CN111723659A - 泊车位确定方法、装置、计算机设备和存储介质 - Google Patents
泊车位确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111723659A CN111723659A CN202010406401.2A CN202010406401A CN111723659A CN 111723659 A CN111723659 A CN 111723659A CN 202010406401 A CN202010406401 A CN 202010406401A CN 111723659 A CN111723659 A CN 111723659A
- Authority
- CN
- China
- Prior art keywords
- parking space
- information
- memory
- parking
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000007613 environmental effect Effects 0.000 claims description 65
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 10
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种泊车位确定方法、装置、计算机设备和存储介质。所述方法包括：通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；对所述待处理拼接图进行特征识别得到图像特征；根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；将与所述记忆泊车位信息匹配成功的有用信息所表征的所述待判断车位作为目标泊车位。采用本方法能够提高泊车位确定的准确性。
Description
技术领域
本申请涉及车辆技术领域，特别是涉及一种泊车位确定方法、装置、计算机设备和存储介质。
背景技术
自动驾驶为无驾驶员控制的可以按照程序控制自行移动的车辆，此处定义的自动驾驶技术为实现自动驾驶功能的技术。自动驾驶可以分解为：1)车辆在道路上的行驶：主要行驶方式是通过预设目的地点，自动驾驶技术实现车辆从当前位置移动到预设目的地点；2)车辆到达目的地后的停放：车辆到达目的地点后，自动驾驶技术实现将车辆停在停车位上。
自动驾驶停车任务是车辆自行停入停车位，此时应用的技术是自动泊车技术。在真实的使用中，可以将停车位分为随机停车位与固定停车位。1)固定停车位：车辆需要停放在固定的车位上，如小区停车位等；2)非固定停车位：车辆停放在任意停车位均可以，如商业停车场车位等。
在真实的驾驶员泊车场景中，有些车位是使用者专有或者经常停放的车位，如小区私有车位，或者商业出租车位等。针对此泊车需求，车位记忆及自动匹配与选择系统通过记忆初次泊车的车位信息，并在再次泊车时进行匹配与选择，从而完成对同一个车位(目标车位)的重复泊入。
但是传统的泊车是通过驾驶员在停车场中进行循环驾驶，以找到合适的车位并进行泊车，这样很容易导致泊车失败。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高泊车位确定准确性的泊车位确定方法、装置、计算机设备和存储介质。
一种泊车位确定方法，所述方法包括：
通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；
对所述待处理拼接图进行特征识别得到图像特征；
根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；
将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；
将与所述记忆泊车位信息匹配成功的有用信息所表征的所述待判断车位作为目标泊车位。
上述泊车位确定方法，对待处理拼接图进行特征识别得到了图像特征，并根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息，可以与预先存储的记忆泊车位信息进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险。
在其中一个实施例中，所述有用信息包括待判断车位特征信息，所述记忆泊车位信息包括记忆泊车位特征信息；所述将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：建立第一车辆坐标系，并将所述待判断车位特征信息通过所述第一车辆坐标系进行记录；将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息；将所述待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当所述待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则所述记忆泊车位信息与所述有用信息匹配成功。
上述实施例中，这样将有用信息定位在第一车辆坐标系中，并转换为绝对坐标系，即世界坐标系中，从而可以与预先存储的记忆泊车位进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险。
在其中一个实施例中，所述预先存储的记忆泊车位特征信息的确定方式包括：
通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图；
对所述参考拼接图进行特征识别得到参考特征；
根据所识别得到的参考特征确定预设类型的参考信息；
建立第二车辆坐标系，并将所述参考信息通过所述第二车辆坐标系进行记录；
将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息；
获取最终的泊车车位特征信息；
将所述世界坐标系下的参考信息中的所述最终的泊车车位特征信息，存储为记忆泊车位特征信息。
上述实施例中，预先对记忆泊车位进行存储，这样在检索到多个有效车位的时候，可以通过与预先存储的多个有效车位进行比较，以确定准确的车位，提高泊车位确定的准确性。
在其中一个实施例中，所述有用信息还包括待判断环境信息，所述记忆泊车位信息包括记忆环境信息；所述将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，还包括：
当不存在与所述记忆泊车位特征信息相匹配的待判断车位特征信息时，则将所述待判断环境信息与预先存储的记忆环境信息相匹配，所述记忆环境信息是所述记忆泊车位的周边环境信息；
当所述待判断环境信息与预先存储的记忆环境信息匹配成功，则所述记忆泊车位信息与所述有用信息匹配成功，否则所述记忆泊车位信息与所述有用信息匹配失败。
上述实施例中，在摄像头因为环境照明，障碍物遮挡，反光等各种原因，无法抓取到有效车位信息时，通过匹配环境信息来确定泊车场景，并给出目标泊车位，从而完成目标泊车位的选择，大大提高了支持范围以及驾驶员体验，且针对技术的制约，无法百分百实现对车位的检索，而产生车位漏检时，通过匹配环境信息来确定泊车场景，从而又可以提高目标泊车位的准确性。
在其中一个实施例中，所述将所述世界坐标系下的参考信息中的所述最终的泊车车位特征信息，存储为记忆泊车位特征信息之后，还包括：
获取所述世界坐标系下的参考信息中的与所述最终的泊车车位特征信息对应的记忆环境信息；
将所述记忆环境信息与所述记忆泊车位特征信息关联存储。
上述实施例中，不光存储记忆泊车位，还存储记忆环境信息，这样在摄像头因为环境照明，障碍物遮挡，反光等各种原因，无法抓取到有效车位信息时，通过匹配环境信息来确定泊车场景，并给出目标泊车位，从而完成目标泊车位的选择，大大提高了支持范围以及驾驶员体验，且针对技术的制约，无法百分百实现对车位的检索，而产生车位漏检时，通过匹配环境信息来确定泊车场景，从而又可以提高目标泊车位的准确性。
在其中一个实施例中，所述将所述记忆环境信息与所述记忆泊车位特征信息关联存储之后，还包括：
根据预设规则判断所述记忆泊车位特征信息以及所述记忆环境信息是否有效；
当所述记忆泊车位特征信息以及所述记忆环境信息有效时，则输出驾驶员确认提示；
当所述记忆泊车位特征信息以及所述记忆环境信息无效时，则输出记忆泊车位信息存储失败的提示。
上述实施例中，在存储记忆泊车位和记忆环境信息时，需要判断记忆泊车位和记忆环境信息是否有效，这样保证后续对比的准确性，进而保证目标泊车位确定的准确性。
在其中一个实施例中，所述将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息，包括：获取所述车辆在世界坐标系下的绝对位置以及在所述第一坐标系下的相对位置；根据所述绝对位置和所述相对位置确定所述第一坐标系和所述世界坐标系的转换关系；根据所述转换关系将所述待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。
上述实施例中，通过车辆在世界坐标系下的绝对位置以及在第一坐标系下的相对位置确定了第一坐标系和世界坐标系的转换关系，进而可以确定待判断车位在世界坐标系下位置。
在其中一个实施例中，所述方法还包括：
接收驾驶员输入的泊车指令；
当所述泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；
当所述泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。
上述实施例中，在接收到驾驶员指令后，需要进行首次泊车或者是非首次泊车的判断，这样便于提醒驾驶员存储记忆泊车位和记忆环境信息。
一种泊车位确定装置，所述装置包括：
采集模块，用于通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；
特征识别模块，用于对所述待处理拼接图进行特征识别得到图像特征；
有用信息确定模块，用于根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；
第一匹配模块，用于将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；
输出模块，用于将与所述记忆泊车位信息匹配成功的有用信息所表征的所述待判断车位作为目标泊车位。
上述泊车位确定装置，对待处理拼接图进行特征识别得到了图像特征，并根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息，可以与预先存储的记忆泊车位信息进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述中任一项所述方法的步骤。
上述计算机设备，对待处理拼接图进行特征识别得到了图像特征，并根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息，可以与预先存储的记忆泊车位信息进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述的方法的步骤。
上述计算机可读存储介质，对待处理拼接图进行特征识别得到了图像特征，并根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息，可以与预先存储的记忆泊车位信息进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险。
附图说明
图1为一个实施例中泊车位确定方法的应用环境图；
图2为一个实施例中泊车位确定方法的流程示意图；
图3为一个实施例中的车辆初次泊车的处理流程图；
图4为另一个实施例中的泊车位确定方法的流程图；
图5为一个实施例中的车辆运动轨迹的示意图；
图6为一个实施例中的拼接图的示意图；
图7为一个实施例中的水平车位线与垂直车位线以及角点的示意图；
图8为一个实施例中的车辆运动轨迹的二维坐标空间的示意图；
图9为一个实施例中的多个车位时的场景示意图；
图10为一个实施例中的存在障碍物遮挡时的场景示意图；
图11为一个实施例中的环境光照不良时的场景示意图；
图12为一个实施例中的系统调用示意图；
图13为一个实施例中泊车位确定装置的结构框图；
图14为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的泊车位确定方法，可以应用于如图1所示的应用环境中。其中，车辆终端102可以与车辆上安装的摄像头104以及HUT进行通信，其中如图1所示，IP是指Interface Processor(接口处理器)，主要用于车辆通信与控制；CAN是指Controller AreaNetwork(控制器局域网络)，用于系统与其他车辆电子电气系统通讯；HUT106指代车用多媒体主机，用于同驾驶员交互。车辆终端102可以获取到车辆上安装的摄像头104所采集的初始图像，并根据所采集的初始图像生成待处理拼接图，然后车辆终端102对拼接图进行特征识别得到图像特征，从而根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息等，这样车辆终端102将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，从而车辆终端可以将与记忆泊车位信息匹配成功的有用信息所表征的待判断车位作为目标泊车位，并可以将目标泊车位发送至HUT106中进行显示。这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险。其中，车辆终端102可以但不限于是各种安装在车辆上的个人计算机、笔记本电脑、智能手机、平板电脑。
在一个实施例中，如图2所示，提供了一种泊车位确定方法，以该方法应用于图1中的车辆终端为例进行说明，包括以下步骤：
S202：通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图。
具体地，初始图像是安装在车辆周围的摄像头所采集的，例如车辆的四周可以安装多个(≥4个)鱼眼摄像头，这样该些鱼眼摄像头可以在驾驶员需要的时候开启，并采集车辆周围的初始图像。例如可以是在车辆静止时或者是行驶时接收到驾驶员输入的泊车指令时，该些鱼眼摄像头开始采集初始图像，该些初始图像携带有时间戳，该时间戳是用于表征初始图像的拍摄时间的。
拼接图是根据初始图像生成的，车辆终端可以采用车载处理器对得到的多路视频进行压缩、矫正等方式，将单个鱼眼摄像头的单张初始图像拼接为一个整体的拼接图。可选地，当车辆处于静止时，可以仅采集各个鱼眼摄像头的某一帧初始图像，然后进行拼接即可。当车辆处于行驶状态时，则车辆终端根据各个鱼眼摄像头所采集的多张环境图像的时间戳，将时间戳相同的多张初始图像进行拼接得到拼接图，例如车辆终端可以从各个鱼眼摄像头获取到时间戳相同的多张初始图像，然后判断所获取的多张初始图像的张数是否大于等于预设张数，例如等于鱼眼摄像头的个数，若是，则根据所获取的多张初始图像生成拼接图。
在本实施例中，若车辆具有全景环视系统，则车辆终端则可以直接从全景环视系统读取到对应的拼接图。
S204：对待处理拼接图进行特征识别得到图像特征。
具体地，特征识别是指从待处理拼接图中识别、检测出用于泊车过程中用到的特征信息的过程，其中所识别的图像特征是指可以表征划线车位的信息或者是环境中特有的一些标记物(例如车库的支撑柱)等信息，甚至是环境中能够稳定检测跟踪到的图像的特征点。
车辆终端可以通过预先训练得到的深度神经网络模型来对待处理拼接图进行特征识别得到图像特征，该深度神经网络模型可以是根据预先标定完成图像特征的历史图像进行训练得到的。
S206：根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息。
具体地，预设类型包括车位类型以及环境类型，其中车位类型的有用信息包括但不限于车位参数以及车位相对于车辆的位置等类型，则有用信息则包括但不局限于几何尺寸信息、相对位置关系以及其它的测量信息。车辆终端可以根据预先设置的逻辑对图像特征进行分类，然后分别对分类后的图像特征进行处理得到车位参数以及相对位置关系等。环境类型的有用信息包括但不限于环境中特有的一些标记物(如车库的支撑柱)，甚至可以是环境中能稳定检测跟踪到的图像特征点。
S208：将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配。
S210：将与记忆泊车位信息匹配成功的有用信息所表征的待判断车位作为目标泊车位。
具体地，将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配包括将有用信息中的待判断车位与记忆泊车位信息中的泊车车位进行匹配，以及将有用信息中的待判断环境信息与记忆泊车位信息中的记忆环境信息进行匹配。可选地，终端可以首先将待判断车位与记忆泊车位信息中的泊车车位进行匹配，若匹配成功，则输出对应的目标泊车位，若匹配失败，则继续将有用信息中的待判断环境信息与记忆泊车位信息中的记忆环境信息进行匹配，以进一步地确定目标泊车位。可选地，当应用场景为车辆再次在同一场景下进行固定车位泊车时，当从有用信息中识别得到多个待判断车位后，车辆终端通过进行实时检索的待判断车位与记忆泊车位的比对，完成对待判断车位的自动选择，可以自动化将车位标识在车内显示屏显示，并通过语音或视图的方式提示驾驶员停车，从而实现对目标车位的泊入。此外，当应用场景为自动泊车系统时，车辆终端会将正确的车位信息给到控制系统，从而完成在无驾驶员参与下的对待判断车位的泊入。
上述泊车位确定方法，对待处理拼接图进行特征识别得到了图像特征，并根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息，可以与预先存储的记忆泊车位信息进行匹配，这样提高了泊车位的确定准确性，且不需要驾驶员一直盯着屏幕看以确定是否有泊车位，降低了危险
在其中一个实施例中，有用信息包括待判断车位特征信息，记忆泊车位信息包括记忆泊车位特征信息；将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：建立第一车辆坐标系，并将待判断车位特征信息通过第一车辆坐标系进行记录。将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。将待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则记忆泊车位信息与有用信息匹配成功。
具体地，第一车辆坐标系是通过车辆运动学模型建立的车辆全局坐标系，其可以位于车辆的车轴上。车辆终端根据有用信息中的相对位置关系，可以通过第一车辆坐标系来表示有用信息中的车位，并进行记录。
具体地，世界坐标系是绝对坐标系，其可以表示车辆、车位以及环境元素的绝对位置，而第一车辆坐标系由于是建立在车辆上的，其随着车辆的运动而发生运动，因此其是相对坐标系，仅能表示车辆与车位以及环境元素的相对位置。
可选地，将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息，包括：获取车辆在世界坐标系下的绝对位置以及在第一坐标系下的相对位置；根据绝对位置和所述相对位置确定第一坐标系和所述世界坐标系的转换关系；根据转换关系将待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。例如车辆终端可以根据GPS等获取到车辆在世界坐标系下的绝对位置，然后根据该绝对位置得到车辆坐标系与世界坐标系的转换关系，从而车辆终端可以将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。这样可以获取到车位以及环境元素在世界坐标系下的绝对位置。
将待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则记忆泊车位信息与有用信息匹配成功，若匹配失败，则说明记忆泊车位信息与有用信息匹配失败，此时则需要终端继续通过待判断环境信息进行匹配，具体可以参见下文。
由于车辆终端中预先存储有记忆泊车位特征信息，即该车辆上一次在相同的位置处的泊车车位特征信息，这样车辆终端将识别的待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，包括车辆位置的匹配，且可以依次将所识别得到的待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，这样将与记忆泊车位特征信息匹配成功的待判断车位特征信息作为目标泊车位特征信息，并获取目标泊车位特征信息对应的目标泊车位输出给用户，而不需要用户自己盯着屏幕进行查看，减少危险的发生。
在其中一个实施例中，有用信息还包括待判断环境信息，记忆泊车位信息包括记忆环境信息，将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：当不存在与记忆泊车位特征信息相匹配的待判断车位特征信息时，则将待判断环境信息与预先存储的记忆环境信息相匹配，记忆环境信息是记忆泊车位的周边环境信息；当待判断环境信息与预先存储的记忆环境信息匹配成功，则记忆泊车位信息与有用信息匹配成功，否则记忆泊车位信息与有用信息匹配失败。
具体地，待判断环境信息是指环境中特有的一些标记物(如车库的支撑柱)，甚至可以是环境中能稳定检测跟踪到的图像特征点。在车辆初次泊车的时候，车辆终端获取到泊车车位周围的环境信息并进行存储，这样在车辆再次泊车的时候，车辆终端在判断出不存在与记忆泊车位相匹配的待判断车位时，则将待判断环境信息与预先存储的记忆环境信息相匹配，这样即使没有检索到待判断车位或者是因为环境等问题导致检索失败等，车辆终端也可以将待判断环境信息与预先存储的记忆环境信息相匹配，从而确定目标泊车位。
例如，在没有检索到目标车位时，但车辆终端检索到车位周围环境信息，并比对存储的信息，在确定一致时，车辆终端会将存储的车位位置显示在车内显示屏中，并通过语音或视图的方式提示驾驶员停车，从而实现对目标车位的泊入。
当应用场景为自动泊车系统时，在没有检索到目标车位时，但车辆终端检索到车位周围环境信息，并比对存储的信息，在确定一致时，车辆终端会将存储的车位位置给到控制系统，从而完成在无驾驶员参与下的对待判断车位的拨入。
上述实施例中，在摄像头因为环境照明，障碍物遮挡，反光等各种原因，无法抓取到有效车位信息时，通过匹配环境信息来确定泊车场景，并给出目标泊车位，从而完成目标泊车位的选择，大大提高了支持范围以及驾驶员体验，且针对技术的制约，无法百分百实现对车位的检索，而产生车位漏检时，通过匹配环境信息来确定泊车场景，从而又可以提高目标泊车位的准确性。
上述实施例中给出的是车辆在再次泊车时的处理方案，下文将给出车辆在初次泊车时的处理方法，具体地，在其中一个实施例中，请参阅图3所示，图3为一个实施例中的车辆初次泊车的处理流程图，预先存储的记忆泊车位的确定方式包括：
S302：通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图。
具体地，参考图像是安装在车辆周围的摄像头所采集的，例如车辆的四周可以安装多个(≥4个)鱼眼摄像头，这样该些鱼眼摄像头可以在驾驶员需要的时候开启，并采集车辆周围的参考图像。例如可以是在车辆静止时或者是行驶时接收到驾驶员输入的泊车指令时，该些鱼眼摄像头开始采集参考图像，该些参考图像携带有时间戳，该时间戳是用于表征参考图像的拍摄时间的。
参考拼接图是根据参考图像生成的，车辆终端可以采用车载处理器对得到的多路视频进行压缩、矫正等方式，将单个鱼眼摄像头的多张参考图像拼接为一个整体的参考拼接图。可选地，当车辆处于静止时，可以仅采集各个鱼眼摄像头的某一帧参考图像，然后进行拼接即可。当车辆处于行驶状态时，则车辆终端根据各个鱼眼摄像头所采集的多张参考图像的时间戳，将时间戳相同的多张参考图像进行拼接得到参考拼接图，例如车辆终端可以从各个鱼眼摄像头获取到时间戳相同的多张参考图像，然后判断所获取的多张参考图像的张数是否大于等于预设张数，例如等于鱼眼摄像头的个数，若是，则根据所获取的多张参考图像生成参考拼接图。
在本实施例中，若车辆具有全景环视系统，则车辆终端则可以直接从全景环视系统读取到对应的参考拼接图。
S304：对参考拼接图进行特征识别得到参考特征。
具体地，特征识别是指从参考拼接图中识别、检测出用于泊车过程中用到的特征信息的过程，其中所识别的图像特征是指可以表征划线车位的信息或者是环境中特有的一些标记物(例如车库的支撑柱)等信息，甚至是环境中能够稳定检测跟踪到的图像的特征点。
车辆终端可以通过预先训练得到的深度神经网络模型来对参考拼接图进行特征识别得到图像特征，该深度神经网络模型可以是根据预先标定完成图像特征的历史图像进行训练得到的。
S306：根据所识别得到的参考特征确定预设类型的参考信息。
具体地，预设类型包括但不限于车位参数以及车位相对于车辆的位置等类型。参考信息则包括但不局限于几何尺寸信息、相对位置关系以及其它的测量信息。车辆终端可以根据预先设置的逻辑对图像特征进行分类，然后分别对分类后的图像特征进行处理得到车位参数以及相对位置关系等。
S308：建立第二车辆坐标系，并将参考信息通过第二车辆坐标系进行记录。
具体地，第二车辆坐标系是通过车辆运动学模型建立的车辆全局坐标系，其可以位于车辆的车轴上。车辆终端根据参考信息中的相对位置关系，可以通过第二车辆坐标系来表示参考信息中的车位，并进行记录。
S310：将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息。
具体地，世界坐标系是绝对坐标系，其可以表示车辆、车位以及环境元素的绝对位置，而第二车辆坐标系由于是建立在车辆上的，其随着车辆的运动而发生运动，因此其是相对坐标系，仅能表示车辆与车位以及环境元素的相对位置。
车辆终端可以根据GPS等获取到车辆在世界坐标系下的绝对位置，然后根据该绝对位置得到车辆坐标系与世界坐标系的转换关系，从而车辆终端可以将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息。这样可以获取到车位以及环境元素在世界坐标系下的绝对位置。
S312：获取最终的泊车车位特征信息。
S314：将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息。
具体地，最终的泊车车位是用户首次泊车时，自己驶入的车位，车辆终端可以获取到车辆的最终的泊车车位，这样就可以获取到最终的泊车车位的特征信息，并获取到参考信息中的最终的泊车车位的特征信息，存储为记忆泊车位特征信息。这样在下次泊车时可以直接调用。且可选地，车辆终端可以将检测到的最终的泊车车位以标准的数据格式记录下来，并存储在控制器自身的存储器中，存储的信息可以被刷写，在系统下电后可以保存。
上述实施例中，预先对记忆泊车位进行存储，这样在检索到多个有效车位的时候，可以通过与预先存储的多个有效车位进行比较，以确定准确的车位，提高泊车位确定的准确性。
在其中一个实施例中，将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息之后，还包括：获取世界坐标系下的参考信息中的与最终的泊车车位特征信息对应的记忆环境信息；将记忆环境信息与记忆泊车位特征信息关联存储。
具体地，车辆终端可以将检测到的最终的泊车车位特征信息与周边环境中的信息以标准的数据格式记录下来，并存储在控制器自身的存储器中，存储的信息可以被刷写，在系统下电后可以保存。对于多个最终的泊车车位特征信息，建立多个最终的泊车车位特征信息及周边环境信息集，从而实现记忆多个最终的泊车车位特征信息。
这样在再次泊车时，若与记忆泊车位匹配失败，车辆终端还可以与记忆环境信息进行匹配以确定目标车位，避免由于车位漏检或错检所带来的匹配失败的问题。
上述实施例中，不光存储记忆泊车位，还存储记忆环境信息，这样在摄像头因为环境照明，障碍物遮挡，反光等各种原因，无法抓取到有效车位信息时，通过匹配环境信息来确定泊车场景，并给出目标泊车位，从而完成目标泊车位的选择，大大提高了支持范围以及驾驶员体验，且针对技术的制约，无法百分百实现对车位的检索，而产生车位漏检时，通过匹配环境信息来确定泊车场景，从而又可以提高目标泊车位的准确性。
在其中一个实施例中，将记忆环境信息与记忆泊车位特征信息关联存储之后，还包括：根据预设规则判断记忆泊车位特征信息以及记忆环境信息是否有效；当记忆泊车位特征信息以及记忆环境信息有效时，则输出驾驶员确认提示；当记忆泊车位特征信息以及记忆环境信息无效时，则输出记忆泊车位存储失败的提示。
具体地，当记忆泊车位特征信息以及记忆环境查信息被存储下来后，车辆终端则进行数据检查，如果记忆泊车位特征信息以及记忆环境查信息有效，其中有效性的检查，可以是判断数据是否完整，例如确定记忆泊车位特征信息的位置信息等是否均有数据记录，环境信息是否均有数据记录等，若有效，则将记忆泊车位通过HUT或手机显示给驾驶员查看，并弹框提示让驾驶员确定目标车位的正确性；如果记忆泊车位以及记忆环境查信息无效，弹窗提示驾驶员车位记忆失败，并让驾驶员选择放弃记忆还是重新开始。只有数据有效及被驾驶员确定后的记忆泊车位以及记忆环境查信息才会被存储并编号。
上述实施例中，在存储记忆泊车位特征信息和记忆环境信息时，需要判断记忆泊车位特征信息和记忆环境信息是否有效，这样保证后续对比的准确性，进而保证目标泊车位确定的准确性。
在其中一个实施例中，接收驾驶员输入的泊车指令，包括：通过车辆控制器中的按钮接收驾驶员输入的泊车指令；或者通过语音识别设备接收驾驶员输入的泊车指令；或者接收终端发送的泊车指令。
具体地，上述泊车方法的初次泊车的触发途径可以包括：驾驶员点击HUT中的软按键，或者语音识别模块检测到驾驶员的语音指令后，车辆终端将驾驶员的车位记忆需求发给车位记忆及自动匹配与选择系统，开启对目标车位的首次泊车。或者驾驶员通过手机蓝牙或以太网等模块将指令发送给无线通讯系统，如蓝牙系统，以太网系统等，无线通讯系统将驾驶员的需求发给车位记忆及自动匹配与选择系统，开启对目标车位的首次泊车。
上述泊车方法的再次泊车的触发途径可以包括：驾驶员点击HUT中的软按键，或者语音识别模块检测到驾驶员的语音指令后，车辆终端将驾驶员的再次泊车需求发给车位记忆及自动匹配与选择，开启对目标车位的再次泊车。或者驾驶员通过手机蓝牙或以太网等模块将指令发送给无线通讯系统，如蓝牙系统，以太网系统等，无线通讯系统将驾驶员的需求发给车位记忆及自动匹配与选择，开启对目标车位的再次泊车。
上述实施例中，通过多种方式来接收泊车指令，可以方便用户的操作，提高泊车效率。
在其中一个实施例中，方法还包括：接收驾驶员输入的泊车指令；当泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；当泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。上述实施例中，在接收到驾驶员指令后，需要进行首次泊车或者是非首次泊车的判断，这样便于提醒驾驶员存储记忆泊车位和记忆环境信息。
具体地，请参阅图4所示，图4为另一个实施例中的泊车位确定方法的流程图，该实施例以应用在图5所示的场景中为例进行说明，其中图5中假设车辆运动轨迹从P1到P2再到P3，由于车辆巡航距离较短，所以车辆行驶轨迹可简化为直线行驶。在初使P1位置，在车辆后轴处建立与P1位置坐标系方向一致的世界坐标系Oxy。
具体地，首先驾驶员输入泊车指令，车辆终端需要判断该泊车指令是否为首次泊车指令，其中判断方式可以是驾驶员来指定，或者是根据车辆的历史行车记录来进行判断，当判定为非首次泊车指令时，则继续执行通过安装在车辆上的摄像头采集初始图像，以通过与记忆泊车位进行匹配的方式来确定目标车位，当判定为首次泊车指令时，则继续执行通过安装在车辆上的摄像头采集参考图像，即通过确定驾驶员最后的停车车位来确定记忆泊车位，并进行存储，以便于后续的处理。
其中，泊车指令的输入方式可以包括驾驶员点击HUT中的软按键，或者语音识别模块检测到驾驶员的语音指令，或者是驾驶员通过手机蓝牙或以太网等模块将指令发送给无线通讯系统，以向车辆终端发送泊车指令。
下文为了清楚，将首次泊车和再次泊车进行分开论述。具体地，请参阅图6所示，图6为一个实施例中的拼接图的示意图，该拼接图可以是指首次泊车中的参考拼接图，也可以是指再次泊车中的待处理拼接图，车辆终端通过视图的拉伸与矫正，将环视鱼眼视图转换为水平真实视图，其中每一个像素都指代真实的距离信息，在环视拼接图中，每一个像素点指代特定距离(毫米级)。
具体地，在首次泊车的时候，车辆终端对参考拼接图进行特征识别，提取图像特征是将像素点信息进行归类、划分、形成不同的像素点集。然后车辆终端从拾取出来的特征点集中提取到车位线信息，有多个A点组成的水平车位线以及由A点和B点连接成的垂直车位线，以及水平车位线与垂直车位线构成的角点，见图7。图像特征参数提取模块提取拾取到的特征点信息，对比已有的表征不同的特征物的特征点集，从而识别不同的特征物，实现识别车位线，识别车位线所围成的车位，也就是参考信息中的待判断车位，其中还可以根据特征所占的像素点来确定待判断车位与车辆之间的位置关系。
车辆终端然后进行坐标系的建立和转换，当车辆处于不同的位置时，在各自的相对坐标系O’x’y’下中给定特征点A(角点)，特征点B(垂直于A构成的线上的任一点)以及相对坐标(A1’,B1’),(A2’,B2’)等。在车辆泊车过程中，通过车辆运动模型得出车辆的累计运动量，前进时将相对坐标系下的A，B点的相对坐标转换为绝对坐标系下的坐标(A1,B1)，(A2,B2)等。泊车入库后，将车辆轨迹中的坐标点都记录下来，形成基于车辆运动轨迹的二维坐标空间，见图8，可以得到记忆泊车中目标车位相对于世界坐标系下的坐标(A5,B5)，(A6,B6)。
其中，坐标转换中支持的角度范围较小且巡航距离短，因此可以认为车辆巡航阶段为直线运动。则坐标转换中，B＝B’；A＝A’+S(S为车辆行驶过程中，车辆累计行驶距离)。
车辆终端将检测到的目标车位(即最终用户的停车车位)与周边环境信息以标准的数据格式记录下来，并存储在控制器自身的存储器中。当目标车位及周边环境信息被存储下来后，车辆终端则进行数据检查，如果目标车位及周边环境信息有效，则将目标车位通过HUT或手机显示给驾驶员查看，并弹框提示让驾驶员确定目标车位；如果目标车位及周边环境信息无效，弹窗提示驾驶员失败，并让驾驶员选择放弃记忆还是重新开始，只有数据有效及被驾驶员确定后的车位才会被存储并编号。
上述过程是首次泊车时，车辆终端将记忆泊车位和记忆环境信息进行存储，下文继续说明车辆再次泊车的过程：
在再次泊车时，车辆终端对待处理拼接图进行特征识别，提取图像特征是将像素点信息进行归类、划分、形成不同的像素点集。然后车辆终端从拾取出来的特征点集中提取到车位线信息，有多个A点组成的水平车位线以及由A点和B点连接成的垂直车位线，以及水平车位线与垂直车位线构成的角点，见图7。图像特征参数提取模块提取拾取到的特征点信息，对比已有的表征不同的特征物的特征点集，从而识别不同的特征物，实现识别车位线，识别车位线所围成的车位，也就是有用信息中的待判断车位，其中还可以根据特征所占的像素点来确定待判断车位与车辆之间的位置关系。
车辆终端然后进行坐标系的建立和转换，当车辆处于不同的位置时，在各自的相对坐标系O’x’y’下中给定特征点A(角点)，特征点B(垂直于A构成的线上的任一点)以及相对坐标(A1’,B1’),(A2’,B2’)等。在车辆泊车过程中，通过车辆运动模型得出车辆的累计运动量，前进时将相对坐标系下的A，B点的相对坐标转换为绝对坐标系下的坐标(A1,B1)，(A2,B2)等。泊车入库后，将车辆轨迹中的坐标点都记录下来，形成基于车辆运动轨迹的二维坐标空间，见图8，可以得到记忆泊车中目标车位相对于世界坐标系下的坐标(A5,B5)，(A6,B6)。
其中，坐标转换中支持的角度范围较小且巡航距离短，因此可以认为车辆巡航阶段为直线运动。则坐标转换中，B＝B’；A＝A’+S(S为车辆行驶过程中，车辆累计行驶距离)。
这样车辆终端将再次泊车检测到的待判断车位及周边环境信息与存储器中记录的多个记忆泊车位和记忆环境信息进行匹配，从而确定目标车位。
当车辆终端进行车位检测，识别到图9中包含目标车位5在内的多个车位，车辆终端通过比对信息确定目标车位为5号车位。当车位线因为障碍物遮挡，如图10，环境光照不良，如图11所示，车辆终端进行车位检测时未检测到目标车位5，但匹配到车位周边环境信息，车辆终端将初次泊车存储的目标车位5的坐标信息(A5,B5),(A6,B6)作为目标车位坐标，从而完成对目标车位的选择。
其中，当上述方法应用到自动驾驶领域时，上述方法可以集成为车位记忆以及自动匹配与选择系统，这样自动驾驶系统在道路行驶阶段，有泊车的需求后，进入自动泊车软件，如果符合定义的视觉泊车场景，自动泊车软件将自行调动车位记忆及自动匹配与选择系统，从而实现完整的功能，具体可以参见图12所示，包括：自动驾驶系统在道路行驶阶段，有泊车需求，进行泊车调度；自动泊车系统在记忆泊车所在的场景，开启车位记忆及自动匹配与选择系统；车位记忆及自动匹配与选择系统开启后，返回结果给自动泊车，从而由自动泊车系统完成泊车；自动泊车系统完成泊车后，将结果反馈给自动驾驶系统。
上述实施例中，在摄像头因为环境照明，障碍物遮挡，反光等各种原因，无法抓取到有效车位信息时，车辆终端通过匹配环境信息来确定泊车场景，并给出目标车位信息，从而完成目标车位选择，大大提高了系统的支持范围以及驾驶员体验；且由于自身技术的制约，无法百分百实现对目标车位的检索，而产生车位漏检时，车辆终端通过匹配环境信息来确定泊车场景，并给出目标车位信息，从而完成目标车位选择，大大提高了支持范围以及驾驶员体验；车辆终端在检索到多个有效车位时，无法确定目标车位时，不需要驾驶员人工选择，系统会自动通过匹配与选择确定目标车位，完成目标车位选择，大大提高了支持范围以及驾驶员体验；车辆终端在检索车位的时候，即使驾驶员不看屏幕，车辆终端会在匹配目标车位后通过声音或图像的方式告诉驾驶员，从而避免危险驾驶，提高系统的安全性；车辆终端通过提高目标车位的匹配率，提高了泊车成功率；通过提高目标车位的匹配率，提高了场景适用性；通过提高泊车成功率与适用范围，提高视觉泊车系统的产品可靠性，极大提高了产品质量，从而赢得使用者的好评；实现车辆自动驾驶中完成对特定车位的泊入，从而完成完整的自动驾驶过程。
在实际应用中，结合图9只图11，在地上车位，车主有一个固定的停车位，周边车位均是空车位，见图9。车辆终端开启车位记忆及自动匹配与选择系统，由于车辆周边均是空车位，车辆检索到多个有效车位3个。此时如果没有车位自动匹配与选择系统，车辆并不知道目标车位在哪，可能停在任意车位上。在此情景下，车位自动匹配与选择系统通过比对初次泊车存储的目标车位信息，确定检索到的车位中最右边的为目标车位，进而完成泊车。
在地上车位，车主有一个固定车位，此时目标车位在车辆前进方向后方停了一辆车，车辆停放导致目标车位的车位线被遮挡，见图10。车辆终端开启车位记忆及自动匹配与选择系统，由于车位线被遮挡，车辆没有检索到目标车位。此时如果没有车位自动匹配与选择系统，车辆无法泊入目标车位。在此情景下，车位自动匹配与选择系统匹配周围环境信息，如果匹配到环境信息，车位自动匹配与选择系统将初次泊车存储的目标车位信息给到视觉泊车系统作为目标车位，进而完成泊车。
在地下停车位，车主有一个固定车位，由于灯故障导致目标车位照明不足，见图11。车辆终端开启车位记忆及自动匹配与选择系统，由于光照不足，车辆终端没有检索到目标车位。此时如果没有车位自动匹配与选择系统，车辆无法泊入。在此情景下，车位自动匹配与选择系统将初次泊车存储的目标车位信息给到视觉泊车系统作为目标车位，进而完成泊车。
应该理解的是，虽然图2、图3以及图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图3以及图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图13所示，提供了一种泊车位确定装置，包括：采集模块100、特征识别模块200、有用信息确定模块300、匹配模块400和输出模块500，其中：
采集模块100，用于通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；
特征识别模块200，用于对待处理拼接图进行特征识别得到图像特征；
有用信息确定模块300，用于根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；
匹配模块400，用于将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；
输出模块500，用于将与记忆泊车位信息匹配成功的有用信息所表征的待判断车位作为目标泊车位。
在其中一个实施例中，有用信息包括待判断车位特征信息，记忆泊车位信息包括记忆泊车位特征信息；匹配模块可以包括：
坐标系建立单元，用于建立第一车辆坐标系，并将所述待判断车位特征信息通过所述第一车辆坐标系进行记录；
转换模块，用于将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息；
第一匹配单元，用于将所述待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当所述待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则所述记忆泊车位信息与所述有用信息匹配成功。
在其中一个实施例中，上述的泊车位确定装置还可以包括：
拼接模块，用于通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图；
参考特征获取模块，用于对参考拼接图进行特征识别得到参考特征；
参考信息获取模块，用于根据所识别得到的参考特征确定预设类型的参考信息；
记录模块，用于建立第二车辆坐标系，并将参考信息通过第二车辆坐标系进行记录；
坐标转换模块，用于将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息；
泊车位获取模块，用于获取最终的泊车车位特征信息；
存储模块，用于将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位。
在其中一个实施例中，上述的匹配模块还可以包括：
第二匹配单元，用于当不存在与记忆泊车位特征信息相匹配的待判断车位特征信息时，则将待判断环境信息与预先存储的记忆环境信息相匹配，记忆环境信息是记忆泊车位的周边环境信息；
结果获取单元，用于当待判断环境信息与预先存储的记忆环境信息匹配成功，则记忆泊车位信息与有用信息匹配成功，否则记忆泊车位信息与有用信息匹配失败。
在其中一个实施例中，上述的泊车位确定装置还可以包括：
环境信息获取模块，用于获取世界坐标系下的参考信息中的与最终的泊车车位特征信息对应的记忆环境信息；
存储模块还用于将记忆环境信息与记忆泊车位特征信息关联存储。
在其中一个实施例中，上述的泊车位确定装置还可以包括：
判断模块，用于根据预设规则判断记忆泊车位特征信息以及记忆环境信息是否有效；
提示模块，用于当记忆泊车位特征信息以及记忆环境信息有效时，则输出驾驶员确认提示；当记忆泊车位特征信息以及记忆环境信息无效时，则输出记忆泊车位存储失败的提示。
在其中一个实施例中，上述的转换模块包括：
位置获取单元，用于获取所述车辆在世界坐标系下的绝对位置以及在所述第一坐标系下的相对位置；
转换关系获取单元，用于根据所述绝对位置和所述相对位置确定所述第一坐标系和所述世界坐标系的转换关系；
转换单元，用于根据所述转换关系将所述待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。
在其中一个实施例中，上述的泊车位确定装置还可以包括：
接收模块，用于接收驾驶员输入的泊车指令；
处理模块，用于当泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；当泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。
关于泊车位确定装置的具体限定可以参见上文中对于泊车位确定方法的限定，在此不再赘述。上述泊车位确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种泊车位确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；对待处理拼接图进行特征识别得到图像特征；根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；获取与所述记忆泊车位信息匹配成功的有用信息中的待判断车位作为目标泊将与记忆泊车位信息匹配成功的有用信息所表征的待判断车位作为目标泊车位。
在其中一个实施例中，有用信息包括待判断车位特征信息，记忆泊车位信息包括记忆泊车位特征信息；处理器执行计算机程序时所实现的将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：建立第一车辆坐标系，并将待判断车位特征信息通过第一车辆坐标系进行记录；将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息；将待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则记忆泊车位信息与有用信息匹配成功。
在一个实施例中，处理器执行计算机程序时所涉及的预先存储的记忆泊车位的确定方式包括：通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图；对参考拼接图进行特征识别得到参考特征；根据所识别得到的参考特征确定预设类型的参考信息；建立第二车辆坐标系，并将参考信息通过第二车辆坐标系进行记录；将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息；获取最终的泊车车位特征信息；将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息。
在一个实施例中，处理器执行计算机程序时所实现的将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：当不存在与记忆泊车位特征信息相匹配的待判断车位特征信息时，则将待判断环境信息与预先存储的记忆环境信息相匹配，记忆环境信息是记忆泊车位的周边环境信息；当待判断环境信息与预先存储的记忆环境信息匹配成功，则记忆泊车位信息与有用信息匹配成功，否则记忆泊车位信息与有用信息匹配失败。
在一个实施例中，处理器执行计算机程序时所实现的将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息之后，还包括：获取世界坐标系下的参考信息中的与最终的泊车车位对应的记忆环境信息；将记忆环境信息与记忆泊车位特征信息关联存储。
在一个实施例中，处理器执行计算机程序时所实现的将记忆环境信息与记忆泊车位关联存储之后，还包括：根据预设规则判断记忆泊车位特征信息以及记忆环境信息是否有效；当记忆泊车位特征信息以及记忆环境信息有效时，则输出驾驶员确认提示；当记忆泊车位特征信息以及记忆环境信息无效时，则输出记忆泊车位存储失败的提示。
在一个实施例中，处理器执行计算机程序时所实现的将通过第一车辆坐标系记录的待判断车位转换为世界坐标系下的待判断车位，包括：获取车辆在世界坐标系下的绝对位置以及在第一坐标系下的相对位置；根据绝对位置和相对位置确定第一坐标系和世界坐标系的转换关系；根据转换关系将待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收驾驶员输入的泊车指令；当泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；当泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；对待处理拼接图进行特征识别得到图像特征；根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；获取与所述记忆泊车位信息匹配成功的有用信息中的待判断车位作为目标泊将与记忆泊车位信息匹配成功的有用信息所表征的待判断车位作为目标泊车位。
在其中一个实施例中，有用信息包括待判断车位特征信息，记忆泊车位信息包括记忆泊车位特征信息；处理器执行计算机程序时所实现的将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：建立第一车辆坐标系，并将待判断车位特征信息通过第一车辆坐标系进行记录；将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息；将待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则记忆泊车位信息与有用信息匹配成功。
在一个实施例中，计算机程序被处理器执行时所涉及的预先存储的记忆泊车位的确定方式包括：通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图；对参考拼接图进行特征识别得到参考特征；根据所识别得到的参考特征确定预设类型的参考信息；建立第二车辆坐标系，并将参考信息通过第二车辆坐标系进行记录；将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息；获取最终的泊车车位特征信息；将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息。
在一个实施例中，计算机程序被处理器执行时所实现的将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：当不存在与记忆泊车位特征信息相匹配的待判断车位特征信息时，则将待判断环境信息与预先存储的记忆环境信息相匹配，记忆环境信息是记忆泊车位的周边环境信息；当待判断环境信息与预先存储的记忆环境信息匹配成功，则记忆泊车位信息与有用信息匹配成功，否则记忆泊车位信息与有用信息匹配失败。
在一个实施例中，计算机程序被处理器执行时所实现的将世界坐标系下的参考信息中的最终的泊车车位特征信息，存储为记忆泊车位特征信息之后，还包括：获取世界坐标系下的参考信息中的与最终的泊车车位对应的记忆环境信息；将记忆环境信息与记忆泊车位特征信息关联存储。
在一个实施例中，计算机程序被处理器执行时所实现的将记忆环境信息与记忆泊车位关联存储之后，还包括：根据预设规则判断记忆泊车位特征信息以及记忆环境信息是否有效；当记忆泊车位特征信息以及记忆环境信息有效时，则输出驾驶员确认提示；当记忆泊车位特征信息以及记忆环境信息无效时，则输出记忆泊车位存储失败的提示。
在一个实施例中，处理器执行计算机程序时所实现的将通过第一车辆坐标系记录的待判断车位转换为世界坐标系下的待判断车位，包括：获取车辆在世界坐标系下的绝对位置以及在第一坐标系下的相对位置；根据绝对位置和相对位置确定第一坐标系和世界坐标系的转换关系；根据转换关系将待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收驾驶员输入的泊车指令；当泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；当泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种泊车位确定方法，所述方法包括：
通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；
对所述待处理拼接图进行特征识别得到图像特征；
根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；
将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；
将与所述记忆泊车位信息匹配成功的有用信息所表征的所述待判断车位作为目标泊车位。
2.根据权利要求1所述的方法，其特征在于，所述有用信息包括待判断车位特征信息，所述记忆泊车位信息包括记忆泊车位特征信息；所述将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，包括：
建立第一车辆坐标系，并将所述待判断车位特征信息通过所述第一车辆坐标系进行记录；
将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息；
将所述待判断车位特征信息与预先存储的记忆泊车位特征信息进行匹配，且当所述待判断车位特征信息与预先存储的记忆泊车位特征信息匹配成功时，则所述记忆泊车位信息与所述有用信息匹配成功。
3.根据权利要求2所述的方法，其特征在于，所述预先存储的记忆泊车位特征信息的确定方式包括：
通过安装在车辆上的摄像头采集参考图像，并根据所采集的参考图像生成参考拼接图；
对所述参考拼接图进行特征识别得到参考特征；
根据所识别得到的参考特征确定预设类型的参考信息；
建立第二车辆坐标系，并将所述参考信息通过所述第二车辆坐标系进行记录；
将通过第二车辆坐标系记录的参考信息转换为世界坐标系下的参考信息；
获取最终的泊车车位特征信息；
将所述世界坐标系下的参考信息中的所述最终的泊车车位特征信息，存储为记忆泊车位特征信息。
4.根据权利要求2所述的方法，其特征在于，所述有用信息还包括待判断环境信息，所述记忆泊车位信息包括记忆环境信息；所述将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配，还包括：
当不存在与所述记忆泊车位特征信息相匹配的待判断车位特征信息时，则将所述待判断环境信息与预先存储的记忆环境信息相匹配，所述记忆环境信息是所述记忆泊车位的周边环境信息；
当所述待判断环境信息与预先存储的记忆环境信息匹配成功，则所述记忆泊车位信息与所述有用信息匹配成功，否则所述记忆泊车位信息与所述有用信息匹配失败。
5.根据权利要求3所述的方法，其特征在于，所述将所述世界坐标系下的参考信息中的所述最终的泊车车位特征信息存储为记忆泊车位特征信息之后，还包括：
获取所述世界坐标系下的参考信息中的与所述最终的泊车车位特征信息对应的记忆环境信息；
将所述记忆环境信息与所述记忆泊车位特征信息关联存储。
6.根据权利要求5所述的方法，其特征在于，所述将所述记忆环境信息与所述记忆泊车位特征信息关联存储之后，还包括：
根据预设规则判断所述记忆泊车位特征信息以及所述记忆环境信息是否有效；
当所述记忆泊车位特征信息以及所述记忆环境信息有效时，则输出驾驶员确认提示；
当所述记忆泊车位特征信息以及所述记忆环境信息无效时，则输出记忆泊车位信息存储失败的提示。
7.根据权利要求2至6任意一项所述的方法，其特征在于，所述将通过第一车辆坐标系记录的待判断车位特征信息转换为世界坐标系下的待判断车位特征信息，包括：
获取所述车辆在世界坐标系下的绝对位置以及在所述第一坐标系下的相对位置；
根据所述绝对位置和所述相对位置确定所述第一坐标系和所述世界坐标系的转换关系；
根据所述转换关系将所述待判断车位特征信息转换为世界坐标系下的待判断车位特征信息。
8.根据权利要求3至6任意一项所述的方法，其特征在于，所述方法还包括：
接收驾驶员输入的泊车指令；
当所述泊车指令为首次泊车指令时，则执行通过安装在车辆上的摄像头采集参考图像；
当所述泊车指令非首次泊车指令时，则执行通过安装在车辆上的摄像头采集初始图像。
9.一种泊车位确定装置，其特征在于，所述装置包括：
采集模块，用于通过安装在车辆上的摄像头采集初始图像，并根据所采集的初始图像生成待处理拼接图；
特征识别模块，用于对所述待处理拼接图进行特征识别得到图像特征；
有用信息确定模块，用于根据所识别得到的图像特征确定预设类型的表征待判断车位的有用信息；
第一匹配模块，用于将表征待判断车位的有用信息与预先存储的记忆泊车位信息进行匹配；
输出模块，用于将与所述记忆泊车位信息匹配成功的有用信息所表征的所述待判断车位作为目标泊车位。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010406401.2A CN111723659B (zh) | 2020-05-14 | 2020-05-14 | 泊车位确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010406401.2A CN111723659B (zh) | 2020-05-14 | 2020-05-14 | 泊车位确定方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111723659A true CN111723659A (zh) | 2020-09-29 |
| CN111723659B CN111723659B (zh) | 2024-01-09 |
Family
ID=72564459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010406401.2A Active CN111723659B (zh) | 2020-05-14 | 2020-05-14 | 泊车位确定方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111723659B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509375A (zh) * | 2020-10-20 | 2021-03-16 | 东风汽车集团有限公司 | 一种泊车动态显示方法及系统 |
| CN112572422A (zh) * | 2020-12-30 | 2021-03-30 | 广州小鹏自动驾驶科技有限公司 | 一种泊车控制方法和装置 |
| CN112644479A (zh) * | 2021-01-07 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种泊车控制方法和装置 |
| CN112668588A (zh) * | 2020-12-29 | 2021-04-16 | 禾多科技（北京）有限公司 | 车位信息生成方法、装置、设备和计算机可读介质 |
| CN113053134A (zh) * | 2021-03-29 | 2021-06-29 | 安徽慧可科技有限公司 | 一种基于区块链与信息融合的信息管理系统和方法 |
| CN113619571A (zh) * | 2021-09-06 | 2021-11-09 | 惠州市德赛西威汽车电子股份有限公司 | 一种提升智能学习泊车精度的方法 |
| CN113734156A (zh) * | 2021-08-25 | 2021-12-03 | 深圳市全景达科技有限公司 | 3d全景泊车辅助方法、系统、终端以及存储介质 |
| CN114120701A (zh) * | 2021-11-25 | 2022-03-01 | 北京经纬恒润科技股份有限公司 | 一种泊车定位方法及装置 |
| CN114220188A (zh) * | 2021-12-27 | 2022-03-22 | 上海高德威智能交通系统有限公司 | 一种车位巡检方法、装置及设备 |
| CN114220291A (zh) * | 2021-12-01 | 2022-03-22 | 阿维塔科技(重庆)有限公司 | 车库停车/取车定位方法、系统、汽车及计算机可读存储介质 |
| CN115565158A (zh) * | 2022-11-17 | 2023-01-03 | 广汽埃安新能源汽车股份有限公司 | 车位检测方法、装置、电子设备和计算机可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180246515A1 (en) * | 2017-02-28 | 2018-08-30 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle Automated Parking System and Method |
| CN110239524A (zh) * | 2019-05-23 | 2019-09-17 | 浙江吉利控股集团有限公司 | 自动泊车方法、装置、系统及终端 |
| CN110244738A (zh) * | 2019-06-26 | 2019-09-17 | 广州小鹏汽车科技有限公司 | 车辆的行驶控制方法、装置和车辆 |
| 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 |
| WO2020056874A1 (zh) * | 2018-09-17 | 2020-03-26 | 魔门塔(苏州)科技有限公司 | 一种基于视觉识别的自动泊车系统及方法 |
-
2020
- 2020-05-14 CN CN202010406401.2A patent/CN111723659B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180246515A1 (en) * | 2017-02-28 | 2018-08-30 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle Automated Parking System and Method |
| WO2020056874A1 (zh) * | 2018-09-17 | 2020-03-26 | 魔门塔(苏州)科技有限公司 | 一种基于视觉识别的自动泊车系统及方法 |
| CN110239524A (zh) * | 2019-05-23 | 2019-09-17 | 浙江吉利控股集团有限公司 | 自动泊车方法、装置、系统及终端 |
| CN110244738A (zh) * | 2019-06-26 | 2019-09-17 | 广州小鹏汽车科技有限公司 | 车辆的行驶控制方法、装置和车辆 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 文翊;丁宗阳;李泽彬;孙国正;何班本;: "基于虚拟现实技术的全景泊车系统及其扩展应用", 汽车科技, no. 02 * |
| 江浩斌;沈峥楠;马世典;陈龙;: "基于信息融合的自动泊车系统车位智能识别", 机械工程学报, no. 22 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112509375B (zh) * | 2020-10-20 | 2022-03-08 | 东风汽车集团有限公司 | 一种泊车动态显示方法及系统 |
| CN112509375A (zh) * | 2020-10-20 | 2021-03-16 | 东风汽车集团有限公司 | 一种泊车动态显示方法及系统 |
| CN112668588A (zh) * | 2020-12-29 | 2021-04-16 | 禾多科技（北京）有限公司 | 车位信息生成方法、装置、设备和计算机可读介质 |
| CN112668588B (zh) * | 2020-12-29 | 2023-09-12 | 禾多科技（北京）有限公司 | 车位信息生成方法、装置、设备和计算机可读介质 |
| CN112572422A (zh) * | 2020-12-30 | 2021-03-30 | 广州小鹏自动驾驶科技有限公司 | 一种泊车控制方法和装置 |
| CN112644479A (zh) * | 2021-01-07 | 2021-04-13 | 广州小鹏自动驾驶科技有限公司 | 一种泊车控制方法和装置 |
| CN113053134A (zh) * | 2021-03-29 | 2021-06-29 | 安徽慧可科技有限公司 | 一种基于区块链与信息融合的信息管理系统和方法 |
| CN113734156A (zh) * | 2021-08-25 | 2021-12-03 | 深圳市全景达科技有限公司 | 3d全景泊车辅助方法、系统、终端以及存储介质 |
| CN113619571A (zh) * | 2021-09-06 | 2021-11-09 | 惠州市德赛西威汽车电子股份有限公司 | 一种提升智能学习泊车精度的方法 |
| CN113619571B (zh) * | 2021-09-06 | 2024-02-06 | 惠州市德赛西威汽车电子股份有限公司 | 一种提升智能学习泊车精度的方法 |
| CN114120701A (zh) * | 2021-11-25 | 2022-03-01 | 北京经纬恒润科技股份有限公司 | 一种泊车定位方法及装置 |
| CN114220291A (zh) * | 2021-12-01 | 2022-03-22 | 阿维塔科技(重庆)有限公司 | 车库停车/取车定位方法、系统、汽车及计算机可读存储介质 |
| CN114220291B (zh) * | 2021-12-01 | 2023-08-01 | 阿维塔科技(重庆)有限公司 | 车库停车/取车定位方法、系统、汽车及计算机可读存储介质 |
| CN114220188A (zh) * | 2021-12-27 | 2022-03-22 | 上海高德威智能交通系统有限公司 | 一种车位巡检方法、装置及设备 |
| CN115565158A (zh) * | 2022-11-17 | 2023-01-03 | 广汽埃安新能源汽车股份有限公司 | 车位检测方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111723659B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111723659B (zh) | 泊车位确定方法、装置、计算机设备和存储介质 | |
| WO2021226912A1 (zh) | 泊车位确定方法、装置、计算机设备和存储介质 | |
| CN110244738B (zh) | 车辆的行驶控制方法、装置和车辆 | |
| US11571985B2 (en) | Parking guidance system of parking lot provided with charging device for vehicle and parking guidance method using the same | |
| US11087138B2 (en) | Vehicle damage assessment method, apparatus, and device | |
| US11541881B2 (en) | Automatic parking method, device, system, and vehicle | |
| CN108280524B (zh) | 识别车辆和生成预约信息的系统和方法 | |
| CN111160172B (zh) | 泊车位检测方法、装置、计算机设备和存储介质 | |
| CN111497828A (zh) | 一种自动泊车方法、装置、介质及设备 | |
| CN111860352B (zh) | 一种多镜头车辆轨迹全跟踪系统及方法 | |
| CN111179162A (zh) | 一种特殊环境下的定位初始化方法及车载终端 | |
| US20200175871A1 (en) | Information providing system, server, onboard device, and information providing method | |
| CN112824182A (zh) | 自动泊车方法、装置、计算机设备和存储介质 | |
| CN111753639A (zh) | 感知地图生成方法、装置、计算机设备和存储介质 | |
| CN113532444A (zh) | 导航路径处理方法、装置、电子设备及存储介质 | |
| CN113788027B (zh) | 用于自主泊车的方法、装置、设备和存储介质 | |
| CN114554391A (zh) | 一种停车场寻车方法、装置、设备和存储介质 | |
| CN112489112B (zh) | 加油枪与车辆匹配方法、装置、电子设备及存储介质 | |
| JP2011197728A (ja) | 共用車両管理装置 | |
| CN112799391A (zh) | 用于狭窄车位的泊车方法、装置、车辆及存储介质 | |
| CN115407355B (zh) | 库位地图的验证方法、装置及终端设备 | |
| CN113240931B (zh) | 停车方法、装置、计算机设备和存储介质 | |
| CN115331181A (zh) | 车辆图像融合方法、装置、计算机设备和存储介质 | |
| CN114492492A (zh) | 一种二维码扫描方法、装置、存储介质及电子设备 | |
| CN113781792A (zh) | 停放检测系统、方法及相关设备 |
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 |