CN111942376A - 基于5g和毫米波雷达的自动泊车系统 - Google Patents
基于5g和毫米波雷达的自动泊车系统 Download PDFInfo
- Publication number
- CN111942376A CN111942376A CN202010860483.8A CN202010860483A CN111942376A CN 111942376 A CN111942376 A CN 111942376A CN 202010860483 A CN202010860483 A CN 202010860483A CN 111942376 A CN111942376 A CN 111942376A
- Authority
- CN
- China
- Prior art keywords
- local region
- pixel
- information
- denotes
- value
- 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
- 238000012216 screening Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000003993 interaction Effects 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- G06T5/70—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
- B60R2300/806—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for aiding parking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Abstract
基于5G和毫米波雷达的自动泊车系统,包括人机交互模块和自动泊车系统,所述人机交互模块包括信息输入单元、自动泊车启动单元和信息显示单元,实现了人机交互功能,所述自动泊车系统包括车位信息采集单元、雷达信息采集单元、泊车路线规划单元、泊车控制单元、图像采集单元和图像处理单元,实现了信息采集、泊车路线规划和控制车辆自动泊车。本发明用于对待去噪像素的局部区域中的邻域像素进行筛选,考虑到不同的像素所处的环境复杂度不同,在对局部区域中的邻域像素进行筛选时,通过将待去噪像素的局部区域和待筛选邻域像素的局部区域进行比较再进行处理,保证了待去噪像素的灰度值能够更加的符合实际情况。
Description
技术领域
本发明创造涉及自动泊车领域,具体涉及一种基于5G和毫米波雷达的自动泊车系统。
背景技术
随着经济社会的不断发展,人民生活水平的不断提升,汽车已然成为人类出行必不可少的伙伴。汽车保有量的增多使得原来的马路、小区、街道等区域变得异常拥挤,用于泊车的空间也变得更狭小,寻找合适的泊位变得很困难;另一方面,泊车作为汽车驾驶环境中最为复杂的操作之一,也是长期困扰广大驾驶员,特别是新手驾驶员的难题,因此,利用智能化技术实现自动泊车功能,使驾驶员拜托繁琐的驾驶操作,同时提升驾驶安全性,具有广泛的市场前景和现实意义。
对于汽车来说,常用的雷达传感器包括激光雷达、超声波雷达和毫米波雷达,其中,毫米波雷达的应用正在逐渐变得越来越广泛。主要原因在于其相比于激光雷达成本更低,穿透力强,受天气影响更小;相比于超声波雷达其检测范围更大,检测精度更高,因此毫米波雷达的抗干扰能力强、探测范围广、环境适应性强的特点在自动泊车的开发中变得愈发重要。
发明内容
针对上述问题,本发明旨在提供一种基于5G和毫米波雷达的自动泊车系统。
本发明创造的目的通过以下技术方案实现:
基于5G和毫米波雷达的自动泊车系统,包括人机交互模块和自动泊车系统,所述人机交互模块包括信息输入单元、自动泊车启动单元和信息显示单元,用户通过信息输入单元输入待泊车的目标车位,并通过自动泊车启动单元启动自动泊车系统,所述自动泊车系统包括车位信息采集单元、雷达信息采集单元、泊车路线规划单元、泊车控制单元、图像采集单元和图像处理单元,所述车位信息采集单元用于采集车辆当前的位置信息、车辆的轮廓参数、目标车位的位置信息以及目标车位的空间参数,所述雷达信息采集单元用于根据车辆当前的位置信息和目标车位的位置信息获取车辆和目标车位之间的连接路径,并采集所述连接路径周围的障碍物信息,所述泊车路线规划单元用于根据车位信息采集单元采集的车辆的轮廓参数、目标车位的空间参数、当前车辆与目标车位的相对位置信息以及雷达信息采集单元采集的障碍物信息规划车辆的泊车路线,并将规划好的泊车路线发送到信息显示单元进行显示,所述泊车控制单元控制车辆沿着所述泊车路线进行自动泊车,所述图像采集单元用于采集自动泊车过程中的环境图像,所述图像处理单元用于对采集的环境图像进行处理,并将处理后的环境图像在信息显示单元进行显示。
本发明由罗忠明和米传科技(上海)有限公司的钱建良共同开发,其中罗忠明主要负责整体框架以及图像处理单元用于对采集的环境图像进行去噪处理的算法研究,钱建良负责对后续进一步提出的去噪算法能够在保持边缘的同时能够有效的去除噪声像素,并且该去噪算法对于高噪声密度的区域和存在条状噪声的区域都能够起到较好的去噪效果进行研究。
优选地,图像处理单元用于对采集的环境图像进行去噪处理,设I表示待去噪的环境图像,I(x,y)表示环境图像I中坐标(x,y)处的像素,Ω(x,y)表示以像素I(x,y)为中心的(2n+1)×(2n+1)的局部区域,且Ω(x,y)={I(xk,yk),k=1,2,...,M(x,y)},其中,n表示正整数,n的值可以取5,I(xk,yk)表示局部区域Ω(x,y)中坐标(xk,yk)处的像素,M(x,y)表示局部区域Ω(x,y)中的像素数,设NΩ(x,y)表示局部区域Ω(x,y)中像素的局部区域组成的集合,且NΩ(x,y)={Ω(xk,yk),k=1,2,...,M(x,y)},其中,Ω(xk,yk)表示以像素I(xk,yk)为中心的(2n+1)×(2n+1)的局部区域,且Ω(xk,yk)={I(xk,n,yk,n),n=1,2,...,M(xk,yk)},其中,I(xk,n,yk,n)表示局部区域Ω(xk,yk)中坐标(xk,n,yk,n)处的像素,M(xk,yk)表示局部区域Ω(xk,yk)中的像素数;
对局部区域Ω(x,y)中的像素进行筛选,具体包括:
(1)对集合NΩ(x,y)中的局部区域Ω(xk,yk)的像素进行初步去噪处理,设f′(xk,n,yk,n)表示对像素I(xk,n,yk,n)进行初步去噪处理后的灰度值,且f′(xk,n,yk,n)的表达式为:
式中,Ω(xk,n,yk,n)表示以像素I(xk,n,yk,n)为中心的(2n+1)×(2n+1)的局部区域,I(xk,n,m,yk,n,m)表示局部区域Ω(xk,n,yk,n)中坐标(xk,n,m,yk,n,m)处的像素,f(xk,n,m,yk,n,m)表示像素I(xk,n,m,yk,n,m)的灰度值,f(xk,n,yk,n)表示像素I(xk,n,yk,n)的灰度值,σr是用来控制灰度范围相似度因子的标准差,且σr=1.95σ(xk,yk),其中,σ(xk,yk)表示局部区域Ω(xk,yk)中像素灰度值的标准差,σd是用来调整空间距离较大像素的权重值,且σd=4;
(2)对局部区域Ω(x,y)中的像素I(xk,yk)的进行筛选,设Ω(x,y,xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的参考区域,且Ω(x,y,xk,yk)=Ω(x,y)∩Ω(xk,yk),定义S(xk,yk)表示像素I(xk,yk)对应的筛选系数,且S(xk,yk)的表达式为:
式中,S1(xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的比较系数,S2(xk,yk)表示局部区域Ω(x,y)和参考区域Ω(x,y,xk,yk)之间的比较系数,表示局部区域Ω(xk,yk)的灰度信息值,表示局部区域Ω(x,y)的灰度信息值,表示参考区域Ω(x,y,xk,yk)的灰度信息值,表示局部区域Ω(xk,yk)的第一结构信息值,表示局部区域Ω(x,y)的第一结构信息值,表示参考区域Ω(x,y,xk,yk)的第一结构信息值,表示局部区域Ω(xk,yk)的第二结构信息值,表示局部区域Ω(x,y)的第二结构信息值,表示参考区域Ω(x,y,xk,yk)的第二结构信息值,和的值采用下列方式获得:
式中,I(xk,a,yk,a)和I(xk,b,yk,b)分别表示局部区域Ω(xk,yk)中坐标(xk,a,yk,a)和(xk,b,yk,b)处的像素,f′(xk,a,yk,a)和f′(xk,b,yk,b)分别表示像素I(xk,a,yk,a)和I(xk,b,yk,b)经初步去噪处理后的灰度值,I(xk,a+1,yk,a)和I(xk,a,yk,a+1)分别表示局部区域Ω(xk,yk)中坐标(xk,a+1,yk,a)和(xk,a,yk,a+1)处的像素,f′(xk,a+1,yk,a)和f′(xk,a,yk,a+1)分别表示像素I(xk,a+1,yk,a)和I(xk,a,yk,a+1)经初步去噪处理后的灰度值,f′max(xk,yk)和f′min(xk,yk)分别表示局部区域Ω(xk,yk)中像素经初步去噪处理后的灰度值的最大值和最小值; 和的值同样采用上述方式获得;
给定筛选阈值Y(x,y),且当筛选系数S(xk,yk)≤Y(x,y)时,则将像素I(xk,yk)在局部区域Ω(x,y)中保留,当S(xk,yk)>Y(x,y)时,则将像素I(xk,yk)在局部区域Ω(x,y)中删除。
本发明创造的有益效果:
(1)利用智能化技术实现自动泊车功能,使驾驶员拜托繁琐的驾驶操作,同时提升驾驶安全性,具有广泛的市场前景和现实意义。
(2)本发明优选实施例用于对待去噪像素的局部区域中的邻域像素进行筛选,考虑到不同的像素所处的环境复杂度不同,本优选实施例对待去噪像素的局部区域中的邻域像素进行筛选,在对局部区域中的邻域像素进行筛选时,通过将待去噪像素的局部区域和待筛选邻域像素的局部区域进行比较,确定所述待去噪像素和所述待筛选邻域像素所处局部区域结构的相似性,在比较之前,首先采用双边滤波算法对局部区域中的像素进行初步去噪处理,所述双边滤波算法能够在保持边缘信息的同时去除局部区域中的大部分噪声,再利用局部区域中像素经初步去噪处理后的灰度值计算筛选系数,从而在一定程度上减少了噪声像素对筛选结果的影响,定义的筛选系数通过灰度信息值、第一结构信息值和第二结构信息值比较待去噪像素所处的局部区域和所述待筛选邻域像素所处的局部区域之间结构的相似性,所述灰度信息值通过统计局部区域中像素经初步去噪处理后的灰度值之间的差值来衡量两个局部区域在整体结构上的相似性,所述第一结构信息值和第二结构信息值分别从水平方向和竖直方向来衡量两个局部区域之间的相似性,即通过定义的筛选系数和给定的筛选阈值保留下来的邻域像素所处的局部区域和待去噪像素所处的局部区域在区域结构上具有较高的相似性,从而保证了根据筛选剩余的邻域像素的局部区域确定的所述待去噪像素的灰度值能够更加的符合实际情况。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的基于5G和毫米波雷达的自动泊车系统,包括人机交互模块和自动泊车系统,所述人机交互模块包括信息输入单元、自动泊车启动单元和信息显示单元,用户通过信息输入单元输入待泊车的目标车位,并通过自动泊车启动单元启动自动泊车系统,所述自动泊车系统包括车位信息采集单元、雷达信息采集单元、泊车路线规划单元、泊车控制单元、图像采集单元和图像处理单元,所述车位信息采集单元用于采集车辆当前的位置信息、车辆的轮廓参数、目标车位的位置信息以及目标车位的空间参数,所述雷达信息采集单元用于根据车辆当前的位置信息和目标车位的位置信息获取车辆和目标车位之间的连接路径,并采集所述连接路径周围的障碍物信息,所述泊车路线规划单元用于根据车位信息采集单元采集的车辆的轮廓参数、目标车位的空间参数、当前车辆与目标车位的相对位置信息以及雷达信息采集单元采集的障碍物信息规划车辆的泊车路线,并将规划好的泊车路线发送到信息显示单元进行显示,所述泊车控制单元控制车辆沿着所述泊车路线进行自动泊车,所述图像采集单元用于采集自动泊车过程中的环境图像,所述图像处理单元用于对采集的环境图像进行处理,并将处理后的环境图像在信息显示单元进行显示,方便驾驶员能够实时观察泊车情况。
所述雷达信息采集单元采用毫米波雷达采集车辆周围的障碍物位置信息,所述毫米波雷达安装在车辆的四周。
所述图像采集单元采用摄像头采集自动泊车过程中的环境图像,所述摄像头安装在车尾。
本优选实施例利用智能化技术实现自动泊车功能,使驾驶员拜托繁琐的驾驶操作,同时提升驾驶安全性,具有广泛的市场前景和现实意义。
所述图像处理单元用于对采集的环境图像进行去噪处理,设I表示待去噪的环境图像,I(x,y)表示环境图像I中坐标(x,y)处的像素,Ω(x,y)表示以像素I(x,y)为中心的(2n+1)×(2n+1)的局部区域,且Ω(x,y)={I(xk,yk),k=1,2,...,M(x,y)},其中,n表示正整数,n的值可以取5,I(xk,yk)表示局部区域Ω(x,y)中坐标(xk,yk)处的像素,M(x,y)表示局部区域Ω(x,y)中的像素数,设NΩ(x,y)表示局部区域Ω(x,y)中像素的局部区域组成的集合,且NΩ(x,y)={Ω(xk,yk),k=1,2,...,M(x,y)},其中,Ω(xk,yk)表示以像素I(xk,yk)为中心的(2n+1)×(2n+1)的局部区域,且Ω(xk,yk)={I(xk,n,yk,n),n=1,2,...,M(xk,yk)},其中,I(xk,n,yk,n)表示局部区域Ω(xk,yk)中坐标(xk,n,yk,n)处的像素,M(xk,yk)表示局部区域Ω(xk,yk)中的像素数;
对局部区域Ω(x,y)中的像素进行筛选,具体包括:
(1)对集合NΩ(x,y)中的局部区域Ω(xk,yk)的像素进行初步去噪处理,设f′(xk,n,yk,n)表示对像素I(xk,n,yk,n)进行初步去噪处理后的灰度值,且f′(xk,n,yk,n)的表达式为:
式中,Ω(xk,n,yk,n)表示以像素I(xk,n,yk,n)为中心的(2n+1)×(2n+1)的局部区域,I(xk,n,m,yk,n,m)表示局部区域Ω(xk,n,yk,n)中坐标(xk,n,m,yk,n,m)处的像素,f(xk,n,m,yk,n,m)表示像素I(xk,n,m,yk,n,m)的灰度值,f(xk,n,yk,n)表示像素I(xk,n,yk,n)的灰度值,σr是用来控制灰度范围相似度因子的标准差,且σr=1.95σ(xk,yk),其中,σ(xk,yk)表示局部区域Ω(xk,yk)中像素灰度值的标准差,σd是用来调整空间距离较大像素的权重值,且σd=4;
(2)对局部区域Ω(x,y)中的像素I(xk,yk)的进行筛选,设Ω(x,y,xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的参考区域,且Ω(x,y,xk,yk)=Ω(x,y)∩Ω(xk,yk),定义S(xk,yk)表示像素I(xk,yk)对应的筛选系数,且S(xk,yk)的表达式为:
式中,S1(xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的比较系数,S2(xk,yk)表示局部区域Ω(x,y)和参考区域Ω(x,y,xk,yk)之间的比较系数,表示局部区域Ω(xk,yk)的灰度信息值,表示局部区域Ω(x,y)的灰度信息值,表示参考区域Ω(x,y,xk,yk)的灰度信息值,表示局部区域Ω(xk,yk)的第一结构信息值,表示局部区域Ω(x,y)的第一结构信息值,表示参考区域Ω(x,y,xk,yk)的第一结构信息值,表示局部区域Ω(xk,yk)的第二结构信息值,表示局部区域Ω(x,y)的第二结构信息值,表示参考区域Ω(x,y,xk,yk)的第二结构信息值,和的值采用下列方式获得:
式中,I(xk,a,yk,a)和I(xk,b,yk,b)分别表示局部区域Ω(xk,yk)中坐标(xk,a,yk,a)和(xk,b,yk,b)处的像素,f′(xk,a,yk,a)和f′(xk,b,yk,b)分别表示像素I(xk,a,yk,a)和I(xk,b,yk,b)经初步去噪处理后的灰度值,I(xk,a+1,yk,a)和I(xk,a,yk,a+1)分别表示局部区域Ω(xk,yk)中坐标(xk,a+1,yk,a)和(xk,a,yk,a+1)处的像素,f′(xk,a+1,yk,a)和f′(xk,a,yk,a+1)分别表示像素I(xk,a+1,yk,a)和I(xk,a,yk,a+1)经初步去噪处理后的灰度值,f′max(xk,yk)和f′min(xk,yk)分别表示局部区域Ω(xk,yk)中像素经初步去噪处理后的灰度值的最大值和最小值; 和的值同样采用上述方式获得;
给定筛选阈值Y(x,y),且当筛选系数S(xk,yk)≤Y(x,y)时,则将像素I(xk,yk)在局部区域Ω(x,y)中保留,当S(xk,yk)>Y(x,y)时,则将像素I(xk,yk)在局部区域Ω(x,y)中删除。
本优选实施例用于对待去噪像素的局部区域中的邻域像素进行筛选,考虑到不同的像素所处的环境复杂度不同,本优选实施例对待去噪像素的局部区域中的邻域像素进行筛选,在对局部区域中的邻域像素进行筛选时,通过将待去噪像素的局部区域和待筛选邻域像素的局部区域进行比较,确定所述待去噪像素和所述待筛选邻域像素所处局部区域结构的相似性,在比较之前,首先采用双边滤波算法对局部区域中的像素进行初步去噪处理,所述双边滤波算法能够在保持边缘信息的同时去除局部区域中的大部分噪声,再利用局部区域中像素经初步去噪处理后的灰度值计算筛选系数,从而在一定程度上减少了噪声像素对筛选结果的影响,定义的筛选系数通过灰度信息值、第一结构信息值和第二结构信息值比较待去噪像素所处的局部区域和所述待筛选邻域像素所处的局部区域之间结构的相似性,所述灰度信息值通过统计局部区域中像素经初步去噪处理后的灰度值之间的差值来衡量两个局部区域在整体结构上的相似性,所述第一结构信息值和第二结构信息值分别从水平方向和竖直方向来衡量两个局部区域之间的相似性,即通过定义的筛选系数和给定的筛选阈值保留下来的邻域像素所处的局部区域和待去噪像素所处的局部区域在区域结构上具有较高的相似性,从而保证了根据筛选剩余的邻域像素的局部区域确定的所述待去噪像素的灰度值能够更加的符合实际情况。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.基于5G和毫米波雷达的自动泊车系统,其特征是,包括人机交互模块和自动泊车系统,所述人机交互模块包括信息输入单元、自动泊车启动单元和信息显示单元,用户通过信息输入单元输入待泊车的目标车位,并通过自动泊车启动单元启动自动泊车系统,所述自动泊车系统包括车位信息采集单元、雷达信息采集单元、泊车路线规划单元、泊车控制单元、图像采集单元和图像处理单元,所述车位信息采集单元用于采集车辆当前的位置信息、车辆的轮廓参数、目标车位的位置信息以及目标车位的空间参数,所述雷达信息采集单元用于根据车辆当前的位置信息和目标车位的位置信息获取车辆和目标车位之间的连接路径,并采集所述连接路径周围的障碍物信息,所述泊车路线规划单元用于根据车位信息采集单元采集的车辆的轮廓参数、目标车位的空间参数、当前车辆与目标车位的相对位置信息以及雷达信息采集单元采集的障碍物信息规划车辆的泊车路线,并将规划好的泊车路线发送到信息显示单元进行显示,所述泊车控制单元控制车辆沿着所述泊车路线进行自动泊车,所述图像采集单元用于采集自动泊车过程中的环境图像,所述图像处理单元用于对采集的环境图像进行处理,并将处理后的环境图像在信息显示单元进行显示。
2.根据权利要求1所述的基于5G和毫米波雷达的自动泊车系统,其特征是,图像处理单元用于对采集的环境图像进行去噪处理,设I表示待去噪的环境图像,I(x,y)表示环境图像I中坐标(x,y)处的像素,Ω(x,y)表示以像素I(x,y)为中心的(2n+1)×(2n+1)的局部区域,且Ω(x,y)={I(xk,yk),k=1,2,...,M(x,y)},其中,n表示正整数,I(xk,yk)表示局部区域Ω(x,y)中坐标(xk,yk)处的像素,M(x,y)表示局部区域Ω(x,y)中的像素数,设NΩ(x,y)表示局部区域Ω(x,y)中像素的局部区域组成的集合,且NΩ(x,y)={Ω(xk,yk),k=1,2,...,M(x,y)},其中,Ω(xk,yk)表示以像素I(xk,yk)为中心的(2n+1)×(2n+1)的局部区域,且Ω(xk,yk)={I(xk,n,yk,n),n=1,2,...,M(xk,yk)},其中,I(xk,n,yk,n)表示局部区域Ω(xk,yk)中坐标(xk,n,yk,n)处的像素,M(xk,yk)表示局部区域Ω(xk,yk)中的像素数;
对局部区域Ω(x,y)中的像素进行筛选,具体包括:
(1)对集合NΩ(x,y)中的局部区域Ω(xk,yk)的像素进行初步去噪处理,设f′(xk,n,yk,n)表示对像素I(xk,n,yk,n)进行初步去噪处理后的灰度值,且f′(xk,n,yk,n)的表达式为:
式中,Ω(xk,n,yk,n)表示以像素I(xk,n,yk,n)为中心的(2n+1)×(2n+1)的局部区域,I(xk,n,m,yk,n,m)表示局部区域Ω(xk,n,yk,n)中坐标(xk,n,m,yk,n,m)处的像素,f(xk,n,m,yk,n,m)表示像素I(xk,n,m,yk,n,m)的灰度值,f(xk,n,yk,n)表示像素I(xk,n,yk,n)的灰度值,σr是用来控制灰度范围相似度因子的标准差,且σr=1.95σ(xk,yk),其中,σ(xk,yk)表示局部区域Ω(xk,yk)中像素灰度值的标准差,σd是用来调整空间距离较大像素的权重值,且σd=4;
(2)对局部区域Ω(x,y)中的像素I(xk,yk)进行筛选,设Ω(x,y,xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的参考区域,且Ω(x,y,xk,yk)=Ω(x,y)∩Ω(xk,yk),定义S(xk,yk)表示像素I(xk,yk)对应的筛选系数,且S(xk,yk)的表达式为:
式中,S1(xk,yk)表示局部区域Ω(x,y)和局部区域Ω(xk,yk)之间的比较系数,S2(xk,yk)表示局部区域Ω(x,y)和参考区域Ω(x,y,xk,yk)之间的比较系数,表示局部区域Ω(xk,yk)的灰度信息值,表示局部区域Ω(x,y)的灰度信息值,表示参考区域Ω(x,y,xk,yk)的灰度信息值,表示局部区域Ω(xk,yk)的第一结构信息值,表示局部区域Ω(x,y)的第一结构信息值,表示参考区域Ω(x,y,xk,yk)的第一结构信息值,表示局部区域Ω(xk,yk)的第二结构信息值,表示局部区域Ω(x,y)的第二结构信息值,表示参考区域Ω(x,y,xk,yk)的第二结构信息值,和的值采用下列方式获得:
式中,I(xk,a,yk,a)和I(xk,b,yk,b)分别表示局部区域Ω(xk,yk)中坐标(xk,a,yk,a)和(xk,b,yk,b)处的像素,f′(xk,a,yk,a)和f′(xk,b,yk,b)分别表示像素I(xk,a,yk,a)和I(xk,b,yk,b)经初步去噪处理后的灰度值,I(xk,a+1,yk,a)和I(xk,a,yk,a+1)分别表示局部区域Ω(xk,yk)中坐标(xk,a+1,yk,a)和(xk,a,yk,a+1)处的像素,f′(xk,a+1,yk,a)和f′(xk,a,yk,a+1)分别表示像素I(xk,a+1,yk,a)和I(xk,a,yk,a+1)经初步去噪处理后的灰度值,f′max(xk,yk)和f′min(xk,yk)分别表示局部区域Ω(xk,yk)中像素经初步去噪处理后的灰度值的最大值和最小值; 和的值同样采用上述方式获得;
3.根据权利要求2所述的基于5G和毫米波雷达的自动泊车系统,其特征是,所述目标车位的空间参数包括目标车位的右侧车位线、左侧车位线、上边界和下边界。
4.根据权利要求3所述的基于5G和毫米波雷达的自动泊车系统,其特征是,雷达信息采集单元采用毫米波雷达采集连接路径周围的障碍物信息,所述毫米波雷达安装在车辆的四周。
5.根据权利要求4所述的基于5G和毫米波雷达的自动泊车系统,其特征是,图像采集单元采用摄像头采集自动泊车过程中的环境图像,所述摄像头安装在车尾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010860483.8A CN111942376B (zh) | 2020-08-24 | 2020-08-24 | 基于5g和毫米波雷达的自动泊车系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010860483.8A CN111942376B (zh) | 2020-08-24 | 2020-08-24 | 基于5g和毫米波雷达的自动泊车系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111942376A true CN111942376A (zh) | 2020-11-17 |
CN111942376B CN111942376B (zh) | 2021-07-06 |
Family
ID=73359608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010860483.8A Active CN111942376B (zh) | 2020-08-24 | 2020-08-24 | 基于5g和毫米波雷达的自动泊车系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111942376B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111942375A (zh) * | 2020-08-24 | 2020-11-17 | 米传科技(上海)有限公司 | 基于毫米波雷达和5g的自动泊车系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
CN110803158A (zh) * | 2019-11-26 | 2020-02-18 | 奇瑞汽车股份有限公司 | 一种自动泊车路径规划人机交互方法和系统 |
CN111942375A (zh) * | 2020-08-24 | 2020-11-17 | 米传科技(上海)有限公司 | 基于毫米波雷达和5g的自动泊车系统 |
-
2020
- 2020-08-24 CN CN202010860483.8A patent/CN111942376B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
CN107031600A (zh) * | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
CN108860141A (zh) * | 2018-06-26 | 2018-11-23 | 奇瑞汽车股份有限公司 | 泊车方法、装置及存储介质 |
CN110803158A (zh) * | 2019-11-26 | 2020-02-18 | 奇瑞汽车股份有限公司 | 一种自动泊车路径规划人机交互方法和系统 |
CN111942375A (zh) * | 2020-08-24 | 2020-11-17 | 米传科技(上海)有限公司 | 基于毫米波雷达和5g的自动泊车系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111942375A (zh) * | 2020-08-24 | 2020-11-17 | 米传科技(上海)有限公司 | 基于毫米波雷达和5g的自动泊车系统 |
CN111942375B (zh) * | 2020-08-24 | 2021-02-19 | 米传科技(上海)有限公司 | 基于毫米波雷达和5g的自动泊车系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111942376B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689761B (zh) | 一种自动泊车方法 | |
Andrade et al. | A novel strategy for road lane detection and tracking based on a vehicle’s forward monocular camera | |
CN104657735B (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
JP7301138B2 (ja) | ポットホール検出システム | |
CN108398672B (zh) | 基于前倾2d激光雷达移动扫描的路面与障碍检测方法 | |
US20020154217A1 (en) | Apparatus and method of recognizing vehicle travelling behind | |
CN105550665A (zh) | 一种基于双目视觉的无人驾驶汽车可通区域检测方法 | |
Liu et al. | Development of a vision-based driver assistance system with lane departure warning and forward collision warning functions | |
CN108038416A (zh) | 车道线检测方法及系统 | |
CN111461048B (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
EP3690393B1 (en) | Information processing device, information processing method, control device, and image processing device | |
KR20110001427A (ko) | 관심영역 추출에 의한 차선 고속검출 방법 | |
CN109829365A (zh) | 基于机器视觉的多场景适应驾驶偏离及转弯预警方法 | |
CN111942375B (zh) | 基于毫米波雷达和5g的自动泊车系统 | |
CN112896159A (zh) | 行车安全预警方法及系统 | |
CN112389419B (zh) | 识别停车位的方法和停车辅助系统 | |
CN111942376B (zh) | 基于5g和毫米波雷达的自动泊车系统 | |
Cualain et al. | Multiple-camera lane departure warning system for the automotive environment | |
CN109278759B (zh) | 一种车辆安全驾驶辅助系统 | |
CN107220632B (zh) | 一种基于法向特征的路面图像分割方法 | |
CN114495066A (zh) | 一种辅助倒车的方法 | |
Chen et al. | Block-constraint line scanning method for lane detection | |
Manoharan et al. | A robust approach for lane detection in challenging illumination scenarios | |
CN115775378A (zh) | 一种基于多传感器融合的车路协同目标检测方法 | |
CN114495059A (zh) | 一种环卫清扫车路面识别方法及装置 |
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 |