及向所述终端发送所述目标车位与所述目标路径;
所述终端,用于当所述目标车辆进入目标区域时,向服务器发送泊车路径获取请求;以及控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
由上述本申请提供的基于车路协同的代客泊车方法、服务器、终端、存储介质或系统的实施例可见,本说明书实施例可以对空闲车位的优先级进行排序,确定出代价最低的路径,供车辆进行泊车,从而提高停车效率。
本申请的实施例还提供了一种计算机存储介质,所述存储介质可设置于终端之中以保存用于实现方法实施例中一种基于车路协同的代客泊车方法相关的至少一条指令或至少一段程序,该至少一条指令或至少一段程序由该处理器加载并执行以实现上述方法实施例提供的基于车路协同的代客泊车方法。
可选地,在本说明书实施例中,存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书实施例所述存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于车路协同的代客泊车方法,其特征在于,所述方法包括:
当目标车辆进入目标区域时,接收所述目标车辆所在终端发送的泊车路径获取请求;所述泊车路径获取请求携带目标车辆的位置信息;
基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;
根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;
基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
2.根据权利要求1所述的方法,其特征在于,若所述目标路径上存在障碍物,所述方法还包括:
接收所述终端发送的避障路径获取请求;
基于所述避障路径获取请求,确定规避所述障碍物的避障路径;
相应的,所述向所述终端发送所述目标车位与所述目标路径;以使所述终端控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
向所述终端发送所述目标车位与所述目标路径,以使所述终端控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车。
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径包括:
将所述目标车辆到每个空闲车位的路径对应的代价函数值由大到小进行排序;
将排序末位的代价函数值对应的空闲车位确定为目标车位,将排序末位的代价函数值对应的路径确定为目标路径。
4.一种基于车路协同的代客泊车方法,其特征在于,所述方法包括:
当目标车辆进入目标区域时,向服务器发送泊车路径获取请求;以使所述服务器基于所述泊车路径获取请求,确定所述目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定所述目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;
接收所述服务器发送的所述目标车位与所述目标路径;
控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
5.根据权利要求4所述的方法,其特征在于,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车的步骤之前,所述方法还包括:
判断所述目标路径上是否存在障碍物。
6.根据权利要求5所述的方法,其特征在于,若所述目标路径上存在障碍物,所述方法还包括:
基于所述目标路径,确定规避所述障碍物的避障路径;
相应的,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述避障路径行驶至所述目标车位进行泊车;
若所述目标路径上不存在障碍物,所述方法还包括:
判断所述目标路径上是否存在分岔节点。
7.根据权利要求6所述的方法,其特征在于,当所述目标路径上存在一个分岔节点时,所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述目标路径行驶至所述分岔节点;
向所述服务器发送更新路径获取请求,以使所述服务器基于所述更新路径获取请求,确定更新路径;
接收所述服务器发送的所述更新路径;
控制所述目标车辆沿所述更新路径行驶至所述目标车位进行泊车。
8.根据权利要求6所述的方法,其特征在于,当所述目标路径上存在N个分岔节点时,N≥2且N为正整数;所述控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车包括:
控制所述目标车辆沿所述目标路径行驶至第M分岔节点,并将第M分岔节点作为当前分岔节点;M=1,……,N;
向所述服务器发送当前更新路径获取请求,以使所述服务器基于所述当前更新路径获取请求,确定当前更新路径;
接收所述服务器发送的所述当前更新路径;
当M≤N-1时,控制所述目标车辆沿所述当前更新路径行驶至第M+1分岔节点,并将所述第M+1分岔节点重新作为当前分岔节点;
重复步骤:向所述服务器发送当前更新路径获取请求;
当M=N时,控制所述目标车辆沿所述当前更新路径行驶至所述目标车位进行泊车。
9.一种泊车系统,其特征在于,所述系统包括服务器和终端,
所述服务器,用于基于泊车路径获取请求,确定目标区域中的至少一个空闲车位的标识信息以及障碍物信息;以及根据所述目标区域中的障碍物信息以及每个空闲车位的标识信息,确定目标车辆到每个空闲车位的路径对应的代价函数值;以及基于所述目标车辆到每个空闲车位的路径对应的代价函数值,确定目标车位与目标路径;以及向所述终端发送所述目标车位与所述目标路径;
所述终端,用于当所述目标车辆进入目标区域时,向服务器发送泊车路径获取请求;以及控制所述目标车辆沿所述目标路径行驶至所述目标车位进行泊车。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8任一所述的基于车路协同的代客泊车方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085747.7A CN111341136A (zh) | 2020-02-11 | 2020-02-11 | 一种基于车路协同的代客泊车方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085747.7A CN111341136A (zh) | 2020-02-11 | 2020-02-11 | 一种基于车路协同的代客泊车方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111341136A true CN111341136A (zh) | 2020-06-26 |
Family
ID=71187795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085747.7A Pending CN111341136A (zh) | 2020-02-11 | 2020-02-11 | 一种基于车路协同的代客泊车方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111341136A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111739302A (zh) * | 2020-08-07 | 2020-10-02 | 宁波均联智行科技有限公司 | 自动代客泊车的方法及系统 |
CN112002139A (zh) * | 2020-07-24 | 2020-11-27 | 南京市德赛西威汽车电子有限公司 | 一种基于v2x技术的无人智能停车方法及系统 |
CN112185107A (zh) * | 2020-08-27 | 2021-01-05 | 北京北大千方科技有限公司 | 一种最优停车场计算方法、装置、存储介质及终端 |
CN112487983A (zh) * | 2020-11-30 | 2021-03-12 | 北京停简单信息技术有限公司 | 协同感知方法和装置 |
CN112498337A (zh) * | 2020-11-13 | 2021-03-16 | 浙江吉利控股集团有限公司 | 一种车辆安全管理方法、装置、系统及存储介质 |
CN112530195A (zh) * | 2020-12-04 | 2021-03-19 | 中国联合网络通信集团有限公司 | 自主代客泊车方法和系统 |
CN112562388A (zh) * | 2020-11-13 | 2021-03-26 | 浙江吉利控股集团有限公司 | 一种车辆连接管理方法、装置及存储介质 |
CN112562356A (zh) * | 2020-11-18 | 2021-03-26 | 联通智网科技有限公司 | 车场协同式自主泊车方法、装置、计算机设备和存储介质 |
CN112562408A (zh) * | 2020-11-30 | 2021-03-26 | 北京停简单信息技术有限公司 | 基于车路协同的全局路径规划的方法、装置及系统 |
CN112562409A (zh) * | 2020-12-04 | 2021-03-26 | 上海淞泓智能汽车科技有限公司 | 一种基于多接入边缘计算的自主泊车系统及方法 |
CN112835359A (zh) * | 2020-12-24 | 2021-05-25 | 浙江合众新能源汽车有限公司 | 一种基于视觉slam技术的avp控制方法及装置 |
CN112967522A (zh) * | 2021-01-29 | 2021-06-15 | 西藏宁算科技集团有限公司 | 基于深度学习和规划算法的智能车辆召唤方法及系统 |
CN113147743A (zh) * | 2021-04-27 | 2021-07-23 | 东风汽车集团股份有限公司 | 自动泊车方法、系统及存储介质 |
CN113479190A (zh) * | 2021-06-21 | 2021-10-08 | 上汽通用五菱汽车股份有限公司 | 智能泊车系统、方法、设备及计算机可读存储介质 |
CN113650604A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 一种自动泊车控制方法、装置、电子设备和存储介质 |
CN114355886A (zh) * | 2021-12-06 | 2022-04-15 | 深圳优地科技有限公司 | 泊车位的选择方法、装置、设备以及可读存储介质 |
CN114627668A (zh) * | 2022-02-25 | 2022-06-14 | 恒大新能源汽车投资控股集团有限公司 | 泊车调度方法、装置及停车场端服务器 |
CN115116265A (zh) * | 2022-06-29 | 2022-09-27 | 中国第一汽车股份有限公司 | 立体停车库的停车方法、装置和存储介质 |
CN114355886B (zh) * | 2021-12-06 | 2024-06-21 | 深圳优地科技有限公司 | 泊车位的选择方法、装置、设备以及可读存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303873A (zh) * | 2015-09-07 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种停车位推荐方法及移动终端 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
CN106228838A (zh) * | 2016-08-03 | 2016-12-14 | 浪潮电子信息产业股份有限公司 | 一种车位查询方法、装置及系统 |
CN106781643A (zh) * | 2016-11-10 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种停车位引导方法及系统 |
CN106875736A (zh) * | 2017-04-01 | 2017-06-20 | 江苏大学 | 一种无线自动泊车系统及方法 |
CN107331200A (zh) * | 2017-08-11 | 2017-11-07 | 武汉理工大学 | 一种cbd地下车库停车智能引导系统、方法及装置 |
CN107544553A (zh) * | 2017-10-11 | 2018-01-05 | 湖北工业大学 | 一种基于混合蚁群算法的无人机航路规划方法 |
CN107990903A (zh) * | 2017-12-29 | 2018-05-04 | 东南大学 | 一种基于改进a*算法的室内agv路径规划方法 |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN108334062A (zh) * | 2017-01-18 | 2018-07-27 | 华为技术有限公司 | 路径规划方法和装置 |
CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN109583709A (zh) * | 2018-11-09 | 2019-04-05 | 同济大学 | 一种自动泊车机器人群体任务调度方法 |
CN109615927A (zh) * | 2019-01-24 | 2019-04-12 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于v2x的地下停车场代客泊车控制系统及方法 |
CN109733384A (zh) * | 2018-12-25 | 2019-05-10 | 科大讯飞股份有限公司 | 泊车路径设置方法及系统 |
CN110047319A (zh) * | 2019-04-15 | 2019-07-23 | 深圳壹账通智能科技有限公司 | 停车场车位导航方法、电子装置及存储介质 |
CN110435640A (zh) * | 2019-07-25 | 2019-11-12 | 禾多科技(北京)有限公司 | 基于场端、车端协同的高效代客泊车规划方法 |
CN110705800A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 混合出行路线确定方法、装置、设备及存储介质 |
-
2020
- 2020-02-11 CN CN202010085747.7A patent/CN111341136A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303873A (zh) * | 2015-09-07 | 2016-02-03 | 广东欧珀移动通信有限公司 | 一种停车位推荐方法及移动终端 |
CN105955280A (zh) * | 2016-07-19 | 2016-09-21 | Tcl集团股份有限公司 | 移动机器人路径规划和避障方法及系统 |
CN106228838A (zh) * | 2016-08-03 | 2016-12-14 | 浪潮电子信息产业股份有限公司 | 一种车位查询方法、装置及系统 |
CN106781643A (zh) * | 2016-11-10 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种停车位引导方法及系统 |
CN108334062A (zh) * | 2017-01-18 | 2018-07-27 | 华为技术有限公司 | 路径规划方法和装置 |
CN106875736A (zh) * | 2017-04-01 | 2017-06-20 | 江苏大学 | 一种无线自动泊车系统及方法 |
CN107331200A (zh) * | 2017-08-11 | 2017-11-07 | 武汉理工大学 | 一种cbd地下车库停车智能引导系统、方法及装置 |
CN107544553A (zh) * | 2017-10-11 | 2018-01-05 | 湖北工业大学 | 一种基于混合蚁群算法的无人机航路规划方法 |
CN108121205A (zh) * | 2017-12-13 | 2018-06-05 | 深圳市航盛电子股份有限公司 | 一种用于多种泊车场景的路径规划方法、系统及介质 |
CN107990903A (zh) * | 2017-12-29 | 2018-05-04 | 东南大学 | 一种基于改进a*算法的室内agv路径规划方法 |
CN108646765A (zh) * | 2018-07-25 | 2018-10-12 | 齐鲁工业大学 | 基于改进a*算法的四足机器人路径规划方法及系统 |
CN109131318A (zh) * | 2018-10-19 | 2019-01-04 | 清华大学 | 一种基于拓扑地图的自主泊车路径协调方法 |
CN109583709A (zh) * | 2018-11-09 | 2019-04-05 | 同济大学 | 一种自动泊车机器人群体任务调度方法 |
CN109733384A (zh) * | 2018-12-25 | 2019-05-10 | 科大讯飞股份有限公司 | 泊车路径设置方法及系统 |
CN109615927A (zh) * | 2019-01-24 | 2019-04-12 | 中汽研(天津)汽车工程研究院有限公司 | 一种基于v2x的地下停车场代客泊车控制系统及方法 |
CN110047319A (zh) * | 2019-04-15 | 2019-07-23 | 深圳壹账通智能科技有限公司 | 停车场车位导航方法、电子装置及存储介质 |
CN110435640A (zh) * | 2019-07-25 | 2019-11-12 | 禾多科技(北京)有限公司 | 基于场端、车端协同的高效代客泊车规划方法 |
CN110705800A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 混合出行路线确定方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
税薇等: "基于混合蚁群算法的无人机航路规划", 《系统仿真学报》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112002139A (zh) * | 2020-07-24 | 2020-11-27 | 南京市德赛西威汽车电子有限公司 | 一种基于v2x技术的无人智能停车方法及系统 |
CN111739302A (zh) * | 2020-08-07 | 2020-10-02 | 宁波均联智行科技有限公司 | 自动代客泊车的方法及系统 |
CN112185107A (zh) * | 2020-08-27 | 2021-01-05 | 北京北大千方科技有限公司 | 一种最优停车场计算方法、装置、存储介质及终端 |
CN112562388B (zh) * | 2020-11-13 | 2022-06-21 | 浙江吉利控股集团有限公司 | 一种车辆连接管理方法、装置及存储介质 |
CN112498337A (zh) * | 2020-11-13 | 2021-03-16 | 浙江吉利控股集团有限公司 | 一种车辆安全管理方法、装置、系统及存储介质 |
CN112562388A (zh) * | 2020-11-13 | 2021-03-26 | 浙江吉利控股集团有限公司 | 一种车辆连接管理方法、装置及存储介质 |
CN112498337B (zh) * | 2020-11-13 | 2023-01-17 | 浙江吉利控股集团有限公司 | 一种车辆安全管理方法、装置、系统及存储介质 |
CN112562356A (zh) * | 2020-11-18 | 2021-03-26 | 联通智网科技有限公司 | 车场协同式自主泊车方法、装置、计算机设备和存储介质 |
CN112487983A (zh) * | 2020-11-30 | 2021-03-12 | 北京停简单信息技术有限公司 | 协同感知方法和装置 |
CN112562408A (zh) * | 2020-11-30 | 2021-03-26 | 北京停简单信息技术有限公司 | 基于车路协同的全局路径规划的方法、装置及系统 |
CN112530195A (zh) * | 2020-12-04 | 2021-03-19 | 中国联合网络通信集团有限公司 | 自主代客泊车方法和系统 |
CN112562409A (zh) * | 2020-12-04 | 2021-03-26 | 上海淞泓智能汽车科技有限公司 | 一种基于多接入边缘计算的自主泊车系统及方法 |
CN112835359A (zh) * | 2020-12-24 | 2021-05-25 | 浙江合众新能源汽车有限公司 | 一种基于视觉slam技术的avp控制方法及装置 |
CN112967522A (zh) * | 2021-01-29 | 2021-06-15 | 西藏宁算科技集团有限公司 | 基于深度学习和规划算法的智能车辆召唤方法及系统 |
CN113147743A (zh) * | 2021-04-27 | 2021-07-23 | 东风汽车集团股份有限公司 | 自动泊车方法、系统及存储介质 |
CN113479190A (zh) * | 2021-06-21 | 2021-10-08 | 上汽通用五菱汽车股份有限公司 | 智能泊车系统、方法、设备及计算机可读存储介质 |
CN113479190B (zh) * | 2021-06-21 | 2022-09-20 | 上汽通用五菱汽车股份有限公司 | 智能泊车系统、方法、设备及计算机可读存储介质 |
CN113650604A (zh) * | 2021-09-15 | 2021-11-16 | 恒大新能源汽车投资控股集团有限公司 | 一种自动泊车控制方法、装置、电子设备和存储介质 |
CN114355886A (zh) * | 2021-12-06 | 2022-04-15 | 深圳优地科技有限公司 | 泊车位的选择方法、装置、设备以及可读存储介质 |
CN114355886B (zh) * | 2021-12-06 | 2024-06-21 | 深圳优地科技有限公司 | 泊车位的选择方法、装置、设备以及可读存储介质 |
CN114627668A (zh) * | 2022-02-25 | 2022-06-14 | 恒大新能源汽车投资控股集团有限公司 | 泊车调度方法、装置及停车场端服务器 |
CN115116265A (zh) * | 2022-06-29 | 2022-09-27 | 中国第一汽车股份有限公司 | 立体停车库的停车方法、装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111341136A (zh) | 一种基于车路协同的代客泊车方法、系统及存储介质 | |
US10775184B2 (en) | Systems and methods for routing a fleet of vehicles | |
US10388155B2 (en) | Lane assignments for autonomous vehicles | |
US10229590B2 (en) | System and method for improved obstable awareness in using a V2X communications system | |
CN110807412B (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
Zamanipour et al. | Efficient priority control model for multimodal traffic signals | |
US11584248B2 (en) | Method of parking an autonomous driving vehicle for autonomous charging | |
CN113650604A (zh) | 一种自动泊车控制方法、装置、电子设备和存储介质 | |
CN111735466A (zh) | 一种多车协同轨迹规划方法、装置、设备及存储介质 | |
CN112967516B (zh) | 快速停车场端关键参数与整车匹配全局动态路径规划方法 | |
Khalid et al. | AVPark: Reservation and cost optimization-based cyber-physical system for long-range autonomous valet parking (L-AVP) | |
CN113763695A (zh) | 一种自动驾驶车辆的调度方法和系统 | |
CN114781267A (zh) | 基于多源大数据的职住接驳动态公交管理方法及系统 | |
CN113838285B (zh) | 一种车路协同环境下实现车辆群体决策的方法及装置 | |
CN113409567B (zh) | 一种公交与自动驾驶车辆混行车道的交通评估方法和系统 | |
CN115083198A (zh) | 一种多车运力资源调度方法及装置 | |
CN114677836A (zh) | 基于最小团覆盖的交叉路口多车协同方法及系统 | |
CN113851003A (zh) | 车辆控制系统、车辆控制方法、车辆控制设备及存储介质 | |
CN113091761A (zh) | 车辆路线规划方法、装置、系统、非易失性存储介质 | |
CN115892076B (zh) | 车道障碍物筛选方法、装置和域控制器 | |
Miao | Making Smart Parking Decisions: A Driver's Perspective | |
CN113795801B (zh) | 自动驾驶车辆的避障轨迹规划 | |
WO2023274264A1 (zh) | 一种车辆控制方法、装置及系统 | |
Elefteriadou et al. | Enabling transportation networks with automated vehicles: From individual vehicle motion control to networked fleet management | |
CN115862372A (zh) | 一种提高车辆停车效率和安全的停车场管理方法和系统 |
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 |
Application publication date: 20200626 |
|
RJ01 | Rejection of invention patent application after publication |