CN112863230A - 空车位检测方法及装置、车辆和计算机设备 - Google Patents

空车位检测方法及装置、车辆和计算机设备 Download PDF

Info

Publication number
CN112863230A
CN112863230A CN202011612691.2A CN202011612691A CN112863230A CN 112863230 A CN112863230 A CN 112863230A CN 202011612691 A CN202011612691 A CN 202011612691A CN 112863230 A CN112863230 A CN 112863230A
Authority
CN
China
Prior art keywords
radar
obstacle
vehicle
data
parking space
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
Application number
CN202011612691.2A
Other languages
English (en)
Inventor
窦步源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai OFilm Smart Car Technology Co Ltd
Original Assignee
Shanghai OFilm Smart Car Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai OFilm Smart Car Technology Co Ltd filed Critical Shanghai OFilm Smart Car Technology Co Ltd
Priority to CN202011612691.2A priority Critical patent/CN112863230A/zh
Publication of CN112863230A publication Critical patent/CN112863230A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Abstract

本申请公开了一种空车位检测方法及装置、车辆和计算机设备。空车位检测方法应用于车辆，车辆安装有雷达。空车位检测方法包括：控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据；根据障碍物数据实时生成代价地图；和对代价地图进行处理以确定空车位。本申请的空车位检测方法及装置、车辆和计算机设备控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。

Description

空车位检测方法及装置、车辆和计算机设备
技术领域
本申请涉及汽车技术领域，特别涉及一种空车位检测方法及装置、车辆和计算机设备。
背景技术
在智能网联汽车技术组成单元中，环境感知系统是至关重要的一环，是智能网联汽车安全性和智能性的保障。智能网联汽车中对外部环境感知最重要的传感器之一是雷达，雷达可以很好的提供障碍物的位置、距离以及速度的信息，这些信息对智能网联汽车都是至关重要的。
然而，目前的利用超声检测车位的方法，都是直接对超声数据进行分析，对错误超声数据过滤的难度较高，也很难得到满意的效果。并且，对于不同的障碍物超声波形成的波形不规则，很难定位出准确的车位位置。另外，一旦车速过快，或者障碍物反射超声波的能力较弱时，很难检测出车位，而且这种检测方法对车辆的行驶方向有要求。
发明内容
本申请实施方式提供一种空车位检测方法及装置、车辆和计算机设备。
本申请实施方式提供一种空车位检测方法，应用于车辆，所述车辆安装有雷达。空车位检测方法包括：控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据；根据所述障碍物数据实时生成代价地图；和对所述代价地图进行处理以确定所述空车位。
本申请的空车位检测方法可以控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。
在某些实施例中，所述控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据包括：控制所述雷达发射探测信号；接收所述障碍物反射的反射信号；及根据所述障碍物反射的反射信号确定所述障碍物与所述雷达的距离。
本申请的空车位检测方法利用雷达发射探测信号，通过确定发射信号和接收反射信号之间的时间差能够准确地确定雷达与障碍物之间的距离。
在某些实施例中，所述雷达包括超声波雷达，所述探测信号包括超声波信号，所述根据所述障碍物反射的反射信号确定所述障碍物与所述雷达的距离包括：确定所述超声波雷达发射所述超声波信号和接收所述反射信号之间的时间差；根据所述时间差计算所述距离。
在某些实施例中，所述雷达还包括激光雷达，所述探测信号包括飞行时间探测信号。
本申请的空车位检测方法利用超声波雷达发射探测信号，通过确定发射超声波信号和接收反射信号之间的时间差能够准确地确定雷达与障碍物之间的距离。
在某些实施例中，所述根据所述障碍物数据实时生成代价地图包括：根据贝叶斯公式与马尔可夫链确定当前时刻所述雷达在所述代价地图中的所在栅格的概率；根据所述概率确定所述雷达在代价地图的位置并根据所述障碍物数据确定探测区域中栅格的占用状态。
本申请的空车位检测方法利用贝叶斯公式与马尔可夫链确定当前时刻所述雷达在所述代价地图中的所在栅格的概率，能够准确地检测出雷达所处的当前位置，并确定雷达相应位置的探测区域的栅格的占有状态，从而实时确定障碍物的位置。
在某些实施例中，所述根据所述障碍物数据实时生成代价地图还包括：根据多个时刻所述雷达采集的多帧数据，所述数据即为所述栅格的占用状态对应的像素数据；根据所述多帧数据和车辆运动轨迹累加形成所述代价地图。
本申请的空车位检测方法通过多个时刻雷达采集的多帧数据，结合车辆的运动轨迹可以形成代价地图，因此能够从代价地图中能够直观地看出障碍物的位置。
在某些实施例中，所述对所述代价地图进行处理以确定所述空车位包括：将沿预设方向上所述占用状态突变的所述栅格标记为边缘栅格；根据所述边缘栅格确定障碍物边缘；及根据所述障碍物边缘确定车位。
本申请的空车位检测方法通过将沿预设方向上所述占用状态突变的所述栅格标记为边缘栅格，根据边缘栅格确定障碍物边缘及根据所述障碍物边缘确定车位，能够准确地确定空车位的边缘位置。
在某些实施例中，所述根据所述障碍物边缘确定车位包括：将在所述预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定所述车位边缘之间的栅格为车位。
本申请的空车位检测方法通过将代价地图上的预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘，从而确定车位边缘之间的栅格为车位，能够准确地确定空车位的位置。
本申请还提供一种空车位检测装置，应用于车辆，所述车辆安装有雷达。所述空车位检测装置包括获取模块、地图生成模块和处理模块。所述获取模块用于控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据；所述地图生成模块用于根据所述障碍物数据实时生成代价地图；所述处理模块用于对所述代价地图进行处理以确定所述空车位。
本申请的空车位检测装置可以控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。
本申请实施方式提供一种车辆，所述车辆包括车体、雷达和上述的任一项实施方式所述的空车位检测装置，所述雷达安装在所述车体上；所述空车位检测装置设置于所述车体内。
本申请的车辆通过获取雷达检测的障碍物数据，再通过空车位检测装置根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题。
本申请实施方式还提供一种计算机设备，包括存储器及处理器。所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现上述任意一项所述的检测方法。
本申请的计算机设备可以控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。
本申请实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点可以从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的空车位检测方法的流程示意图；
图2是本申请某些实施方式的空车位检测装置的结构示意图；
图3是本申请某些实施方式的空车位检测方法的场景示意图；
图4是本申请某些实施方式的空车位检测方法中的代价地图的示意图；
图5是本申请某些实施方式的车辆的结构示意图；
图6是本申请某些实施方式的计算机设备的结构示意图；
图7是本申请某些实施方式的空车位检测方法的流程示意图；
图8本申请某些实施方式的空车位检测装置中获取模块的结构示意图；
图9是本申请某些实施方式的生成代价地图的原理示意图；
图10是本申请某些实施方式的空车位检测方法的场景示意图；
图11是本申请某些实施方式的空车位检测方法的场景示意图；
图12是本申请某些实施方式的空车位检测方法的场景示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。
目前的利用超声检测车位的方法，都是直接对超声数据进行分析，对错误超声数据过滤的难度较高，也很难得到满意的效果。并且，对于不同的障碍物超声波形成的波形不规则，很难定位出准确的车位位置。另外，一旦车速过快，或者障碍物反射超声波的能力较弱时，很难检测出车位，而且这种检测方法对车辆的行驶方向有要求。
为了解决上述问题，请参阅图1，本申请一种空车位检测方法，应用于车辆，所述车辆安装有雷达。空车位检测方法包括：
S12：控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据；
S14：根据障碍物数据实时生成代价地图；和
S16：对代价地图进行处理以确定空车位。
请参阅图2，本申请还提供一种空车位检测装置10，应用于车辆100，车辆安装有雷达。空车位检测装置10包括获取模块12、地图生成模块14和处理模块16。
步骤S12可以由获取模块12实现，步骤S14可以由地图生成模块14实现，步骤S16可以由处理模块16实现。也即是说，获取模块12用于控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据；地图生成模块14用于根据障碍物数据实时生成代价地图；和处理模块16用于对代价地图进行处理以确定空车位。
具体地，请参阅图3，预设的障碍物测试方向指的是车辆行驶的方向，本申请实施例以图3中的箭头指向的A方向作为预设的障碍物测试方向，图中黑色方块代表车辆，获取模块12可以在控制车辆100在A方向行驶，并同时获取安装在车辆的雷达检测的障碍物数据。
雷达的数量可以为一个或多个。当雷达数量为一个时，该雷达可以设置在可旋转的底座上并设置在车辆的车顶指定位置，间隔预设角度旋转检测车辆周围的障碍物数据，例如预设角度可以为1°、2°、3°、4°、5°、6°、7°、8°、9°或10°等，预设角度可以是用户预先设置的角度，在此不做限制。当雷达数量为1个时，该雷达也可以固定安装在车头预定位置，随着车辆的行驶实时向车辆的一侧发送雷达信号检测障碍物数据，从而能够在车速较快的情况下，检测车辆一侧的障碍物数据，实时形成代价地图。当雷达数量为多个时，则多个雷达可以分别固定安装在车辆的两侧，用于同时检测雷达所在一侧的障碍物数据，能够在同一时间同时发射雷达信号检测车辆两侧的障碍物数据，能够在车速较快的情况下检测车辆两侧的障碍物数据，实时形成代价地图，进一步加快车位检测的过程。
代价地图指的是利用颜色深浅来表示空白区域和占有区域的栅格地图(如图4所示)。代价地图中的栅格中的像素点颜色越浅表示它是空白的，颜色越深表示它是占有的。
请参阅图5，本申请还提供一种车辆100。车辆100包括空车位检测装置10、车体20和雷达30。空车位检测装置10设置在车体20内。此外，雷达30安装在车辆100上，本申请以如图5所示的雷达安装的方式进行说明，即车辆100安装有4个雷达30，每个雷达的规格可以为相同的规格，车辆的每一侧前后各设置两个雷达30，能够同时探测车辆前后两个区域的障碍物，能够保证不遗漏任何一个探测区域，保证探测数据的准确性。4个雷达30探测的得到的代价地图如图4所示。
请参阅图6，本申请还提供一种计算机设备200。计算机设备200包括存储器210及处理器220。存储器210中存储有计算机程序211。计算机程序211被处理器220执行的情况下，实现上述任意一种实施方式的检测方法的步骤。
例如，计算机程序211被处理器220执行时实现以下检测方法的步骤：
S12：控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据；
S14：根据障碍物数据实时生成代价地图；和
S16：对代价地图进行处理以确定空车位。
可以理解，计算机程序211包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、以及软件分发介质等。
本申请的空车位检测方法及装置、车辆和计算机设备控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。
请参阅图7，在某些实施例中，S12步骤包括：
S121：控制雷达发射探测信号；
S122：接收障碍物反射的反射信号；及
S123：根据障碍物反射的反射信号确定障碍物与雷达的距离。
请参阅图8，获取模块12包括控制发射单元121、接收单元122和确定单元123。
步骤S121可以由控制发射单元121实现，步骤S122可以由接收单元122实现，步骤S123可以由确定单元123实现。也即是说，控制发射单元121用于控制雷达发射探测信号；接收单元122用于接收障碍物反射的反射信号；确定单元123用于根据障碍物反射的反射信号确定障碍物与雷达的距离。
具体地，雷达可以为超声波雷达，即雷达发射的探测信号可以是超声波信号。超声波信号是振动频率高于20kHz的机械波。超声波信号它具有频率高、波长短、绕射现象小，特别是方向性好、能够成为射线而定向传播等特点。超声波对液体、固体的穿透本领很大，尤其是在阳光不透明的固体中。超声波碰到杂质或分界面会产生显著反射形成反射回波。超声波雷达接收障碍物反射的反射信号为反射回波。在本申请的其他的实施例中，雷达还可以是激光雷达，激光雷达发射的探测信号则为飞行时间探测信号(TOF)以实时、准确地获取障碍物的深度信息，深度信息包括障碍物与雷达之间的距离。
然后将障碍物反射回的反射信号根据分为不同距离探测回来的信号，将不同距离反射回来的障碍物数据作为障碍物占有数据预存在雷达中。将接收到反射信号之前的时间作为障碍物空闲数据预存在雷达中。根据障碍物占有数据即可确定整个障碍物与雷达的距离，即将接收到反射信号的时间乘以雷达发射的速度除以二就得到了传感器到该方向上障碍物的距离。
需要说明的是，本申请中的障碍物与雷达之间的距离可以认为是障碍物与车辆之间的距离。
在某些实施例中，雷达包括超声波雷达，探测信号包括超声波信号，根据障碍物反射的反射信号确定障碍物与雷达的距离包括：确定超声波雷达发射超声波信号和接收反射信号之间的时间差；根据时间差计算障碍物与雷达之间的距离。
也即是说，确定单元123用于：确定超声波雷达发射超声波信号和接收反射信号之间的时间差；根据时间差计算障碍物与雷达之间的距离。
请结合图6，处理器220用于：确定超声波雷达发射超声波信号和接收反射信号之间的时间差；根据时间差计算障碍物与雷达之间的距离。
具体地，超声波雷达发射超声波信号时的时刻记为t1时刻，超声波雷达接收到反射信号的时刻记为t2时刻，时间差即为t2-t1。根据时间差t2-t1的大小可以确定不同距离的障碍物距离雷达的位置远近，例如超声波雷达t2-t1分别为1S、1.5S和2S，则最近的障碍物距离超声波雷达为发射信号发出后0.5S的距离，时间差小于1S，未接收到反射信号的时间差数据即为空闲区域的超声波数据。则当时间差大于1S的时间差为1.5S和2S时对应计算得到的距离数据即为障碍物占有区域的超声波数据。
障碍物的最大探测距离可以由最大时间差确定，超声波雷达检测到最大时间差且多次得到的最大时间差都不变的情况下，即可以确定此时障碍物距离超声波雷达的最大值。例如最大时间差为2S，且超声波雷达多次反射信号都显示最大时间差为2S，则可以确定障碍物距离超声波雷达的最大距离。此时，可以将2S对应的最大距离作为障碍物的最大探测距离的数据。
在某些实施例中，根据障碍物数据实时生成代价地图包括：根据贝叶斯公式与马尔可夫链确定当前时刻雷达在代价地图中的所在栅格的概率；根据概率确定雷达在地图的位置并根据障碍物数据确定探测区域中栅格的占用状态。
也即是说，地图生成模块14用于根据贝叶斯公式与马尔可夫链确定当前时刻雷达在代价地图中的所在栅格的概率；根据概率确定栅格的占用状态。
请结合图6，处理器220用于：根据贝叶斯公式与马尔可夫链确定当前时刻雷达在代价地图中的所在栅格的概率；根据概率确定栅格的占用状态。
可以理解地，在通常的尺度地图中，对于一个点，它要么有(Occupied状态，下面用1来表示)障碍物，要么没有(Free状态，下面用0来表示)障碍物。
在代价地图中，对于一个点S，可以用P(S＝1)来表示栅格是空闲(free)状态的概率，用P(S＝0)来表示栅格是占用(occupied)状态的概率，两个概率之和为1。由于P(S＝1)和P(S＝0)的数值太多了，因此，将两者的比值
Figure BDA0002873339610000071
作为该点的状态。对于一个点S，新来了一个测量值(Measurement，Z～{0，1})之后我们需要更新该点的状态。假设测量值来之前，该点的状态为odd(S)，我们要更新它为：
Figure BDA0002873339610000072
Figure BDA0002873339610000073
这种表达方式类似于条件概率，表示在Z发生的条件下点S的状态。
由于贝叶斯公式为：
P(S＝1|Z)＝P(Z|S＝1)P(S＝1)/P(Z)，P(S＝0|Z)＝P(Z|S＝0)P(S＝1)/P(Z)；
将上述贝叶斯公式带入
Figure BDA0002873339610000074
中后，可以计算得到：
Figure BDA0002873339610000075
再对上述式子两边取对数得到：
Figure BDA0002873339610000076
Figure BDA0002873339610000081
由取对数之后的式子可以看出，含测量值的项就只剩下了
Figure BDA0002873339610000082
因此可以将
Figure BDA0002873339610000083
作为测量值的模型，标记为lomeas。
测量值的模型只有两种：
Figure BDA0002873339610000084
和
Figure BDA0002873339610000085
而且都是定值。我们的更新规则就进一步简化成了：S+＝S-+lomeas。其中S+和S-分别表示测量值之后和测量值之前的状态。在没有任何测量值的状态下，一个点的初始状态S0＝0。经过上述建模的过程后，更新一个点的状态就只需要做简单的加减法。
假设Lofree＝0.6，Looccu＝-0.8，则一个点状态的数值越大，就表示它是Occupied状态，相反数值越小，就表示越肯定它是Free状态。可以用logodd(S)来表示位置S的状态S。图9就展示了用超声波雷达30的数据更新代价地图的过程。在地图中，一个点颜色越浅表示越肯定该点是空闲的，颜色越深表示越肯定它是占用的。
通过上述过程更新代价地图可以确定当前时刻雷达在代价地图中的所在栅格的概率P(S＝1|Z)和P(S＝0|Z)，并根据概率
Figure BDA0002873339610000086
确定雷达在代价地图的位置及根据雷达探测的障碍物数据周围的探测区域中栅格的占用状态。
可以理解地，马尔可夫链指的是满足下面两个假设的一种随机过程：假设1：t+l时刻系统状态的概率分布只与t时刻的状态有关，与t时刻以前的状态无关。假设2：从t时刻到t+l时刻的状态转移与t的值无关，一个马尔可夫链模型可表示为＝(S，P，Q)。S是系统所有可能的状态所组成的非空的状态集，有时也称之为系统的状态空间，有时也称之为系统的状态空间。P是系统的状态转移概率矩阵，其中Pi表示系统在时刻t处于状态i，在下一时刻t+l处于状态i的概率。对于任意i∈S。Q是系统的初始概率分布，qi是系统在初始时刻处于状态i的概率。因此，结合马尔可夫链的原理将上述系统替代为雷达，即可以确定下一时刻雷达在代价地图中的所在栅格的概率，并根据概率确定雷达周围的栅格的占用状态。
在某些实施例中，根据障碍物数据实时生成代价地图还包括：根据多个时刻雷达采集的多帧数据，数据即为栅格的占用状态对应的像素数据；根据多帧数据和车辆运动轨迹累加形成代价地图。
也即是说，地图生成模块14用于根据多个时刻雷达采集的多帧数据，数据即为栅格的占用状态对应的像素数据；根据多帧数据和车辆运动轨迹累加形成代价地图。
请结合图6，处理器220用于：根据多个时刻雷达采集的多帧数据，数据即为栅格的占用状态对应的像素数据；根据多帧数据和车辆运动轨迹累加形成代价地图。
可以理解地，可以将概率确定雷达周围的栅格的占用状态，由于在地图中，一个点颜色越浅表示越肯定该点是空闲的，颜色越深表示越肯定它是占用的，即可以将障碍物占有的概率转换为像素点的颜色深浅进行表示，如黑色像素点代表占有障碍物，白色像素点代表空闲区域，灰色代表未知区域。
具体地，在车辆进入停车位的初始时刻，雷达的采集的数据可以为如图4所示的栅格的占有状态对应的像素数据，其中，黑色的像素点组成的像素区域代表占有障碍物，白色的像素点组成的像素区域代表空闲区域，灰色像素点组成的像素区域代表未知区域。
由于雷达安装在车辆100上，随着车辆的移动，雷达也跟着移动，因此雷达的运动轨迹可以视为与车辆的运动轨迹一致。车辆从初始时刻进入停车位，控制开始启动雷达发射探测信号，可以设置雷达发射探测信号的间隔时间与车辆移动速度呈比例关系，车辆速度越快，则雷达发射探测信号的间隔时间越短，保证雷达能够及时在车辆经过停车位时及时发出探测信号和接收反射信号得到多个时刻采集的多帧像素点数据，确保车速较快的情况下也行生成代价地图。
最后，车辆100停止前进时，可以控制超声波雷达将多帧像素点数据累加形成一个完整的代价地图(如图10所示)。
在某些实施例中，对代价地图进行处理以确定空车位包括：将沿预设方向上占用状态突变的栅格标记为边缘栅格；根据边缘栅格确定障碍物边缘；及根据障碍物边缘确定车位。
也即是说，处理模块16用于：将沿预设方向上占用状态突变的栅格标记为边缘栅格；根据边缘栅格确定障碍物边缘；及根据障碍物边缘确定车位。
请结合图6，处理器用于：将沿预设方向上占用状态突变的栅格标记为边缘栅格；根据边缘栅格确定障碍物边缘；及根据障碍物边缘确定车位。
具体地，预设方向可以是指的代价地图中像素点的列方向，即与车辆行驶方向平行的方向。如图11所示，像素点的列方向从B方向往C方向或从C方向往B方向可以寻找到占有状态突变的栅格，并将突变的栅格标记为边缘栅格。例如，如图11所示，以从B方向往C方向寻找占有状态突变的删格，形成的边缘栅格依次为a、b、c、d、e，则可以根据边缘栅格的连线确定障碍物的边缘分别为a1、b1、c1、d1、e1。然后根据障碍物边缘就可以确定空的车位了。
在某些实施例中，根据障碍物边缘确定车位包括：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为车位。
也即是说，处理模块16用于：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为车位。
请结合图6，处理器220用于：将在预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；确定车位边缘之间的栅格为车位。
具体地，预设值为正常一个停车位的最长边的边缘线之间的宽度值，即将多个非占用栅格组合后的预设宽度最小值设置为一个正常停车位的宽度。
以前述障碍物边缘为a1、b1、c1、d1、e1为例进行说明，若确定在B至C方向上间隔非占用栅格大于预设值的相邻的两个障碍物边缘分别为a1和b1，c1和d1。即可以将a1和b1确定为第一空车位T1，c1和d1确定为第二空车位T2(如图12所示)。
综上所述，本申请的空车位检测方法及装置、车辆和计算机设备控制车辆沿预设的障碍物测试方向移动并获取雷达检测的障碍物数据，根据障碍物数据实时生成代价地图来解决雷达数据的不稳定的问题，并且可以通过代价地图直观的在像素层面来搜寻车位，使得检测车位时，准确率高、对车位的行驶方向不做要求、支持更高的车速。

Claims (11)

1.一种空车位检测方法，应用于车辆，所述车辆安装有雷达，其特征在于，包括：
控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据；
根据所述障碍物数据实时生成代价地图；和
对所述代价地图进行处理以确定所述空车位。
2.根据权利要求1所述的检测方法，其特征在于，所述控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据包括：
控制所述雷达发射探测信号；
接收所述障碍物反射的反射信号；及
根据所述障碍物反射的反射信号确定所述障碍物与所述雷达的距离。
3.根据权利要求1或2所述的检测方法，其特征在于，所述雷达包括超声波雷达，所述探测信号包括超声波信号，所述根据所述障碍物反射的反射信号确定所述障碍物与所述雷达的距离包括：
确定所述超声波雷达发射所述超声波信号和接收所述反射信号之间的时间差；
根据所述时间差计算所述距离。
4.根据权利要求1或2所述的检测方法，其特征在于，所述雷达还包括激光雷达，所述探测信号包括飞行时间探测信号。
5.根据权利要求1或2所述的检测方法，其特征在于，所述根据所述障碍物数据实时生成代价地图包括：
根据贝叶斯公式与马尔可夫链确定当前时刻所述雷达在所述代价地图中的所在栅格的概率；
根据所述概率确定所述雷达在所述代价地图的位置并根据所述障碍物数据确定探测区域中栅格的占用状态。
6.根据权利要求5所述的检测方法，其特征在于，所述根据所述障碍物数据实时生成代价地图还包括：
根据多个时刻所述雷达采集的多帧数据，所述数据即为所述栅格的占用状态对应的像素数据；
根据所述多帧数据和车辆运动轨迹累加形成所述代价地图。
7.根据权利要求5或6所述的检测方法，其特征在于，所述对所述代价地图进行处理以确定所述空车位包括：
将沿预设方向上所述占用状态突变的所述栅格标记为边缘栅格；
根据所述边缘栅格确定障碍物边缘；及
根据所述障碍物边缘确定车位。
8.根据权利要求7所述的检测方法，其特征在于，所述根据所述障碍物边缘确定车位包括：
将在所述预设方向上间隔非占用栅格大于预设值的相邻两个障碍物边缘标记为车位边缘；
确定所述车位边缘之间的栅格为车位。
9.一种空车位检测装置，应用于车辆，所述车辆安装有雷达，其特征在于，包括：
获取模块，所述获取模块用于控制所述车辆沿预设的障碍物测试方向移动并获取所述雷达检测的障碍物数据；
地图生成模块，所述地图生成模块用于根据所述障碍物数据实时生成代价地图；和
处理模块，所述处理模块用于对所述代价地图进行处理以确定所述空车位。
10.一种车辆，其特征在于，所述车辆包括：
车体；
雷达，所述雷达安装在所述车体上；和
权利要求9所述的空车位检测装置，所述空车位检测装置设置于所述车体内。
11.一种计算机设备，包括存储器及处理器，其特征在于，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时实现权利要求1至8中任意一项所述的检测方法。
CN202011612691.2A 2020-12-30 2020-12-30 空车位检测方法及装置、车辆和计算机设备 Pending CN112863230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011612691.2A CN112863230A (zh) 2020-12-30 2020-12-30 空车位检测方法及装置、车辆和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011612691.2A CN112863230A (zh) 2020-12-30 2020-12-30 空车位检测方法及装置、车辆和计算机设备

Publications (1)

Publication Number Publication Date
CN112863230A true CN112863230A (zh) 2021-05-28

Family

ID=75998602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011612691.2A Pending CN112863230A (zh) 2020-12-30 2020-12-30 空车位检测方法及装置、车辆和计算机设备

Country Status (1)

Country Link
CN (1) CN112863230A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648882A (zh) * 2022-02-09 2022-06-21 上海欧菲智能车联科技有限公司 一种车位检测方法及装置
CN114671380A (zh) * 2022-03-23 2022-06-28 湖南星邦智能装备股份有限公司 一种基于多传感器数据融合的高空作业车防撞方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106919174A (zh) * 2017-04-10 2017-07-04 江苏东方金钰智能机器人有限公司 一种智能引导机器人的引导方法
CN108693541A (zh) * 2017-04-03 2018-10-23 福特全球技术公司 障碍检测系统和方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN110045376A (zh) * 2019-04-28 2019-07-23 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN111311925A (zh) * 2020-01-21 2020-06-19 北京百度网讯科技有限公司 车位的检测方法和装置、电子设备、车辆、存储介质
CN111753649A (zh) * 2020-05-13 2020-10-09 上海欧菲智能车联科技有限公司 车位检测方法、装置、计算机设备和存储介质
CN111942374A (zh) * 2020-08-14 2020-11-17 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108693541A (zh) * 2017-04-03 2018-10-23 福特全球技术公司 障碍检测系统和方法
CN106919174A (zh) * 2017-04-10 2017-07-04 江苏东方金钰智能机器人有限公司 一种智能引导机器人的引导方法
CN109541634A (zh) * 2018-12-28 2019-03-29 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN110045376A (zh) * 2019-04-28 2019-07-23 森思泰克河北科技有限公司 可行驶区域获取方法、计算机可读存储介质及终端设备
CN111311925A (zh) * 2020-01-21 2020-06-19 北京百度网讯科技有限公司 车位的检测方法和装置、电子设备、车辆、存储介质
CN111753649A (zh) * 2020-05-13 2020-10-09 上海欧菲智能车联科技有限公司 车位检测方法、装置、计算机设备和存储介质
CN111942374A (zh) * 2020-08-14 2020-11-17 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648882A (zh) * 2022-02-09 2022-06-21 上海欧菲智能车联科技有限公司 一种车位检测方法及装置
CN114648882B (zh) * 2022-02-09 2023-05-09 上海欧菲智能车联科技有限公司 一种车位检测方法及装置
CN114671380A (zh) * 2022-03-23 2022-06-28 湖南星邦智能装备股份有限公司 一种基于多传感器数据融合的高空作业车防撞方法及系统
CN114671380B (zh) * 2022-03-23 2023-12-29 湖南星邦智能装备股份有限公司 一种基于多传感器数据融合的高空作业车防撞方法及系统

Similar Documents

Publication Publication Date Title
US5923282A (en) Radar system
EP3663790A1 (en) Method and apparatus for processing radar data
CN112098990B (zh) 车载高分辨毫米波雷达对于中高速车辆的检测与跟踪方法
WO2021077287A1 (zh) 一种检测方法、检测装置以及存储介质
JP7138970B2 (ja) 物体の少なくとも１つのパラメータを決定する方法および装置
CN111308458B (zh) 一种基于车载毫米波雷达的自车速度估计方法
JP7173735B2 (ja) レーダ装置及び信号処理方法
CN112863230A (zh) 空车位检测方法及装置、车辆和计算机设备
US11292481B2 (en) Method and apparatus for multi vehicle sensor suite diagnosis
WO2022120839A1 (zh) 基于车载毫米波雷达的防干扰方法、装置、系统及车辆
US10444341B2 (en) Road clutter mitigation
US20230085887A1 (en) Systems and methods for high velocity resolution high update rate radar for autonomous vehicles
CN115575922A (zh) 基于车载fmcw毫米波雷达的动目标检测方法和装置
US20210323560A1 (en) Vehicle speed calculation method, system, device, and storage medium
CN110596708A (zh) 一种车辆间距检测方法、装置、车辆和存储介质
CN113552570A (zh) 借助于所接收的超声信号生成对象表示的方法
CN111406224A (zh) 一种目标可信度确定方法、一种目标识别方法、系统、车辆及存储介质
CN113050119B (zh) 一种适用于光学flash三维成像雷达干扰的判决方法
KR20220157896A (ko) 레이더 검출에서의 다중 경로 분류
US11119187B2 (en) Resolution of doppler ambiguity in a radar system through tracking
CN114594466A (zh) 用于确定目标的自有速度估计值和角度估计值的方法
CN113376658A (zh) 一种基于单线激光雷达的无人机自主避障方法及系统
CN113284342B (zh) 空车位检测方法及装置、车辆和计算机设备
CN112763998A (zh) 用于确定雷达目标列表的设备、传感器系统及方法
CN111301374A (zh) 一种汽车全景检测自动防撞系统

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: 20210528

RJ01 Rejection of invention patent application after publication