CN113340313B - 导航地图参数确定方法及装置 - Google Patents

Abstract

本申请提供一种导航地图参数确定方法及装置，其中方法包括：首先确定调整因子、根据单目摄像机拍摄的停车场的图像和地图数据确定车辆在地图数据中的相对距离后，根据相对距离和调整因子即可确定车辆在停车场的绝对距离。因此，本申请实施例能够在自动泊车的车辆上只设置单目摄像机的情况下，通过单目摄像机采集的图像得到车辆的相对距离后，依然能够结合调整因子，进一步确定车辆的绝对距离，使得车辆在自动泊车过程中以真实的绝对位置准确地对车辆泊入停车位过程中的车辆行驶参数进行调整，进而提高了自动泊车时导航的准确程度，降低了给车辆正常行驶带来的安全隐患。

Description

导航地图参数确定方法及装置

技术领域

本申请涉及深度学习技术领域，尤其涉及一种导航地图参数确定方法及装置。

背景技术

随着深度学习技术以及汽车技术的不断发展，越来越多的车辆都开始具有自动驾驶功能，自动代客泊车(Auto Valet Parking，简称：AVP)作为应用最早、发展最快的一种自动驾驶场景，能够在车辆驶入停车场后，自动为车辆规划导航路线，并控制车辆在停车场内完成行驶、倒车、泊车、避让障碍物等汽车司机应该完成的操作，最终实现车辆的自动泊入停车位。

现有技术中，用于车辆进行自动代课泊车的导航地图通常由地图数据的供应商提供，供应商可以通过地图采集车对停车场内的地图数据进行采集，地图采集车上设置的高精度雷达用于采集点云数据、以及高清晰摄像头用于采集图像数据，所采集的点云数据以及图像数据共同形成停车场的导航地图数据。后续当车辆进入停车场时，可以获取该停车场的导航地图数据，并结合自身的位置计算用于导航的参数以规划停车路线，并实时跟踪路线直至泊入停车位。

现有技术中，由于普通的车辆上并不会配置价格昂贵的高精度雷达，大多只能通过车辆前挡风玻璃内设置的单目摄像头采集图像，而通过单目摄像头得到的图像并没有深度信息，只能够与地图数据进行比较后归一化得到一个相对位置的数值例如“0.822”，此时并不能确定该数值与实际的绝对位置0.822米之间的转换关系。从而在车辆在停车场自动泊车的过程中，由于无法得到真实的用于导航的参数即绝对位置，也就无法按照绝对位置对车辆进行导航，进而无法使车辆泊入停车位的过程中准确地调整车辆的行驶参数，给车辆的正常行驶带来安全隐患。

发明内容

本申请提供一种导航地图参数确定方法及装置，以解决车辆在自动泊车过程中，由于无法确定真实的地图导航参数，导致无法根据完全真实的绝对位置准确地对车辆泊入停车位过程中的车辆行驶参数进行调整，而给车辆的正常行驶带来安全隐患的技术问题。

本申请第一方面提供一种导航地图参数确定方法，用于车辆在停车场自动泊车过程，所述方法包括：确定调整因子；其中，所述调整因子用于表示：由单目摄像机拍摄的图像确定的相对距离，与所述车辆在所述停车场的绝对距离之间的距离转换关系；根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对距离；根据所述相对距离和所述调整因子，确定所述车辆在所述停车场的绝对距离。

在本申请第一方面一实施例中，所述调整因子还用于表示：所述车辆在所述地图数据中的相对空间位置，与车辆在所述停车场中的绝对空间位置之间的空间转换关系；所述空间位置包括：所述车辆所在位置的高度和坡度；

所述方法还包括：根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对空间位置；根据所述相对空间位置和所述调整因子，确定所述车辆在所述停车场的绝对空间位置。

在本申请第一方面一实施例中，所述方法还包括：获取所述停车场当前空闲的目标停车位，以及所述车辆泊入所述目标停车位的绝对行驶轨迹；根据所述绝对距离和所述绝对空间位置，调整所述车辆的行驶参数，使所述车辆按照所述绝对行驶轨迹行驶。

在本申请第一方面一实施例中，所述确定调整因子，包括：从所述停车场的地图数据中获取所述调整因子；其中，所述调整因子由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，将所述图像数据得到的相对位置与所述点云数据得到的绝对位置之间建立对应的转换关系得到。

在本申请第一方面一实施例中，所述调整因子还由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，通过多元非线性拟合回归模型，将所述车辆在所述地图数据中的相对空间位置，与所述车辆在所述停车场中的绝对空间位置之间建立对应的空间转换关系得到。

在本申请第一方面一实施例中，所述确定调整因子，包括：当所述车辆在倒车入库过程中满足预设条件，计算更新所述调整因子；其中，所述预设条件包括：每间隔预设时间、每行驶预设距离，或者，接收到更新所述调整因子的指示信息。

在本申请第一方面一实施例中，所述确定调整因子，包括：根据目标时间段内所述车辆的单目摄像头所采集的图像，以及所述目标时间段内所述车辆的轮速里程计所累计的里程建立对应的转换关系，得到所述调整因子。

在本申请第一方面一实施例中，所述确定调整因子，包括：获取所述目标时间段内n个时刻所述单目摄像头采集的n张图像，以及所述目标时间段内所述轮速里程计所累计的里程，n＞2；通过所述目标时间段内n张图像对应的相对距离计算第一欧式距离，通过所述目标时间段内所述轮速里程计所累计的里程计算第二欧式距离；根据所述第一欧式距离和所述第二欧式距离之比确定所述相对位置和所述绝对位置的距离转换关系，得到所述调整因子。

在本申请第一方面一实施例中，所述地图数据由地图采集车通过SLAM回环检测方式采集制作。

本申请第二方面提供一种导航地图参数确定装置，用于执行本申请第一方面提供的导航地图参数确定方法，该装置包括：第一确定模块，用于确定调整因子；其中，所述调整因子用于表示：由单目摄像机拍摄的图像确定的相对距离，与所述车辆在所述停车场的绝对距离之间的距离转换关系；第二确定模块，根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对距离；第三确定模块，根据所述相对距离和所述调整因子，确定所述车辆在所述停车场的绝对距离。

在本申请第二方面一实施例中，所述调整因子还用于表示：所述车辆在所述地图数据中的相对空间位置，与车辆在所述停车场中的绝对空间位置之间的空间转换关系；所述空间位置包括：所述车辆所在位置的高度和坡度；

所述第二确定模块还用于，根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对空间位置；

所述第三确定模块还用于，根据所述相对空间位置和所述调整因子，确定所述车辆在所述停车场的绝对空间位置。

在本申请第二方面一实施例中，还包括：

获取模块，用于获取所述停车场当前空闲的目标停车位，以及所述车辆泊入所述目标停车位的绝对行驶轨迹；

导航模块，用于，根据所述绝对距离和所述绝对空间位置，调整所述车辆的行驶参数，使所述车辆按照所述绝对行驶轨迹行驶。

在本申请第二方面一实施例中，所述第一确定模块具体用于，从所述停车场的地图数据中获取所述调整因子；其中，所述调整因子由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，将所述图像数据得到的相对位置与所述点云数据得到的绝对位置之间建立对应的转换关系得到。

在本申请第二方面一实施例中，所述调整因子还由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，通过多元非线性拟合回归模型，将所述车辆在所述地图数据中的相对空间位置，与所述车辆在所述停车场中的绝对空间位置之间建立对应的空间转换关系得到。

在本申请第二方面一实施例中，所述第一确定模块具体用于，当所述车辆在倒车入库过程中满足预设条件，计算更新所述调整因子；其中，所述预设条件包括：每间隔预设时间、每行驶预设距离，或者，接收到更新所述调整因子的指示信息。

在本申请第二方面一实施例中，所述第一确定模块具体用于，根据目标时间段内所述车辆的单目摄像头所采集的图像，以及所述目标时间段内所述车辆的轮速里程计所累计的里程建立对应的转换关系，得到所述调整因子。

在本申请第二方面一实施例中，所述第一确定模块具体用于，获取所述目标时间段内n个时刻所述单目摄像头采集的n张图像，以及所述目标时间段内所述轮速里程计所累计的里程，n＞2；通过所述目标时间段内n张图像对应的相对距离计算第一欧式距离，通过所述目标时间段内所述轮速里程计所累计的里程计算第二欧式距离；根据所述第一欧式距离和所述第二欧式距离之比确定所述相对位置和所述绝对位置的距离转换关系，得到所述调整因子。

在本申请第二方面一实施例中，所述地图数据由地图采集车通过SLAM回环检测方式采集制作。

本申请第三方面提供一种导航地图参数确定装置，包括处理器和存储器，所述存储器中存储有指令，处理器调用所述指令时，使所述装置执行如本申请第一方面所述的方法。

本申请第四方面提供一种计算机可读存储介质，所述存储介质存储有计算机程序，当所述计算机程序在计算机上运行时，使所述计算机执行如前述第一方面所述的方法。

综上，本申请提供一种导航地图参数确定方法及装置，其中方法包括：首先确定调整因子、根据单目摄像机拍摄的停车场的图像和地图数据确定车辆在地图数据中的相对距离后，根据相对距离和调整因子即可确定车辆在停车场的绝对距离。因此，本申请实施例能够在自动泊车的车辆上只设置单目摄像机的情况下，通过单目摄像机采集的图像得到车辆的相对距离后，依然能够结合调整因子，进一步确定车辆的绝对距离，使得车辆在自动泊车过程中以真实的绝对位置准确地对车辆泊入停车位过程中的车辆行驶参数进行调整，进而提高了自动泊车时导航的准确程度，降低了给车辆正常行驶带来的安全隐患。

附图说明

为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请所应用场景的结构示意图；

图2为一种停车场定位导航地图生成示意图；

图3为图2所示的采集车辆上设置的摄像机安装结构示意图；

图4为一种停车场地图的示意图；

图5为车辆泊入停车位的路线示意图；

图6为本申请提供的导航地图参数确定方法实施例一的流程示意图；

图7为本申请提供的导航地图参数确定方法实施例二的流程示意图；

图8为处理前后地图数据的示意图；

图9为本申请提供的导航地图参数确定方法实施例三的流程示意图；

图10为本申请提供的导航地图数据参数确定处理方法实施例四的流程示意图；

图11为本申请提供的车辆分阶段示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，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。

在正式介绍本申请实施例之前，先结合附图，对本申请所应用的场景，以及现有技术中存在的问题进行说明。

图1为本申请所应用场景的结构示意图，其中，本申请应用在自动代客泊车(AutoValet Parking，简称：AVP)场景中，当车辆1驶入停车场后，车辆内部自动驾驶模块12可以获取停车场用于导航的地图数据，结合车辆1挡风玻璃内设置的前置摄像机11，确定车辆1的导航参数例如当前所在的位置A，并确定当前可以停车的车位B后，为车辆1规划导航路线。随后，自动驾驶模块12控制车辆A在停车场内完成停车场内行驶、倒车、泊车、避让障碍物等汽车司机应该完成的操作，最终实现自动泊车。由于停车场内环境的相对稳定且车辆要求行驶的速度较低，所以自动泊车是应用最早、发展最快的一种自动驾驶场景。

在如图1所示的自动驾驶场景中，自动驾驶模块12所获取的停车场地图数据可以是车辆驶入停车场后实时获取的，或者也可以是预置在车机里的。而为了生成停车场的定位导航地图，需要地图供应商提前对停车场的地图数据进行采集。例如，图2为一种停车场定位导航地图生成示意图，其中，定位导航地图采集车2上至少设置有一颗摄像机21以及雷达22，当地图采集车2在停车场内的A点出发，按照图中的环状路线绕行停车场后，地图采集车2中的处理设备23可以根据摄像机21采集的图像数据，结合雷达22采集的点云数据，生成停车场的地图数据，该地图数据可以在后续经过工作人员的进一步处理后发布给其他如图1所示的车辆1在自动泊车时进行使用。

特别地，在图2所示的地图采集过程中，地图采集车2的处理器设备23能够基于同步定位与建图(simultaneous localization and mapping，简称：SLAM)技术对摄像机21所采集的图像生成定位导航的地图，而当地图采集车2基于闭环路径行驶时，处理模块能够通过识别曾经到达过的场景，并将新的图像与之前的图像进行匹配，实现回环检测，可以显著地减小累积误差，从而提高所得到的图像数据生成地图的准确性。根据地图采集车采集到的连续的图像序列，通过视觉SLAM技术生成地图并保存。

然而，在上述自动泊车的场景中，由于采集地图数据的车辆2和实际使用地图数据的车辆1不是一个车辆，而车辆1上通常不会设置精度较高的雷达等设备，只是通过前置的单目摄像机确定当前位置，并进行导航，这样可能会导致如下的技术问题。

问题一

车辆1上设置的前置单目摄像机在采集图像时，由于其单目拍摄的局限性，通过单目摄像头得到的图像并没有深度信息，只能够与地图数据进行比较后归一化得到一个相对位置的数值例如“0.822”，此时并不能确定该数值与实际的绝对位置0.822米之间的转换关系。而由于单目摄像头确定的地图数据的相对位置缺乏绝对尺度信息不能转换成车辆真实的绝对位置，会导致采集的图像数据不能真实地反应当前车辆所在的位置，进而无法使车辆泊入停车位的过程中准确地调整车辆的行驶参数，从而降低自动泊车时的准确度，给车辆的正常行驶带来安全隐患。

问题二

图3为图2所示的采集车辆上设置的摄像机安装结构示意图，如图3所示，当摄像机21在采集车辆上安装完毕后，在标准的安装方式中，摄像机的成像光轴应该对准图中箭头a所示的平行于地面的方向。但是，由于安装误差以及摄像机本身的制作误差，摄像机实际安装在采集车辆上时，其成像光轴可能向下偏移∠α，指向图中箭头b所示方向；或者还可能向上偏移∠β，指向图中箭头c所示方向。即使是很细小的角度偏移，都会造成根据摄像机21所采集的图像数据生成的地图坐标系与实际的地面坐标系之间呈现一定的夹角，不仅影响了通过地图数据定位车辆的位置的准确性而且还会影响通过地图计算车辆角度的准确性，这样造成后续车辆在使用错误的地图数据进行泊车时，不能按照准确的路径行驶，带来安全隐患。

问题三

在一些实际情况中，车辆还需要在地下停车场或者地上多层停车场进行自动泊车，车辆在这些停车场进行自动泊车的过程中，需要经过上坡或者下坡的路段后，才能够抵达停车位。例如，图4为一种停车场地图的示意图，以地下一层的停车场为例，车辆需要从一层的入口E点处首先下坡至地下一层的C点处之后，再进一步根据停车场内的地图数据导航至停车位。而由于这一段道路中包括了跨层的入口通道E-C，使得地图数据采集车在针对地下负一层的停车场制作地图数据时，不能实现对负一层整层的回环检测，影响地图数据在入口通道E-C处的准确性。例如，车辆在E-C这一段通道内行驶时，仅仅根据车辆单目摄像头采集的图像只能够确定相对距离，而无法确定当前车辆所在的坡度，也就无法对车辆进行加减速等行驶参数的调整，除了会降低自动泊车时的准确度，同样会进一步对车辆以及其他车辆的正常行驶带来安全隐患。

问题四

图5为车辆泊入停车位的路线示意图，对于自动泊车的车辆来说，若需要停入停车位B中，则从起始点A开始，行驶到F点时，就需要开始准备倒车动作，最终从F点倒车泊入停车位B内。由于地图采集车在采集地图数据时，通常不会采集每个停车位的倒车入库过程的地图数据，而只是如图2所示的地图中，在停车场内主干道上进行基于SLAM技术的回环检测。因此，车辆在自动泊车过程中，F点到B点的倒车过程需要该车辆根据当前摄像机采集到的图像，实时对车辆的行驶参数进行调整，这项技术又可被称为“视觉里程计”。但是，由于前置的摄像机单目采集的图像一旦造成误差，视觉里程计会不断累积这种误差，最终影响车辆驶入车位的路线的准确度，进而带来安全隐患。

综上，现有的自动泊车技术中，至少存在上述四个技术问题，为了解决上述问题，本申请提供一种导航地图参数确定方法，其中，首先确定调整因子、根据单目摄像机拍摄的停车场的图像和地图数据确定车辆在地图数据中的相对距离后，根据相对距离和调整因子即可确定车辆在停车场的绝对距离。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

实施例一

本申请实施例一提出一种导航地图参数确定方法，应用于对车辆进行自动泊车过程中。通过采集车事先采集和制作地下停车场的地图数据，再将地图数据分发或预装给进入停车场的车辆，进入停车场的车辆根据地图数据和云端规划的导航路线进行定位和导航，实现自主巡航和自动泊车的功能。本实施例的执行主体可以是自动泊车的车辆中用于自动泊车的电子设备，所述电子设备可以是手机、平板电脑等，或者可以是专门设置的自动驾驶装置；或者，本实施例的执行主体还可以是上述电子设备中的CPU、GPU等处理模块。

图6为本申请提供的导航地图参数确定方法实施例一的流程示意图，如图6所示的方法包括：

S101：确定调整因子，其中，调整因子用于表示由单目摄像机拍摄的图像确定的相对距离，与车辆在停车场的绝对距离之间的距离转换关系。

具体地，当作为本实施例执行主体的电子设备在对所在车辆进行自动泊车时，会不断根据车辆上设置的前置单目摄像机采集车辆前方的图像序列，并结合当前所在停车场的地图数据，确定车辆当前所在的位置，以对车辆进行连续的导航，直至车辆停靠在停车位上。而由于前述问题一中记载，大部分车辆上设置的摄像机都为单目摄像机，所采集的图像并没有绝对的尺度，在导航时只能够根据采集的图像结合地图数据，确定摄像机(即车辆)相对于地图数据中物体的相对距离，因此本实施例考虑进一步提供调整因子，用于将单目摄像机所得到的图像中的相对距离转换为绝对距离。

示例性地，假设若根据单目摄像机采集的图像结合地图数据，能够确定车辆距离前方目标物体的相对距离为1，并假设尺度因子为10m。则当确定相对距离后，可以将相对距离1与尺度因子10m相乘后，得到的乘积10m即为车辆距离前方目标物体的绝对距离也即真实距离。

可选地，所述调整因子可以是提前预置的，与车辆所在的停车场有关。例如，当车辆驶入停车场后，即可获取该停车场的地图数据，而所述地图数据中包括调整因子。

可选地，所述调整因子可以是如图2所示的地图采集车在采集停车场的地图数据时得到的。其中，地图采集车可以同时设置激光雷达以及摄像机，并将激光雷达与视觉转换器刚性连接后，地图采集车在停车场通过回环形状的路径进行回环检测。在检测过程中，或者在检测得到图像数据和雷达点云数据后，可以将摄像机采集的图像数据通过SLAM构建视觉地图，并根据视觉地图计算带有时间戳的轨迹信息；还可以将雷达采集的点云数据通过SLAM计算带有时间戳的轨迹信息。将上述两种数据得到的轨迹信息对比之后，由于雷达数据中包括真实的尺度，因此可以对齐建立图像数据得到的相对距离与停车场的点云数据得到的绝对距离之间建立对应的转换关系，并通过该对应的转换关系进一步得到调整因子。例如，记地图数据得到的位置坐标点x与对应于x中的雷达数据得到的位置点y，可以构建一个方程tr(x)＝s*r*x+t(s，r，t表示尺度缩放、旋转矩阵和平移向量)，通过将线性映射tr与y满足最小二乘来求解s，r，t，输出s，r，t，即实现对绝对距离s的估计，将保证的地图与尺度结合使用作为该路径的地图。

S102：根据单目摄像机拍摄的停车场的图像，和停车场的地图数据，确定车辆在地图数据中的相对距离。

随后，在S102中，作为执行主体的电子设备进一步根据车辆设置的单目摄像机拍摄的停车场的图像，与停车场的地图数据包含类似特征进行匹配，确定车辆在地图数据中的相对距离。所述相对距离可以是将图像中的关键物体特征(例如指示牌)与地图数据中的关键物体特征进行比较后得到。

可选地，在执行S102时，电子设备已经获取了车辆所在停车场的地图数据，本实施例对具体的获取方式不做限定。可以是提前预置的，也可以是车辆行驶到停车场后，接收停车场内通信装置所发送的。

S103：根据所述相对距离和调整因子，确定车辆在停车场的绝对距离。

最终，在S103中，电子设备将S102中的相对距离结合S101中所确定的调整因子，对相对距离进行调整，最终得到能够反映车辆实际位置信息的绝对距离也即车辆在停车场内的真实距离，作为本实施例中所确定的用于导航的参数。

可选地，在S103得到导航参数绝对距离之后，电子设备可以根据S103中所确定的车辆的绝对距离，根据导航参数对车辆进行导航，控制车辆进行自动泊车。可以理解的是，车辆在自动泊车的过程中，会不断地执行上述步骤中通过摄像机采集图像，并结合调整因子得到实时的实际位置的步骤，从而实现对车辆在自动泊车过程中的连续跟踪导航。

例如，在S103之后，作为执行主体的电子设备可以获取停车场当前空闲的目标停车位，以及车辆泊入该目标停车位的绝对行驶轨迹后，根据S103中确定的绝对距离，调整车辆的行驶参数对车辆进行导航，使得车辆按照上述绝对行驶轨迹行驶，最终控制车辆泊入目标停车位。可选地，停车场内可以设置专门的设备，对停车场的空闲停车位以及行驶轨迹进行统计与规划，例如，停车场内的设备确定当前空闲的目标停车位，并对驶入停车场的车辆规划泊入目标停车位的绝对行驶轨迹后，将绝对行驶轨迹发送至车辆上的电子设备。则车辆上的电子设备可以根据绝对行驶轨迹控制车辆进行自动泊车，而由于绝对行驶轨迹属于绝对距离，因此车辆需要通过上述步骤根据相对距离确定绝对距离，并以绝对距离为准，控制车辆按照绝对行驶轨迹行驶。例如，绝对行驶轨迹通过停车场的坐标可表示为(1,1)、(2,2)、(3,3)……，而若当前车辆所在停车场中的绝对距离为(1.5,1)，说明车辆偏移了轨迹，则电子设备需要控制车辆重新回到(1,1)处，并继续朝向(2,2)、(3,3)……的方向行驶。

可选地，在S101之后，本申请实施例还可以应用于车辆在获取地图数据后，使用调整因子以及地图数据对相对距离进行转换为绝对距离，从而进行更加精准的重定位，实现当前车辆的绝对的距离与地图数据之间的匹配。

综上，本实施例提供的导航地图参数确定方法，在自动泊车的车辆上只设置单目摄像机的情况下，通过单目摄像机采集的图像得到车辆的相对距离后，依然能够结合调整因子，进一步确定车辆的绝对距离，使得车辆在自动泊车过程中，对车辆进行导航时，以真实的绝对位置准确地对车辆泊入停车位过程中的车辆行驶参数进行调整，进而提高了自动泊车时导航的准确程度，降低了给车辆正常行驶带来的安全隐患。

实施例二

本申请实施例二提出一种导航地图参数确定方法，应用于对如图2所示的地图采集车通过设置的摄像机采集得到地图数据后，在后期制作地图数据时，对地图数据进行的进一步处理，本实施例的执行主体可以是具有相关数据处理能力的电子设备，所述电子设备可以是手机、平板电脑、笔记本电脑、台式电脑或者服务器等。

图7为本申请提供的导航地图参数确定方法实施例二的流程示意图，如图7所示的方法包括：

S201：获取目标停车场的第一地图数据。

具体地，作为本实施例执行主体的电子设备在对地图数据进行处理时，首先获取地图采集车所采集的目标停车场的地图数据，记为第一地图数据。

可选地，本实施例对获取第一地图数据的来源不做限定，电子设备可以设置在地图采集车内，地图采集车得到第一地图数据后，即可发送至电子设备；或者，电子设备还可以是后台服务器，则地图采集车通过通信网络将第一地图数据发送至电子设备；又或者，电子设备还可以接收工作人员通过输入设备输入或选择的地图数据作为所述第一地图数据。

S202：确定第一地图数据的法向量，以及该法向量与地面法向量之间的角度。

具体地，由于如图3所示的地图采集车上安装的摄像机位置偏差，使得根据摄像机采集的图像数据得到的地图数据存在一定的偏差。例如，图8为处理前后地图数据的示意图，其中虚线的S1为地图采集车所采集的第一地图数据，若以X-Y轴为地面建立坐标系，垂直于地面坐标系的法向量为Z轴。则第一地图数据S1与图中地面坐标系X-Y并不平行，而是存在一定的角度，并且第一地图数据S1从其起点A开始，存在的角度会进一步累加并增大。

因此，在S202中，需要根据S201中确定的第一地图数据的法向量L1，并与地面坐标系的地面法向量L2相比，确定二者之间的夹角，例如5度。

S203：根据S202中确定的角度对第一地图数据进行旋转，得到第二地图数据。所得到的第二地图数据用于后续车辆在所述目标停车场内进行自动泊车。

最终，如图8所示，可以将图中的第一地图数据S1以起点为圆心，旋转S202中所确定的夹角例如5度后，得到修正后的第二地图数据S2。由图8中可以看出，经过旋转修正后的第二地图数据S2与地面坐标系X-Y平行，且与地面法向量垂直，该第二地图数据与第一地图数据相比更加精确。

可以理解的是，经过本实施例得到的第二地图数据更加贴近与真实道路情况，后续有车辆进入该目标停车场后，可以获取第二地图数据，并根据第二地图数据进行后续自动泊车的导航路线设置、路径规划的处理时，由于第二地图数据与第一地图数据相比能够提供更加精确的位置参考，车辆能够在泊车时按照更加准确的路径行驶，从而提高了自动泊车时导航的准确程度，降低了问题二中，因地图采集设备安装误差给地图数据造成的偏差而带来的安全隐患。

实施例三

本申请实施例三提出一种导航地图参数确定方法，应用于对车辆进行自动泊车过程中根据地图数据得到导航路线时，对地图数据进行的处理。本实施例的执行主体可以是自动泊车的车辆中用于自动泊车的电子设备，所述电子设备可以是手机、平板电脑等，或者可以是专门设置的自动驾驶装置；或者，本实施例的执行主体还可以是上述电子设备中的CPU、GPU等处理模块。

图9为本申请提供的导航地图参数确定方法实施例三的流程示意图，如图9所示的方法包括：

S301：确定调整因子，所述调整因子用于表示：车辆在地图数据中的相对空间位置，与车辆在停车场中的绝对空间位置之间的空间转换关系。其中，空间位置至少包括：车辆所在位置的高度和坡度。

具体地，本实施例针对车辆在停车场进行自动泊车过程中，经过类似如图4所示的E-C之间的上坡或者下坡道路时，基于车辆上设置的前置单目摄像机采集的图像总保持与车平行的状态，而无法真实地反应当前车辆所在的真实空间位置，例如所在的高度、坡度等。因此，本实施例中考虑进一步提供一个调整因子，以一种映射关系的方式来表示车辆在地图数据中的相对空间位置、车辆在停车场中的绝对控件位置之间的控件转换关系，使得车辆根据车辆单目摄像头采集的图像，结合调整因子，确定车辆当前的空间位置。

示例性地，本实施例中的所述调整因子可以是如图4所示E-C路段上的指示牌在车辆前置摄像头采集的图像中得到的相对空间位置，与车辆所在的当前绝对控件位置(包括：高度、坡度)的对应关系。则车辆根据单目摄像机采集到实时图像后，即可根据图像中指示牌的位置确定车辆的相对空间位置后，通过调整因子进一步确定当前车辆所在的绝对空间位置。

可选地，本实施例中的调整因子与本申请实施例一中的调整因子可以是同一个，或者是不同的两个，例如，可以用一个调整因子同时表示“相对距离-相对空间位置-绝对距离-绝对空间位置”，或者，可以用一个调整因子表示“相对距离-绝对距离”，并用另一个调整因子表示“相对空间位置-绝对空间位置”，本申请对此不做限定。

可选地，所述调整因子可以是提前预置的，与车辆所在的停车场有关，例如，当车辆驶入停车场后，即可获取该停车场的地图数据，而所述地图数据中包括所述调整因子。

可选地，所述调整因子可以是如图2所示的地图采集车在采集停车场数据时得到的，其中，地图采集车可以同时设置激光雷达以及摄像机，并将激光雷达与视觉转换器刚性连接后，地图采集车在停车场中的上坡、下坡路段进行检测。在检测过程中，或者在检测得到图像数据和雷达点云数据后，可以将摄像机采集的图像数据通过SLAM构建视觉地图，并根据视觉地图计算带有时间戳的轨迹信息；还可以将雷达采集的点云数据通过SLAM计算带有时间戳的轨迹信息。将上述两种数据得到的轨迹信息对比之后，由于雷达数据中包括当前的空间位置，因此可以对齐建立图像数据得到的相对空间位置与停车场的点云数据得到的绝对空间位置之间建立对应的空间转换关系，并通过该对应的转换关系进一步得到调整因子。

示例性地，所述调整因子可以是在无回环的曲面如图4所示E-C路段上，通过通道的视觉和激光联合建图的轨迹，将激光轨迹作为真值Y，视觉轨迹作为变量X，通过拟合回归出一对一的调整因子，该调整因子可以具体通过位置映射关系Y＝F(X)表示。当通过地图导航定位时，新的X’通过映射函数F估计出其对应的空间位置Y’。更为具体地，调整因子可以具体通过多元非线性拟合回归模型，在得到由地图采集车采集的停车场的图像数据，进而得到停车场内不同的相对空间位置(x，y，h)，并在得到停车场的点云数据，进而得到停车场不同的绝对空间位置(X，Y，H)后，将每个相对空间位置和绝对空间位置都代入该多元非线性拟合回归模型X＝Ax²+By²+Cxy+Dx+Ey+F，Y＝Gx²+Hy²+Ixy+Jx+Ky+L，H＝Mx²+Ny²+Oxy+Px+Qy+R；并根据所有多元等式联立求解公式中的参数，得到A-R的定值。从而建立相对空间位置与绝对空间位置之间的空间转换关系。则在此之后，每当确定车辆的相对空间位置(x’，y’，h’)后，都可以将x’，y’和h’代入上述多元非线性拟合回归模型中，得到对应的绝对空间位置(X’，Y’，H’)。需要说明的是，本实施例采用一种二维的多元非线性拟合回归模型，本申请对多元非线性拟合回归模型的具体选择与实现不做限定，可参照现有技术。

综上，本实施例确定调整因子的方式针对车库入口、出口通道路径无回环优化问题，采用基于多元非线性拟合回归模型建立的位置空间映射，实现将存在较大误差的视觉定位得到的相对空间位置通过调整因子转换到绝对空间位置。

S302：根据单目摄像机拍摄的停车场的图像和停车场的地图数据，确定车辆在地图数据中的相对空间位置。

具体地，在S302中，作为执行主体的电子设备进一步根据车辆设置的单目摄像机拍摄的停车场图像，与停车场的地图数据共同确定车辆所在地图数据中的相对空间位置。所述相对空间位置可以通过将图像中的关键物体(例如指示牌)与地图数据中的关键物体进行比较后得到。

可选地，在执行S302时，电子设备已经获取了车辆所在停车场的地图数据，本实施例对具体的获取方式不做限定。可以是提前预置的，也可以是车辆行驶到停车场后，接收停车场内通信装置所发送的。

S303：根据相对空间位置和调整因子，确定车辆在停车场中所在的绝对空间位置。

最终，在S303中，电子设备将S202中确定的相对空间位置，结合映射关系，进一步确定当前车辆所在的绝对空间位置，得到车辆当前所在的高度、坡度等数据，作为本实施例中所确定的用于导航的参数，从而能够对车辆的速度进行控制与调整，使得车辆平稳经过上坡或下坡路段。

可选地，在S303得到导航参数绝对空间位置之后，电子设备可以根据S303中所确定的车辆的绝对空间位置，根据导航参数对车辆进行导航，控制车辆进行自动泊车。可以理解的是，车辆在自动泊车过程中经过坡道时，会不断地执行上述步骤中通过摄像机采集图像，并结合映射关系确定实际位置的步骤，从而实现对车辆在坡道的连续跟踪导航。

例如，在S303之后，作为执行主体的电子设备可以获取停车场当前空闲的目标停车位，以及车辆泊入该目标停车位的绝对行驶轨迹后，根据S103中确定的绝对距离，调整车辆的行驶参数对车辆进行导航，使得车辆按照上述绝对行驶轨迹行驶，最终控制车辆泊入目标停车位。可选地，停车场内可以设置专门的设备，对停车场的空闲停车位以及行驶轨迹进行统计与规划，例如，停车场内的设备确定当前空闲的目标停车位，并对驶入停车场的车辆规划泊入目标停车位的绝对行驶轨迹后，将绝对行驶轨迹发送至车辆上的电子设备。则车辆上的电子设备可以根据绝对行驶轨迹控制车辆进行自动泊车，而由于绝对行驶轨迹属于绝对距离，因此车辆需要通过上述步骤根据相对空间位置确定绝对空间位置，并以绝对空间位置为准，控制车辆按照绝对行驶轨迹进行行驶。例如，绝对行驶轨迹通过停车场的坐标可表示为(1,1,0.1)、(2,2,0.2)、(3,3,0.3)……，可以看出，对于高度从0.1-0.2-0.3处于增加的过程，则若当前车辆所在停车场中的绝对距离为(1,1,0.1)，说明车辆即将向上坡路段行驶，则电子设备需要控制车辆加速通过后续(2,2,0.2)、(3,3,0.3)的上坡路段。可以理解的是，电子设备可以同时根据实施例一中确定的绝对距离和实施例三中确定的绝对空间位置，调整车辆的行驶参数，使得车辆按照绝对行驶轨迹行驶。

可选地，当停车场的坡道包括左右两条车道时，本实施例中所述的映射关系还可以是同一个坡道内的两条车道分别对应的调整因子。具体地，针对双车道，为了避免F函数的过拟合，可选的通过视觉地图与激光SLAM一起生成包含左右两条车到的数据进行拟合回归。当然针对单道也可在固定的地图内通过生成的地图获取靠近车道左侧和靠近车道右侧的轨迹来拟合回归，这样可以有效避免过拟合造成视觉重定位精度下降。

综上，本实施例提供的导航地图参数确定方法，使得自动泊车的车辆经过上坡或下坡道路时，通过单目摄像机采集的图像得到车辆的相对空间位置后，依然能够结合调整因子，进一步确定车辆的绝对空间位置，从而提高了自动泊车时对车辆进行导航的准确程度，降低了问题三中，因单目摄像机对绝对空间位置反应不准而带来的安全隐患。

实施例四

本申请实施例四提出一种导航地图参数确定方法，应用于对车辆进行自动泊车过程中根据地图数据得到导航路线时，对地图数据进行的处理。本实施例的执行主体可以是自动泊车的车辆中用于自动泊车的电子设备，所述电子设备可以是手机、平板电脑等，或者可以是专门设置的自动驾驶装置；或者，本实施例的执行主体还可以是上述电子设备中的CPU、GPU等处理模块。

具体地，本实施例在上述实施例一和实施例三的基础上，S101以及S103中在确定调整因子时，由于地图采集车在采集地图数据时，通常不会采集每个停车位的倒车入库过程的地图数据，因此一旦当车辆在倒车入库过程中，需要自行确定当前相对位置与绝对位置之间的关系即调整因子。而由于不论是通过前置的单目摄像机采集的图像，还是车辆内部设置的轮速里程计，在一定时间或者一定距离的行驶后，都会累计一定的误差，并且随着时间的推移误差累计越来越大。

因此，本实施例中，当车辆在倒车入库过程中，作为执行主体的电子设备在确定调整因子时，一旦满足预设条件，就重新计算一次调整因子，实现调整因子的不断更新，防止误差的累计。可选地，所述预设条件可以是每间隔预设时间计算调整因子、车辆每行驶预设距离后计算调整因子，或者，可以在接收到用户或者车辆系统发送的更新调整因子的指示信息后计算调整因子。

更为具体地，图10为本申请提供的导航地图参数确定方法实施例四的流程示意图，如图10所示的方法提供了一种根据单目摄像头所采集的视觉图像，结合车辆的轮速里程计所累计的里程数据，共同计算调整因子的方法，该方法包括：

S401：获取单目摄像机在目标时间段内n个时刻采集的n张图像，以及在该目标时间段内车辆的轮速里程计所累计的里程，n＞2。

具体地，本实施例针对车辆在停车场进行自动泊车时，当抵达如图5所示的位置F后，泊入停车位B的过程。由于如图2所示的地图采集车在采集停车场的地图数据时，通常通过在停车场的主干道上绕行的方式进行回环检测，而不会对具体泊入每个停车位的路径进行检测，因此车辆在从F点泊入停车位B的过程中，如果仅依靠采集的地图数据，无法准确地确定当前所在的位置。甚至在地图采集车没有采集倒车入库过程该处地图数据的情况下，也无法通过本申请实施例一的调整因子来确定绝对距离。

因此，本申请考虑在图中F点到B点过程中的距离在3米左右，而在平面内车辆短距离运动时，车辆的轮速里程计得到的车辆轮速误差较小。故可以通过车辆的轮速，来对摄像头采集的图像中的相对位置进行修复，从而得到车辆真实的位置信息。同时，由于在泊入停车位的过程中，轮速一直处于变化状态，因此本申请具体通过分阶段的方式，根据前一阶段的轮速得到的调整因子，用于下一阶段的计算。

示例性地，图11为本申请提供的车辆分阶段示意图，其中记车辆从图中a处泊入停车位h处之间，无地图数据参考，需要通过轮速里程计累计的里程调整其相对位置。则在S101中，车辆在从a点倒入b点的过程中，获取车辆在这个过程中n个时刻的轮速里程计累计的里程，以及获取车辆摄像头采集的该相同n个时刻内采集的图像数据，n个图像数据对应n个相对位置。

可选地，如图11所示的示例可以应用在如图5中的停车场，则主干道上F点在地图中的位置，在倒车入库刚启动时，记录图5中点F的位置，又已知倒车入库刚启动时图11中a点的位置，即图11中a点的位置和图5中点F的位置为同一个位置。在倒车入库过程中，通过递推关系，依次得到abcdefgh的位置，根据a点与F点为同一个点，也就知道了abcdefgh在地图中的位置，实现了倒车入库的过程的定位与地图位置的连续性，无位置偏差的输出。

S4021：根据目标时间段内n张图像对应的相对距离计算第一欧式距离，并通过目标时间段内轮速里程计累计的里程计算第二欧式距离。

S4022：根据第一欧式距离与第二欧式距离之比确定相对位置和绝对位置的距离转换关系，得到调整因子。

具体地，可以将S401中所获取的n个轮速在2维空间内的欧式距离，与图n个图像数据在3维空间内的欧式距离之比，作为调整因子。

进一步地，根据上述S401-S4022确定调整因子之后，所述方法还包括：

S403：获取n+1时刻的图像，并根据所述图像确定车辆所在的相对位置。

具体地，对于图11中的车辆，当经过图中a-b点所采集的n个时刻的轮速以及图像计算得到调整因子之后，在n+1时刻，车辆行驶到b-c点的过程中，可以实时获取当前摄像机所采集的图像，随后，通过图像确定车辆所在的相对位置。所述相对位置可以通过将图像中的关键物体特征(例如指示牌)与地图数据中的关键物体特征进行比较后得到，即为“视觉里程计”的方法得到。

可选地，在执行S403时，电子设备已经获取了车辆所在停车场的地图数据，本实施例对具体的获取方式不做限定。可以是提前预置的，也可以是车辆接收停车场内通信装置所发送的。

S404：根据S403中获取的相对位置，以及S4022中确定的调整因子，确定车辆所在的绝对位置。

最终，在S404中，电子设备将S403中确定的相对位置，结合S402中计算得到的调整因子，对相对位置进行调整，最终得到能够车辆的绝对位置信息，作为本实施例中所确定的用于导航的参数。

可以理解的是，车辆在如图11中所示的b-c过程中，都会执行如上述步骤中通过摄像机采集图像，并结合调整因子实时得到实际位置的步骤。在随后的c-d过程中，则会再次执行上述S401-S404的步骤，计算新的调整因子，并在d-e的过程中使用；而车辆在c-d之间时，由于正在计算新的调整因子，依然可以采用a-b之间所确定的调整因子。同样地，在e-f过程中，计算的新的调整因子，可以在f-g的过程中使用。最终，实现车辆从a-h点全过程中对车辆的连续跟踪导航。

可选地，在本实施例中，若车辆具有后置摄像头，则车辆在a-h泊入停车位的过程中，可以通过后置摄像头俯视测距的方式，结合车库边缘线的识别，实现后视摄像机估计车辆到车库的相对位置，该相对位置同样可以根据一个调整因子调整为真实尺度。

综上，本实施例提供的导航地图参数确定方法，在自动泊车的车辆泊车入库的场景下，当车辆只设置单目摄像机且泊入路径无地图数据时，可以通过轮速结合当前摄像机采集的图像确定调整因子，并使用该调整因子调整图像中相对尺度，从而依然能够确定车辆的绝对位置。由于本申请基于短时间内轮速的里程计误差小，避免了长时间下长距离运动的轮速里程计的误差累积，从而提高了自动泊车时导航的准确程度，降低了问题四中，因单目摄像机对实际位置反应不准确而带来的安全隐患。

上述本申请提供的实施例中对本申请实施例提供的方法进行了介绍。为了实现上述本申请实施例提供的方法中的各功能，作为执行主体的电子设备可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。

例如，本申请还提供一种导航地图参数确定装置，用于执行本申请前述任一实施例所述的地图处理装置，例如，导航地图参数确定装置包括：第一确定模块，用于确定调整因子；其中，调整因子用于表示：由单目摄像机拍摄的图像确定的相对距离，与车辆在停车场的绝对距离之间的距离转换关系；第二确定模块，根据单目摄像机拍摄的停车场的图像和停车场的地图数据，确定车辆在地图数据中的相对距离；第三确定模块，根据相对距离和调整因子，确定车辆在停车场的绝对距离。

可选地，调整因子还用于表示：车辆在地图数据中的相对空间位置，与车辆在停车场中的绝对空间位置之间的空间转换关系；空间位置包括：车辆所在位置的高度和坡度；

第二确定模块还用于，根据单目摄像机拍摄的停车场的图像和停车场的地图数据，确定车辆在地图数据中的相对空间位置；

第三确定模块还用于，根据相对空间位置和调整因子，确定车辆在停车场的绝对空间位置。

可选地，所述导航地图参数确定装置还包括：

获取模块，用于获取停车场当前空闲的目标停车位，以及车辆泊入目标停车位的绝对行驶轨迹；

导航模块，用于，根据绝对距离和绝对空间位置，调整车辆的行驶参数，使车辆按照绝对行驶轨迹行驶。

可选地，第一确定模块具体用于，从停车场的地图数据中获取调整因子；其中，调整因子由地图采集车采集的停车场的图像数据与停车场的点云数据后，将图像数据得到的相对位置与点云数据得到的绝对位置之间建立对应的转换关系得到。

可选地，调整因子还由地图采集车采集的停车场的图像数据与停车场的点云数据后，通过多元非线性拟合回归模型，将车辆在地图数据中的相对空间位置，与车辆在停车场中的绝对空间位置之间建立对应的空间转换关系得到。

可选地，第一确定模块具体用于，当车辆在倒车入库过程中满足预设条件，计算更新调整因子；其中，预设条件包括：每间隔预设时间、每行驶预设距离，或者，接收到更新调整因子的指示信息。

可选地，第一确定模块具体用于，根据目标时间段内车辆的单目摄像头所采集的图像，以及目标时间段内车辆的轮速里程计所累计的里程建立对应的转换关系，得到调整因子。

可选地，第一确定模块具体用于，获取目标时间段内n个时刻单目摄像头采集的n张图像，以及目标时间段内轮速里程计所累计的里程，n＞2；通过目标时间段内n张图像对应的相对距离计算第一欧式距离，通过目标时间段内轮速里程计所累计的里程计算第二欧式距离；根据第一欧式距离和第二欧式距离之比确定相对位置和绝对位置的距离转换关系，得到调整因子。

可选地，地图数据由地图采集车通过SLAM回环检测方式采集制作。

本申请的实施例中的方法可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时，全部或部分地执行本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器等数据存储设备。所述可用介质可以是磁性介质，例如，软盘、硬盘、磁带；也可以是光介质，例如，CD-ROM,DVD；还可以是半导体介质，例如，固态硬盘(solid state disk，SSD),随机存取存储器(random access memory，RAM)、只读存储器(read-only memory，ROM)和寄存器等。

例如，本申请实施例还提供一种导航地图参数确定装置，包括处理器和存储器，存储器中存储有指令，处理器调用指令时，使装置执行如本申请前述实施例中任一所述的导航地图参数确定方法。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于网络设备或终端设备中。当然，处理器和存储介质也可以作为分立组件存在于发送设备或接收设备中。

进一步地，本申请实施例还提供一种计算机可读存储介质，存储介质存储有计算机程序，当计算机程序在计算机上运行时，使计算机执行如前述任一所述的导航地图参数确定方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种导航地图参数确定方法，用于车辆在停车场自动泊车过程，其特征在于，包括：

确定调整因子；其中，所述调整因子用于表示：由单目摄像机拍摄的图像确定的相对距离，与所述车辆在所述停车场的绝对距离之间的距离转换关系；

根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对距离；

根据所述相对距离和所述调整因子，确定所述车辆在所述停车场的绝对距离；

所述调整因子还用于表示：所述车辆在所述地图数据中的相对空间位置，与车辆在所述停车场中的绝对空间位置之间的空间转换关系；所述调整因子由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，通过多元非线性拟合回归模型，将所述车辆在所述地图数据中的相对空间位置，与所述车辆在所述停车场中的绝对空间位置之间建立对应的空间转换关系得到。

2.根据权利要求1所述的方法，其特征在于，

所述空间位置包括：所述车辆所在位置的高度和坡度；

所述方法还包括：

根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对空间位置；

根据所述相对空间位置和所述调整因子，确定所述车辆在所述停车场的绝对空间位置。

3.根据权利要求2所述的方法，其特征在于，还包括：

获取所述停车场当前空闲的目标停车位，以及所述车辆泊入所述目标停车位的绝对行驶轨迹；

根据所述绝对距离和所述绝对空间位置，调整所述车辆的行驶参数，使所述车辆按照所述绝对行驶轨迹行驶。

4.根据权利要求2或3所述的方法，其特征在于，所述确定调整因子，包括：

从所述停车场的地图数据中获取所述调整因子；其中，所述调整因子还由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，将所述图像数据得到的相对位置与所述点云数据得到的绝对位置之间建立对应的转换关系得到。

5.根据权利要求1或2所述的方法，其特征在于，所述确定调整因子，包括：

当所述车辆在倒车入库过程中满足预设条件，计算更新所述调整因子；

其中，所述预设条件包括：每间隔预设时间、每行驶预设距离，或者，接收到更新所述调整因子的指示信息。

6.根据权利要求5所述的方法，其特征在于，所述确定调整因子，包括：

根据目标时间段内所述车辆的单目摄像头所采集的图像，以及所述目标时间段内所述车辆的轮速里程计所累计的里程建立对应的转换关系，得到所述调整因子。

7.根据权利要求6所述的方法，其特征在于，所述确定调整因子，包括：

获取所述目标时间段内n个时刻所述单目摄像头采集的n张图像，以及所述目标时间段内所述轮速里程计所累计的里程，n＞2；

通过所述目标时间段内n张图像对应的相对距离计算第一欧式距离，通过所述目标时间段内所述轮速里程计所累计的里程计算第二欧式距离；

根据所述第一欧式距离和所述第二欧式距离之比确定相对位置和绝对位置的距离转换关系，得到所述调整因子。

8.根据权利要求1所述的方法，其特征在于，

所述地图数据由地图采集车通过SLAM回环检测方式采集制作。

9.一种导航地图参数确定装置，用于车辆在停车场自动泊车，其特征在于，包括：

第一确定模块，用于确定调整因子；其中，所述调整因子用于表示：由单目摄像机拍摄的图像确定的相对距离，与所述车辆在所述停车场的绝对距离之间的距离转换关系；

第二确定模块，根据单目摄像机拍摄的所述停车场的图像和所述停车场的地图数据，确定所述车辆在所述地图数据中的相对距离；

第三确定模块，根据所述相对距离和所述调整因子，确定所述车辆在所述停车场的绝对距离；

所述调整因子还用于表示：所述车辆在所述地图数据中的相对空间位置，与车辆在所述停车场中的绝对空间位置之间的空间转换关系；所述调整因子由地图采集车采集的所述停车场的图像数据与所述停车场的点云数据后，通过多元非线性拟合回归模型，将所述车辆在所述地图数据中的相对空间位置，与所述车辆在所述停车场中的绝对空间位置之间建立对应的空间转换关系得到。