CN111942372A - 一种自动泊车方法及系统 - Google Patents

Abstract

本发明公开一种自动泊车方法及系统，其中，自动泊车方法包括：步骤S1，通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；步骤S2，从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；步骤S3，从所述泊车行驶区域中识别出空闲车位；步骤S4，计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；步骤S5，根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。本发明能排除地锁、雪糕筒、限位杆等低矮障碍物的干扰，无需用户选择车位，解放用户双手双脚，真正实现方便快捷的“一键泊车”，为用户带来泊车便利性。

Description

一种自动泊车方法及系统

技术领域

本发明属于智能驾驶技术领域，具体涉及一种自动泊车方法及系统。

背景技术

自动泊车系统技术因其为驾驶员带来的泊车便利性而受广大用户欢迎，目前被各种车型广泛搭载。现有的自动泊车系统主要分为两类：一类是基于超声波雷达的自动泊车系统，根据超声波传感器探测到的障碍物距离值定位车位空间大小，自动规划泊车路径并控制档位、车速、制动系统；一类是基于超声波雷达与摄像头检测到的障碍物信息进行目标融合，以识别车位、规划泊车路径并控制车辆泊车入库。基于超声波雷达的全自动泊车系统依赖于障碍车识别车位，不支持斜列车位的泊入也不能识别车位线，且需用户选择车位类型(平行车位或垂直车位)及泊入的方位(左侧车位或右侧车位)，使用场景受限且操作繁琐；基于超声波雷达与摄像头的融合泊车系统可识别斜列车位以及车位线，但对地锁、限位杆、雪糕筒等常见的低矮障碍物识别能力较弱，在泊车过程中还需要用户选择泊入的车位，不能真正做到一键泊车，影响泊车体验感。

发明内容

本发明实施例所要解决的技术问题在于，提供一种能有效提高泊车便利性的自动泊车方法及系统。

为解决上述技术问题，本发明提供一种自动泊车方法，包括：

步骤S1，通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

步骤S2，从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

步骤S3，从所述泊车行驶区域中识别出空闲车位；

步骤S4，计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

步骤S5，根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

进一步地，所述步骤S1具体包括：将超声波传感器和摄像头探测到的障碍物信息进行目标融合，利用融合后障碍物位置信息将全景拼接后的图像二值化，提取出车身周围的初步可行驶区域。

进一步地，所述步骤S2具体包括：

步骤S21，在所述初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；

步骤S22，将所述正样本和负样本输入深度学习网络进行训练；

步骤S23，将所述初步可行驶区域的图像输入经所述步骤S22训练好的深度学习网络，从所述初步可行驶区域中识别出障碍物并标记；

步骤S24，将所述步骤S23标记出的障碍物从所述步骤S1输出的初步可行驶区域中剔除，得到泊车行驶区域。

进一步地，所述步骤S3具体包括：从所述泊车行驶区域中识别出空闲车位，根据车长和车宽确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标保存到链表中。

进一步地，所述步骤S4具体包括：

步骤S41，将整车坐标系转化到世界坐标系，计算出车辆初始后轴中心点的坐标以及泊入空闲车位后的后轴中心点的坐标；

步骤S42，计算车辆泊入空闲车位需要转动的角度；

步骤S43，将车辆的车速、方向盘转角代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点的坐标；

步骤S44，根据每一步结束后车辆的后轴中心点的坐标，分别计算其与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，将对应的泊车步数作为车辆泊入所述空闲车位的泊车步数；

步骤S45，对于所述链表中的每一个识别出的空闲车位，均计算泊入所述空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

进一步地，所述欧式距离的计算方式为：

(ΔX)²+(ΔY)²＝D²

其中，D表示所述欧式距离，ΔX表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点在X向的差异，ΔY表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点在Y向的差异。

进一步地，所述步骤S44中当所述欧式距离处于设定的距离阈值范围内时，进一步包括：

判断方向盘转角之和与车辆车头与车位的夹角之间的下述等量关系是否成立：

u₁+u₂+…+u_N＝θ+Δθ

其中，u₁+u₂+…+u_N为方向盘转角之和，N为泊车步数，θ为车辆车头与车位的夹角，Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入所述空闲车位时车辆转动角度与所述步骤S42计算出的车辆泊入所述空闲车位时车辆转动角度之间的差异；

若等量关系成立，则将泊车步数N作为车辆泊入所述空闲车位的泊车步数；若等量关系不成立，则继续执行M步泊车直至所述等量关系成立，并将泊车步数N加上泊车步数M，以N+M作为泊入所述空闲车位的泊车步数。

进一步地，D的取值范围是[10cm,30cm]，Δθ的取值范围是[-3°,+3°]，所述空闲车位的长度不小于车长+1m，车位的宽度不小于车宽+0.8m。

进一步地，如果所述步骤S4计算出的泊车步数大于预设阈值，则直接舍弃所述空闲车位。

本发明还提供一种自动泊车系统，包括：

第一获取单元，用于通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

第二获取单元，用于从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

空闲车位识别单元，用于从所述泊车行驶区域中识别出空闲车位；

目标车位选择单元，用于计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

自动泊车单元，用于根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

进一步地，所述第二获取单元进一步包括：

数据标注模块，用于在所述初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；

训练模块，用于将所述正样本和负样本输入深度学习网络进行训练；

语义分割模块，用于将所述初步可行驶区域的图像输入经所述训练模块训练好的深度学习网络，从所述初步可行驶区域中识别出障碍物并标记；

获取模块，用于将所述语义分割模块标记出的障碍物从所述第一获取单元输出的初步可行驶区域中剔除，得到泊车行驶区域。

进一步地，所述空闲车位识别单元具体用于从所述泊车行驶区域中识别出空闲车位，根据车长和车宽确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标保存到链表中。

进一步地，所述目标车位选择单元进一步包括：

第一计算模块，用于将整车坐标系转化到世界坐标系，计算出车辆初始后轴中心点的坐标以及泊入空闲车位后的后轴中心点的坐标；

第二计算模块，用于计算车辆泊入空闲车位需要转动的角度；

第三计算模块，用于将车辆的车速、方向盘转角代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点的坐标；

泊车步数确定模块，用于根据每一步结束后车辆的后轴中心点的坐标，分别计算其与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，将对应的泊车步数作为车辆泊入所述空闲车位的泊车步数；

目标车位确定模块，用于对于所述链表中的每一个识别出的空闲车位，均计算泊入所述空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

进一步地，所述欧式距离的计算方式为：

(ΔX)²+(ΔY)²＝D²

其中，D表示所述欧式距离，ΔX表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在X向的差异，ΔY表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在Y向的差异。

进一步地，所述泊车步数确定模块在所述欧式距离处于设定的距离阈值范围内时，进一步用于：

判断方向盘转角之和与车辆车头与车位的夹角之间的下述等量关系是否成立：

u₁+u₂+…+u_N＝θ+Δθ

其中，u₁+u₂+…+u_N为方向盘转角之和，N为泊车步数，θ为车辆车头与车位的夹角，Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入所述空闲车位时车辆转动角度与所述第二计算模块计算出的车辆泊入所述空闲车位时车辆转动角度之间的差异；

若等量关系成立，则将泊车步数N作为车辆泊入所述空闲车位的泊车步数；若等量关系不成立，则继续执行M步泊车直至所述等量关系成立，并将泊车步数N加上泊车步数M，以N+M作为泊入所述空闲车位的泊车步数。

实施本发明实施例，具有如下有益效果：融合超声波传感器和高清摄像头采集的环境信息分割出可行驶区域，利用基于数据标注及语义分割的深度学习算法精确识别出泊车行驶区域内的空闲车位，能排除地锁、雪糕筒、限位杆等低矮障碍物的干扰；根据轨迹规划算法遍历空闲车位，计算出车辆泊入各个车位的步数，选择泊车步数最少的车位作为目标车位，自动控制挡位、车速、制动使车辆泊入目标车位，无需用户选择车位，解放用户双手双脚，真正实现方便快捷的“一键泊车”，为用户带来泊车便利性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。

图1为本发明实施例一一种自动泊车方法的流程示意图。

图2为本发明实施例中计算泊车步数的原理示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。

请参照图1所示，本发明实施例一提供一种自动泊车方法，包括：

步骤S1，通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

步骤S2，从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

步骤S3，从所述泊车行驶区域中识别出空闲车位；

步骤S4，计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

步骤S5，根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

具体地，步骤S1中，首先将全车身12个超声波传感器和4个高清摄像头探测到的障碍物信息进行目标融合，然后利用融合后障碍物位置信息将全景拼接后的图像二值化，提取出车身周围的初步可行驶区域。

步骤S2针对步骤S1得到的初步可行驶区域，利用基于数据标注及语义分割的深度学习算法识别出地锁、雪糕筒等障碍物，并将这些障碍物从初步可行驶区域中剔除，得到更为精确的泊车行驶区域。由此，步骤S2具体包括：

步骤S21，在初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；此步骤即数据标注步骤，分别标记含有地锁、雪糕筒等障碍物的图像(即正样本)和不含地锁、雪糕筒等障碍物的图像(即负样本)；

步骤S22，将步骤S21获得的正样本和负样本输入深度学习网络进行训练；

步骤S23，将步骤S1得到的初步可行驶区域图像输入步骤S22中训练好的深度学习网络，从初步可行驶区域中识别出障碍物并标记；此步骤即语义分割步骤，通过步骤S22训练好的深度学习网络识别是否含有雪糕筒、地锁等障碍物，并把雪糕筒、地锁等障碍物标记出来；

步骤S24，将步骤S23标记出的障碍物从步骤S1输出的初步可行驶区域中剔除，得到更为精确的泊车行驶区域。

步骤S3从步骤S2获得的泊车行驶区域中识别出空闲车位，根据车长L和车宽W确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标C_FL(前左)、C_FR(前右)、C_RL(后左)、C_RR(后右)保存到链表List_P中。需要说明的是，本实施例中，车位的长度不小于L+1m(即车长加1米)，车位的宽度不小于W+0.8m(即车宽加0.8米)。

步骤S4具体是遍历链表List_P，根据轨迹规划算法计算出车辆泊入每个空闲车位所需换挡的次数(即泊车步数)，选择泊车步数最少的车位作为目标车位。

请再结合图2所示，步骤S4具体包括：

步骤S41，将整车坐标系转化到世界坐标系，计算出车辆A初始后轴中心点S₀的坐标(X₀，Y₀)以及泊入空闲车位Pi后的后轴中心点S_d的坐标(X_d，Y_d)；

步骤S42，计算车辆A泊入空闲车位需要转动的角度，即车辆车头与车位的夹角θ；如图2所示，形成夹角θ的两条边中，一条为水平线，即车辆A初始车头线；另一条为空闲车位P_i的C_FL、C_FR这两个角点的连线；可以理解的是，图2所示车辆A初始位置仅为示例，初始车头线并非均为水平线，而是根据泊车开始时的车辆初始位置确定；

步骤S43，将车辆的车速V_i、方向盘转角u_i代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点S_i的坐标(X_i，Y_i)：

X_i＝X_i-1+V_icos(u_i)；

Y_i＝Y_i-1+V_isin(u_i)；

i＝1,2…,N；N为泊车步数；

步骤S44，根据每一步结束后车辆A的后轴中心点S_i的坐标，分别计算其与步骤S41计算出的车辆泊入空闲车位P_i时车辆后轴中心点S_d之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，则将对应的泊车步数作为车辆泊入该空闲车位P_i的泊车步数。

可以理解的是，轨迹规划的泊车位置与计算的理想泊车位置总会存在差异，只要差异度足够小，均可以满足泊车要求。泊车过程中第N步结束后车辆A的后轴中心点S_N的坐标(X_N，Y_N)与步骤S41计算出的车辆泊入空闲车位P_i时车辆后轴中心点S_d之间的欧式距离设为D，如果D处于设定的距离阈值范围内，则获得泊车步数为N。具体地，S_N的坐标(X_N，Y_N)与S_d的坐标(X_d，Y_d)存在如下等式：

X_d＝X_N+ΔX；

Y_d＝Y_N+ΔY；

ΔX表示轨迹规划完成后，车辆A按照轨迹规划在第N步后泊入空闲车位P_i时的后轴中心点S_N与步骤S41计算出的车辆泊入空闲车位P_i时车辆后轴中心点S_d在X向的差异，ΔY表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入空闲车位P_i时的后轴中心点S_N与步骤S41计算出的车辆泊入空闲车位P_i时车辆后轴中心点S_d在Y向的差异。

进一步地，S_N到S_d的欧式距离D的计算方式如下：

(ΔX)²+(ΔY)²＝D²

作为一种示例，本实施例中，距离阈值范围为[10cm,30cm]，若D处于[10cm,30cm]，则表明该第N步为泊入空闲车位P_i过程中的最后一步，从而获得泊入空闲车位P_i的泊车步数N。

此外，当泊车过程中第N步后车辆后轴中心点到达S_N，方向盘转角之和与车辆车头与车位的夹角θ之间具有下述等量关系：

u₁+u₂+…+u_N＝θ+Δθ

Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入空闲车位P_i时车辆转动角度与步骤S42计算出的车辆泊入空闲车位P_i时车辆转动角度之间的差异。如前所述，车辆转动角度即车头线与该空闲车位P_i前部两个角点C_FL、C_FR间的连线所形成的夹角。步骤S42计算的是在理想情况下，车辆按照轨迹规划在第N步后泊入空闲车位P_i时的车辆转动角度，其车头线应与该空闲车位P_i前部两个角点C_FL、C_FR间的连线相平行或相平齐，即Δθ＝0；则方向盘转角之和与步骤S42计算的车辆车头与车位的夹角θ相等。但同样地，轨迹规划的泊车位置与计算的理想泊车位置总会存在差异，Δθ的大小反映了车辆按照轨迹规划在第N步后泊入空闲车位P_i时，车头线与该空闲车位P_i前部两个角点C_FL、C_FR间的连线的契合度，Δθ的绝对值越小(约趋近于0)，表明泊车后的车头线与该空闲车位P_i前部两个角点C_FL、C_FR间的连线越平行或越平齐，也即通常意义上的泊车位置越标准。作为一种示例，本实施例中，Δθ的取值范围是[-3°,+3°]。如果方向盘转角之和与车辆车头与车位的夹角θ之间的等量关系(u₁+u₂+…+u_N＝θ+Δθ)没满足，则判定泊车未完成，需要再执行M步泊车直至满足前述等量关系，此时将前述泊车步数N加上后续为使等式成立而继续执行的泊车步数M，以N+M作为泊入该空闲车位P_i的泊车步数。

步骤S45，对于链表List_P中的每一个识别出的空闲车位，均计算泊入该空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

综合泊车系统的用户体验感及泊车成功率，泊车步数在水平车位时不能超过8次，在垂直车位或斜列车位时不能超过4次。如果计算出的泊车步数大于前述设置的阈值，则直接舍弃该空闲车位。

在步骤S4确定泊车步数N最小的目标车位后，步骤S5则根据泊车行驶区域规划泊车路径，控制EPS、ESP、VCU等系统，分别执行自动换挡、转向和制动，将车辆泊入目标车位。此外，本实施例也提供了自动泊车过程中的人工介入机制，在紧急情况下，例如在泊车路径上突然出现行人，用户可以通过按下自动泊车按钮或转动方向盘随时接管自动泊车。

泊车结束后，车辆自动拉起电子驻车系统EPB后，在人机界面HMI上提示泊车结束。

相应于本发明实施例一提供的自动泊车方法，本发明实施例二还提供一种自动泊车系统，包括：

第一获取单元，用于通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

第二获取单元，用于从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

空闲车位识别单元，用于从所述泊车行驶区域中识别出空闲车位；

目标车位选择单元，用于计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

自动泊车单元，用于根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

进一步地，所述第二获取单元进一步包括：

数据标注模块，用于在所述初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；

训练模块，用于将所述正样本和负样本输入深度学习网络进行训练；

语义分割模块，用于将所述初步可行驶区域的图像输入经所述训练模块训练好的深度学习网络，从所述初步可行驶区域中识别出障碍物并标记；

获取模块，用于将所述语义分割模块标记出的障碍物从所述第一获取单元输出的初步可行驶区域中剔除，得到泊车行驶区域。

进一步地，所述空闲车位识别单元具体用于从所述泊车行驶区域中识别出空闲车位，根据车长和车宽确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标保存到链表中。

进一步地，所述目标车位选择单元进一步包括：

第一计算模块，用于将整车坐标系转化到世界坐标系，计算出车辆初始后轴中心点的坐标以及泊入空闲车位后的后轴中心点的坐标；

第二计算模块，用于计算车辆泊入空闲车位需要转动的角度；

第三计算模块，用于将车辆的车速、方向盘转角代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点的坐标；

泊车步数确定模块，用于根据每一步结束后车辆的后轴中心点的坐标，分别计算其与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，将对应的泊车步数作为车辆泊入所述空闲车位的泊车步数；

目标车位确定模块，用于对于所述链表中的每一个识别出的空闲车位，均计算泊入所述空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

进一步地，所述欧式距离的计算方式为：

(ΔX)²+(ΔY)²＝D²

其中，D表示所述欧式距离，ΔX表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在X向的差异，ΔY表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在Y向的差异。

进一步地，所述泊车步数确定模块在所述欧式距离处于设定的距离阈值范围内时，进一步用于：

判断方向盘转角之和与车辆车头与车位的夹角之间的下述等量关系是否成立：

u₁+u₂+…+u_N＝θ+Δθ

其中，u₁+u₂+…+u_N为方向盘转角之和，N为泊车步数，θ为车辆车头与车位的夹角，Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入所述空闲车位时车辆转动角度与所述第二计算模块计算出的车辆泊入所述空闲车位时车辆转动角度之间的差异；

若等量关系成立，则将泊车步数N作为车辆泊入所述空闲车位的泊车步数；若等量关系不成立，则继续执行M步泊车直至所述等量关系成立，并将泊车步数N加上泊车步数M，以N+M作为泊入所述空闲车位的泊车步数。

本实施例的工作原理及流程，请参照本发明实施例一的说明，此处不再赘述。

通过上述说明可知，与现有技术相比，本发明的有益效果在于：融合超声波传感器和高清摄像头采集的环境信息分割出可行驶区域，利用基于数据标注及语义分割的深度学习算法精确识别出泊车行驶区域内的空闲车位，能排除地锁、雪糕筒、限位杆等低矮障碍物的干扰；根据轨迹规划算法遍历空闲车位，计算出车辆泊入各个车位的步数，选择泊车步数最少的车位作为目标车位，自动控制挡位、车速、制动使车辆泊入目标车位，无需用户选择车位，解放用户双手双脚，真正实现方便快捷的“一键泊车”，为用户带来泊车便利性。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (15)

1.一种自动泊车方法，其特征在于，包括：

步骤S1，通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

步骤S2，从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

步骤S3，从所述泊车行驶区域中识别出空闲车位；

步骤S4，计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

步骤S5，根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

2.根据权利要求1所述的自动泊车方法，其特征在于，所述步骤S1具体包括：将超声波传感器和摄像头探测到的障碍物信息进行目标融合，利用融合后障碍物位置信息将全景拼接后的图像二值化，提取出车身周围的初步可行驶区域。

3.根据权利要求1所述的自动泊车方法，其特征在于，所述步骤S2具体包括：

步骤S21，在所述初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；

步骤S22，将所述正样本和负样本输入深度学习网络进行训练；

步骤S23，将所述初步可行驶区域的图像输入经所述步骤S22训练好的深度学习网络，从所述初步可行驶区域中识别出障碍物并标记；

步骤S24，将所述步骤S23标记出的障碍物从所述步骤S1输出的初步可行驶区域中剔除，得到泊车行驶区域。

4.根据权利要求3所述的自动泊车方法，其特征在于，所述步骤S3具体包括：从所述泊车行驶区域中识别出空闲车位，根据车长和车宽确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标保存到链表中。

5.根据权利要求4所述的自动泊车方法，其特征在于，所述步骤S4具体包括：

步骤S41，将整车坐标系转化到世界坐标系，计算出车辆初始后轴中心点的坐标以及泊入空闲车位后的后轴中心点的坐标；

步骤S42，计算车辆泊入空闲车位需要转动的角度；

步骤S43，将车辆的车速、方向盘转角代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点的坐标；

步骤S44，根据每一步结束后车辆的后轴中心点的坐标，分别计算其与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，将对应的泊车步数作为车辆泊入所述空闲车位的泊车步数；

步骤S45，对于所述链表中的每一个识别出的空闲车位，均计算泊入所述空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

6.根据权利要求5所述的自动泊车方法，其特征在于，所述欧式距离的计算方式为：

(ΔX)²+(ΔY)²＝D²

其中，D表示所述欧式距离，ΔX表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点在X向的差异，ΔY表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述步骤S41计算出的车辆泊入空闲车位时车辆后轴中心点在Y向的差异。

7.根据权利要求6所述的自动泊车方法，其特征在于，所述步骤S44中当所述欧式距离处于设定的距离阈值范围内时，进一步包括：

判断方向盘转角之和与车辆车头与车位的夹角之间的下述等量关系是否成立：

u₁+u₂+…+u_N＝θ+Δθ

其中，u₁+u₂+…+u_N为方向盘转角之和，N为泊车步数，θ为车辆车头与车位的夹角，Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入所述空闲车位时车辆转动角度与所述步骤S42计算出的车辆泊入所述空闲车位时车辆转动角度之间的差异；

若等量关系成立，则将泊车步数N作为车辆泊入所述空闲车位的泊车步数；若等量关系不成立，则继续执行M步泊车直至所述等量关系成立，并将泊车步数N加上泊车步数M，以N+M作为泊入所述空闲车位的泊车步数。

8.根据权利要求7所述的自动泊车方法，其特征在于，D的取值范围是[10cm,30cm]，Δθ的取值范围是[-3°,+3°]，所述空闲车位的长度不小于车长+1m，车位的宽度不小于车宽+0.8m。

9.根据权利要求4所述的自动泊车方法，其特征在于，如果所述步骤S4计算出的泊车步数大于预设阈值，则直接舍弃所述空闲车位。

10.一种自动泊车系统，其特征在于，包括：

第一获取单元，用于通过车辆上的超声波传感器和摄像头获取车辆周围的初步可行驶区域；

第二获取单元，用于从所述初步可行驶区域中识别出障碍物，并将所述障碍物区域从所述初步可行驶区域中剔除，获得泊车行驶区域；

空闲车位识别单元，用于从所述泊车行驶区域中识别出空闲车位；

目标车位选择单元，用于计算出车辆泊入每一个空闲车位的泊车步数，选择泊车步数最少的车位作为目标车位；

自动泊车单元，用于根据所述目标车位及所述泊车行驶区域，规划自动泊车路径并执行自动泊车。

11.根据权利要求10所述的自动泊车系统，其特征在于，所述第二获取单元进一步包括：

数据标注模块，用于在所述初步可行驶区域中，对包含障碍物的图像进行标记，获得正样本；将不包含障碍物的图像进行标记，获得负样本；

训练模块，用于将所述正样本和负样本输入深度学习网络进行训练；

语义分割模块，用于将所述初步可行驶区域的图像输入经所述训练模块训练好的深度学习网络，从所述初步可行驶区域中识别出障碍物并标记；

获取模块，用于将所述语义分割模块标记出的障碍物从所述第一获取单元输出的初步可行驶区域中剔除，得到泊车行驶区域。

12.根据权利要求11所述的自动泊车系统，其特征在于，所述空闲车位识别单元具体用于从所述泊车行驶区域中识别出空闲车位，根据车长和车宽确定识别出的每个空闲车位的四个角点的位置，并将世界坐标系下四个角点的坐标保存到链表中。

13.根据权利要求12所述的自动泊车系统，其特征在于，所述目标车位选择单元进一步包括：

第一计算模块，用于将整车坐标系转化到世界坐标系，计算出车辆初始后轴中心点的坐标以及泊入空闲车位后的后轴中心点的坐标；

第二计算模块，用于计算车辆泊入空闲车位需要转动的角度；

第三计算模块，用于将车辆的车速、方向盘转角代入Dubins曲线方程，计算出泊车过程中每一步结束后车辆的后轴中心点的坐标；

泊车步数确定模块，用于根据每一步结束后车辆的后轴中心点的坐标，分别计算其与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点之间的欧式距离，当所述欧式距离处于设定的距离阈值范围内时，将对应的泊车步数作为车辆泊入所述空闲车位的泊车步数；

目标车位确定模块，用于对于所述链表中的每一个识别出的空闲车位，均计算泊入所述空闲车位所需的泊车步数，从中选择泊车步数最小的空闲车位作为目标车位。

14.根据权利要求13所述的自动泊车系统，其特征在于，所述欧式距离的计算方式为：

(ΔX)²+(ΔY)²＝D²

其中，D表示所述欧式距离，ΔX表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在X向的差异，ΔY表示车辆按照轨迹规划泊入空闲车位时的实际后轴中心点与所述第一计算模块计算出的车辆泊入空闲车位时车辆后轴中心点在Y向的差异。

15.根据权利要求14所述的自动泊车系统，其特征在于，所述泊车步数确定模块在所述欧式距离处于设定的距离阈值范围内时，进一步用于：

判断方向盘转角之和与车辆车头与车位的夹角之间的下述等量关系是否成立：

u₁+u₂+…+u_N＝θ+Δθ

其中，u₁+u₂+…+u_N为方向盘转角之和，N为泊车步数，θ为车辆车头与车位的夹角，Δθ表示轨迹规划完成后，车辆按照轨迹规划在第N步后泊入所述空闲车位时车辆转动角度与所述第二计算模块计算出的车辆泊入所述空闲车位时车辆转动角度之间的差异；

若等量关系成立，则将泊车步数N作为车辆泊入所述空闲车位的泊车步数；若等量关系不成立，则继续执行M步泊车直至所述等量关系成立，并将泊车步数N加上泊车步数M，以N+M作为泊入所述空闲车位的泊车步数。

Images