CN112009462B - 一种前向自动泊车方法及装置 - Google Patents

Abstract

本发明公开一种前向自动泊车方法及装置，其中，前向自动泊车方法包括：通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据；获取第二参考车位的长度、第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、第二参考车位在自车长度方向上与自车的第二距离、第一参考车位在自车长度方向上与自车的第三距离；根据第二参考车位的长度、第二距离和第三距离计算目标车位的长度；根据目标车位的长度判断目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车。本发明能够在车位急缺通道更窄的环境下提前识别出有效停车位，极大提升了智能泊车的使用时间，减少紧随其后车辆导致的安全风险问题。

Description

一种前向自动泊车方法及装置

技术领域

本发明属于智能驾驶技术领域，具体涉及一种前向自动泊车方法及装置。

背景技术

智能泊车的一项关键技术是通过加装在车辆两侧的长距超声波传感器以及广角摄像头，实现车位的识别，为智能泊车提供首要条件。现有车位识别的方法中，有的仅采集1组侧边长距超声波传感器的数据进行车位识别，即长距超声波传感器识别车位是判断接收到第一次两个回波之间跳变的差值大于或等于设定阈值时将跳变点作为起始边缘点，并开始进行累积车辆行驶距离，当接收到第二次两个回波之间跳变的差值大于或等于设定阈值时将跳变点作为结束边缘点，如起始边缘点与结束边缘点之间的累积车辆行驶距离大于或等于设定阈值时，则认为已识别到车位；有的分别采集2组侧边长距超声波传感器的数据进行车位识别，然后对两组识别后的数据再进行融合，在车位识别精度上有所提高；有的采集广角摄像头的图像数据，对数据进行车位线特征识别，即广角摄像头车位识别方法是判断图像内的线性组合特征与车位线或车位框线性特征相识度大于或等于阈值时，则认为已识别到车位；还有的同时根据前述方法识别结果再进行综合判断识别结果。然而，如图5所示，这些方法在识别车位后都需要将自车S按前向行驶方向F行驶超过目标车位P一定距离(即图4中的SL后才能由智能泊车系统控制车辆泊入目标车位P，即属于后向自动泊车。在这种泊车工况下，由于自车S行驶过程中产生间距SL，导致紧随其后的车辆T进入泊车轨迹范围内，不仅增加了自车泊入停车位的时间，甚至还可能误导后方车辆T认为自车S无停车需求而选择泊入目标车位P，带来泊车过程中的安全隐患。

发明内容

本发明实施例所要解决的技术问题在于，提供一种前向自动泊车方法及装置，以节省泊车用时，提高泊车安全性。

为解决上述技术问题，本发明提供一种前向自动泊车方法，包括：

步骤S1，通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

步骤S2，根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

步骤S3，根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

步骤S4，根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车。

进一步地，所述步骤S2具体包括：

采用已训练好的图像深度学习算法，在所述图像数据中识别出侧边平行车位靠近自车一侧的基准线，将前置摄像头与基准线的距离数据作为所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离；

采用已训练好的图像深度学习算法，在所述图像数据中识别出停放在所述第一参考停车位中的第一参考车辆的尾部特征、停放在所述第二参考停车位中的第二参考车辆的车型特征和尾部特征，并根据第二参考车辆的车型特征获得第二参考车辆的长度和宽度；

根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离。

进一步地，根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，具体为：

从第一参考车辆的尾部特征中识别出靠近自车一侧的第一角点；

计算获得前置摄像头与所述第一角点的距离；

根据前置摄像头与所述第一角点的距离、所述第一距离计算得到所述第三距离。

进一步地，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离，具体为：

从第二参考车辆的尾部特征中识别出靠近自车一侧的第二角点；

计算获得前置摄像头与所述第二角点的距离；

根据前置摄像头与所述第二角点的距离、所述第一距离计算得到所述第二距离。

进一步地，所述步骤S3具体包括：将所述第三距离依次减去所述第二参考车位的长度、所述第二距离，获得所述目标车位的长度。

进一步地，所述步骤S4中根据所述目标车位的长度判断所述目标车位是否符合泊车条件，具体包括：将所述目标车位的长度与预设判断阈值进行做差，若结果为正，则判定符合泊车条件，否则判定不符合泊车条件。

本发明还提供一种前向自动泊车装置，包括：

图像采集单元，用于通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

获取单元，用于根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

计算单元，用于根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

泊车控制单元，用于根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车。

进一步地，所述获取单元具体包括：

第一获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出侧边平行车位靠近自车一侧的基准线，将前置摄像头与基准线的距离数据作为所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离；

第二获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出停放在所述第一参考停车位中的第一参考车辆的尾部特征、停放在所述第二参考停车位中的第二参考车辆的车型特征和尾部特征，并根据第二参考车辆的车型特征获得第二参考车辆的长度和宽度；

第三获取模块，用于根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离。

进一步地，根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，具体为：

从第一参考车辆的尾部特征中识别出靠近自车一侧的第一角点；

计算获得前置摄像头与所述第一角点的距离；

根据前置摄像头与所述第一角点的距离、所述第一距离计算得到所述第三距离。

进一步地，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离，具体为：

从第二参考车辆的尾部特征中识别出靠近自车一侧的第二角点；

计算获得前置摄像头与所述第二角点的距离；

根据前置摄像头与所述第二角点的距离、所述第一距离计算得到所述第二距离。

进一步地，所述计算单元具体用于将所述第三距离依次减去所述第二参考车位的长度、所述第二距离，获得所述目标车位的长度。

进一步地，所述泊车控制单元根据所述目标车位的长度判断所述目标车位是否符合泊车条件，具体是：将所述目标车位的长度与预设判断阈值进行做差，若结果为正，则判定符合泊车条件，否则判定不符合泊车条件。

实施本发明实施例，具有如下有益效果：通过提供一种前向自动泊车方案，能够在车位急缺通道更窄的环境下提前识别出有效停车位，极大提升了智能泊车的使用时间，减少紧随其后车辆导致的安全风险问题，还改善了自动泊车过程中因横向占用空间车位导致的道路拥堵问题。

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前向自动泊车方法的流程示意图。

图2为本发明实施例一中识别平行车位的原理示意图。

图3为本发明实施例一中计算第二距离和第三距离的原理示意图。

图4为本发明实施例一中前向自动泊车的行驶轨迹规划示意图。

图5为现有技术中后向自动泊车示意图。

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。

本发明主要利用安装在车内后视镜位置的前置摄像头，从高位置获取车辆前方更远距离的图像数据，识别行驶方向的侧边平行车位，实现前向泊车，解决后向泊车存在的安全隐患问题，节省泊车用时，提高泊车效率。

请参照图1所示，本发明实施例一提供一种前向自动泊车方法，包括：

步骤S1，通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

步骤S2，根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

步骤S3，根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

步骤S4，根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车。

具体地，请结合图2所示，本实施例中，驾驶员确认自车S前方一定范围内(例如20米)，在多个自车行驶方向相平行的侧边平行车位中存在可以进行泊车的停车位，将其作为目标车位。如图2所示，目标车位P位于第一参考车位P1和第二参考车位P2之间，并且按照自车行驶方向(图2所示为箭实线头F所指方向)，第一参考车位P1、目标车位P、第二参考车位P2自前向后依次排列。驾驶员确认目标车位后，可以通过车内硬按键或其他方式启动自动泊车功能。

前置摄像头C为单目或双目摄像头，安装在自车内后视镜位置，用于采集侧边平行车位的图像数据。可以理解的是，前置摄像头C可根据识别精度要求，采用相应的分辨率及视场角。在自车S与侧边平行车位之间保持平行的行驶过程中，前置摄像头C采集侧边平行车位的RGB原始特征图像数据。前置摄像头C拍摄的图像的坐标数据以及每个像素对应的实际距离可以预先标定，一种常见的实现方式是：以前置摄像头C为坐标原点，自车S长度方向(图像中为纵向)为Y轴，自车S宽度方向(图像中为横向)为X轴，对于图像中某个点可以通过其横、纵坐标来表示其位置，进而通过坐标计算获得长度数据，再根据前述像素与实际距离的对应关系换算为实际距离。举例来说，图像中点A1的坐标为(a1，b1)，点A2的坐标为(a2，b2)，线段A1A2与自车S行驶方向相平行，则点A1与点A2之间的距离(长度)为b1-b2(像素差)，如果一个像素对应实际距离为c米，则可将图像中的b1-b2转换为实际距离c×(b1-b2)。

需要说明的是，本实施例中，第一参考车位P1和第二参考车位P2均停放有参考车辆，通过已训练好的深度学习算法可以从侧边平行车位的图像数据中识别出参考车辆车型特征以及尾部特征，从而获得参考车辆的长度和宽度数据。如图2所示，第一参考车位P1中第一参考车辆的尾部R1、第二参考车位P2中第二参考车辆的尾部R2可被识别出来，具体地，第一参考车辆的尾部R1靠近自车S一侧的角点(图2所示为左角点)、第二参考车辆的尾部R2靠近自车S一侧的角点(图2所示为左角点)可被识别出来。同样地，通过已训练好的深度学习算法可以识别出侧边平行车位靠近自车S一侧的基准线L0，将前置摄像头C与基准线L0的距离数据作为第一参考车位P1和第二参考车位P2在自车S宽度方向上与自车S的第一距离X1，可以理解的是，第一距离X1即从前置摄像头C向基准线L0所做垂线的长度，由此，距离X1可以作为第一参考车辆的尾部R1左角点的横坐标x41、第二参考车辆的尾部R2左角点的横坐标x31。

请再结合图3所示，可以理解的是，第一参考车辆的尾部R1左角点的纵坐标y41相当于第一参考车位P1在自车S长度方向上与自车S的第三距离Y4，则前置摄像头C、第一参考车辆的尾部R1左角点和从前置摄像头C向基准线L0所做垂线的交点之间可形成一个直角三角形，前置摄像头C与第一参考车辆的尾部R1左角点的距离(即前置摄像头C与第一参考车辆的尾部R1左角点的连线长度Z1)可以根据第一距离X1计算出来：通过已训练好的深度学习算法识别出基准线L0后，即可获知第一距离X1；前置摄像头C与第一参考车辆的尾部R1左角点的距离Z1通过在图像上与第一距离X1的比例关系计算出来。如此一来，前述直角三角形中，斜边-前置摄像头与第一参考车辆的尾部R1左角点的距离Z1、其中一直角边-第一距离X1均为已知，则另一直角边-第三距离Y4即可据此计算而得。按照同样的原理和计算方式，第二参考车辆的尾部R2左角点的纵坐标y31相当于第二参考车位P2在自车S长度方向上与自车S的第二距离Y3，则前置摄像头C、第二参考车辆的尾部R2左角点和从前置摄像头C向基准线L0所做垂线的交点之间可形成一个直角三角形，前置摄像头C与第二参考车辆的尾部R2左角点的距离(前置摄像头与第二参考车辆的尾部R2左角点的连线长度Z2)可以根据第一距离X1计算出来：通过已训练好的深度学习算法识别出基准线L0后，即可获知第一距离X1；前置摄像头C与第二参考车辆的尾部R2左角点的距离Z2通过在图像上与第一距离X1的比例关系计算出来。如此一来，前述直角三角形中，斜边-前置摄像头与第二参考车辆的尾部R2左角点的距离Z2、其中一直角边-第一距离X1均为已知，则另一直角边-第二距离Y3即可据此计算而得。

同时基于第一参考车辆、第二参考车辆的宽度，可以获得第一参考车辆的尾部R1右角点的横坐标x42、第二参考车辆的尾部R2右角点的横坐标x32，则第一参考车辆的尾部R1左右两个角点的坐标分别为(x41，y41)、(x42，y42)，第二参考车辆的尾部R2左右两个角点的坐标分别为(x31，y31)、(x32，y32)。根据第二参考车辆的车型特征，可以获取其长度数据和宽度数据，其中，第二参考车辆的长度可以作为第二参考车位P2的长度。

本实施例中第二距离数据Y3表示为

第三距离数据Y4表示为

步骤S3根据第二参考车位的长度Y2、第二距离Y3和第三距离Y4计算目标车位P的长度Y1，具体为：

由于目标车位P前部与第一参考车位P1后部相接，第一参考车辆的尾部R1左右两个角点的坐标实际上也可以作为目标车位P前部左右两个角点的坐标，即(x41，y41)、(x42，y42)；目标车位P后部左右两个角点的坐标则为(x11，y11)、(x12，y12)。Y1的具体数值为纵坐标的差值，即y42-y32-Y2，或者y41-y31-Y2。

步骤S3获得目标车位P的长度Y1后，步骤S4将判断目标车位P的长度Y1是否符合泊车条件。具体方式是，将目标车位P的长度Y1与预设判断阈值L进行做差，若结果为正，则判定为有效目标车位，该目标车位符合泊车条件，否则判定为无效目标车位，该目标车位不符合泊车条件。可以理解的是，预设判断阈值L通常设置为自车长度+0.8米。如果目标车位P的长度Y1超过预设判断阈值L，表明目标车位P的长度足够自车S泊入，因此将其作为有效目标车位。

若目标车位P符合泊车条件，即被判定为有效目标车位，则采集车速、方向盘转向角数据以及自车标定参数，规划前向泊入车位静态轨迹并执行自动泊车，如图4所示(虚线箭头所示即为前向泊车轨迹)。轨迹规划已有很多成熟方案，本实施例可以采用任何一种轨迹规划方案实施。进一步地，在自动泊车过程中，还根据车辆前后12路超声波传感器采集车辆周边障碍物信息，确保自车与障碍物之间的安全距离；同时根据车辆周边障碍

相应于本发明实施例一提供的前向自动泊车方法，本发明实施例二还提供一种前向自动泊车装置，包括：

图像采集单元，用于通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

获取单元，用于根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

计算单元，用于根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

泊车控制单元，用于根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车。

进一步地，所述获取单元具体包括：

第一获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出侧边平行车位靠近自车一侧的基准线，将前置摄像头与基准线的距离数据作为所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离；

第二获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出停放在所述第一参考停车位中的第一参考车辆的尾部特征、停放在所述第二参考停车位中的第二参考车辆的车型特征和尾部特征，并根据第二参考车辆的车型特征获得第二参考车辆的长度和宽度；

第三获取模块，用于根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离。

进一步地，根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，具体为：

从第一参考车辆的尾部特征中识别出靠近自车一侧的第一角点；

计算获得前置摄像头与所述第一角点的距离；

根据前置摄像头与所述第一角点的距离、所述第一距离计算得到所述第三距离。

进一步地，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离，具体为：

从第二参考车辆的尾部特征中识别出靠近自车一侧的第二角点；

计算获得前置摄像头与所述第二角点的距离；

根据前置摄像头与所述第二角点的距离、所述第一距离计算得到所述第二距离。

进一步地，所述计算单元具体用于将所述第三距离依次减去所述第二参考车位的长度、所述第二距离，获得所述目标车位的长度。

进一步地，所述泊车控制单元根据所述目标车位的长度判断所述目标车位是否符合泊车条件，具体是：将所述目标车位的长度与预设判断阈值进行做差，若结果为正，则判定符合泊车条件，否则判定不符合泊车条件。

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：通过提供一种前向自动泊车方案，能够在车位急缺通道更窄的环境下提前识别出有效停车位，极大提升了智能泊车的使用时间，减少紧随其后车辆导致的安全风险问题，还改善了自动泊车过程中因横向占用空间车位导致的道路拥堵问题。

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 (10)

1.一种前向自动泊车方法，包括：

步骤S1，通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

步骤S2，根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

步骤S3，根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

步骤S4，根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车；

所述步骤S2具体包括：

采用已训练好的图像深度学习算法，在所述图像数据中识别出侧边平行车位靠近自车一侧的基准线，将前置摄像头与基准线的距离数据作为所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离；

采用已训练好的图像深度学习算法，在所述图像数据中识别出停放在所述第一参考停车位中的第一参考车辆的尾部特征、停放在所述第二参考停车位中的第二参考车辆的车型特征和尾部特征，并根据第二参考车辆的车型特征获得第二参考车辆的长度和宽度；

根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离。

2.根据权利要求1所述的前向自动泊车方法，其特征在于，根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，具体为：

从第一参考车辆的尾部特征中识别出靠近自车一侧的第一角点；

计算获得前置摄像头与所述第一角点的距离；

根据前置摄像头与所述第一角点的距离、所述第一距离计算得到所述第三距离。

3.根据权利要求2所述的前向自动泊车方法，其特征在于，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离，具体为：

从第二参考车辆的尾部特征中识别出靠近自车一侧的第二角点；

计算获得前置摄像头与所述第二角点的距离；

根据前置摄像头与所述第二角点的距离、所述第一距离计算得到所述第二距离。

4.根据权利要求1所述的前向自动泊车方法，其特征在于，所述步骤S3具体包括：将所述第三距离依次减去所述第二参考车位的长度、所述第二距离，获得所述目标车位的长度。

5.根据权利要求1至4任一项所述的前向自动泊车方法，其特征在于，所述步骤S4中根据所述目标车位的长度判断所述目标车位是否符合泊车条件，具体包括：将所述目标车位的长度与预设判断阈值进行做差，若结果为正，则判定符合泊车条件，否则判定不符合泊车条件。

6.一种前向自动泊车装置，其特征在于，包括：

图像采集单元，用于通过自车上的前置摄像头获取与自车行驶方向相平行的侧边平行车位的图像数据，所述侧边平行车位包括自前向后排列的第一参考车位、目标车位和第二参考车位；

获取单元，用于根据所述图像数据，采用已训练好的图像深度学习算法获取所述第二参考车位的长度、所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离、所述第二参考车位在自车长度方向上与自车的第二距离、所述第一参考车位在自车长度方向上与自车的第三距离；

计算单元，用于根据所述第二参考车位的长度、所述第二距离和所述第三距离计算所述目标车位的长度；

泊车控制单元，用于根据所述目标车位的长度判断所述目标车位是否符合泊车条件，若符合则规划自动泊车轨迹并执行自动泊车；

所述获取单元具体包括：

第一获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出侧边平行车位靠近自车一侧的基准线，将前置摄像头与基准线的距离数据作为所述第一参考车位和第二参考车位在自车宽度方向上与自车的第一距离；

第二获取模块，用于采用已训练好的图像深度学习算法，在所述图像数据中识别出停放在所述第一参考停车位中的第一参考车辆的尾部特征、停放在所述第二参考停车位中的第二参考车辆的车型特征和尾部特征，并根据第二参考车辆的车型特征获得第二参考车辆的长度和宽度；

第三获取模块，用于根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离。

7.根据权利要求6所述的前向自动泊车装置，其特征在于，根据所述第一距离和第一参考车辆的尾部特征获得所述第三距离，具体为：

从第一参考车辆的尾部特征中识别出靠近自车一侧的第一角点；

计算获得前置摄像头与所述第一角点的距离；

根据前置摄像头与所述第一角点的距离、所述第一距离计算得到所述第三距离。

8.根据权利要求7所述的前向自动泊车装置，其特征在于，根据所述第一距离和第二参考车辆的尾部特征获得所述第二距离，具体为：

从第二参考车辆的尾部特征中识别出靠近自车一侧的第二角点；

计算获得前置摄像头与所述第二角点的距离；

根据前置摄像头与所述第二角点的距离、所述第一距离计算得到所述第二距离。

9.根据权利要求6所述的前向自动泊车装置，其特征在于，所述计算单元具体用于将所述第三距离依次减去所述第二参考车位的长度、所述第二距离，获得所述目标车位的长度。

10.根据权利要求6所述的前向自动泊车装置，其特征在于，所述泊车控制单元根据所述目标车位的长度判断所述目标车位是否符合泊车条件，具体是：将所述目标车位的长度与预设判断阈值进行做差，若结果为正，则判定符合泊车条件，否则判定不符合泊车条件。

Images