CN113192356B - 一种多传感器融合的车位检测方法、装置及车辆 - Google Patents
一种多传感器融合的车位检测方法、装置及车辆 Download PDFInfo
- Publication number
- CN113192356B CN113192356B CN202110358016.XA CN202110358016A CN113192356B CN 113192356 B CN113192356 B CN 113192356B CN 202110358016 A CN202110358016 A CN 202110358016A CN 113192356 B CN113192356 B CN 113192356B
- Authority
- CN
- China
- Prior art keywords
- parking space
- map
- parking
- color block
- target color
- 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.)
- Active
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
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
- G08G1/148—Management of a network of parking areas
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
Abstract
本发明实施公开了一种多传感器融合的车位检测方法、装置及车辆,该方法包括:获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,代价地图、视觉车位地图和超声车位地图分别通过不同的传感器采集数据得到;融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成;以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位;能够通过将多种传感器采集的地图进行融合,根据融合后的不同颜色的色块准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
Description
技术领域
本发明涉及汽车自动驾驶技术领域,尤其涉及一种多传感器融合的车位检测方法、装置及车辆。
背景技术
智能化是如今汽车行业发展的重要趋势之一,而泊车辅助系统是汽车智能化发展中的一个研究热点。自动泊车(Auto Parking Asist,APA)是市面上比较常见的泊车辅助系统,APA从前期的纯超声泊车发展到纯视觉泊车,但其都各有缺点,无法满足现有APA场景的需求。例如,纯超声泊车依赖停车区域中的已停车辆构成的空位,因此在全为空地的场景下就会失去其基本功能,纯视觉泊车在光线较暗,或者没有车位线,或者车位线不清晰的情形下也会失去其基本功能。至此,基于视觉与超声波感知融合泊车应运而生。
在上述基于视觉与超声波感知融合泊车中,还是以视觉车位检测为主,超声波传感器的作用主要是用来判断检测出的视觉车位中有没有障碍物,剔除存在障碍物的视觉车位,剩下的就是可泊车的车位。这种融合泊车仅仅是决策类融合,在很多场景下依然不适用。可见,目前的基于视觉与超声波感知融合的自动泊车的适用场景十分有限,检测不准确。
发明内容
本发明实施例公开了一种多传感器融合的车位检测方法、装置及车辆,能够适用所有泊车场景,检测准确率较高。
本发明实施例第一方面公开了一种多传感器融合的车位检测方法,可包括:
获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;所述代价地图、所述视觉车位地图和所述超声车位地图分别通过不同的传感器采集数据获得;
融合所述代价地图、所述视觉车位地图和所述超声车位地图,获得融合车位图像,所述融合车位图像由多种不同颜色的色块组成;
以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块,所述目标色块对应的位置区域为至少一个可泊车车位。
作为一种可选的实施方式,在本发明实施例第一方面中,所述以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块,包括:
从所述融合车位图像中确定所述车辆所在通行区域对应的参考色块;
选择目标颜色对应的目标色块,所述目标色块对应的灰度值大于阈值,所述阈值根据所述参考色块对应的灰度值得到。
通过上述实施方式,能够根据融合后的不同颜色的色块的灰度值准确地判断出可泊车车位。
作为一种可选的实施方式,在本发明实施例第一方面中,所述选择目标颜色对应的目标色块,包括:
将所述融合车位图像转换成灰度图;
以所述阈值为依据,对所述灰度图进行二值化处理,获得二值化图像,所述二值化图像包括白色区域和黑色区域;
在所述融合车位图像中确定所述白色区域对应的色块,作为所述目标色块,所述白色区域为至少一个可泊车车位。
通过上述实施方式,利用阈值对融合车位图像的灰度图进行二值化处理,经处理后的二值化图像中包括白色区域和黑色区域,只有可泊车车位的区域是白色,其余区域仅为黑色,因此,能够快速地提取白色区域的可泊车车位。
作为一种可选的实施方式,在本发明实施例第一方面中,所述以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块之后,所述方法还包括:
对所述目标色块进行图像边缘的信息提取,获得边缘信息;
根据所述边缘特征获得车位信息;
根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
通过上述实施方式,通过边缘信息提取,最终确定车辆的泊车位置。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,所述方法还包括:
根据所述车位信息与所述车辆当前位置,生成泊车运动轨迹指示;
显示所述泊车运动轨迹指示以引导所述车辆泊入所述目标可泊车车位。
通过上述实施方式,能够给以泊车运动轨迹指示,实现安全且准确的自动泊车。
本发明实施例第二方面公开了一种多传感器融合的车位检测装置,可包括:
地图获取模块,用于获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;所述代价地图、所述视觉车位地图和所述超声车位地图分别通过不同的传感器采集数据获得;
融合模块,用于融合所述代价地图、所述视觉车位地图和所述超声车位地图,获得融合车位图像,所述融合车位图像由多种不同颜色的色块组成;
车位确定模块,用于以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块,所述目标色块对应的位置区域为至少一个可泊车车位。
作为一种可选的实施方式,在本发明实施例第二方面中,所述车位确定模块包括:
确定子模块,用于从所述融合车位图像中确定所述车辆所在通行区域对应的参考色块;
选择子模块,用于选择目标颜色对应的目标色块,所述目标色块对应的灰度值大于阈值,所述阈值根据所述参考色块对应的灰度值得到。
作为一种可选的实施方式,在本发明实施例第二方面中,所述选择子模块用于选择目标颜色对应的目标色块的方式具体为:
将所述融合车位图像转换成灰度图;以及,以所述阈值为依据,对所述灰度图进行二值化处理,获得二值化图像,所述二值化图像包括白色区域和黑色区域;以及,在所述融合车位图像中确定所述白色区域对应的色块,作为所述目标色块,所述白色区域为至少一个可泊车车位。
作为一种可选的实施方式,在本发明实施例第二方面中,所述车位确定模块,还用于在以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块之后,对所述目标色块进行图像边缘的信息提取,获得边缘信息;以及,根据所述边缘特征获得车位信息;以及,根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
作为一种可选的实施方式,在本发明实施例第二方面中,所述装置还包括:
生成模块,用于在所述车位确定模块根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,根据所述车位信息与所述车辆当前位置,生成泊车运动轨迹指示;
显示模块,用于显示所述泊车运动轨迹指示以引导所述车辆泊入所述目标可泊车车位。
本发明实施例三公开了一种车辆,可包括:
本发明实施例第二方面任一项公开的多传感器融合的车位检测装置。
本发明实施例第四方面公开了一种车辆,可包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种多传感器融合的车位检测方法。
本发明实施例第五方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种多传感器融合的车位检测方法。
本发明实施例第六方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第七方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
在本发明实施例中,通过获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,上述三种地图分别通过不同的传感器采集数据得到,将三种地图进行融合,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成,以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位;可见,通过实施本发明实施例,能够通过将多种传感器采集的地图进行融合,根据融合后的不同颜色的色块准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例一公开的多传感器融合的车位检测方法的流程示意图;
图2为本发明实施例二公开的多传感器融合的车位检测方法的流程示意图;
图3为本发明实施例公开的在纯超声场景下仿真小车行驶至当前位置下的仿真应用示意图;
图4为本发明实施例公开的在图3所示的纯超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图;
图5为本发明实施例公开的在视觉+超声场景下仿真小车行驶至当前位置下的仿真应用示意图;
图6为本发明实施例公开的在图5所示的视觉+超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图;
图7为本发明实施例公开的在纯视觉场景下车辆行驶至当前位置下的应用示意图;
图8为本发明实施例公开的在图7所示的纯视觉场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图;
图9为本发明实施例公开的在视觉+超声场景下车辆行驶至当前位置下的应用示意图;
图10为本发明实施例公开的在图9所示的视觉+超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图;
图11为本发明实施例三公开的多传感器融合的车位检测方法的流程示意图;
图12为本发明实施例一公开的多传感器融合的车位检测装置的结构示意图;
图13为本发明实施例二公开的多传感器融合的车位检测装置的结构示意图;
图14为本发明实施例三公开的多传感器融合的车位检测装置的结构示意图;
图15为本发明实施例一公开的车辆的结构示意图;
图16为本发明实施例二公开的车辆的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”及“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种多传感器融合的车位检测方法、装置及车辆,用于根据多种传感器采集的地图融合后的不同颜色的色块准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
请参阅图1,图1为本发明实施例一公开的多传感器融合的车位检测方法的流程示意图;如图1所示,该多传感器融合的车位检测方法可包括:
101、获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,上述代价地图、视觉车位地图和超声车位地图分别通过不同的传感器采集数据获得。
本发明实施例的执行主体为多传感器融合的车位检测装置或车辆。
在本发明实施例中,在车辆沿停车区域行驶过程中,通过获取当前位置下的代价地图、视觉车位地图和超声车位地图,融合三种地图进行可泊车车位检测。
其中,代价地图(CostMap),为通过收集传感器数据建立和更新的二维或三维地图,在本发明实施例中优选二维地图,通过代价地图能够指示以车辆为中心的周围区域的三种状态:障碍区域、自由区域和未知区域。在本发明实施例提供的代价地图中,以黑色表示障碍区域,白色表示自由区域,灰色表示未知区域。
视觉车位地图(VisionPLD Map),通过视觉传感器采集车辆周围环境信息和车位标记线特征,根据车辆周围环境信息和车位标记线特征生成视觉车位地图。可以理解,若停车区域中的车位有以车位标记线(实线、虚线、点等)标记,生成的视觉车位地图中将输出车位区域,若停车区域中的车位未以任何车位标记线标记,视觉传感器无法采集到车位标记线特征,无法确定出车位,因此,生成的视觉车位地图中将未输出车位区域。在本发明实施例中,视觉车位地图由白色色块和/或黑色色块组成,以白色色块表示车位区域,而黑色色块只是表示在对应区域中通过视觉传感器未检测到车位区域,但并非黑色色块为障碍区域。可选的,视觉传感器可包括全景视觉传感器、双目视觉传感器等。
超声车位地图(SonarPLD Map),通过超声波传感器检测车辆周围的障碍物,两两障碍物之间的区域或障碍物一侧区域被确定为车位区域,根据检测到的障碍物、车位区域生成超声车位地图。可以理解,若车辆周围为空旷区域,通过超声波传感器未能检测到障碍物,无法确定车位,因此,生成的超声车位地图将未输出车位区域。在本发明实施例中,超声车位地图由白色色块和/或黑色色块组成,以白色色块表示车位区域,而黑色色块只是表示对应区域经超声波传感器未检测到车位区域,但并非黑色色块为障碍区域。不同类型、不同厂商的超声波传感器的检测范围可能不同,或者在超声波传感器的最大检测范围内可以由用户自主设置所需检测范围,在此不做限定。
102、融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成。
在本发明实施例中,通过将代价地图、视觉车位地图和超声车位地图进行融合,即将三种地图进行叠加,获得融合车位图像,融合车位图像是由一块块的色块组成,具体结合三种地图的原始颜色情况确定色块的颜色,融合车位图像中会有多种颜色的色块。
103、以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位。
需要说明的是,在本发明实施例中可泊车车位是指空车位,即还未停有车辆或者未放置有障碍物的可以停车的车位。
可以理解,经三种地图融合后,得到的可泊车车位对应的色块的颜色是不同于其它颜色的,因此,通过本发明实施例能够对多种传感器采集的地图进行融合,获得色块的融合车位图像,以颜色作为区分从中选择出可泊车车位。
可见,本发明实施例通过获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,上述三种地图分别通过不同的传感器采集数据得到,将三种地图进行融合,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成,以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位;可见,通过实施本发明实施例,能够通过将多种传感器采集的地图进行融合,根据融合后的不同颜色的色块准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
请参阅图2,图2为本发明实施例二公开的多传感器融合的车位检测方法的流程示意图;如图2所示,该多传感器融合的车位检测方法可包括:
201、获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,上述代价地图、视觉车位地图和超声车位地图分别通过不同的传感器采集数据获得。
其中,本发明实施例的执行主体为多传感器融合的车位检测装置或车辆。
202、融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成。
203、从融合车位图像中确定车辆所在通行区域对应的参考色块。
可以理解的,能够根据车辆所在位置从融合车位图像中确定出通行区域对应的色块,在本发明实施例中可以作为参考色块,然后获取该参考色块的灰度值以得到阈值。
可选的,阈值可以通过以下方式获得:
获取参考色块中每一个像素点的灰度值;
对所有像素点的灰度值求和,得到灰度值总和;
计算参考色块中的像素点的数量;
求取该灰度值总和与数量的商,获得参考色块中像素点的平均灰度值;
将平均灰度值作为阈值。
通过上述方式,将参考色块中的像素点的平均灰度值作为阈值,提供一个比较合理的判断阈值,以提高可泊车车位的检测准确率。
204、选择目标颜色对应的目标色块,该目标色块对应的灰度值大于阈值,该阈值根据参考色块对应的灰度值得到。
其中,可泊车车位对应的色块的灰度值大于阈值。因此,在本发明实施例中通过确定车辆所在通行区域的色块的灰度值,根据该灰度值获得阈值,通过比较其它色块的灰度值与阈值,从而确定出目标色块,即为可泊车车位的区域,包括至少一个可泊车车位。
进一步可选的,上述选择目标颜色对应的目标色块可包括:
将融合车位图像转换成灰度图;
以阈值为依据,对灰度图进行二值化处理,获得二值化图像,该二值化图像包括白色区域和黑色区域;
在融合车位图像中确定白色区域对应的色块,作为目标色块,该白色区域为至少一个可泊车车位。
可以理解,利用上述阈值对融合车位图像的灰度图进行二值化处理,经处理后的二值化图像中包括白色区域和黑色区域,只有可泊车车位的区域是白色,其余区域仅为黑色,因此,能够快速地提取白色区域的可泊车车位。
在上述实施例中,通过获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,将三种地图进行融合,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成,能够根据车辆的当前位置从融合车位图像中确定出通行区域对应的色块,作为参考色块,根据该参考色块的灰度值获得阈值,通过比较其它色块的灰度值与阈值,从其它色块中选择出灰度值大于该阈值的目标色块,该目标色块对应的区域即为可泊车车位区域,为至少一个可泊车车位;可见,通过实施本发明实施例,能够根据融合后的不同颜色的色块的灰度值准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
其中,可泊车车位的色块对应的灰度值大于通行区域的色块对应阈值,可以通过海量仿真数据和实际数据证明,在本发明实施例中将以几个仿真场景以及几个实际场景为例进行说明。
仿真场景一:纯超声场景。
请参阅图3-图4,图3为本发明实施例公开的在纯超声场景下仿真小车行驶至当前位置下的仿真应用示意图,图4为本发明实施例公开的在图3所示的纯超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图;在图3所示的纯超声场景下,中间长方形为仿真小车,两边带编号的为障碍物(为了能够区分每个障碍物区域,图中以较浅的线条进行表示,但需要明白的是,这些线条并不是车位标记线),仿真小车在当前位置通过超声波检测障碍物,根据超声泊车原理,检测到两个可泊车车位。
图4中的左一为仿真小车在图3所示的当前位置获得的代价地图,在代价地图中,黑色色块为仿真小车能够检测到的带编号的障碍物,白色色块为自由区域,包括仿真小车所在通行区域及车位,灰色色块为未知区域(超出仿真小车的检测范围)。
图4中左二为仿真小车在图3所示的位置获得的视觉车位地图,由于图3的仿真环境中车位没有车位标记线,因此检测不到视觉车位,所以视觉车位地图并未输出车位区域,全为黑色。
图4中左三(右二)为仿真小车在图3所示的位置时经超声波传感器检测到两侧各有一个车位,所以超声车位地图输出中有两块白色色块,即超声车位。
图4左四(右一)为代价地图、视觉车位地图和超声车位地图融合(叠加)后得到的融合车位图像,需要说明的是,图4所示的融合车位图像仅通过不同数字编号表示不同颜色的色块,实际上经融合左一、左二和左三的地图得到的融合车位图像由黑色色块、天蓝色色块、蓝色色块和深蓝色色块组成。其中,图4左四的融合车位图像中以01表示天蓝色色块,02表示蓝色色块,03表示黑色色块,04表示深蓝色色块,通过把实际得到的融合车位图像转换成灰度图像,由于已知02为仿真小车所在通行区域,01为可泊车车位,能够发现,01表示的天蓝色色块的灰度值大于02表示的蓝色色块的灰度值,即可泊车车位的灰度值大于通行区域的灰度值,而障碍物的灰度值小于通行区域的灰度值。因此,在纯超声场景中,能够根据色块颜色准确确定出可泊车车位。
仿真场景二:视觉+超声场景。
请参阅图5-图6,图5为本发明实施例公开的在视觉+超声场景下仿真小车行驶至当前位置下的仿真应用示意图,图6为本发明实施例公开的在图5所示的视觉+超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图。在图5所示的视觉+超声场景下,中间为仿真小车,仿真小车行驶在通行区域上,两边有两排以车位标记线(比较明显的白色实线)标记的车位,而带编号的车位表示有障碍物。
图6中的左一为仿真小车在图5所示的当前位置获得的代价地图,在代价地图中,黑色色块为有障碍物的车位,白色色块为自由区域,包括仿真小车所在通行区域及可泊车车位。
图6中左二为仿真小车在图5所示的当前位置获得的视觉车位地图,由于图3中的仿真环境中车位通过车位标记线标记,视觉车位连成一片,所以视觉车位地图中白色连成一片,形成一大块白色色块,即视觉车位。
图6中左三(右二)为仿真小车在图5所示的当前位置时经超声波传感器检测到两侧各有一个超声车位,所以超声车位地图输出中有两块白色色块,即超声车位。
图6左四(右一)为代价地图、视觉车位地图和超声车位地图融合(叠加)后得到的融合车位图像,需要说明的是,图6所示的融合车位图像仅通过不同数字编号表示不同颜色的色块,实际上经融合左一、左二和左三的地图得到的融合车位图像由白色色块、黑色色块、蓝色色块、深蓝色色块、红色色块组成。其中,图6左四的融合车位图像中以01表示红色色块,02表示白色色块,03表示黑色色块,04表示蓝色色块,05表示深蓝色色块,02和03之间还有一小块红色色块,在图6中未标示,通过把实际得到的融合车位图像转换成灰度图像,由于已知04为仿真小车所在通行区域,02为可泊车车位,能够发现,02表示的白色色块的灰度值大于04表示的蓝色色块的灰度值,即可泊车车位的灰度值大于通行区域的灰度值,而障碍物的灰度值小于通行区域的灰度值。因此,在视觉+超声场景中,能够根据色块颜色准确确定出可泊车车位。
真实场景一:纯视觉真实场景。
请参阅图7-图8,图7为本发明实施例公开的在纯视觉场景下车辆行驶至当前位置下的应用示意图,图8为本发明实施例公开的在图7所示的纯视觉场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图。在图7所示的纯视觉场景下,长方形表示车辆,车辆行驶在通行区域,车辆一侧有以4个角落的圆点作为车位标记线标记的视觉车位,视觉车位并没有停有车辆或放置障碍物。
图8左一为车辆在图7位置时获得的代价地图,由于车辆所检测到的范围内没有障碍物,代价地图为白色,即表示都是自由区域。
图8左二为车辆在图7位置时获得的视觉车位地图,图7中的车位经4个圆点标记,能够检测到视觉车位,而由于视觉车位连成一片,因此,视觉车位地图中输出一块白色色块,表示图7中连成一片的视觉车位。
图8左三(右二)为车辆在图7位置时获得的超声车位地图,由于车辆进超声波传感器未检测到超声车位,所以获得的超声车位地图没有输出超声车位,全为黑色。
图8左四(右一)为代价地图、视觉车位地图和超声车位地图融合(叠加)后得到的融合车位图像,需要说明的是,图8所示的融合车位图像仅通过不同数字编号表示不同颜色的色块,实际上经融合左一、左二和左三的地图得到的融合车位图像由玫红色色块、蓝色色块、深蓝色色块组成。其中,图8左四的融合车位图像中以01表示玫红色色块,02表示蓝色色块,03表示深蓝色色块,通过把实际得到的融合车位图像转换成灰度图像,由于已知02(蓝色色块)为车辆所在通行区域,01(玫红色色块)为可泊车车位,总能够发现,01表示的玫红色色块的灰度值大于02表示的蓝色色块的灰度值,即可泊车车位的灰度值大于通行区域的灰度值,而障碍物的灰度值小于通行区域的灰度值。因此,在纯视觉的实际场景中,能够根据色块颜色准确确定出可泊车车位。
真实场景二:视觉+超声真实场景。
请参阅图9-图10,图9为本发明实施例公开的在视觉+超声场景下车辆行驶至当前位置下的应用示意图,图10为本发明实施例公开的在图9所示的视觉+超声场景下获得的代价地图、视觉车位地图、超声车位地图及融合车位图像的示意图。在图9所示的视觉+超声场景下,车辆一侧有以实线作为车位标记线标记的视觉车位1-5,共个视觉车位,其中,视觉车位4放置有障碍物。
图10左一为车辆获得的代价地图,由于车辆所检测到的范围内有障碍物,代价地图输出中有黑色色块和白色色块。
图10左二为车辆获得的视觉车位地图,图10中的车位以实线标记,能够检测到视觉车位,而由于视觉车位连成一片,因此,视觉车位地图中输出一块白色色块,表示图9中连成一片的视觉车位,其余位置为黑色。
图10左三(右二)为车辆获得的超声车位地图,由于车辆进超声波传感器检测到障碍物,而根据超声泊车原理,得到两侧为超声车位,所以获得的超声车位地图输出超声车位,为白色色块表示的区域。
图10左四(右一)为代价地图、视觉车位地图和超声车位地图融合(叠加)后得到的融合车位图像,需要说明的是,图10所示的融合车位图像仅通过不同数字编号表示不同颜色的色块,实际上经融合左一、左二和左三的地图得到的融合车位图像由蓝色色块、白色色块、红色色块、玫红色色块、黑色色块和深蓝色色块组成。其中,图10左四的融合车位图像中以01表示白色色块,02表示红色色块,03表示玫红色色块,04表示黑色色块,05表示蓝色色块和06表示深蓝色色块,通过把实际得到的融合车位图像转换成灰度图像,由于已知车辆所在通行区域也属于蓝色色块,01(白色色块)为可泊车车位,总能够发现,01表示的白色色块的灰度值大于蓝色色块的灰度值,即可泊车车位的灰度值大于通行区域的灰度值,而障碍物的灰度值小于通行区域的灰度值。因此,在纯视觉的实际场景中,能够根据色块颜色准确确定出可泊车车位。
请参阅图11,图11为本发明实施例三公开的多传感器融合的车位检测方法的流程示意图;如图11所示,该多传感器融合的车位检测方法可包括:
1101、获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图。
1102、融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成。
1103、以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位。
1104、对目标色块进行图像边缘的信息提取,获得边缘信息。
其中,图像边缘(Edlge)是指图像局部特性的不连续性,例如,灰度级的突变、颜色的突变、纹理结构的突变等,边缘存在于目标与目标、物体与北京、区域与区域(含不同色块)之间,本发明实施例通过图像边缘准确确定出每一个可泊车车位。边缘信息包括像素特征、灰度值信息、像素点坐标信息等。
1105、根据边缘特征获得车位信息。
可选的,车位信息包括车位编号、车位入口中点坐标、车位长度及宽度、车位类型等。
1106、根据车位信息从目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
如果可泊车车位有多个,可以从中选择一个目标可泊车车位。比如,可以选择距离车辆最近的车位,或者选择较为容易泊入的车位。
1107、根据车位信息与车辆当前位置,生成泊车运动轨迹指示。
其中,先将车辆引导至目标可泊车车位附近,并根据是侧方位泊车还是入库泊车等,提供具体的泊车指示,以实现自动泊车。
1108、显示泊车运动轨迹指示以引导车辆泊入目标可泊车车位。
可见,通过上述实施例,通过获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,将三种地图进行融合,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成,能够根据车辆的当前位置从融合车位图像中确定出通行区域对应的色块,作为参考色块,根据该参考色块的灰度值获得阈值,通过比较其它色块的灰度值与阈值,从其它色块中选择出灰度值大于该阈值的目标色块,该目标色块对应的区域即为可泊车车位区域,为至少一个可泊车车位,然后针对目标色块进行边缘提取即可得到相关的车位信息,从而决定车辆的最终泊车位置,并提供相应的泊车指示;可见,通过实施本发明实施例,能够根据融合后的不同颜色的色块的灰度值准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高,且能实现自动泊车引导。
请参阅图12,图12为本发明实施例一公开的多传感器融合的车位检测装置的结构示意图;如图12所示,该多传感器融合的车位检测装置可包括:
地图获取模块1201,用于获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;上述代价地图、视觉车位地图和超声车位地图分别通过不同的传感器采集数据获得;
融合模块1202,用于融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成;
车位确定模块1203,用于以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位。
通过实施上述装置,通过获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图,上述代价地图、视觉车位地图和超声车位地图通过不同的传感器采集数据获得,将三种地图进行融合,获得融合车位图像,该融合车位图像由多种不同颜色的色块组成,以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,该目标色块对应的位置区域为至少一个可泊车车位;可见,通过实施本发明实施例,能够通过将多种传感器采集的地图进行融合,根据融合后的不同颜色的色块准确地判断出可泊车车位,适用于所有的自动泊车场景,且车位检测准确率较高。
请参阅图13,图13为本发明实施例二公开的多传感器融合的车位检测装置的结构示意图;图12所示的多传感器融合的车位检测装置是在图12所示的多传感器融合的车位检测装置的基础上进行优化得到的,在图13中,上述车位确定模块1203包括:
确定子模块1301,用于从融合车位图像中确定车辆所在通行区域对应的参考色块;
选择子模块1302,用于选择目标颜色对应的目标色块,该目标色块对应的灰度值大于阈值,该阈值根据所述参考色块对应的灰度值得到。
进一步的,上述选择子模块1302用于选择目标颜色对应的目标色块的方式具体为:
将融合车位图像转换成灰度图;以及,以阈值为依据,对灰度图进行二值化处理,获得二值化图像,该二值化图像包括白色区域和黑色区域;以及,在融合车位图像中确定白色区域对应的色块,作为目标色块,该白色区域为至少一个可泊车车位。
请参阅图14,图14为本发明实施例三公开的多传感器融合的车位检测装置的结构示意图;图14所示的多传感器融合的车位检测装置是在图12所示的多传感器融合的车位检测装置的基础上进行优化得到的,图14所示的多传感器融合的车位检测装置还包括:生成模块1401和显示模块1402。
其中,上述车位确定模块1203,还用于在以颜色为依据从融合车位图像中选择目标颜色对应的目标色块之后,对目标色块进行图像边缘的信息提取,获得边缘信息;以及,根据边缘特征获得车位信息;以及,根据车位信息从目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
生成模块1401,用于在上述车位确定模块1203根据车位信息从目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,根据车位信息与车辆当前位置,生成泊车运动轨迹指示;
显示模块1402,用于显示泊车运动轨迹指示以引导车辆泊入目标可泊车车位。
通过上述实施方式,针对目标色块进行边缘提取即可得到相关的车位信息,从而决定车辆的最终泊车位置,并提供相应的泊车指示,实现自动泊车引导。
请参阅图15,图15为本发明实施例一公开的车辆的结构示意图;如图15所示,该车辆包括:
图12-14任一项所示的多传感器融合的车位检测装置。
请参阅图16,图16为本发明实施例二公开的车辆的结构示意图;图16所示的车辆可包括:至少一个处理器1610,例如CPU,通信总线1630用于实现这些组件之间的通信连接。存储器1620可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1620可选的还可以是至少一个位于远离前述处理器1610的存储装置。其中,存储器1610中存储一组程序代码,且处理器1610调用存储器1620中存储的程序代码,用于执行以下操作:
获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;上述代价地图、视觉车位地图和超声车位地图分别通过不同的传感器采集数据获得;
融合代价地图、视觉车位地图和超声车位地图,获得融合车位图像,融合车位图像由多种不同颜色的色块组成;
以颜色为依据从融合车位图像中选择目标颜色对应的目标色块,目标色块对应的位置区域为至少一个可泊车车位。
作为一种可选的实施方式,上述处理器1610还用于执行以下步骤:
从融合车位图像中确定车辆所在通行区域对应的参考色块;
选择目标颜色对应的目标色块,目标色块对应的灰度值大于阈值,阈值根据参考色块对应的灰度值得到。
作为一种可选的实施方式,上述处理器1610还用于执行以下步骤:
将融合车位图像转换成灰度图;
以阈值为依据,对灰度图进行二值化处理,获得二值化图像,二值化图像包括白色区域和黑色区域;
在融合车位图像中确定白色区域对应的色块,作为目标色块,白色区域为至少一个可泊车车位。
作为一种可选的实施方式,上述处理器1610还用于执行以下步骤:
以颜色为依据从融合车位图像中选择目标颜色对应的目标色块之后,对目标色块进行图像边缘的信息提取,获得边缘信息;根据边缘特征获得车位信息;根据车位信息从目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
作为一种可选的实施方式,上述处理器1610还用于执行以下步骤:
根据车位信息从目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,根据车位信息与车辆当前位置,生成泊车运动轨迹指示;显示泊车运动轨迹指示以引导车辆泊入目标可泊车车位。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行图1、图2及图11公开的一种多传感器融合的车位检测方法。
本发明实施例还公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1、图2及图11公开的任意一种方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1、图2及图11公开的任意一种方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种多传感器融合的车位检测方法、装置及车辆进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种多传感器融合的车位检测方法,其特征在于,包括:
获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;所述代价地图、所述视觉车位地图和所述超声车位地图分别通过不同的传感器采集数据获得;
融合所述代价地图、所述视觉车位地图和所述超声车位地图,获得融合车位图像,所述融合车位图像由多种不同颜色的色块组成;
从所述融合车位图像中确定所述车辆所在通行区域对应的参考色块;
选择目标颜色对应的目标色块,所述目标色块对应的灰度值大于阈值,所述阈值根据所述参考色块对应的灰度值得到,所述目标色块对应的位置区域为至少一个可泊车车位。
2.根据权利要求1所述的方法,其特征在于,所述选择目标颜色对应的目标色块,包括:
将所述融合车位图像转换成灰度图;
以所述阈值为依据,对所述灰度图进行二值化处理,获得二值化图像,所述二值化图像包括白色区域和黑色区域;
在所述融合车位图像中确定所述白色区域对应的色块,作为所述目标色块,所述白色区域为至少一个可泊车车位。
3.根据权利要求1或2所述的方法,其特征在于,所述选择目标颜色对应的目标色块之后,所述方法还包括:
对所述目标色块进行图像边缘的信息提取,获得边缘信息;
根据所述边缘特征获得车位信息;
根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
4.根据权利要求3所述的方法,其特征在于,所述根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,所述方法还包括:
根据所述车位信息与所述车辆当前位置,生成泊车运动轨迹指示;
显示所述泊车运动轨迹指示以引导所述车辆泊入所述目标可泊车车位。
5.一种多传感器融合的车位检测装置,其特征在于,包括:
地图获取模块,用于获取车辆当前位置下的代价地图、视觉车位地图和超声车位地图;所述代价地图、所述视觉车位地图和所述超声车位地图分别通过不同的传感器采集数据获得;
融合模块,用于融合所述代价地图、所述视觉车位地图和所述超声车位地图,获得融合车位图像,所述融合车位图像由多种不同颜色的色块组成;
车位确定模块,用于以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块,所述目标色块对应的位置区域为至少一个可泊车车位;
所述车位确定模块包括:
确定子模块,用于从所述融合车位图像中确定所述车辆所在通行区域对应的参考色块;
选择子模块,用于选择目标颜色对应的目标色块,所述目标色块对应的灰度值大于阈值,所述阈值根据所述参考色块对应的灰度值得到。
6.根据权利要求5所述的装置,其特征在于,所述选择子模块用于选择目标颜色对应的目标色块的方式具体为:
将所述融合车位图像转换成灰度图;以及,以所述阈值为依据,对所述灰度图进行二值化处理,获得二值化图像,所述二值化图像包括白色区域和黑色区域;以及,在所述融合车位图像中确定所述白色区域对应的色块,作为所述目标色块,所述白色区域为至少一个可泊车车位。
7.根据权利要求5或6所述的装置,其特征在于:
所述车位确定模块,还用于在以颜色为依据从所述融合车位图像中选择目标颜色对应的目标色块之后,对所述目标色块进行图像边缘的信息提取,获得边缘信息;以及,根据所述边缘特征获得车位信息;以及,根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
生成模块,用于在所述车位确定模块根据所述车位信息从所述目标色块所对应的至少一个可泊车车位中选取目标可泊车车位之后,根据所述车位信息与所述车辆当前位置,生成泊车运动轨迹指示;
显示模块,用于显示所述泊车运动轨迹指示以引导所述车辆泊入所述目标可泊车车位。
9.一种车辆,其特征在于,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行权利要求1-4任一项所述的一种多传感器融合的车位检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110358016.XA CN113192356B (zh) | 2021-04-01 | 2021-04-01 | 一种多传感器融合的车位检测方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110358016.XA CN113192356B (zh) | 2021-04-01 | 2021-04-01 | 一种多传感器融合的车位检测方法、装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192356A CN113192356A (zh) | 2021-07-30 |
CN113192356B true CN113192356B (zh) | 2023-01-03 |
Family
ID=76974471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110358016.XA Active CN113192356B (zh) | 2021-04-01 | 2021-04-01 | 一种多传感器融合的车位检测方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192356B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640810A (zh) * | 2021-08-11 | 2021-11-12 | 北京百度网讯科技有限公司 | 空间车位检测方法、设备、存储介质和程序产品 |
CN113920782B (zh) * | 2021-10-08 | 2022-08-09 | 安徽江淮汽车集团股份有限公司 | 应用于车位检测的多传感器融合方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
CN108847044A (zh) * | 2018-06-22 | 2018-11-20 | 安徽尼古拉电子科技有限公司 | 一种基于北斗卫星定位系统的车辆管理系统 |
CN109815279A (zh) * | 2018-12-27 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种公交客流分布热力图的提供方法及装置 |
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN110775052A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 一种基于视觉与超声波感知融合的自动泊车方法 |
CN111402590A (zh) * | 2019-01-03 | 2020-07-10 | 杭州海康威视系统技术有限公司 | 停车引导方法、装置、车载单元、中心服务器以及系统 |
CN112070050A (zh) * | 2020-09-16 | 2020-12-11 | 哈尔滨理工大学 | 一种基于多传感器融合的车位识别方法 |
CN112180373A (zh) * | 2020-09-18 | 2021-01-05 | 纵目科技(上海)股份有限公司 | 一种多传感器融合的智能泊车系统和方法 |
CN112184818A (zh) * | 2020-10-09 | 2021-01-05 | 重庆邮电大学 | 基于视觉的车辆定位方法及应用其方法的停车场管理系统 |
CN112585659A (zh) * | 2020-11-27 | 2021-03-30 | 华为技术有限公司 | 一种导航方法、装置和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129524B2 (en) * | 2012-03-29 | 2015-09-08 | Xerox Corporation | Method of determining parking lot occupancy from digital camera images |
KR102012432B1 (ko) * | 2017-06-16 | 2019-10-21 | 유한회사 한국케이비에프 | 지능형 유도주차 관리 시스템 및 이를 이용한 관리 방법 |
CN108986122B (zh) * | 2018-08-01 | 2021-03-02 | 重庆大学 | 室内泊车引导地图智能重构方法 |
CN109243289B (zh) * | 2018-09-05 | 2021-02-05 | 武汉中海庭数据技术有限公司 | 高精度地图制作中地下车库停车位提取方法及系统 |
CN112466147B (zh) * | 2020-11-18 | 2022-08-30 | 上海汽车集团股份有限公司 | 一种基于多传感器的库位检测方法及相关装置 |
-
2021
- 2021-04-01 CN CN202110358016.XA patent/CN113192356B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
CN108847044A (zh) * | 2018-06-22 | 2018-11-20 | 安徽尼古拉电子科技有限公司 | 一种基于北斗卫星定位系统的车辆管理系统 |
CN109815279A (zh) * | 2018-12-27 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种公交客流分布热力图的提供方法及装置 |
CN111402590A (zh) * | 2019-01-03 | 2020-07-10 | 杭州海康威视系统技术有限公司 | 停车引导方法、装置、车载单元、中心服务器以及系统 |
CN110775052A (zh) * | 2019-08-29 | 2020-02-11 | 浙江零跑科技有限公司 | 一种基于视觉与超声波感知融合的自动泊车方法 |
CN110497901A (zh) * | 2019-08-30 | 2019-11-26 | 的卢技术有限公司 | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 |
CN112070050A (zh) * | 2020-09-16 | 2020-12-11 | 哈尔滨理工大学 | 一种基于多传感器融合的车位识别方法 |
CN112180373A (zh) * | 2020-09-18 | 2021-01-05 | 纵目科技(上海)股份有限公司 | 一种多传感器融合的智能泊车系统和方法 |
CN112184818A (zh) * | 2020-10-09 | 2021-01-05 | 重庆邮电大学 | 基于视觉的车辆定位方法及应用其方法的停车场管理系统 |
CN112585659A (zh) * | 2020-11-27 | 2021-03-30 | 华为技术有限公司 | 一种导航方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113192356A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9123242B2 (en) | Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program | |
CN113192356B (zh) | 一种多传感器融合的车位检测方法、装置及车辆 | |
CN110501018B (zh) | 一种服务于高精度地图生产的交通标志牌信息采集方法 | |
CN103770704A (zh) | 用于识别车辆的停车位标志线的系统和方法 | |
CN109271944A (zh) | 障碍物检测方法、装置、电子设备、车辆及存储介质 | |
CN111179300A (zh) | 障碍物检测的方法、装置、系统、设备以及存储介质 | |
CN108116410A (zh) | 用于控制车辆的速度的方法和设备 | |
CN108473131A (zh) | 停车辅助方法和装置 | |
JP2000357233A (ja) | 物体認識装置 | |
US20190073901A1 (en) | On-street parking map generation | |
KR102359083B1 (ko) | 움직이는 객체 검출 장치 및 방법 | |
EP3859390A1 (en) | Method and system for rendering a representation of an evinronment of a vehicle | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
EP1939585B1 (en) | Object recognizing device | |
US20210237737A1 (en) | Method for Determining a Lane Change Indication of a Vehicle | |
CN110969071A (zh) | 一种基于可行驶区域的障碍物检测方法、装置及系统 | |
CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
JPH05157558A (ja) | 車間距離検出装置 | |
CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 | |
CN112289021A (zh) | 一种交通信号灯的检测方法、装置及自动驾驶汽车 | |
JPH07244717A (ja) | 車両用走行環境認識装置 | |
CN109753982B (zh) | 障碍点检测方法、装置和计算机可读存储介质 | |
CN111126154A (zh) | 路面元素的识别方法、装置、无人驾驶设备和存储介质 | |
CN114863089A (zh) | 自动驾驶感知数据的自动采集方法、装置、介质及设备 | |
CN202600727U (zh) | 侧壁检测装置 |
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 |