CN113640810A - 空间车位检测方法、设备、存储介质和程序产品 - Google Patents
空间车位检测方法、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN113640810A CN113640810A CN202110921544.1A CN202110921544A CN113640810A CN 113640810 A CN113640810 A CN 113640810A CN 202110921544 A CN202110921544 A CN 202110921544A CN 113640810 A CN113640810 A CN 113640810A
- Authority
- CN
- China
- Prior art keywords
- space
- parking
- vehicle
- determining
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 59
- 230000004888 barrier function Effects 0.000 claims description 54
- 230000004927 fusion Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/06—Automatic manoeuvring for parking
-
- 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
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/54—Audio sensitive means, e.g. ultrasound
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- 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
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/35—Data fusion
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- 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
- G01S2015/932—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations
- G01S2015/933—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles for parking operations for measuring the dimensions of the parking space when driving past
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
-
- 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
- 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
- G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
Abstract
本公开提供了空间车位检测方法、设备、存储介质和程序产品,涉及数据处理领域,尤其涉及计算机视觉、自主泊车、自动驾驶等领域。具体实现方案为:获取车辆上的超声波传感器采集的车辆周围的超声波数据和图像采集装置采集的车辆周围的图像数据,根据超声波数据确定车辆周围的第一空间车位,根据图像数据确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,并校验检测出的空间车位的可用性,确定车辆的可用空间车位,能够解决超声波串扰的问题,提高空间车位检测精度和检出率,扩大空间车位的检测范围。
Description
技术领域
本公开涉及数据处理中的计算机视觉、自主泊车、自动驾驶等领域,尤其涉及一种空间车位检测方法、设备、存储介质和程序产品。
背景技术
空间车位是指地面无标识线情况下,根据其他车辆停放顺序和可停空间大小推导出来的可停车位,常见于路侧。
目前的空间车位检测方案,通常是利用超声波传感器信号,通过信号跳变沿检测法或组点滤波检测法,检测空间车位,并根据空间车位的长度和宽度确定车位类型。
发明内容
本公开提供了一种空间车位检测方法、设备、存储介质和程序产品。
根据本公开的第一方面,提供了一种空间车位检测方法,包括:
在车辆行进过程中,获取车辆上的超声波传感器采集的所述车辆周围的超声波数据,以及图像采集装置采集的所述车辆周围的图像数据;
根据所述超声波数据确定所述车辆周围的第一空间车位,并根据所述图像数据确定所述车辆周围的第二空间车位;
将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位;
在所有位置上的空间车位中确定所述车辆的可用空间车位。
根据本公开的第二方面,提供了一种空间车位检测装置,包括:
数据获取模块,用于在车辆行进过程中,获取车辆上的超声波传感器采集的所述车辆周围的超声波数据,以及图像采集装置采集的所述车辆周围的图像数据;
第一车位确定模块,用于根据所述超声波数据确定所述车辆周围的第一空间车位;
第二车位确定模块,用于根据所述图像数据确定所述车辆周围的第二空间车位;
车位融合模块,用于将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位;
可用性检测模块,用于在所有位置上的空间车位中确定所述车辆的可用空间车位。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的技术提高了空间车位的检出率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是可以实现本公开实施例的空间车位检测方法的系统框架图;
图2是本公开第一实施例提供的空间车位检测方法流程图;
图3是本公开第二实施例提供的空间车位检测方法流程图;
图4是本公开第二实施例提供的空间车位检测方法的总体框架图;
图5是本公开第二实施例提供的第一栅格地图对应图片的示例图;
图6是本公开第二实施例提供的第二栅格地图对应图片的示例图;
图7是本公开第三实施例提供的空间车位检测设备的结构示意图;
图8是本公开第四实施例提供的空间车位检测设备的结构示意图;
图9是用来实施本公开的实施例的空间车位检测方法的电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开提供一种空间车位检测方法、设备、存储介质和程序产品,应用于数据处理领域的计算机视觉、自主泊车、自动驾驶等领域,以提高空间车位的检出率。
泊车场景是在日常驾驶中常遇到的场景,往往容易碰到窄车位,甚至是无车位线的窄车位,人工驾驶泊入可能会出现刮碰等情况,随着智能汽车技术发展,无人驾驶汽车通常都支持自主辅助泊车功能,那么空间车位是否检出以及检出精度的高低,直接影响该功能的泊入成功率与体验。
目前的空间车位检测方案,通常是利用超声波传感器信号,通过信号跳变沿检测法或组点滤波检测法,检测空间车位,并根据空间车位的长度和宽度确定车位类型。但是利用超声波传感器信号进行空间车位检测,车位检索范围小,并且容易受到其他车辆同频超声波串扰的影响,空间车位检出率低。
超声波传感器信号跳变沿检测,通常将车辆驶过空间车位,结合自车行驶信息和超声波测距值变化情况,根据跳变沿判断可泊空间的长度,确定车位类型,该方案实现比较简单,但是对于垂直空间车位检出率相对低一些,由于超声波采集的距离值,跳变沿是渐变的,所以对空间车位的参考障碍物的位置精度判断不准确,并且容易受到其它车辆超声波影响,产生串扰现象。
超声波传感器信号组点滤波检测法,将车辆行驶过空间车位,结合自车行驶信息和多超声波进行卡尔曼滤波融合信息,判断检测障碍物的位置点,将点聚类成线段,根据线段之间的空间大小进行空间车位类型判断,同样容易受到其它车辆同频超声波串扰影响,并且在遇到窄垂直空间车位时,超声波受到两侧障碍物影响,无法判断深处有无障碍物,同时车位检测范围一般为0.5m-2.0m。
目前,利用超声波传感器信号进行空间车位检测的方案,车位检索范围小,并且容易受到其他车辆同频超声波串扰的影响,空间车位检出率低
本公开提供的空间车位检测方法,可以应用于图1所示的系统架构,如图1所示,车辆10在空间车位旁的道路行驶经过,寻找空间车位的过程中,车辆10上的超声波传感器11采集车辆周围的超声波数据,同时车辆10上的图像采集装置12采集车辆周围的图像数据,并将超声波数据和图像数据传输至电子设备20。电子设备20根据超声波数据确定车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位;在所有位置上的空间车位中确定车辆10的可用空间车位,能够扩大空间车位的检索范围、提高空间车位的精准度和检出率。
在一些应用场景中,电子设备20在确定可用空间车位之后,还可以根据选定的目标车位,生成由车辆当前位置至目标车位的导航路线,并控制车辆自主泊入目标车位。
图2是本公开第一实施例提供的空间车位检测方法流程图。本实施例提供的空间车位检测方法具体可以为用于进行空间车位检测的电子设备,该电子设备可以是车载设备,如车载终端等,也可以是云服务器等。在其他实施例中,电子设备还可以采用其他方式实现,本实施例此处不做具体限定。
如图2所示,该方法具体步骤如下:
步骤S201、在车辆行进过程中,获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据。
在车辆寻找空间车位,驶过道路旁的空间车位的过程中,车辆上的超声波传感器实时地采集车辆周围的超声波数据,同时,车辆上的图像采集装置实时地采集车辆周围的图像数据。超声波数据和图像数据均包含车辆周围的环境信息。
可选地,车辆上的超声波传感器可以包括多个设置在车辆四周不同位置的传感器,能够在不同时刻、不同位置采集车辆四周的测量数据,得到超声波数据。
可选地,车辆上的图像采集装置也可以包括多个图像采集装置,分别设置在车辆顶部或四周的多个不同位置,能够在不同时刻、不同位置采集车辆四周的图像数据。
本实施例中,进行空间车位检测的时长和频率可以根据实际应用场景的需要进行设置和调整。
示例性地,响应于空间车位检测指示,在预设时长内每间隔一个时段,根据上一时段内采集的超声波数据和图像数据,通过步骤S202-S204检测可用空间车位。在预设时长结束时,根据预设时长内检测到的所有可用空间车位,选择其中一个可用空间车位作为目标车位。
其中,预设时长和间隔时段的长度均可以根据实际应用场景的需要进行设置和调整,此处不做具体限定。
步骤S202、根据超声波数据确定车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位。
本实施例中,在获取到车辆周围的超声波数据之后,根据超声波数据,检测出车辆周围的第一空间车位。
在获取到车辆周围的图像数据之后,根据图像数据检测出车辆周围的第二空间车位。
步骤S203、将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位。
在根据超声波数据检测出车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位之后,将位于同一位置的基于不同数据源确定的第一空间车位和第二空间车位进行融合,确该位置上的空间车位,不仅能够增加空间车位的精度,而且图像数据的检测范围较大,能够扩大空间车位的检测范围,从常规的0.5m-2.0m,增加到0.5m-4.0m。
步骤S204、在所有位置上的空间车位中确定车辆的可用空间车位。
在将基于不同数据源确定的空间车位进行融合,得到融合后的空间车位之后,还可以对得到空间车位的可用性进行检测,排除其中不可用的空间车位,保留可用空间车位。
本实施例的方法,能够同时检测出各种类型的空间车位。例如,双边界垂直空间车位、单边界垂直空间车位(含左右边界)、双边界平行空间车位、单边界平行空间车位(含左右边界)、斜空间车位。其中,双边界的空间车位是指空间车位两侧都有障碍物,单边界的空间车位是指空间车位一侧有障碍物,另一侧没有障碍物。其中,空间车位两侧的障碍物主要是两侧的车辆,还可以是墙壁、隔离带等。
本实施例通过获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据,根据超声波数据确定车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,通过采用超声波数据和图像数据这两种不同数据源分别检测空间车位,并对空间车位进行融合,并校验检测出的空间车位的可用性,最终确定车辆的可用空间车位,能够在超声波传感器受到串扰影响时,通过图像数据检测出空间车位,从而能够解决超声波串扰的问题,提高空间车位的检测精度和检出率。由于图像数据的检测范围较大,能够扩大空间车位的检测范围。基于图像数据能够充分挖掘障碍物周边的障碍物信息,不仅仅包括障碍物车辆迎车面的障碍物信息,还包括障碍物车辆侧边的障碍物信息,能够大大提升空间车位检测的精准度。
图3是本公开第二实施例提供的空间车位检测方法流程图;图4是本公开第二实施例提供的空间车位检测方法的总体框架图。在上述第一实施例的基础上,本实施例中,空间车位检测方法的总体框架如图4所示,首先需要通过不同的传感器采集车辆周围的环境信息,得到超声波数据、图像数据,同时获取车辆的位置信息。根据超声波数据和车辆的位置信息构建第一栅格地图,从第一栅格地图提取障碍物直线段,根据障碍物直线段生成/调整第一空间车位。根据图像数据和车辆的位置信息构建第二栅格地图,从第二栅格地图提取障碍物直线段,根据障碍物直线段生成/调整第二空间车位。将第一空间车位和第二空间车位进行车位级融合,得到融合空间车位。对融合空间车位进行可用性检测,确定可用空间车位。
其中,第一栅格地图和第二栅格地图可以为二维占据概率栅格地图,能够将车辆周围的障碍物的外轮廓进行精准有效地描述。
下面结合图3对空间车位检测方法的具体实现方式进行示例性地说明。如图3所示,该方法具体步骤如下:
步骤S301、在车辆行进过程中,获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据。
在车辆寻找空间车位,驶过道路旁的空间车位的过程中,车辆上的超声波传感器实时地采集车辆周围的超声波数据,同时,车辆上的图像采集装置实时地采集车辆周围的图像数据。超声波数据和图像数据均包含车辆周围的环境信息。
可选地,车辆上的超声波传感器可以包括多个设置在车辆四周不同位置的传感器,能够在不同时刻、不同位置采集车辆四周的测量数据,得到超声波数据。
可选地,车辆上的图像采集装置也可以包括多个图像采集装置,分别设置在车辆顶部或四周的多个不同位置,能够在不同时刻、不同位置采集车辆四周的图像数据。
在获取到车辆周围的超声波数据之后,通过步骤S302-S304,根据超声波数据确定车辆周围的第一空间车位。
在获取到车辆周围的图像数据之后,通过步骤S305-S307,根据图像数据确定车辆周围的第二空间车位。
本实施例中,根据超声波数据确定车辆周围的第一空间车位,与根据图像数据确定车辆周围的第二空间车位,这两个处理过程可以并行地进行,以提高空间车位检测的效率。
步骤S302、根据超声波数据,确定车辆周围的障碍物点的位置。
该步骤中,根据超声波数据、超声波传感器的内参和外参、以及车辆的定位信息,可以确定车辆周围的障碍物点与车辆的距离,并进一步确定车辆周围的障碍物点的位置。
步骤S303、根据障碍物点的位置,构建占据概率栅格地图,得到第一栅格地图。
占据概率栅格地图是将一个高维(如3维)的建图问题转换为许多个独立的一维栅格估计问题。概率栅格地图(后面简称栅格地图)则是环境划分为一系列栅格,其中每一个栅格给定一个可能值,表示该栅格被占用的概率。
该步骤中,首先构建车辆周围的预设地理区域对应的占据概率栅格地图,栅格地图包括多个栅格单元,栅格单元的状态值表示障碍物的外轮廓经过该栅格单元的概率值,栅格单元的状态值的初始值为0。
其中,预设地理区域的大小和形状可以根据实际应用场景的需要进行设置和调整,本实施例此处不做具体限定。
在根据超声波数据确定车辆周围的障碍物点的位置之后,根据障碍物点的位置,确定每一障碍物点落入的栅格单元。
具体地,超声波数据包括至少一帧数据,分别针对每一帧数据,根据每一帧数据确定多个障碍物点,分别确定每一障碍物点落入的栅格单元。
在确定所有障碍物点落入的栅格单元之后,根据落入每一栅格单元中的障碍物点的数量,确定障碍物的外轮廓经过该栅格单元的概率值。
可选地,将概率值大于第一阈值的栅格单元标记为被障碍物的外轮廓占用的栅格单元,将概率值小于第一阈值的栅格单元标记为未被障碍物的外轮廓占用的栅格单元,将概率值等于第一阈值的栅格单元标记为未知状态,得到第一栅格地图。
可选地,将概率值大于或等于第一阈值的栅格单元标记为被障碍物的外轮廓占用的栅格单元,将概率值小于第一阈值的栅格单元标记为未被障碍物的外轮廓占用的栅格单元,得到第一栅格地图,将未知状态的栅格单元作为被占用的栅格单元,避免确定的空间车位不可用,导致车辆泊入空间车位时发生碰撞或刮蹭。
示例性地,可以将概率值大于或等于第一阈值的栅格单元的状态值设置为1,表示栅格单元被障碍物的外轮廓占用。将概率值小于第一阈值的栅格单元的状态值设置为0,表示栅格单元未被障碍物的外轮廓占用。
其中,第一阈值可以根据实际应用场景的需要进行设置和调整,例如第一阈值可以是0.5,本实施例此处不做具体限定。
该步骤中确定的第一栅格地图能够精准有效地描述车辆周围的障碍物的外轮廓的位置。
可选地,在确定第一栅格地图之后,还可以将第一栅格地图转换为图片,在图片中对不同状态的栅格单元进行区分,从而更直观地展示车辆周围障碍物的外轮廓的位置。
例如,第一阈值可以是0.5,当栅格单元对应的概率值为0.5时,则该栅格单元为未知状态;当栅格单元对应的概率值小于0.5时,则该栅格单元未被占用,栅格单元为空;当栅格单元对应的概率值大于0.5时,则该栅格单元被占用,即该栅格单元中存在障碍物。将第一栅格地图转换为图片更直观的展示时,可将被占用的栅格单元涂成黑色,未被占用的栅格单元涂为白色,将未知状态的栅格单元涂为灰色,形成如图5所示的图片。
步骤S304、识别第一栅格地图中的障碍物线段的位置,并根据障碍物线段的位置,确定车辆周围的空间车位,得到第一空间车位。
在实际应用中,在超声波传感器的观测截面,将障碍物车辆的正向近似为长度在车辆横向宽度范围内的直线线段,将障碍物车辆的侧向近似为长度在车辆纵向长度范围内的直线线段,并且车辆正向与侧向的直线线段相互垂直。
其中,车辆横向宽度范围和车辆纵向长度范围可以根据车位适用的车辆的大小尺寸进行设置和调整,本实施例此处不做具体限定。
例如,对于某一车型的大多数车辆,车头和车尾可以近似为1-2米的直线线段,车辆侧向可以近似为4-6米的直线线段,可以将车辆横向宽度范围可以设置为1-2米,车辆纵向长度范围可以设置为4-6米。
本实施例中,通过识别第一栅格地图中的障碍物线段,来确定已停放的障碍物车辆的外轮廓的位置,并进一步根据障碍物线段的位置,确定车辆周围的空间车位,得到第一空间车位。
该步骤中,识别任一占据概率栅格地图中的障碍物线段的位置,具体可以采用如下方式实现:
提取占据概率栅格地图中的直线线段,得到车辆周围的障碍物线段,并确定障碍物线段的位置。这样,能够精准地识别出第一栅格地图中的障碍物线段,从而为识别空间车位提供精准地基础数据。
可选地,可以使用霍夫(Hough)变换或者随机抽样一致算法(Random sampleconsensus,简称RANSAC),从第一栅格地图中提取出直线线段。
在进行空间车位检测时,可以先生成空间车位,然后进一步对空间车位进行调整,以提高空间车位的精准度。可选地,在空间车位的生成阶段可以使用霍夫(Hough)变换快速地从第一栅格地图中提取出直线线段;在空间车位的调整阶段可以使用RANSAC从第一栅格地图中提取出直线线段。
该步骤中,根据障碍物线段的位置,确定车辆周围的空间车位,具体可以采用如下方式实现:
根据障碍物线段的位置和车辆的位姿信息,筛选出与车辆长度方向相匹配的障碍物线段;对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据两个相邻的障碍物线段之间沿车辆长度方向的间隔距离,以及车辆周围的空间车位的车位类型和车位类型对应的车位尺寸,确定两个相邻的障碍物线段之间的空间车位。
其中,车位类型可以包括:垂直车位、平行车位、斜车位。
在实际应用中,车辆沿道路行驶寻找车辆侧方(道路两侧)的空间车位,车辆长度方向也就是道路纵向延伸的方向。
其中,与车辆长度方向相匹配的障碍物线段,是指与车辆长度方向(也即道路延伸方向)平行或夹角小于预设角度阈值的障碍物线段。其中预设角度阈值可以根据实际应用场景的需要进行设置和调整,此处不做具体限定。
在筛选出与车辆长度方向相匹配的障碍物线段之后,筛选出的障碍物线段包括已经停放的障碍物车辆朝向道路的轮廓线段,若两个障碍物车辆紧挨着停放(中间没有空间车位),两个障碍物线段沿车辆长度方向的间隔距离将很小。如果两个障碍物线段沿车辆长度方向的间隔距离大于一个车位的宽度(对于垂直车位)或长度(对于平行车位),则可以确定两个障碍物线段之间有至少一个空间车位;根据空间车位的类型和车位尺寸,可以确定两个障碍物线段之间的空间车位的数量及位置。通过这种方式,能够根据第一栅格地图精准地检测出车辆周围的空间车位,提高了基于超声波数据进行空间车位检测的精准度。
进一步地,对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据两个相邻的障碍物线段之间沿车辆长度方向的间隔距离,以及空间车位的车位类型和车位类型对应的车位尺寸,确定两个相邻的障碍物线段之间的空间车位之前,确定车辆周围的空间车位的车位类型。在确定车位类型之后,可以根据车位类型及空间车位的大小,精准地确定车辆周围的空间车位的位置。
可选地,确定车辆周围的空间车位的车位类型,可以采用如下方式实现:
根据图像数据,进行图像识别,确定车辆周围的车辆障碍物;根据车辆侧方的车辆障碍物的停放方向,确定车辆周围的空间车位的车位类型。基于图像数据,能够精准地识别障碍物的类型,从而识别出车辆周围的车辆障碍物,并可以精准地确定车辆障碍物的停放方向,从而可以精准地确定空间车位的车位类型,基于精准的车位类型可以提高空间车位的检测精准度。
其中,车辆障碍物是指类型为车辆的障碍物,也成为障碍物车辆。
示例性地,如果车辆侧方(道路旁)的车辆障碍物是垂直(或近似垂直)于道路停放的,则可以确定道路旁的空间车位为垂直车位。如果车辆侧方(道路旁)的车辆障碍物是平行(或近似平行)于道路停放的,则可以确定道路旁的空间车位为平行车位。如果车辆侧方(道路旁)的车辆障碍物的侧方轮廓线段与道路成一定角度,则可以确定道路旁的空间车位为斜车位。
可选地,确定车辆周围的空间车位的车位类型,还可以采用如下方式实现:
根据车辆周围的障碍物线段的长度,筛选出车辆纵向边界线段和车辆横向边界线段,其中,车辆纵向边界线段是指线段长度在车辆纵向长度范围内的障碍物线段,车辆横向边界线段是指线段长度在车辆横向宽度范围内的障碍物线段;根据车辆纵向边界线段和车辆横向边界线段的位置,确定车辆周围的空间车位的车位类型。
这样,即使在根据图像数据确定车位类型失败时,可以根据车辆周围的障碍物线段的长度,确定车辆周围停放的车辆障碍物的车辆横向边界线段和车辆纵向边界线段,从而可以去掉车辆停放方向,并进一步确定车位类型。
本实施例中,在获取到车辆周围的超声波数据之后,通过步骤S302-S304,根据超声波数据确定车辆周围的第一空间车位,能够提高基于超声波数据进行空间车位检测的精准度。
步骤S305、根据图像数据,确定车辆周围的障碍物的外轮廓的接地点的坐标。
该步骤中,通过对车辆周围的图像数据进行深度学习处理,可以确定车辆周围的障碍物接地轮廓,包括一个或者多个接地点的3D坐标。
示例性地,本实施例中,可以基于视觉的freespace技术识别车辆周围的障碍物的外轮廓的接地点的坐标。Freespace即汽车可行驶区域,包括避开其他汽车,行人,马路边的区域。该技术不仅用到了图像识别算法,还涉及了计算机视觉中的几何测量算法,即获取目标区域在相机坐标系下的距离。
步骤S306、根据障碍物的外轮廓的接地点的坐标,构建占据概率栅格地图,得到第二栅格地图。
该步骤中,首先构建车辆周围的预设地理区域对应的占据概率栅格地图,栅格地图包括多个栅格单元,栅格单元的状态值表示障碍物的外轮廓经过该栅格单元的概率值,栅格单元的状态值的初始值为0。
其中,预设地理区域的大小和形状可以根据实际应用场景的需要进行设置和调整,本实施例此处不做具体限定。
在根据图像数据确定车辆周围的障碍物的外轮廓的接地点的坐标之后,根据障碍物的外轮廓的接地点的坐标,确定障碍物的外轮廓的接地点落入的栅格单元。
具体地,图像数据包括至少一帧数据,分别针对每一帧数据,根据每一帧数据确定障碍物的外轮廓的接地点,分别确定每一接地点落入的栅格单元。
在确定所有障碍物的外轮廓的接地点落入的栅格单元之后,根据落入每一栅格单元中的接地点的数量,确定障碍物的外轮廓经过该栅格单元的概率值。
可选地,将概率值大于第一阈值的栅格单元标记为被障碍物的外轮廓占用的栅格单元,将概率值小于第二阈值的栅格单元标记为未被障碍物的外轮廓占用的栅格单元,将概率值等于第二阈值的栅格单元标记为未知状态,得到第二栅格地图。
可选地,将概率值大于或等于第二阈值的栅格单元标记为被障碍物的外轮廓占用的栅格单元,将概率值小于第二阈值的栅格单元标记为未被障碍物的外轮廓占用的栅格单元,得到第二栅格地图,将未知状态的栅格单元作为被占用的栅格单元,避免确定的空间车位不可用,导致车辆泊入空间车位时发生碰撞或刮蹭。
示例性地,可以将概率值大于或等于第二阈值的栅格单元的状态值设置为1,表示栅格单元被障碍物的外轮廓占用。将概率值小于第二阈值的栅格单元的状态值设置为0,表示栅格单元未被障碍物的外轮廓占用。
其中,第二阈值可以根据实际应用场景的需要进行设置和调整,例如第二阈值可以是0.5,本实施例此处不做具体限定。
该步骤中确定的第二栅格地图能够精准有效地描述车辆周围的障碍物的外轮廓的位置。
可选地,在确定第二栅格地图之后,还可以将第二栅格地图转换为图片,在图片中对不同状态的栅格单元进行区分,从而更直观地展示车辆周围障碍物的外轮廓的位置。
例如,第二阈值可以是0.5,当栅格单元对应的概率值为0.5时,则该栅格单元为未知状态;当栅格单元对应的概率值小于0.5时,则该栅格单元未被占用,栅格单元为空;当栅格单元对应的概率值大于0.5时,则该栅格单元被占用,即该栅格单元中存在障碍物。将第二栅格地图转换为图片更直观的展示时,可将被占用的栅格单元涂成黑色,未被占用的栅格单元涂为白色,将未知状态的栅格单元涂为灰色,形成如图6所示的图片。可以明显看出,图6所示的根据图像数据确定的第二栅格地图对应图片,比图5所示的根据超神波数据确定第一栅格地图对应图片中障碍物外轮廓的位置更加精准。
进一步地,根据图像数据能够识别出车辆周围的障碍物的类型,根据预设类型的障碍物的外轮廓的接地点,生成第二栅格地图,并确定空间车位,能够避免将部分由人组成的空间检测为空间车位导致误检车位的情况。其中,预设类型的障碍物可以根据实际应用场景的需要进行设置和调整,此处不做具体限定。例如,预设类型的障碍物可以包括:车辆障碍物、墙壁、柱子、草地、路沿等。
步骤S307、识别第二栅格地图中的障碍物线段的位置,并根据障碍物线段的位置,确定车辆周围的空间车位,得到第二空间车位。
该步骤与上述步骤S304的实现方式类似,具体参见上述步骤S304的相关描述,此处不再赘述。
本实施例中,在获取到车辆周围的图像数据之后,通过步骤S305-S307,根据图像数据确定车辆周围的第二空间车位,能够在超声波传感器受到串扰影响时,通过图像数据检测出空间车位,从而能够解决超声波串扰的问题,提高空间车位的检测精度和检出率。由于图像数据的检测范围较大,能够扩大空间车位的检测范围。基于图像数据能够充分挖掘障碍物周边的障碍物信息,不仅仅包括障碍物车辆迎车面的障碍物信息,还包括障碍物车辆侧边的障碍物信息,能够大大提升空间车位检测的精准度。
步骤S308、将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位。
在根据超声波数据确定车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位之后,还可以将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,从而可以进一步提高空间车位检测的精准度。
可选地,该步骤具体可以采用如下方式实现:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位,将第一融合空间车位作为位置上的空间车位,可以将基于不同数据源确定的空间车位进行融合,确定最终的空间车位,能够进一步提高空间车位检测的精准度。
可选地,该步骤具体还可以采用如下方式实现:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位;将第一融合空间车位与同一位置上的历史空间车位进行融合,确定第二融合空间车位,将第二融合空间车位作为位置上的空间车位。
其中,历史空间车位为在上一时段内确定并存储的融合空间车位。
具体地,将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位之后,对于任一第一融合空间车位,确定是否存在与该第一融合空间车位在同一位置上的历史空间车位。如果存在,则将第一融合空间车位与同一位置上的历史空间车位进行融合,确定第二融合空间车位,将第二融合空间车位作为位置上的空间车位。如果不存在,则将第一融合空间车位作为位置上的空间车位。
通过将基于不同数据源确定的空间车位进行融合,确定最终的空间车位,能够提高空间车位检测的精准度;进一步地,将当前时段确定的融合空间车位与上一时段确定融合空间车位再次进行融合,可以进一步地提升空间车位检测的精准度。
可选地,在将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位之前,根据任一第一空间车位和任一第二空间车位的重合度,确定位于同一位置的第一空间车位和第二空间车位。
其中,若任一第一空间车位和任一第二空间车位的重合度大于预设重合度,则确定第一空间车位和第二空间车位位于同一位置。预设重合度可以根据实际应用场景的需要进行设置和调整,本实施例此处不做具体限定。
通过根据第一空间车位和第二空间车位的重合度,可以准确地判断两个空间车位是否位于同一位置,然后将同一位置的空间车位进行融合,可以提高空间车位的位置的精准度。
在实际应用中,空间车位的位置通过空间车位的位置标志点坐标和入库方向角度确定。其中,空间车位的位置标志点可以是空间车位入口边界的中点,或者还可以设置为其他位置点,此处不做具体限定。
进一步地,将同一位置上的两个空间车位进行融合,确定对应的融合空间车位,具体可以采用如下方式实现:
将同一位置上的两个空间车位的位置标志点坐标进行融合,得到融合后的位置标志点坐标,并将两个空间车位的入库方向角度分别进行融合,得到融合后的入库方向角度;根据融合后的位置标志点坐标和融合后的入库方向角度,确定对应的融合空间车位。通过这种方式能够将位于同一位置上的两个空间车位进行融合,提高空间车位的位置的精准度。
可选地,将同一位置上的两个空间车位的位置标志点坐标进行融合,可以是将两个空间车位的位置标志点坐标加权求平均,得到融合后的位置标志点坐标。将两个空间车位的入库方向角度分别进行融合,可以是将两个空间车位的入库方向角度加权求平均,得到融合后的入库方向角度。
可选地,在将第一空间车位和第二空间车位进行融合时,由于基于图像数据确定空间车位的精准度较高,可以设置第二空间车位的权重大于第一空间车位的权重,以提高融合后空间车位的位置的精准度。
步骤S309、根据图像数据,对所有位置上的空间车位是否可用进行检测,并确定所有位置上的空间车位中的可用空间车位。
本实施例中,在将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位之后,可以对所有位置上的空间车位是否可用进行检测,并确定所有位置上的空间车位中的可用空间车位,能够排除那些不可用的空间车位,保证最终提供给车辆的空间车位是可用的,能够提高车辆泊入成功率,使得泊车过程更加顺畅。
该步骤中,可以据平面几何约束和障碍物分布情况进行车位合法性检查。
可选地,该步骤中可以检测空间车位是否满足以下至少一项条件:
空间车位的尺寸是否满足需要、空间车位内是否有影响泊车的障碍物。
示例性地,空间车位的尺寸是否满足当前车辆的泊车需要,例如空间车位的宽度是否大于当前车辆的宽度。
示例性地,检测空间车位内是否有影响泊车的障碍物,可以包括:
检测空间车位内是否存在障碍物,如果空间车位内不存在障碍物,则确定空间车位可用。
如存在障碍物,确定障碍物是否可移动。如果空间车位内存在不可移动障碍物,且不可移动的障碍物占据空间车位的区域的大小(可以是占据栅格单元的数量)大于预设容错阈值,则确定空间车位内有影响泊车的障碍物,该空间车位不可用。
如果空间车位内存在可移动障碍物,且可移动障碍物可以主动避让车辆,则确定空间车位内没有影响泊车的障碍物,该空间车位可用。
如果空间车位内存在可移动障碍物,且可移动障碍物不可以主动避让车辆,则在无其他可用空间车位的情况下,可以提示车内人员障碍物的类型(如锥桶、自行车等),由车人员人工移出障碍物腾出空间车位。
本实施例中,利用两种数据源(超声波数据和基于视觉的图像数据)生成空间车位,再做车位级别融合,再对车位进行多种数据源障碍物校验,能够充分保证空间车位检测的精准度和检出率。
步骤S310、从可用空间车位中确定一个作为目标车位,根据目标车位的位置和车辆的当前位置,生成由当前位置泊入目标车位的导航路线。
在确定所有的可用空间车位之后,从可用空间车位中选择一个作为当前车辆本次泊车使用的目标车位。进一步地,还可以根据目标车位的位置和车辆的当前位置,自动生成由当前位置泊入目标车位的导航路线,以向车辆提供泊入目标车位的导航功能,提高泊车成功率。
可选地,可以从可用空间车位中,根据每一可用空间车位的位置和车辆的当前位置,确定车辆的目标车位。
具体地,根据每一可用空间车位的位置和车辆的当前位置,以及车位选择规则,自动确定车辆的目标车位,能够自动选择最优或较优的可用空间车位作为当前车辆的目标车位,能够缩短车辆泊车时间,提高泊车效率和泊车成功率。
可选地,车位选择规则可以根据以下至少一项确定:空间车位的位置与车辆距离最近、空间车位的位置与车辆导航路线的距离最近、空间车位紧邻车辆当前所在道路且在车辆的行驶方向上等等。
其中,车位选择规则可以根据实际应用场景的需要进行设置和调整,本实施例此处不做具体限定。
可选地,还可以将所有可用空间车位展示给用户,供用户自行选择想要泊入的目标车位,具体可以采用如下方式实现:
在地图数据中显示可用空间车位及可用空间车位的位置信息;响应于对任一可用空间车位的选择操作,确定被选择的可用空间车位为车辆的目标车位,能够由用户根据自身需求选择想要泊入的目标车位,更加符合用户需求,能够提高泊车成功率。
步骤S311、根据导航路线,控制车辆泊入目标车位。
该步骤为可选步骤,在生成由当前位置泊入目标车位的导航路线之后,还可以控制车辆泊入目标车位,实现自主泊车,提高自主泊车的成功率。
本实施例通过获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据,根据超声波数据构建第一栅格地图,并根据第一栅格地图确定车辆周围的第一空间车位;同时,根据图像数据构建第二栅格地图,并根据第二栅格地图确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,通过采用超声波数据和图像数据这两种不同数据源分别检测空间车位,对空间车位进行融合,并校验检测出的空间车位的可用性,最终确定车辆的可用空间车位,能够解决超声波串扰的问题,提高空间车位的检测精度和检出率;由于图像数据的检测范围较大,能够扩大空间车位的检测范围;基于图像数据能够充分挖掘障碍物周边的障碍物信息,不仅仅包括障碍物车辆迎车面的障碍物信息,还包括障碍物车辆侧边的障碍物信息,能够大大提升空间车位检测的精准度。进一步地,通过确定车位类型并根据车位类型检测空间车位,相较于只根据空间大小检测空间车位,然后在确定检测出的空间车位的位置,能够提高空间车位的检测精度和检出率;通过将第一融合空间车位与同一位置上的历史空间车位进行融合,提高空间车位的位置的精准度。
图7是本公开第三实施例提供的空间车位检测设备的结构示意图。本实施例提供的空间车位检测设备可以执行空间车位检测方法实施例提供的处理流程。如图7所示,该空间车位检测设备70包括:数据获取模块701,第一车位确定模块702,第二车位确定模块703,车位融合模块704,可用性检测模块705。
具体地,数据获取模块701,用于在车辆行进过程中,获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据。
第一车位确定模块702,用于根据超声波数据确定车辆周围的第一空间车位。
第二车位确定模块703,用于根据图像数据确定车辆周围的第二空间车位。
车位融合模块704,用于将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位。
可用性检测模块705,用于在所有位置上的空间车位中确定车辆的可用空间车位。
本公开实施例提供的设备可以具体用于执行上述第一实施例所提供的方法实施例,具体功能和效果此处不再赘述。
本实施例通过获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据,根据超声波数据确定车辆周围的第一空间车位,并根据图像数据确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,通过采用超声波数据和图像数据这两种不同数据源分别检测空间车位,并对空间车位进行融合,并校验检测出的空间车位的可用性,最终确定车辆的可用空间车位,能够在超声波传感器受到串扰影响时,通过图像数据检测出空间车位,从而能够解决超声波串扰的问题,提高空间车位的检测精度和检出率。由于图像数据的检测范围较大,能够扩大空间车位的检测范围。基于图像数据能够充分挖掘障碍物周边的障碍物信息,不仅仅包括障碍物车辆迎车面的障碍物信息,还包括障碍物车辆侧边的障碍物信息,能够大大提升空间车位检测的精准度。
图8是本公开第四实施例提供的空间车位检测设备的结构示意图。本实施例提供的空间车位检测设备可以执行空间车位检测方法实施例提供的处理流程。如图8所示,该空间车位检测设备80包括:数据获取模块801,第一车位确定模块802,第二车位确定模块803,车位融合模块804,可用性检测模块805。
具体地,数据获取模块801,用于在车辆行进过程中,获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据。
第一车位确定模块802,用于根据超声波数据确定车辆周围的第一空间车位。
第二车位确定模块803,用于根据图像数据确定车辆周围的第二空间车位。
车位融合模块804,用于将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位。
可用性检测模块805,用于在所有位置上的空间车位中确定车辆的可用空间车位。
可选地,如图8所示,第一车位确定模块802,包括:
障碍物点确定单元8021,用于根据超声波数据,确定车辆周围的障碍物点的位置。
栅格地图处理单元8022,用于根据障碍物点的位置,构建占据概率栅格地图,得到第一栅格地图。
障碍物线段识别单元8023,用于识别第一栅格地图中的障碍物线段的位置。
车位确定单元8024,用于根据障碍物线段的位置,确定车辆周围的空间车位,得到第一空间车位。
可选地,如图8所示,第二车位确定模块803,包括:
接地点确定单元8031,用于根据图像数据,确定车辆周围的障碍物的外轮廓的接地点的坐标。
栅格地图处理单元8032,用于根据障碍物的外轮廓的接地点的坐标,构建占据概率栅格地图,得到第二栅格地图。
障碍物线段识别单元8033,用于识别第二栅格地图中的障碍物线段的位置;
车位确定单元8034,用于根据障碍物线段的位置,确定车辆周围的空间车位,得到第二空间车位。
可选地,任一障碍物限定识别单元(障碍物线段识别单元8023或障碍物线段识别单元8033),用于:
提取占据概率栅格地图中的直线线段,得到车辆周围的障碍物线段,并确定障碍物线段的位置。
可选地,任一车位确定单元(车位确定单元8024或车位确定单元8034),包括:
障碍物线段筛选子单元,用于根据障碍物线段的位置和车辆的位姿信息,筛选出与车辆长度方向相匹配的障碍物线段。
车位确定子单元,用于对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据两个相邻的障碍物线段之间沿车辆长度方向的间隔距离,以及车辆周围的空间车位的车位类型和车位类型对应的车位尺寸,确定两个相邻的障碍物线段之间的空间车位。
可选地,车位确定单元,还包括:
车位类型确定子单元,用于:
对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据两个相邻的障碍物线段之间沿车辆长度方向的间隔距离,以及空间车位的车位类型和车位类型对应的车位尺寸,确定两个相邻的障碍物线段之间的空间车位之前,确定车辆周围的空间车位的车位类型。
可选地,车位类型确定子单元还用于:
根据图像数据,进行图像识别,确定车辆周围的车辆障碍物,车辆障碍物是指类型为车辆的障碍物;根据车辆侧方的车辆障碍物的停放方向,确定车辆周围的空间车位的车位类型。
可选地,车位类型确定子单元还用于:
根据车辆周围的障碍物线段的长度,筛选出车辆纵向边界线段和车辆横向边界线段,其中,车辆纵向边界线段是指线段长度在车辆纵向长度范围内的障碍物线段,车辆横向边界线段是指线段长度在车辆横向宽度范围内的障碍物线段;根据车辆纵向边界线段和车辆横向边界线段的位置,确定车辆周围的空间车位的车位类型。
可选地,车位融合模块,具体用于:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位,将第一融合空间车位作为位置上的空间车位。
可选地,车位融合模块,具体用于:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位;将第一融合空间车位与同一位置上的历史空间车位进行融合,确定第二融合空间车位,将第二融合空间车位作为位置上的空间车位;其中,历史空间车位为在上一时段内确定并存储的融合空间车位。
可选地,车位融合模块还用于:
将同一位置上的两个空间车位的位置标志点坐标进行融合,得到融合后的位置标志点坐标,并将两个空间车位的入库方向角度分别进行融合,得到融合后的入库方向角度;根据融合后的位置标志点坐标和融合后的入库方向角度,确定对应的融合空间车位。
可选地,车位融合模块还用于:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位之前,根据任一第一空间车位和任一第二空间车位的重合度,确定位于同一位置的第一空间车位和第二空间车位。
其中,若任一第一空间车位和任一第二空间车位的重合度大于预设重合度,则确定第一空间车位和第二空间车位位于同一位置。
可选地,可用性检测模块,具体用于:
根据图像数据,对所有位置上的空间车位是否可用进行检测,并确定所有位置上的空间车位中的可用空间车位。
可选地,如图8所示,该空间车位检测设备80还包括:
目标车位确定模块806,用于:在所有位置上的空间车位中确定车辆的可用空间车位之后,从可用空间车位中确定一个作为目标车位;
泊车导航模块807,用于:根据目标车位的位置和车辆的当前位置,生成由当前位置泊入目标车位的导航路线。
可选地,如图8所示,该空间车位检测设备80还包括:
自主泊车模块808,用于:根据目标车位的位置和车辆的当前位置,生成由当前位置至目标车位的导航路线之后,根据导航路线,控制车辆泊入目标车位。
可选地,目标车位确定模块,具体用于:
根据每一可用空间车位的位置和车辆的当前位置,确定车辆的目标车位。
可选地,目标车位确定模块,具体用于:
在地图数据中显示可用空间车位及可用空间车位的位置信息;响应于对任一可用空间车位的选择操作,确定被选择的可用空间车位为车辆的目标车位。
本公开实施例提供的设备可以具体用于执行上述第二实施例所提供的方法实施例,具体功能和效果此处不再赘述。
本实施例通过获取车辆上的超声波传感器采集的车辆周围的超声波数据,以及图像采集装置采集的车辆周围的图像数据,根据超声波数据构建第一栅格地图,并根据第一栅格地图确定车辆周围的第一空间车位;同时,根据图像数据构建第二栅格地图,并根据第二栅格地图确定车辆周围的第二空间车位;将位于同一位置的第一空间车位和第二空间车位进行融合,确定位置上的空间车位,通过采用超声波数据和图像数据这两种不同数据源分别检测空间车位,对空间车位进行融合,并校验检测出的空间车位的可用性,最终确定车辆的可用空间车位,能够解决超声波串扰的问题,提高空间车位的检测精度和检出率;由于图像数据的检测范围较大,能够扩大空间车位的检测范围;基于图像数据能够充分挖掘障碍物周边的障碍物信息,不仅仅包括障碍物车辆迎车面的障碍物信息,还包括障碍物车辆侧边的障碍物信息,能够大大提升空间车位检测的精准度。进一步地,通过确定车位类型并根据车位类型检测空间车位,相较于只根据空间大小检测空间车位,然后在确定检测出的空间车位的位置,能够提高空间车位的检测精度和检出率;通过将第一融合空间车位与同一位置上的历史空间车位进行融合,提高空间车位的位置的精准度。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如空间车位检测方法。例如,在一些实施例中,空间车位检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的空间车位检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行空间车位检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (37)
1.一种空间车位检测方法,包括:
在车辆行进过程中,获取车辆上的超声波传感器采集的所述车辆周围的超声波数据,以及图像采集装置采集的所述车辆周围的图像数据;
根据所述超声波数据确定所述车辆周围的第一空间车位,并根据所述图像数据确定所述车辆周围的第二空间车位;
将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位;
在所有位置上的空间车位中确定所述车辆的可用空间车位。
2.根据权利要求1所述的方法,其中,所述根据所述超声波数据确定所述车辆周围的第一空间车位,包括:
根据所述超声波数据,确定所述车辆周围的障碍物点的位置;
根据所述障碍物点的位置,构建占据概率栅格地图,得到第一栅格地图;
识别所述第一栅格地图中的障碍物线段的位置,并根据所述障碍物线段的位置,确定所述车辆周围的空间车位,得到第一空间车位。
3.根据权利要求1所述的方法,其中,所述根据所述图像数据确定所述车辆周围的第二空间车位,包括:
根据所述图像数据,确定所述车辆周围的障碍物的外轮廓的接地点的坐标;
根据所述障碍物的外轮廓的接地点的坐标,构建占据概率栅格地图,得到第二栅格地图;
识别所述第二栅格地图中的障碍物线段的位置,并根据所述障碍物线段的位置,确定所述车辆周围的空间车位,得到第二空间车位。
4.根据权利要求2或3所述的方法,其中,识别任一占据概率栅格地图中的障碍物线段的位置,包括:
提取所述占据概率栅格地图中的直线线段,得到所述车辆周围的障碍物线段,并确定所述障碍物线段的位置。
5.根据权利要求2-4中任一项所述的方法,其中,所述根据所述障碍物线段的位置,确定所述车辆周围的空间车位,包括:
根据所述障碍物线段的位置和所述车辆的位姿信息,筛选出与所述车辆长度方向相匹配的障碍物线段;
对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据所述两个相邻的障碍物线段之间沿所述车辆长度方向的间隔距离,以及所述车辆周围的空间车位的车位类型和所述车位类型对应的车位尺寸,确定所述两个相邻的障碍物线段之间的空间车位。
6.根据权利要求5所述的方法,还包括:
确定所述车辆周围的空间车位的车位类型。
7.根据权利要求6所述的方法,其中,所述确定所述车辆周围的空间车位的车位类型,包括:
根据所述图像数据,进行图像识别,确定所述车辆周围的车辆障碍物,所述车辆障碍物是指类型为车辆的障碍物;
根据所述车辆侧方的车辆障碍物的停放方向,确定所述车辆周围的空间车位的车位类型。
8.根据权利要求6所述的方法,其中,所述确定所述车辆周围的空间车位的车位类型,包括:
根据所述车辆周围的障碍物线段的长度,筛选出车辆纵向边界线段和车辆横向边界线段,其中,所述车辆纵向边界线段是指线段长度在车辆纵向长度范围内的障碍物线段,所述车辆横向边界线段是指线段长度在车辆横向宽度范围内的障碍物线段;
根据所述车辆纵向边界线段和车辆横向边界线段的位置,确定所述车辆周围的空间车位的车位类型。
9.根据权利要求1-8中任一项所述的方法,其中,所述将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位,包括:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位,将所述第一融合空间车位作为所述位置上的空间车位。
10.根据权利要求1-8中任一项所述的方法,其中,所述将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位,包括:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位;
将所述第一融合空间车位与同一位置上的历史空间车位进行融合,确定第二融合空间车位,将所述第二融合空间车位作为所述位置上的空间车位;
其中,所述历史空间车位为在上一时段内确定并存储的融合空间车位。
11.根据权利要求9或10所述的方法,其中,将同一位置上的两个空间车位进行融合,确定对应的融合空间车位,包括:
将同一位置上的两个空间车位的位置标志点坐标进行融合,得到融合后的位置标志点坐标,并将所述两个空间车位的入库方向角度分别进行融合,得到融合后的入库方向角度;
根据融合后的位置标志点坐标和融合后的入库方向角度,确定对应的融合空间车位。
12.根据权利要求1-11中任一项所述的方法,还包括:
根据任一第一空间车位和任一第二空间车位的重合度,确定位于同一位置的第一空间车位和第二空间车位;
其中,若任一第一空间车位和任一第二空间车位的重合度大于预设重合度,则确定所述第一空间车位和所述第二空间车位位于同一位置。
13.根据权利要求1-12中任一项所述的方法,其中,所述在所有位置上的空间车位中确定所述车辆的可用空间车位,包括:
根据所述图像数据,对所有位置上的空间车位是否可用进行检测,并确定所有位置上的空间车位中的可用空间车位。
14.根据权利要求1-13中任一项所述的方法,还包括:
从所述可用空间车位中确定一个作为目标车位;
根据所述目标车位的位置和所述车辆的当前位置,生成由所述当前位置泊入所述目标车位的导航路线。
15.根据权利要求14所述的方法,还包括:
根据所述导航路线,控制所述车辆泊入所述目标车位。
16.根据权利要求14所述的方法,其中,所述从所述可用空间车位中确定一个作为目标车位,包括:
根据每一所述可用空间车位的位置和所述车辆的当前位置,确定所述车辆的目标车位。
17.根据权利要求14所述的方法,其中,所述从所述可用空间车位中确定一个作为目标车位,包括:
在地图数据中显示所述可用空间车位及所述可用空间车位的位置信息;
响应于对任一所述可用空间车位的选择操作,确定被选择的可用空间车位为所述车辆的目标车位。
18.一种空间车位检测装置,包括:
数据获取模块,用于在车辆行进过程中,获取车辆上的超声波传感器采集的所述车辆周围的超声波数据,以及图像采集装置采集的所述车辆周围的图像数据;
第一车位确定模块,用于根据所述超声波数据确定所述车辆周围的第一空间车位;
第二车位确定模块,用于根据所述图像数据确定所述车辆周围的第二空间车位;
车位融合模块,用于将位于同一位置的第一空间车位和第二空间车位进行融合,确定所述位置上的空间车位;
可用性检测模块,用于在所有位置上的空间车位中确定所述车辆的可用空间车位。
19.根据权利要求18所述的设备,其中,所述第一车位确定模块,包括:
障碍物点确定单元,用于根据所述超声波数据,确定所述车辆周围的障碍物点的位置;
栅格地图处理单元,用于根据所述障碍物点的位置,构建占据概率栅格地图,得到第一栅格地图;
障碍物线段识别单元,用于识别所述第一栅格地图中的障碍物线段的位置;
车位确定单元,用于根据所述障碍物线段的位置,确定所述车辆周围的空间车位,得到第一空间车位。
20.根据权利要求81所述的设备,其中,所述第二车位确定模块,包括:
接地点确定单元,用于根据所述图像数据,确定所述车辆周围的障碍物的外轮廓的接地点的坐标;
栅格地图处理单元,用于根据所述障碍物的外轮廓的接地点的坐标,构建占据概率栅格地图,得到第二栅格地图;
障碍物线段识别单元,用于识别所述第二栅格地图中的障碍物线段的位置;
车位确定单元,用于根据所述障碍物线段的位置,确定所述车辆周围的空间车位,得到第二空间车位。
21.根据权利要求19或20所述的设备,其中,任一所述障碍物限定识别单元,用于:
提取占据概率栅格地图中的直线线段,得到所述车辆周围的障碍物线段,并确定所述障碍物线段的位置。
22.根据权利要求19-21中任一项所述的设备,其中,所述车位确定单元,包括:
障碍物线段筛选子单元,用于根据所述障碍物线段的位置和所述车辆的位姿信息,筛选出与所述车辆长度方向相匹配的障碍物线段;
车位确定子单元,用于对于筛选出的障碍物线段中任意两个相邻的障碍物线段,根据所述两个相邻的障碍物线段之间沿所述车辆长度方向的间隔距离,以及所述车辆周围的空间车位的车位类型和所述车位类型对应的车位尺寸,确定所述两个相邻的障碍物线段之间的空间车位。
23.根据权利要求22所述的设备,其中,所述车位确定单元,还包括:
车位类型确定子单元,用于:
确定所述车辆周围的空间车位的车位类型。
24.根据权利要求23所述的设备,其中,所述车位类型确定子单元还用于:
根据所述图像数据,进行图像识别,确定所述车辆周围的车辆障碍物,所述车辆障碍物是指类型为车辆的障碍物;
根据所述车辆侧方的车辆障碍物的停放方向,确定所述车辆周围的空间车位的车位类型。
25.根据权利要求23所述的设备,其中,所述车位类型确定子单元还用于:
根据所述车辆周围的障碍物线段的长度,筛选出车辆纵向边界线段和车辆横向边界线段,其中,所述车辆纵向边界线段是指线段长度在车辆纵向长度范围内的障碍物线段,所述车辆横向边界线段是指线段长度在车辆横向宽度范围内的障碍物线段;
根据所述车辆纵向边界线段和车辆横向边界线段的位置,确定所述车辆周围的空间车位的车位类型。
26.根据权利要求18-25中任一项所述的设备,其中,所述车位融合模块,具体用于:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位,将所述第一融合空间车位作为所述位置上的空间车位。
27.根据权利要求18-25中任一项所述的设备,其中,所述车位融合模块,具体用于:
将位于同一位置的第一空间车位和第二空间车位进行融合,确定第一融合空间车位;
将所述第一融合空间车位与同一位置上的历史空间车位进行融合,确定第二融合空间车位,将所述第二融合空间车位作为所述位置上的空间车位;
其中,所述历史空间车位为在上一时段内确定并存储的融合空间车位。
28.根据权利要求26或27所述的设备,其中,所述车位融合模块还用于:
将同一位置上的两个空间车位的位置标志点坐标进行融合,得到融合后的位置标志点坐标,并将所述两个空间车位的入库方向角度分别进行融合,得到融合后的入库方向角度;
根据融合后的位置标志点坐标和融合后的入库方向角度,确定对应的融合空间车位。
29.根据权利要求18-28中任一项所述的设备,其中,所述车位融合模块还用于:
根据任一第一空间车位和任一第二空间车位的重合度,确定位于同一位置的第一空间车位和第二空间车位;
其中,若任一第一空间车位和任一第二空间车位的重合度大于预设重合度,则确定所述第一空间车位和所述第二空间车位位于同一位置。
30.根据权利要求18-29中任一项所述的设备,其中,所述可用性检测模块,具体用于:
根据所述图像数据,对所有位置上的空间车位是否可用进行检测,并确定所有位置上的空间车位中的可用空间车位。
31.根据权利要求18-30中任一项所述的设备,还包括:
目标车位确定模块,用于:从所述可用空间车位中确定一个作为目标车位;
泊车导航模块,用于:根据所述目标车位的位置和所述车辆的当前位置,生成由所述当前位置泊入所述目标车位的导航路线。
32.根据权利要求31所述的设备,还包括:
自主泊车模块,用于:根据所述导航路线,控制所述车辆泊入所述目标车位。
33.根据权利要求31所述的设备,其中,所述目标车位确定模块,具体用于:
根据每一所述可用空间车位的位置和所述车辆的当前位置,确定所述车辆的目标车位。
34.根据权利要求31所述的设备,其中,所述目标车位确定模块,具体用于:
在地图数据中显示所述可用空间车位及所述可用空间车位的位置信息;
响应于对任一所述可用空间车位的选择操作,确定被选择的可用空间车位为所述车辆的目标车位。
35.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-17中任一项所述的方法。
36.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-17中任一项所述的方法。
37.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-17中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921544.1A CN113640810A (zh) | 2021-08-11 | 2021-08-11 | 空间车位检测方法、设备、存储介质和程序产品 |
US17/711,082 US20220219679A1 (en) | 2021-08-11 | 2022-04-01 | Spatial parking place detection method and device, storage medium, and program product |
EP22166548.2A EP4024084A3 (en) | 2021-08-11 | 2022-04-04 | Spatial parking place detection method and device, storage medium, and program product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110921544.1A CN113640810A (zh) | 2021-08-11 | 2021-08-11 | 空间车位检测方法、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113640810A true CN113640810A (zh) | 2021-11-12 |
Family
ID=78420957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110921544.1A Pending CN113640810A (zh) | 2021-08-11 | 2021-08-11 | 空间车位检测方法、设备、存储介质和程序产品 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220219679A1 (zh) |
EP (1) | EP4024084A3 (zh) |
CN (1) | CN113640810A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108281041A (zh) * | 2018-03-05 | 2018-07-13 | 东南大学 | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 |
CN110316182A (zh) * | 2018-03-29 | 2019-10-11 | 深圳市航盛电子股份有限公司 | 一种自动泊车系统及方法 |
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 |
US20200104613A1 (en) * | 2018-09-28 | 2020-04-02 | Panasonic Intellectual Property Management Co., Ltd. | Vacant parking space detection apparatus and vacant parking space detection method |
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 |
CN112002125A (zh) * | 2020-08-10 | 2020-11-27 | 广州汽车集团股份有限公司 | 一种垂直车位融合识别方法及系统 |
US20210042540A1 (en) * | 2019-08-09 | 2021-02-11 | Otobrite Electronics Inc. | Method for recognizing parking space for vehicle and parking assistance system using the method |
CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192356B (zh) * | 2021-04-01 | 2023-01-03 | 上海欧菲智能车联科技有限公司 | 一种多传感器融合的车位检测方法、装置及车辆 |
-
2021
- 2021-08-11 CN CN202110921544.1A patent/CN113640810A/zh active Pending
-
2022
- 2022-04-01 US US17/711,082 patent/US20220219679A1/en active Pending
- 2022-04-04 EP EP22166548.2A patent/EP4024084A3/en not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108281041A (zh) * | 2018-03-05 | 2018-07-13 | 东南大学 | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 |
CN110316182A (zh) * | 2018-03-29 | 2019-10-11 | 深圳市航盛电子股份有限公司 | 一种自动泊车系统及方法 |
US20200104613A1 (en) * | 2018-09-28 | 2020-04-02 | Panasonic Intellectual Property Management Co., Ltd. | Vacant parking space detection apparatus and vacant parking space detection method |
US20210042540A1 (en) * | 2019-08-09 | 2021-02-11 | Otobrite Electronics Inc. | Method for recognizing parking space for vehicle and parking assistance system using the method |
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 |
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 |
CN112639821A (zh) * | 2020-05-11 | 2021-04-09 | 华为技术有限公司 | 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆 |
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 |
CN112002125A (zh) * | 2020-08-10 | 2020-11-27 | 广州汽车集团股份有限公司 | 一种垂直车位融合识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
EP4024084A3 (en) | 2022-09-14 |
EP4024084A2 (en) | 2022-07-06 |
US20220219679A1 (en) | 2022-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11709058B2 (en) | Path planning method and device and mobile device | |
CN112417967B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
WO2021097618A1 (zh) | 点云分割方法、系统及计算机存储介质 | |
KR102452550B1 (ko) | 라이다 데이터 기반 객체 검출 장치, 그를 포함한 시스템 및 그 방법 | |
US20230144209A1 (en) | Lane line detection method and related device | |
KR20210061722A (ko) | 고정밀 지도 제작 방법, 고정밀 지도 제작 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
CN113378693B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN110298311B (zh) | 路面积水检测方法及装置 | |
CN111380532B (zh) | 路径规划方法、装置、终端及计算机存储介质 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN115406457A (zh) | 一种可行驶区域检测方法、系统、设备及存储介质 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN113435392A (zh) | 应用于自动泊车的车辆定位方法、装置及车辆 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN113640810A (zh) | 空间车位检测方法、设备、存储介质和程序产品 | |
JP7344182B2 (ja) | 情報処理装置 | |
CN114545424A (zh) | 障碍物识别、模型训练方法、装置、设备及存储介质 | |
CN115236672A (zh) | 障碍物信息生成方法、装置、设备及计算机可读存储介质 | |
CN114581615B (zh) | 一种数据处理方法、装置、设备和存储介质 | |
WO2024042607A1 (ja) | 外界認識装置及び外界認識方法 | |
CN114155508B (zh) | 一种道路变化检测方法、装置、设备以及存储介质 | |
WO2022156711A1 (zh) | 货台识别方法、装置、电子设备及计算机可读存储介质 |
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 |