CN113561962B - 一种自动泊车路径规划方法及系统、泊车控制设备 - Google Patents
一种自动泊车路径规划方法及系统、泊车控制设备 Download PDFInfo
- Publication number
- CN113561962B CN113561962B CN202010349177.8A CN202010349177A CN113561962B CN 113561962 B CN113561962 B CN 113561962B CN 202010349177 A CN202010349177 A CN 202010349177A CN 113561962 B CN113561962 B CN 113561962B
- Authority
- CN
- China
- Prior art keywords
- parking
- preset
- path
- vehicle
- tree node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 22
- 230000009471 action Effects 0.000 claims description 61
- 230000007246 mechanism Effects 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000036544 posture Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种自动泊车路径规划方法及其系统、泊车控制设备，所述方法包括：周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。实施本发明，能够实现动态路径规划，提高自动泊车路径规划的灵活性、鲁棒性和适应力。
Description
技术领域
本发明涉及自动泊车路径规划技术领域，具体涉及一种自动泊车路径规划方法及系统、泊车控制设备。
背景技术
路径规划是自动泊车技术中的重要功能。当前自动泊车路径规划算法普遍采用几何规划方法，包括已知的高校课题方案、大多汽车相关企业方案，甚至已经上市的带自动泊车的汽车的方案绝大多数都是采用了几何规划方法。
在实现本发明的过程中，发明人发现目前用得最多的基于几何作图的路径规划方案，其存在以下缺陷：
规划能力不够，鲁棒性不强，无法应对所有场景，每一种场景或不同类型车位都需要编写对应的几何规划策略，由于规划能力不足，很难让汽车在任意位置姿态实现路径规划，导致几何方式较难实现动态路径规划，大多只能采用静态规划。
发明内容
本发明旨在提出一种自动泊车路径规划方法及系统、泊车控制设备，以实现动态路径规划，提高自动泊车路径规划的灵活性、鲁棒性和适应力。
第一方面，本发明提出一种自动泊车路径规划方法，包括：
步骤S1、周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
步骤S2、基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；
步骤S3、根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
优选地，所述步骤S2具体包括：
基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
若某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
若某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，若某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态。
优选地，所述步骤S2具体还包括：
若第二层所有树节点所对应的车辆状态均不满足预设泊入条件，则基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
优选地，所述方法还包括：
步骤S4、根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点，或第一层树节点、第二层树节点与第三层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
优选地，所述步骤S4具体还包括：
若上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
优选地，所述步骤S3具体包括：
获取可行驶区域在世界坐标系中的坐标信息；
根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
若存在至少一个泊车路径满足预设可行驶条件，则根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；
若不存在至少一个泊车路径满足预设可行驶条件，则根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
优选地，获取车辆周围空闲车位在世界坐标系中的车位坐标信息，具体包括：
获取多路车载鱼眼摄像头的环境图像，对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息，并根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息。
优选地，判定所述若干泊车路径是否满足预设可行驶条件，具体包括：
计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离，则判定所述若干泊车路径是否满足预设可行驶条件；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离，则计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离，则计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
优选地，获取可行驶区域在世界坐标系中的坐标信息具体包括：
根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像，并对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息，并根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
优选地，所述第一预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd
所述第二预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd+Dl×We+Da×Wf
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Dl表示执行路径后车辆与车位的距离，Da表示执行路径后车辆与车位角度差，Wa、Wb、Wc、Wd、We、Wf分别为预先设定的权重值。
第二方面，本发明还提出一种自动泊车路径规划系统，包括：
信息获取单元，用于周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
路径搜索单元，用于基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；以及
路径筛选单元，用于根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
优选地，所述路径搜索单元具体包括：
第一搜索单元，用于基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
第一路径获取单元，用于当某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
第二搜索单元，用于当某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态；以及
第二路径获取单元，用于当某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径。
优选地，所述路径搜索单元具体包括：
第三路径获取单元，用于当第二层所有树节点所对应的车辆状态均不满足预设泊入条件时，基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
优选地，所述系统还包括：
行车控制单元，用于根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
优选地，所述行车控制单元具体还用于：
当上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
优选地，所述路径筛选单元具体包括：
行驶区域获取单元，用于获取可行驶区域在世界坐标系中的坐标信息；
行驶判定单元，用于根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
第一路径优化单元，用于当存在至少一个泊车路径满足预设可行驶条件时，根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；以及
第二路径优化单元，用于当不存在至少一个泊车路径满足预设可行驶条件时，根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
优选地，所述信息获取单元具体包括：
车辆信息获取单元，用于获取当前车辆状态；以及
车位信息获取单元，用于获取多路车载鱼眼摄像头的环境图像，对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息，并根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息；
优选地，所述行驶判定单元具体包括：
距离计算单元，用于根据所述可行驶区域在世界坐标系中的坐标信息计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
第一判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离时，判定所述若干泊车路径是否满足预设可行驶条件；
第二判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离时，计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；以及
第三判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离时，计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
优选地，所述行驶区域获取单元具体用于：
根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像，并对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息，并根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
优选地，所述第一预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd
所述第二预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd+Dl×We+Da×Wf
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Dl表示执行路径后车辆与车位的距离，Da表示执行路径后车辆与车位角度差，Wa、Wb、Wc、Wd、We、Wf分别为预先设定的权重值。
第三方面，本发明还提出一种泊车控制设备，包括：根据第一方面提出的自动泊车路径规划系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据第二方面提出的所述自动泊车路径规划方法。
以上技术方案至少具有以下优点：按照预设时间周期，周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息，进而基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，具体为在当前车辆状态下执行一种预设行车动作可以得到一个新的树节点，判定每一树节点所对应的车辆状态是否满足预设泊入条件，所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切，满足预设泊入条件则可以获得对应的一条泊车路径，因此根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；最后根据预设筛选规则(例如优先泊车操作的简便性等)对前面获得的若干泊车路径进行筛选得到最优路径。需说明的是，以上技术方案通过多层搜索的方法让路径规划能力更强，可适应车在任意位置任意姿态的规划，并且，通过周期性地获得最优路径，能够实现动态路径规划，有较强的通用性与场景的适应能力，可以消除单次识别带来的识别精度问题，以及自定位产生的累计误差，对各个环节的精度要求降低很多，使得整个系统鲁棒性较强。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图来实现和获得。
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为本发明一实施例所述自动泊车路径规划方法的流程图。
图2为本发明一具体实施例中路径搜索流程图。
图3为本发明一具体实施例中路径搜索中树状结构图。
图4为本发明一具体实施例中树节点车辆状态满足预设泊入条件场景示意图。
图5为本发明一具体实施例中树节点车辆状态不满足预设泊入条件场景示意图。
图6为本发明另一实施例所述自动泊车路径规划方法的流程图。
图7为本发明一应用实例中动态规划的路径不能完全一致的场景示意图。
图8为本发明一应用实例中上一周期搜索的最优路径的具体信息示意图。
图9为本发明一应用实例中动态规划的路径一致的场景示意图。
图10为本发明一具体实施例中车辆位于可行驶区域中的场景示意图。
图11为本发明一应用实例中车身超出可行驶区域的场景示意图。
图12为本发明一应用实例中最佳路径示意图。
图13为本发明一应用实例中通过树状搜索得到最佳路径的具体信息示意图。
图14本发明一实施例所述自动泊车路径规划系统的框架示意图。
图15本发明另一实施例所述自动泊车路径规划系统的框架示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
另外，为了更好的说明本发明，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本发明的主旨。
如图1所示，本发明实施例提出一种自动泊车路径规划方法，包括如下步骤S101-S103：
步骤S101、周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
具体而言，步骤S101中按照预设时间周期，例如是5秒，10秒等，周期性地获取当前车辆状态、所述车位坐标信息，以用于当前周期的路径规划，路径的规划即是基于当前车辆在世界坐标系中的车辆坐标信息及姿态，规划一条能够使得车辆行车进入空闲车位的行车路径。
步骤S102、基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；
具体而言，在当前车辆状态下执行一种预设行车动作(例如是前轮左转15度，持续向前走2m)可以得到一个新的树节点，判定每一树节点所对应的车辆状态是否满足预设泊入条件，所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切，满足预设泊入条件则可以获得对应的一条泊车路径，因此根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径。
需说明的是，多层级的树状搜索方式指的是，以当前车辆状态(坐标及姿态)作为起始父节点，分别推算执行n种预设行车动作，得到n个第一层树节点，其表示车辆执行n种预设行车动作后的n种车辆状态，进一步地，当执行第一预设行车动作后的某一第一层树节点T不满足预设泊车条件时，则基于该第一层树节点T1进一步执行n种预设行车动作，得到n个第二层树节点，该n个第二层树节点为该第一层树节点T1的子节点，其表示车辆执行第一预设行车动作后，再执行n种预设行车动作后的n种车辆状态。同理，当某一第二层树节点T2不满足预设泊车条件时，则基于该第二层树节点T2进一步执行n种预设行车动作，得到n个第三层树节点，如此，理论上，可以不断进行下层搜索。基于搜索效率以及计算量耗费等方面考虑，技术人员可以根据实际技术要求设定搜索的层数。
步骤S103、根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
具体而言，经过步骤S102的处理，可以得到与车位中位线带中任一条线相切的若干泊车路径，但最终车辆需要的仅是一条最合适的路径，因此，可以根据自动泊车过程中所关注的问题进行设定预设筛选规则，例如考虑行车动作的复杂性(如第一层树节点所对应的泊车路径即比第二层树节点所对应的泊车路径的行车动作要简单)、方向盘转角等。
通过本实施例方法搜索到最优路径，并通过车辆自定位，最终按多段路径的参数控车执行。然后周期性地循环执行以上步骤S101-103，动态识别动态路径规划直到完成泊车。
以上只是单次规划的路径，实际执行过程不能只规划一次，因为真实系统很难保证车严格按规划的路径运行，路径执行误差和车位识别的误差都会导致最终不能很好泊入，因此整个泊车过程车位识别和路径规划都是动态实时更新的，路径规划的更新时间按照预设时间周期进行，每隔预设时间周期都会根据车当前位置重新规划一条最佳路径，通过路径评价系统尽可能保证与上一次规划的最佳路径相似。
需说明的是，应用本实施例方法，路径规划能力强，可自动适应不同场景不同状态的路径规划，包括不同的车的位置姿态，自适应平行车位、垂直车位、斜列车位，自动避开障碍物且在可行驶区域内。无需针对不同车位类型与车位置状态及可行驶区域等场景条件编写不同规则，全部智能完成实现目标，极大减少了编程的工作量，以及解决规则不能完全覆盖所有泊车情况的问题。
并且，应用本实施例方法可以非常容易的实现动态路径规划，泊车过程也正是处于不同姿态的过程，可实现泊车过程的动态路径规划，实现动态规划后极大降低了各个环节对精度的要求(包括环境坐标检测精度、自定位精度等)，使得整个泊车系统更简单，系统鲁棒性也更强。
如图2所示，在一具体实施例中，路径搜索使用树状搜索，深度优先定为两层，递归执行。车辆的坐标为汽车后轴中心，通过搜索找到多段路径组合能够让车辆进入空闲车位。
本实施例所述步骤S102具体包括子步骤S201-S203：
步骤S201、基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
具体而言，本实施例中的预设行车动作有90种，对应9个前轮角度，和10个行程距离，前轮转向角wa_list＝[min_wa,min_wa×0.8,min_wa×0.5,min_wa×0.2,0,max_wa×0.2,max_wa×0.5,max_wa×0.8,max_wa]，min_wa和max_wa分别为该车的前轮的右转极限角度和左转极限角度，由实测传入该算法，如当前车的min_wa＝-30℃,max_wa＝30℃，则wa_list＝[-30,-24,-15,-6,0,6,15,24,30]；行程选择有l_list＝[-5,-3,-2,-1,-0.5,0.5,1,2,3,5]，10种选择，单位m，负值表示倒车。由以上可见一次行车路径的选择有9×10＝90种选择，如l＝2,wa＝15，表示该路径为前轮左转15度，持续向前走2m。
需说明的是，动作数量及具体数值都是可以根据实际需求进行调整的。
步骤S202、若某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
举例而言，如图3的树状结构，xya0表示在开始搜索时车的世界坐标xy，以及车姿态角a，第一层搜索开始：当尝试执行一个预设行车动作后(例如L＝0.5，wa＝0，表示车辆向前直走0.5m)，车辆状态改变为xya10(坐标及姿态)，判断车辆状态xya10是否满足预设泊入条件，若满足则可以得到一条基于状态xya10，与车位中位线带中任一条线相切的泊车路径，不超过车位中位线带即可，如图4左侧所示，当车辆处于该车辆状态时，可以找到一条路径与车位中位线带中任一条线相切，且该路径的转弯半径>＝车最小转弯半径，即R>＝R_Min，说明该路径符合条件，当执行该路径后则车的状态如图4右侧所示此时继续动态规划，寻找车位中线带相切的轨迹显然比较容易。当车辆处于这种状态时就表示车辆状态满足预设泊入条件。
本实施例中，所述车位中位线带的宽度优选但不限于为0.3m，即车位中位线的左右0.15m为线带的边界。
步骤S203、若某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，若某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态。
具体而言，如图3的树状结构，xya0表示在开始搜索时车的世界坐标xy，以及车姿态角a，第一层搜索开始：当尝试执行一个预设行车动作后(例如L＝0.5，wa＝0，表示车辆向前直走0.5m)，车辆状态改变为xya10(坐标及姿态)，判断车辆状态xya10是否满足预设泊入条件，例如图5所示为不满足预设泊入条件的情况，当不满足时，则继续以车辆状态xya10为基础继续尝试执行一个预设形成动作(例如L＝0.5，wa＝0，表示车辆向前直走0.5m)，则车辆状态进入xya20。判断车辆状态xya20是否满足预设泊入条件，若满足则可以得到一条基于状态xya20，与车位中位线带中任一条线相切的泊车路径，若不满足，由于本实施例预设当前搜索深度最大为2层，因此不会继续深入搜索。
在一具体实施例中，所述步骤S102还包括步骤S204；
步骤S204、若第二层所有树节点所对应的车辆状态均不满足预设泊入条件，则基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
具体而言，本实施例中优先采用两层搜索，其能应对绝大多数常规车位，但在面对相对狭窄的车位，即需要更多段路径组合的车位时，两层搜索可能无法找到路径，只有当两层搜索搜索不到路径时，才调整为三层搜索，即步骤S204的内容，以节省搜索时间，提高搜索效率。当调整为三层搜索时，可面对相对狭窄的车位的泊车。
如图6所示，在一具体实施例中，所述方法还包括：
步骤S104、根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点，或第一层树节点、第二层树节点与第三层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
具体而言，车辆行车执行机构在接收到所述行车指令后，执行所述行车指令，进行当前时间周期内的行车预设行车动作。
举例而言，假设车辆基于初始状态执行预设行车动作01后得到第一层树节点T1，基于初始状态执行预设行车动作02后得到第二层树节点T2，而最终的最优路径为从第二层树节点T2出发泊入空闲车位，则生成的行车指令为依次执行预设行车动作01、预设行车动作02后，按所述最优路径进行行车。
在一具体实施例中，所述步骤S104具体还包括：
若上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
具体而言，本实施例中路径规划的周期时间优选但不限于为0.5s，由于动态路径规划周期短(0.5s)，因此每一次规划不能出现较大出入，特别是第一段路径，否则即使每一次规划的路径都是可以成功泊车路径，单次规划都是合理，但在时间轴上整体却不合理，车子执行就会前后抖动或方向不断抖动。假设每0.5秒规划的路径完全不一致，车辆刚执行了上一条规划的路径动作0.5s后，出现了新的路径且完全不同的初始动作，这样周期运行，车辆很难连续执行这些规划的不同路径。针对这种情况，本实施例提出了以上步骤S104内容来处理动态路径规划路径一致性问题，即根据当前车的行驶前轮转角及前进后退加入权重用于影响当前的路径规划，以达到当前规划路径与原路径的初始行驶方向一致，尽可能不改变当前动作，使车运行稳定。
具体地，当整体环境不变的前提下，动态路径规划的理想效果是当前规划的路径与上一规划的剩余路径一样。然而搜索的行程选择只有l_list＝[-5,-3,-2,-1,-0.5,0.5,1,2,3,5]，10种选择，最低精度0.5米，如上一路径第一段为前进0.5米，若执行后剩余0.2米未行走，此时搜索的路径结果上一个路径剩余路径必然不同，会出现动态规划路径的不一致现象。如图7所示，在行径过程中，动态规划的路径不能完全一致。因此，本实施例在可搜索的行程选择l_list中加入上次执行路径段剩余未执行的路径，wa_list加入上次执行路径的前轮转向角，
l_list＝[node_not_moved_len,-5,-3,-2,-1,-0.5,0.5,1,2,3,5]
wa_list＝[lastpash_node_wa,-30,-24,-15,-6,0,6,15,24,30]
如上一周期搜索的最优路径的信息如图8所示，表格式为[wa,L,class],其中wa为弧度表示，L单位为米，class表示类型(0为搜索的路径，1表示简单泊入中计算出的切线弧，2为最终直线倒车部分)。由下表得知该路径为：1、前轮右转0.273弧度前进3米；2、前轮左转0.5469弧度前进3米；3、前轮右转0.492弧度，倒车5.6628米；4、前轮回正0度，倒车2.85米。
示例性地，当下一搜索开始(0.5s后)，车按以上路径行走了0.8m，即第一段路径剩余2.2m未执行。开始新一轮路径搜索，当前搜索行程表l_list加入2.2m可选行程，转向表wa_list加入-0.273/PI×180度可选角度。如果下一搜索开始(0.5s后)，车按以上路径行走了3.7m，即第一段路径执行完毕，第二段路径剩余2.3m未执行。则当前搜索行程表l_list加入2.3m可选行程，转向表wa_list加入-0.492/PI×180度可选角度。
基于上述处理，只要环境没有变化，搜索出来的路径第一段大概率就是上次路径执行剩余部分，两次搜索到的路径一致性就很高。如图9所示，整体动态规划的路径一致性高。
在一具体实施例中，所述步骤S103具体包括子步骤S301-S304：
步骤S301、获取可行驶区域在世界坐标系中的坐标信息；
步骤S302、根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
具体而言，搜索的每一段路径都需要保证经过的路线上车身任意位置均不可超出可行驶区域，否则有碰撞可能。该发明在单个线段路径上每间隔2米或者该线段终点均会判断一次车身是否全部在可行驶区域内。
示例性地，判定方法可以为，如图10所述，将车身用多个第一预设位置点描述，例如是4个角及前后左右车轮两侧的位置，若该多个第一预设位置点均落在可行驶区域多边形内则车较大概率是在可行驶区域内，多个第一预设位置点中的任意一个点不在可行驶区域内则表示车辆不在可行驶区域内。
需说明的是，可行驶区域用一个不规则多边形描述，判断一个点是否在多边形内，可以用射线法，也有库函数，本文不做赘述。
步骤S303、若存在至少一个泊车路径满足预设可行驶条件，则根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；
步骤S304、若不存在至少一个泊车路径满足预设可行驶条件，则根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
在一具体实施例中，所述步骤S301包括如下子步骤S401-S403：
步骤S401、获取4路车载鱼眼摄像头的环境图像；
具体而言，4路车载鱼眼摄像头分别安装于车身两侧，均为180度鱼眼摄像头。
步骤S402、对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息；
具体而言，基于4幅鱼眼原图用深度学习神经网络识别车位角及空车位，并对提取出来的每个车位角图片再通过另一个神经网络做精确提取中心点，得到车位角的中心点像素坐标后，通过摄像头的内外参即可将像素坐标转换为基于汽车坐标系的真实坐标，再根据自定位，可将汽车坐标系转到世界坐标系。将从鱼眼图片上识别到的车位角点和空车位的坐标投影到一个低维俯视地图上，推算出车位的世界坐标。
需说明的是，神经网络用于空闲车位角点提取为本领域技术人员所熟知，因此，此处不对神经网络的具体网络结果及其技术原理进行赘述。步骤S403、根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息；
在一具体实施例中，所述步骤S302具体包括：
步骤S501、计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
步骤S502、若车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离，则判定所述若干泊车路径是否满足预设可行驶条件；
步骤S503、若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离，则计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
步骤S504、若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离，则计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
具体而言，当描述车身的位置点数量较少时，描述比较稀疏，会导致一定程度的误判，如图11所示情况。因此，本实施例中进一步对描述车身的位置点数量进行优化，本实施例中，第一距离、第二距离分别优选但不限于为1米、0.5米，i1，i2，i3分别优选但不限于为6、2、2；则有：
6个第一预设位置点分别为4个角及左右后轮两侧的位置；
2个第二预设位置点分别为左右前轮两侧的位置；
2个第三预设位置点分别为车头和车尾的中间位置。
具体地，常规判断采用6个点判断，即6个第一预设位置点与可行驶区域的边界的距离大于等于1米；此时，当车辆沿泊车路径行驶过程中，6个第一预设位置点都没有超出可行驶区域时，泊车路径满足预设可行驶条件。
当遇到6个第一预设位置点中任意一个点距离可行驶区域的边界小于1米则改为8点，即6个第一预设位置点加上2个第二预设位置点；此时，当车辆沿泊车路径行驶过程中，6个第一预设位置点以及2个第二预设位置点都没有超出可行驶区域时，泊车路径满足预设可行驶条件。
当遇到6个第一预设位置点中任意一个点距离可行驶区域的边界小于0.5米则采用10个点判断，即6个第一预设位置点加上2个第二预设位置点，再加上2个第三预设位置点。此时，当车辆沿泊车路径行驶过程中，6个第一预设位置点、2个第二预设位置点以及2个第三预设位置点都没有超出可行驶区域时，泊车路径满足预设可行驶条件。在一具体实施例中，所述步骤S301具体包括如下子步骤S601-S603：
S601、根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像；
S602、对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息；
S603、根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
在一具体实施例中，所述第一预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Wa、Wb、Wc、Wd分别为预先设定的权重值。
具体而言，路径越短、折返次数越少、方向盘角度变化越小、离边沿越远，则得分越高。
示例性地，如图12-13所示为一个实例的当前周期最优路径及其具体信息，由以上实例输出的信息得知，当前周期总共搜索到6条完整路径可泊入，最佳路径的value＝9014.83，搜索深度为2，用时0.0351s。当前周期最佳路径如图12所示，具体如图13中的path(numpy)部分所示，具体表示为[wa，L，class]，其中wa为弧度表示，L单位为米，class表示类型(0为搜索的路径，1表示简单泊入中计算出的切线弧，2为最终直线倒车部分)。由上表得知该路径为：1、前轮右转0.273弧度前进3米；2、前轮左转0.5469弧度前进3米；3、前轮右转0.492弧度，倒车5.6628米；4、前轮回正0度，倒车2.85米。即为规划出的一段完整泊车路径。其中1、2为按搜索列表得到的路径，3、4为满足预设泊入条件后直接计算出的切线弧路径和最终直线倒车路径。
在一具体实施例中，所述第二预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd+Dl×We+Da×Wf
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Dl表示执行路径后车辆与车位的距离，Da表示执行路径后车辆与车位角度差，Wa、Wb、Wc、Wd、We、Wf分别为预先设定的权重值。
具体而言，由于搜索深度较浅，在可行驶区域较窄需要多段泊入时，将会出现无法搜索到符合条件的路径，此时则修改搜索目标为离车位最近且角度最接近的路径，在第一预设评分规则的基础上，增加执行路径后车辆与车位的距离、执行路径后车辆与车位角度差，作为分值参考。
如图14所示，本发明另一实施例还提出一种自动泊车路径规划系统，包括：
信息获取单元1，用于周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
路径搜索单元2，用于基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中所述预设泊入条件为在树节点所对应的车辆状态下是否存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；以及
路径筛选单元3，用于根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
在一具体实施例中，所述路径搜索单元2具体包括：
第一搜索单元21，用于基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
第一路径获取单元22，用于当某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
第二搜索单元23，用于当某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态；以及
第二路径获取单元24，用于当某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径。
在一具体实施例中，所述路径搜索单元2具体还包括：
第三路径获取单元25，用于当第二层所有树节点所对应的车辆状态均不满足预设泊入条件时，基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
如图15所示，在一具体实施例中，所述系统还包括：
行车控制单元4，用于根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构5。
在一具体实施例中，所述行车控制单元4具体还用于：
当上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构5。
在一具体实施例中，所述路径筛选单元3具体包括：
行驶区域获取单元31，用于获取可行驶区域在世界坐标系中的坐标信息；
行驶判定单元32，用于根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
第一路径优化单元33，用于当存在至少一个泊车路径满足预设可行驶条件时，根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；以及
第二路径优化单元34，用于当不存在至少一个泊车路径满足预设可行驶条件时，根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
在一具体实施例中，所述行驶判定单元32具体包括：
距离计算单元，用于根据所述可行驶区域在世界坐标系中的坐标信息计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
第一判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离时，判定所述若干泊车路径是否满足预设可行驶条件；
第二判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离时，计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；以及
第三判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离时，计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
在一具体实施例中，所述信息获取单元1具体包括：
车辆信息获取单元11，用于获取当前车辆状态；以及
车位信息获取单元12，用于获取多路车载鱼眼摄像头的环境图像，对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息，并根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息；
在一具体实施例中，所述行驶区域获取单元31具体用于：
根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像，并对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息，并根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
在一具体实施例中，所述第一预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Wa、Wb、Wc、Wd分别为预先设定的权重值。
在一具体实施例中，所述第二预设评分规则如下表达式所示：
V＝L×Wa+D×Wb+W×Wc+N×Wd+Dl×We+Da×Wf
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，Dl表示执行路径后车辆与车位的距离，Da表示执行路径后车辆与车位角度差，Wa、Wb、Wc、Wd、We、Wf分别为预先设定的权重值。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
需说明的是，上述实施例的系统与上述实施例的方法对应，因此，上述实施例的系统未详述部分可以参阅上述实施例的方法的内容得到，此处不再赘述。
并且，上述实施例的自动泊车路径规划系统如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
本发明一实施例还提出一种泊车控制设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述实施例所述的自动泊车路径规划方法的步骤。
当然，所述泊车控制设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该泊车控制设备还可以包括其他用于实现设备功能的部件，在此不做赘述。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述泊车控制设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述泊车控制设备的控制中心，利用各种接口和线路连接整个所述泊车控制设备的各个部分。
所述存储器可用于存储所述计算机程序和/或单元，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或单元，以及调用存储在存储器内的数据，实现所述泊车控制设备的各种功能。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (21)
1.一种自动泊车路径规划方法，其特征在于，包括：
步骤S1、周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
步骤S2、基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中，每一树节点表示车辆执行一种预设行车动作后的车辆状态，所述预设泊入条件为在树节点所对应的车辆状态下存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；
步骤S3、根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
2.根据权利要求1所述的自动泊车路径规划方法，其特征在于，所述步骤S2具体包括：
基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
若某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
若某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，若某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态。
3.根据权利要求2所述的自动泊车路径规划方法，其特征在于，所述步骤S2具体还包括：
若第二层所有树节点所对应的车辆状态均不满足预设泊入条件，则基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
4.根据权利要求3所述的自动泊车路径规划方法，其特征在于，所述方法还包括：
步骤S4、根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点，或第一层树节点、第二层树节点与第三层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
5.根据权利要求4所述的自动泊车路径规划方法，其特征在于，所述步骤S4具体还包括：
若上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
6.根据权利要求1所述的自动泊车路径规划方法，其特征在于，所述步骤S3具体包括：
获取可行驶区域在世界坐标系中的坐标信息；
根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
若存在至少一个泊车路径满足预设可行驶条件，则根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；
若不存在至少一个泊车路径满足预设可行驶条件，则根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
7.根据权利要求6所述的自动泊车路径规划方法，其特征在于，获取车辆周围空闲车位在世界坐标系中的车位坐标信息，具体包括：
获取多路车载鱼眼摄像头的环境图像，对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息，并根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息。
8.根据权利要求6所述的自动泊车路径规划方法，其特征在于，判定所述若干泊车路径是否满足预设可行驶条件，具体包括：
计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离，则判定所述若干泊车路径是否满足预设可行驶条件；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离，则计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
若车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离，则计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
9.根据权利要求6所述的自动泊车路径规划方法，其特征在于，获取可行驶区域在世界坐标系中的坐标信息具体包括：
根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像，并对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息，并根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
10.根据权利要求6所述的自动泊车路径规划方法，其特征在于，所述第一预设评分规则如下表达式所示：
所述第二预设评分规则如下表达式所示：
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，表示执行路径后车辆与车位的距离，/>表示执行路径后车辆与车位角度差，/> 、/> 、/> 、/> 、/> 、/>分别为预先设定的权重值。
11.一种自动泊车路径规划系统，其特征在于，包括：
信息获取单元，用于周期性地获取当前车辆状态、车辆周围空闲车位在世界坐标系中的车位坐标信息；所述车辆状态包括车辆在世界坐标系中的车辆坐标信息及姿态；
路径搜索单元，用于基于当前车辆状态采用多层级树状搜索方式进行泊车路径搜索，判定每一树节点所对应的车辆状态是否满足预设泊入条件，并根据判定结果获得与车位中位线带中任一条线相切的若干泊车路径；其中，每一树节点表示车辆执行一种预设行车动作后的车辆状态，所述预设泊入条件为在树节点所对应的车辆状态下存在一条泊车路径与空闲车位的车位中位线带中任一条线相切；以及
路径筛选单元，用于根据预设筛选规则对所述若干泊车路径进行筛选得到最优路径。
12.根据权利要求11所述的自动泊车路径规划系统，其特征在于，所述路径搜索单元具体包括：
第一搜索单元，用于基于当前车辆状态进行第一层搜索，第一层包括n个第一层树节点，每一第一层树节点表示车辆执行一种预设行车动作后的车辆状态，并判定每一第一层树节点所对应的车辆状态是否满足预设泊入条件；
第一路径获取单元，用于当某一第一层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第一层树节点所对应的与车位中位线带中任一条线相切的泊车路径；
第二搜索单元，用于当某一第一层树节点所对应的车辆状态不满足预设泊入条件，则基于该第一层树节点所对应的车辆状态进行第二层搜索，并判定每一第二层树节点所对应的车辆状态是否满足预设泊入条件，该第一层树节点对应n个第二层树节点，每一第二层树节点表示车辆执行一种预设行车动作后的车辆状态；以及
第二路径获取单元，用于当某一第二层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第二层树节点所对应的与车位中位线带中任一条线相切的泊车路径。
13.根据权利要求12所述的自动泊车路径规划系统，其特征在于，所述路径搜索单元具体包括：
第三路径获取单元，用于当第二层所有树节点所对应的车辆状态均不满足预设泊入条件时，基于第二层所有树节点所对应的车辆状态进行第三层搜索，并判定每一第三层树节点所对应的车辆状态是否满足预设泊入条件，若某一第三层树节点所对应的车辆状态满足预设泊入条件，则根据判定结果获得该第三层树节点所对应的与车位中位线带中任一条线相切的泊车路径；其中：该第二层树节点对应n个第三层树节点，每一第三层树节点表示车辆执行一种预设行车动作后的车辆状态。
14.根据权利要求13所述的自动泊车路径规划系统，其特征在于，所述系统还包括：
行车控制单元，用于根据所述最优路径以及最优路径所对应的第一层树节点，或第一层树节点与第二层树节点，或第一层树节点、第二层树节点与第三层树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
15.根据权利要求14所述的自动泊车路径规划系统，其特征在于，所述行车控制单元具体还用于：
当上一周期的最优路径包括多段路径，并且，生成当前周期的最优路径时，车辆行车执行机构未执行完上一周期的最优路径所对应的行车指令，则根据当前周期的最优路径对应的树节点所对应的预设行车动作、以及上一周期未执行完的一段路径对应的树节点所对应的预设行车动作生成当前周期的行车指令，并将该行车指令发送至车辆行车执行机构。
16.根据权利要求11所述的自动泊车路径规划系统，其特征在于，所述路径筛选单元具体包括：
行驶区域获取单元，用于获取可行驶区域在世界坐标系中的坐标信息；
行驶判定单元，用于根据所述可行驶区域在世界坐标系中的坐标信息，判定所述若干泊车路径是否满足预设可行驶条件；其中，所述预设可行驶条件为车辆按泊车路径行驶时，车身的多个预设位置点均不超出可行驶区域；
第一路径优化单元，用于当存在至少一个泊车路径满足预设可行驶条件时，根据第一预设评分规则对满足预设可行驶条件的泊车路径进行评分，并将得分最高的泊车路径输出为最优路径；以及
第二路径优化单元，用于当不存在至少一个泊车路径满足预设可行驶条件时，根据第二预设评分规则对所有泊车路径进行评分，并将得分最高的泊车路径输出为最优路径。
17.根据权利要求16所述的自动泊车路径规划系统，其特征在于，所述信息获取单元具体包括：
车辆信息获取单元，用于获取当前车辆状态；以及
车位信息获取单元，用于获取多路车载鱼眼摄像头的环境图像，对多路环境图像进行图像识别得到车辆周围空闲车位在摄像头坐标系中的车位坐标信息，并根据所述车辆周围空闲车位在摄像头坐标系中的车位坐标信息获得车辆周围空闲车位在世界坐标系中的车位坐标信息。
18.根据权利要求16所述的自动泊车路径规划系统，其特征在于，所述行驶判定单元具体包括：
距离计算单元，用于根据所述可行驶区域在世界坐标系中的坐标信息计算车身的i1个第一预设位置点与所述可行驶区域的边界的距离；
第一判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离大于等于第一距离时，判定所述若干泊车路径是否满足预设可行驶条件；
第二判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第一距离时，计算i2个第二预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；以及
第三判定单元，用于当车身的i1个第一预设位置点与所述可行驶区域的边界的距离小于第二距离时，计算i2个第二预设位置点、i2个第三预设位置点与所述可行驶区域的边界的距离，并根据与所述i2个第二预设位置点、i3个第三预设位置点与所述可行驶区域的边界的距离判定所述若干泊车路径是否满足预设可行驶条件；
其中，第一距离＞第二距离，i1，i2，i3均为＞0的偶数。
19.根据权利要求16所述的自动泊车路径规划系统，其特征在于，所述行驶区域获取单元具体用于：
根据所述多路车载鱼眼摄像头的环境图像获得车辆周围环境的全景图像，并对所述全景图像进行图像语义分割得到可行驶区域在全景图像坐标系中的坐标信息，并根据所述可行驶区域在全景图像坐标系中的坐标信息获得可行驶区域在世界坐标系中的坐标信息。
20.根据权利要求16所述的自动泊车路径规划系统，其特征在于，所述第一预设评分规则如下表达式所示：
所述第二预设评分规则如下表达式所示：
其中，V表示路径得分，L表示路径长度，D表示路径多段线段的折返次数，W表示路径多段线段的方向盘转角之和，N表示车辆执行路径车身离可行驶区域边沿最近的距离，表示执行路径后车辆与车位的距离，/>表示执行路径后车辆与车位角度差，/> 、/> 、/> 、/> 、/> 、/>分别为预先设定的权重值。
21.一种泊车控制设备，其特征在于，包括：根据权利要求11-20任一项所述的自动泊车路径规划系统；或者，存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行根据权利要求1-10中任一项所述自动泊车路径规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010349177.8A CN113561962B (zh) | 2020-04-28 | 2020-04-28 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010349177.8A CN113561962B (zh) | 2020-04-28 | 2020-04-28 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113561962A CN113561962A (zh) | 2021-10-29 |
| CN113561962B true CN113561962B (zh) | 2023-11-10 |
Family
ID=78157994
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010349177.8A Active CN113561962B (zh) | 2020-04-28 | 2020-04-28 | 一种自动泊车路径规划方法及系统、泊车控制设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113561962B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114220290B (zh) * | 2021-11-30 | 2022-12-20 | 广州领世汽车科技有限公司 | 一种车辆自动寻找车位和自动泊车的方法及系统 |
| CN116279436B (zh) * | 2023-05-18 | 2023-08-08 | 广汽埃安新能源汽车股份有限公司 | 一种泊车路径规划方法及装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010023162A1 (de) * | 2010-06-09 | 2011-12-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs beim Einparken in eine Parklücke, Fahrerassistenzeinrichtung und Kraftfahrzeug |
| CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
| CN106945662A (zh) * | 2017-03-30 | 2017-07-14 | 重庆大学 | 一种垂直自动泊车路径规划方法及系统 |
| CN107776570A (zh) * | 2017-09-19 | 2018-03-09 | 广州汽车集团股份有限公司 | 全自动泊车方法及全自动泊车系统 |
| US9969386B1 (en) * | 2017-01-10 | 2018-05-15 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle automated parking system and method |
| CN109215370A (zh) * | 2017-06-30 | 2019-01-15 | 马涅蒂-马瑞利公司 | 用于计算适于道路车辆的最优停车操纵的路径规划方法和相应系统 |
| DE102017216442A1 (de) * | 2017-09-15 | 2019-03-21 | Panasonic Automotive & Industrial Systems Europe GmbH | Automatisches Parksystem |
| CN109720342A (zh) * | 2019-01-16 | 2019-05-07 | 杭州湘滨电子科技有限公司 | 一种垂直泊车的路径规划设计方法 |
| CN109798911A (zh) * | 2019-02-28 | 2019-05-24 | 北京智行者科技有限公司 | 一种用于代客泊车的全局路径规划方法 |
| CN109855637A (zh) * | 2018-12-24 | 2019-06-07 | 北京新能源汽车股份有限公司 | 一种车辆的自动驾驶路径规划方法、装置及设备 |
| CN109866761A (zh) * | 2019-03-05 | 2019-06-11 | 重庆长安汽车股份有限公司 | 自动泊车路径规划方法、系统及计算机可读存储介质 |
| 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 |
| WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
-
2020
- 2020-04-28 CN CN202010349177.8A patent/CN113561962B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102010023162A1 (de) * | 2010-06-09 | 2011-12-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs beim Einparken in eine Parklücke, Fahrerassistenzeinrichtung und Kraftfahrzeug |
| CN104260722A (zh) * | 2014-09-23 | 2015-01-07 | 北京理工大学 | 一种自动泊车系统 |
| US9969386B1 (en) * | 2017-01-10 | 2018-05-15 | Mitsubishi Electric Research Laboratories, Inc. | Vehicle automated parking system and method |
| CN106945662A (zh) * | 2017-03-30 | 2017-07-14 | 重庆大学 | 一种垂直自动泊车路径规划方法及系统 |
| CN109215370A (zh) * | 2017-06-30 | 2019-01-15 | 马涅蒂-马瑞利公司 | 用于计算适于道路车辆的最优停车操纵的路径规划方法和相应系统 |
| DE102017216442A1 (de) * | 2017-09-15 | 2019-03-21 | Panasonic Automotive & Industrial Systems Europe GmbH | Automatisches Parksystem |
| CN107776570A (zh) * | 2017-09-19 | 2018-03-09 | 广州汽车集团股份有限公司 | 全自动泊车方法及全自动泊车系统 |
| WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
| CN109855637A (zh) * | 2018-12-24 | 2019-06-07 | 北京新能源汽车股份有限公司 | 一种车辆的自动驾驶路径规划方法、装置及设备 |
| CN109720342A (zh) * | 2019-01-16 | 2019-05-07 | 杭州湘滨电子科技有限公司 | 一种垂直泊车的路径规划设计方法 |
| CN109798911A (zh) * | 2019-02-28 | 2019-05-24 | 北京智行者科技有限公司 | 一种用于代客泊车的全局路径规划方法 |
| CN109866761A (zh) * | 2019-03-05 | 2019-06-11 | 重庆长安汽车股份有限公司 | 自动泊车路径规划方法、系统及计算机可读存储介质 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 全自动平行泊车路径规划方法研究;赵海兰;高松;孙宾宾;武哲;唐鹏;;科学技术与工程(第07期);全文 * |
| 基于双目视觉和路径规划的车辆自动泊车系统;蒋志文;曾;;公路与汽运(第04期);全文 * |
| 自主泊车路径规划一致性方法;余卓平;夏浪;熊璐;;汽车技术(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113561962A (zh) | 2021-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210082181A1 (en) | Method and apparatus for object detection, intelligent driving method and device, and storage medium | |
| JP7527277B2 (ja) | レーダ空間推定 | |
| Garnett et al. | Real-time category-based and general obstacle detection for autonomous driving | |
| Casas et al. | Spatially-aware graph neural networks for relational behavior forecasting from sensor data | |
| CN115551758A (zh) | 非结构化车辆路径规划器 | |
| CN113442908B (zh) | 自动泊车路径规划方法及系统、泊车控制设备 | |
| Eising et al. | Near-field perception for low-speed vehicle automation using surround-view fisheye cameras | |
| US11436815B2 (en) | Method for limiting object detection area in a mobile system equipped with a rotation sensor or a position sensor with an image sensor, and apparatus for performing the same | |
| CN113561962B (zh) | 一种自动泊车路径规划方法及系统、泊车控制设备 | |
| WO2021003823A1 (zh) | 基于视频帧图片分析的车辆违停检测方法及装置 | |
| US11873012B2 (en) | System and method for providing social-stage spatio-temporal multi-modal future forecasting | |
| US20200125861A1 (en) | Road line detection device and road line detection method | |
| Song et al. | End-to-end learning for inter-vehicle distance and relative velocity estimation in ADAS with a monocular camera | |
| CN114511632A (zh) | 车位地图的构建方法及装置 | |
| CN112150538B (zh) | 一种在三维地图构建过程中车辆位姿的确定方法和装置 | |
| US20210398014A1 (en) | Reinforcement learning based control of imitative policies for autonomous driving | |
| Liu et al. | Learning TBox with a cascaded anchor-free network for vehicle detection | |
| US20230377160A1 (en) | Method and electronic device for achieving accurate point cloud segmentation | |
| WO2023221537A1 (zh) | 路径规划方法及装置、无人车 | |
| US12026954B2 (en) | Static occupancy tracking | |
| CN116434156A (zh) | 目标检测方法、存储介质、路侧设备及自动驾驶系统 | |
| CN115526053A (zh) | 一种道路建模方法、装置以及设备 | |
| CN118038389A (zh) | 用于检测道路分隔线的方法和装置 | |
| CN115909305A (zh) | 一种车辆信息识别方法、装置、设备及存储介质 | |
| Xie et al. | A cascaded framework for robust traversable region estimation using stereo vision |
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 |