CN114056324B - 一种基于数据融合的车位识别方法及系统 - Google Patents

一种基于数据融合的车位识别方法及系统 Download PDF

Info

Publication number
CN114056324B
CN114056324B CN202111276107.5A CN202111276107A CN114056324B CN 114056324 B CN114056324 B CN 114056324B CN 202111276107 A CN202111276107 A CN 202111276107A CN 114056324 B CN114056324 B CN 114056324B
Authority
CN
China
Prior art keywords
parking space
parking
slope
data
initial
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
Application number
CN202111276107.5A
Other languages
English (en)
Other versions
CN114056324A (zh
Inventor
黎伟
刘耀正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhou Foryou General Electronics Co Ltd
Original Assignee
Huizhou Huayang General Intelligence Vehicle System Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huizhou Huayang General Intelligence Vehicle System Development Co ltd filed Critical Huizhou Huayang General Intelligence Vehicle System Development Co ltd
Priority to CN202111276107.5A priority Critical patent/CN114056324B/zh
Publication of CN114056324A publication Critical patent/CN114056324A/zh
Application granted granted Critical
Publication of CN114056324B publication Critical patent/CN114056324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • 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, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及自动泊车技术领域，提供一种基于数据融合的车位识别方法及系统，采用超声波雷达、激光雷达对泊车环境进行探测，结合预先设置的第一识别策略、第二识别策略进行数据识别、分析，进而根据泊车环境中的障碍物规划出空闲区域作为初始车位，最后根据预设车位类型参数对初始车位进行融合识别，即可快速判断其是否存在有效车位，并确定有效车位的车位类型，从而能够精准识别目标车位相邻车位的车辆位姿识别，进而车位识别；即通过超声波雷达和激光雷达的数据融合，可以有效的提升车位识别的准确率，有利于后期APA路径规划、提高用户泊车效率。

Description

一种基于数据融合的车位识别方法及系统
技术领域
本发明涉及自动泊车技术领域，尤其涉及一种基于数据融合的车位识别方法及系统。
背景技术
大城市停车空间有限，停车位紧缺，因此辅助驾驶员泊车的自动泊车系统应运而生。不同的自动泊车系统采用不同的方法来检测汽车周围的物体。有些在汽车前后保险杠四周装上了感应器，它们既可以充当发送器，也可以充当接收器。这些感应器会发送信号，当信号碰到车身周边的障碍物时会反射回来。然后，车上的计算机会利用其接收信号所需的时间来确定障碍物的位置。其他一些系统则使用安装在保险杠上的摄像头来检测障碍物。但最终结果都是一样的：汽车会检测到已停好的车辆、停车位的大小以及与路边的距离，然后将车子驶入停车位。
在自动泊车系统中，停车位的识别是自动泊车系统中关键步骤之一。在现有的基于空间的车位识别技术中，一般通过车身的超声波雷达，沿车辆行驶路径进行搜索，从行驶路径两侧的待检测区域中发现可停车区域。
但是，由于基于空间的车位识别方法主要是利用超声波雷达检测没有障碍物的可停车空间，对于目标车位相邻车位的车辆位姿识别不准确的情况，超声波无法有效地识别出车位类型，导致车位识别的准确率降低。
发明内容
本发明提供一种基于数据融合的车位识别方法及系统，解决了现有的自动泊车技术无法有效的识别出可利用的车位信息，车位类型识别的准确率低的技术问题。
为解决以上技术问题，本发明提供一种基于数据融合的车位识别方法，包括步骤：
S1、采用超声波雷达探测泊车环境获取第一环境探测数据，根据第一识别策略识别所述第一环境探测数据得到至少一个第一初始车位；
S2、采用激光雷达探测泊车环境获取第二环境探测数据，根据第二识别策略识别所述第二环境探测数据得到至少一个第二初始车位；
S3、根据预设车位类型参数对所述第一初始车位、第二初始车位进行融合识别，判断其是否为有效车位，并确定所述有效车位的车位类型。
本基础方案采用超声波雷达、激光雷达对泊车环境进行探测，结合预先设置的第一识别策略、第二识别策略进行数据识别、分析，进而根据泊车环境中的障碍物规划出空闲区域作为初始车位，最后根据预设车位类型参数对所述初始车位进行融合识别，即可快速判断其是否存在有效车位，并确定所述有效车位的车位类型，从而能够精准识别目标车位相邻车位的车辆位姿识别，进而车位识别；即通过超声波雷达和激光雷达的数据融合，可以有效的提升车位识别的准确率，有利于后期APA路径规划、提高用户泊车效率。
在进一步的实施方案中，所述步骤S1包括：
S11、获取超声波雷达在探测泊车环境中反馈的至少3个跳变点、及相邻跳变点之间的水平距离，作为第一环境探测数据；其中3个跳变点依次记为第一跳变点、第二跳变点、第三跳变点；
S12、根据所述第一环境探测数据，以起始时刻的超声波雷达中心为原点、以跳变点之间的水平方向为横轴、以各跳变点的探测距离方向为纵轴建立车位检测坐标系建立车位检测坐标系，所述起始时刻为超声波雷达发射第一个探测波的时间；
S13、计算第一斜率、第二斜率，并根据所述第一斜率、第二斜率和斜率临界值规划出至少一个目标车位区域，所述第一斜率为第一跳变点、第二跳变点之间线段的斜率，所述第二斜率为第一跳变点、第三跳变点之间的线段的斜率；
S14、获取所述目标车位区域的尺寸数据，得到第一初始车位。
本方案以超声波雷达为基准建立车位检测坐标系，通过跳变点的距离探测，可还原本车与周围障碍物的空间距离。
在进一步的实施方案中，在所述步骤S13中，所述根据所述第一斜率、第二斜率和斜率临界值规划出目标车位区域具体为：
当判断到所述第一斜率大于或等于所述斜率临界值时，预设当前车位类型为垂直车位；参考所述跳变点之间的水平距离方向，在所述车位检测坐标系上规划出空闲的矩形区域作为目标车位区域；
或者，当判断到所述第一斜率小于所述斜率临界值且大于所述第二斜率时，预设当前车位类型为斜式车位；参考所述跳变点之间的水平距离方向，在所述车位检测坐标系上规划出空闲的平行四边形区域作为目标车位区域；
所述目标车位区域的底边与所述车位检测坐标系的横轴重合。
本方案针对不同类型的车位，设计了对应的规划策略，根据常规垂直车位、斜式车位的形状特征，预先定义目标车位区域的形状，在进行可用车位识别时，直接根据矩形区域、平行四边形区域进行划定，即可快速确定疑似车位的目标车位区域，从而降低车位识别难度，提高车位识别效率。
在进一步的实施方案中，所述步骤S2包括：
S21、获取激光雷达在探测泊车环境中的点云数据，作为第二环境探测数据；
S22、建立激光雷达坐标系，并绘制所述点云数据形成障碍物轮廓图；
S23、计算所述障碍物轮廓图中每一线段的斜率绝对值，并根据预设筛选规则，确定泊车环境中的可泊车区域，作为特征识别空间；
S24、根据所述特征识别空间规划出至少一个目标车位区域；
S25、计算所述目标车位区域的尺寸数据，得到第二初始车位。
在进一步的实施方案中，所述步骤S22具体为：以本车水平方向行驶的时间为X轴、以激光雷达探测到的障碍物距离为Y轴、以激光雷达提取的障碍物轮廓第一个特征点的时刻为原点建立激光雷达坐标系；根据所述点云数据绘制所述激光雷达坐标系，得到折线图作为障碍物轮廓图。
本方案基于激光雷达，建立激光雷达坐标系，根据其在时间轴上采集到的障碍物距离(点云数据)，并绘制得到障碍物轮廓图，可进一步还原本车行驶路线上的障碍物分布请款，进而确定有可能成为可泊车车位的区域轮廓。
在进一步的实施方案中，所述步骤S23包括：
A、分别计算所述障碍物轮廓图中每一线段的斜率绝对值；
B、筛选出斜率绝对值符合预设筛选规则的线段作为特征线段；
C、根据所述特征线段，规划出封闭的梯形区域确定为泊车环境中的可泊车区域，作为特征识别空间；
所述梯形区域的底边与所述激光雷达坐标系的X轴重合。
本方案进一步地对所述障碍物轮廓图进行分析，以预设斜率阈值对点云数据行程的折线图进行分析、筛选得到特征线段，可判断周围障碍物的形状曲线，进而识别得到周围已泊车相邻车辆的泊车姿态，依据特征线段对可泊车区域进行进一步车位规划得到特征识别空间，以作为目标车位区域的备选数据。
在进一步的实施方案中，所述步骤S24具体为：沿着所述特征识别空间的顶边和/或斜边规划出内包络矩形和/或平行四边形，作为目标车位区域；所述目标车位区域的底边与所述激光雷达坐标系的横轴重合。
本方案在规划车位区域时，沿着特征识别空间的顶边和/或斜边规划出内包络矩形和/或平行四边形，作为目标车位区域；并且设置目标车位区域的底边与激光雷达坐标系的横轴重合，可进一步提高车位利用率以及车位识别准确率。
在进一步的实施方案中，所述步骤S3包括：
S31、根据不同类型车位特征设置预设车位类型参数；
S32、将相同类型的所述第一初始车位、所述第二初始车位的参数数据进行数据融合，并与对应的所述预设车位类型参数进行对比，若满足参数要求则判断为有效车位，并确定车位类型，否则判断为无效车位。
本方案本实施例在获取到所有疑似车位的第一初始车位、第二初始车位后，直接将相同类型的第一初始车位、第二初始车位的参数数据进行数据融合后，与预设车位类型参数进行对比，判定满足参数要求则判断为有效车位，并确定车位类型，否则判断为无效车位，即通过相同类型车位数据融合完成初始车位之间的第一次尺寸校验，通过与预设车位类型参数的数据对比完成第二次尺寸校验，通过遵循泊车车位的尺寸要求，进而最大程度的利用可用空间完成车辆泊车。
本发明还提供一种基于数据融合的车位识别系统，应用于上述的一种基于实车的语音唤醒率测试方法，包括微控制器及与其连接的激光雷达、LIN模块，以及和所述LIN模块连接的超声波探测组；所述超声波探测组包括至少2颗超声波雷达。
附图说明
图1是本发明实施例提供的一种基于数据融合的车位识别方法的工作流程图；
图2是本发明实施例提供的步骤S1中的初始车位规划示意图；
图3是本发明实施例提供的步骤S2中的初始车位规划示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
实施例1
本发明实施例提供的一种基于数据融合的车位识别方法，如图1所示，在本实施例中，包括步骤S1～S3：
S1、采用超声波雷达探测泊车环境获取第一环境探测数据，根据第一识别策略识别第一环境探测数据得到至少一个第一初始车位，包括步骤S11～S14：
S11、获取超声波雷达在探测泊车环境中反馈的至少3个跳变点、及相邻跳变点之间的水平距离，作为第一环境探测数据。
以车辆从左往右开始行驶、探测车辆进行方向左侧车位为例：
(1)获取超声波雷达在探测泊车环境中的各个跳变点
在本实施例中，跳变点的个数需大于3个，依次记为第一跳变点、第二跳变点、第三跳变点……。
超声波雷达S1在第一跳变点M1探测到的距离为d1；第二跳变点A1探测到的距离为d2，从第一跳变点M1到第二跳变点A1的时间为t1；第三次距离跳变点B1探测到的距离为d3，从第二跳变点A1到第三跳变点B1的时间为t2；第四次距离跳变点N1探测到的距离为d4，从第三跳变点B1到第四跳变点N1的时间为t3。
(2)获取超声波雷达在探测泊车环境中相邻跳变点之间的水平距离
设本车行驶的速度随时间的变化为V(t)，则第一个跳变点M1到第二个跳变点A1的水平距离为dS1，第二跳变点A1到第三条跳变点B1的水平距离为dS2；第三跳变点B1到第四条跳变点N1的水平距离为dS3，即：
S12、根据第一环境探测数据建立车位检测坐标系，具体为：
以起始时刻的超声波雷达中心为原点、以跳变点之间的水平方向为横轴、以各跳变点的探测距离方向为纵轴建立车位检测坐标系；
起始时刻为超声波雷达发射第一个探测波的时间。
本实施例以超声波雷达为基准建立车位检测坐标系，通过跳变点的距离探测，可还原本车与周围障碍物的空间距离。
S13、计算第一斜率、第二斜率，并根据第一斜率、第二斜率和斜率临界值规划出至少一个目标车位区域，第一斜率为第一跳变点、第二跳变点之间线段的斜率，第二斜率为第一跳变点、第三跳变点之间的线段的斜率；
其中，根据第一斜率、第二斜率和斜率临界值规划出目标车位区域具体为：
当判断到第一斜率大于或等于斜率临界值时，预设当前车位类型为垂直车位；参考跳变点之间的水平距离方向，在车位检测坐标系上规划出空闲的矩形区域作为目标车位区域；
或者，当判断到第一斜率小于斜率临界值且大于第二斜率时，预设当前车位类型为斜式车位；参考跳变点之间的水平距离方向，在车位检测坐标系上规划出空闲的平行四边形区域作为目标车位区域；
目标车位区域的底边与车位检测坐标系的横轴重合。
参见图2，获取车辆左前方的超声波雷达探测到障碍物上的第一个跳变点M1的坐标为(xM1,yM1)，超声波雷达探测到障碍物上的第二个跳变点A1的坐标为(xA1,yA1)，第三个跳变点B1的坐标为(xB1,yB1)。
则，求出直线M1A1、M1B1的斜率：
当kM1A1的值大于等于斜率临界值k0时，进行垂直车位检测；当kM1A1小于斜率临界值k0且大于等kM1B1时，进行斜式车位检测：
a)预设初始目标车位为垂直车位时(即预设当前车位类型为垂直车位)
水平距离dS1与d1、d2较小者围成的矩形区域记为初始第一垂直车位P[1]，如图中以M1O1和O1D1为邻边组成的矩形区域。
水平距离dS2与d2、d3较小者围成的区域记为初始第二垂直车位P[2]，如图中以A1B1和C1D1为邻边组成的矩形区域。
水平距离dS3与d3、d4较小者围成的区域记为初始第三垂直车位P[3]，如图中以N1J1和C1J1为邻边组成的矩形区域。
b)预设初始目标车位检测结果为斜式车位时(即预设当前车位类型为斜式车位)
首先，确定第一跳变点M1、第二跳变点A1之间离X轴距离最近的点P1点在X轴上的垂直投影点E1；
其次：
①如果第二跳变点A1点和第三跳变点B1点的纵坐标不同(即不在同一水平线上)，则从第三跳变点B1点作过第二跳变点A1点且平行于横轴的直线的垂线，并交于K点，以A1E1、A1K为相邻斜边围成的区域(平行四边形)记为初始第一斜式车位P[4]，如图中区域A1KF1E1。
②如果第二跳变点A1点和第三跳变点B1点的纵坐标相同(即在同一水平线上)，以A1E1、A1B1为相邻斜边围成的区域记为初始第一斜式车位P[4]，如图中A1B1 F1E1组成的区域。
③同理，可以获得另一斜式车位类型的初始第二斜式车位P[5]，如图中A1KG1H1或A1B1 G1H1构成的区域。
本实施例针对不同类型的车位，设计了对应的规划策略，根据常规垂直车位、斜式车位的形状特征，预先定义目标车位区域的形状，在进行可用车位识别时，直接根据矩形区域、平行四边形区域进行划定，即可快速确定疑似车位的目标车位区域，从而降低车位识别难度，提高车位识别效率。
S14、获取目标车位区域的尺寸数据，得到第一初始车位，例如以上车位P[1]、P[2]、P[3]、P[4]、P[5]。
在超声波车位检测坐标系中获取A1E1的距离d A1E1，在超声波车位检测坐标系中获取A1H1的距离dA1H1，以及计算A1K的距离：
其中，dA1B1为A1B1间的距离，dB1K为B1K间的距离。
显然，当A1点和B1点的纵坐标相同时，dA1K＝dA1B1。
S2、采用激光雷达探测泊车环境获取第二环境探测数据，根据第二识别策略识别第二环境探测数据得到至少一个第二初始车位，包括步骤S21～S25：
S21、获取激光雷达在探测泊车环境中的点云数据，作为第二环境探测数据；
S22、建立激光雷达坐标系，并绘制点云数据形成障碍物轮廓图，具体为：以本车水平方向行驶的时间为X轴、以激光雷达探测到的障碍物距离为Y轴、以激光雷达提取的障碍物轮廓第一个特征点的时刻为原点建立激光雷达坐标系；根据点云数据绘制激光雷达坐标系，得到折线图作为障碍物轮廓图。
参见图3，激光雷达坐标系的原点为激光雷达提取的障碍物轮廓第一个特征点M2与汽车水平行驶方向作垂线的交点。
如图所示，绘制点云数据依次形成M2->P2->A2->B2->Q2->N2折线。
本实施例基于激光雷达，建立激光雷达坐标系，根据其在时间轴上采集到的障碍物距离(点云数据)，并绘制得到障碍物轮廓图，可进一步还原本车行驶路线上的障碍物分布请款，进而确定有可能成为可泊车车位的区域轮廓。
S23、计算障碍物轮廓图中每一线段的斜率绝对值，并根据预设筛选规则，确定泊车环境中的可泊车区域，作为特征识别空间，包括步骤A～C：
A、分别计算障碍物轮廓图中每一线段的斜率绝对值；
B、筛选出斜率绝对值符合预设筛选规则的线段作为特征线段。
其中，预设筛选规则为：两个斜率绝对值较大的线段中间夹着一个斜率绝对值较小的线段，且两端的线段的斜率绝对值大于预设阈值。
例如：线段P2A2、B2Q2的斜率绝对值大于预设阈值tan60°，则将P2A2确定为特征线段1、B2Q2确定为特征线段2，A2B2确定为特征线段3。
C、根据特征线段，规划出封闭的梯形区域确定为泊车环境中的可泊车区域，作为特征识别空间；
梯形区域的底边与激光雷达坐标系的X轴重合。
具体地，将特征线段1、特征线段2向X轴方向延长，与X轴相交，分别得到特征延长线段1、特征延长线段2，特征延长线段1、特征延长线段2与X轴的交点分别即为交点1、交点2。从特征线段3的起始端点(图中A2)做一X轴线平行线1，与经过特征线段2的起始端点的X轴垂线相交于一点，记为交点3，并从交点3做一平行线2，使其平行于特征线段1，相交于X轴，记为交点4，同时连接交点3与交点2，得到辅助线段l。
将平行线1、辅助线段1、X轴、特征延长线段1确定为特征识别空间。
以图3为例，首先，延长A2P2与X轴的交点为交点1(即E2)，延长B2Q2与X轴的交点为交点2(即G2)。随后，从特征线段3的起始端点A2点作平行于X轴的直线与线段B2C2交于R点，并从R点作特征线段1(即线段A2P2)的平行线与X轴相交于F2点，得到特征识别空间A2RG2E2。
本实施例进一步地对障碍物轮廓图进行分析，以预设斜率阈值对点云数据行程的折线图进行分析、筛选得到特征线段，可判断周围障碍物的形状曲线，进而识别得到周围已泊车相邻车辆的泊车姿态，依据特征线段对可泊车区域进行进一步车位规划得到特征识别空间，以作为目标车位区域的备选数据。
S24、根据特征识别空间规划出至少一个目标车位区域，具体为：沿着特征识别空间的顶边和/或斜边规划出内包络矩形和/或平行四边形，作为目标车位区域；目标车位区域的底边与激光雷达坐标系的横轴重合。
具体地，参见图3，在激光雷达特征识别空间A2RG2E2内，根据车位类型垂直、斜式进行规划：
例如，A2RC2D2组成的区域，记为初始第四垂直车位为P[6]；
A2RF2E2组成的区域，记为初始第三斜式车位为P[7]；
A2RG2H2组成的区域，记为初始第四斜式车位为P[8]。
本实施例在规划车位区域时，沿着特征识别空间的顶边和/或斜边规划出内包络矩形和/或平行四边形，作为目标车位区域；并且设置目标车位区域的底边与激光雷达坐标系的横轴重合，可进一步提高车位利用率以及车位识别准确率。
S25、计算目标车位区域的尺寸数据，得到第二初始车位，例如以上车位P[6]、P[7]、P[8]。
在激光雷达坐标系中获取A2点到D2点的垂直距离dA2D2、A2点到R点的直线距离dA2R、A2点到E2点的在直线距离为dA2E2、A2到H2点的直线距离dA2H2、B2点到C2点的垂直距离dB2C2、A2到E2点的垂直距离dA2E2。
S3、根据预设车位类型参数对第一初始车位、第二初始车位进行融合识别，判断其是否为有效车位，并确定有效车位的车位类型，包括步骤S31～S32：
S31、根据不同类型车位特征设置预设车位类型参数；
例如，预先设定：
垂直车位的标准长度为L1，标准宽度为W1；
斜式车位的标准长度为L3，标准宽度为W3。
S32、将相同类型的第一初始车位、第二初始车位的参数数据进行数据融合，并与对应的预设车位类型参数进行对比，若满足参数要求则判断为有效车位，并确定车位类型，否则判断为无效车位。
其中，第一初始车位或第二初始车位的参数数据包括其预定义车位类型以及车位尺寸数据。
a)对垂直车位的融合判断方法为：
①将初始第一垂直车位P[1]与初始第四垂直车位P[6]进行融合识别，当第一判别条件满足时，将初始第一垂直车位P[1]确定为垂直车位，第一判别条件为：
②将初始第二垂直车位P[2]与初始第四垂直车位P[6]进行融合识别，当第二判别条件满足时，将初始第二垂直车位P[2]确定为垂直车位，第二判别条件为：
③将初始第三垂直车位P[3]与初始第四垂直车位P[6]进行融合识别，当第三判别条件满足时，将初始第三垂直车位P[3]确定为垂直车位，第三判别条件为：
b)对斜式车位的融合判断为：
①将初始第一斜式车位P[4]与初始第三斜式车位P[7]进行融合识别，当第四判别条件满足时，将初始第一斜式车位P[4]确定为斜式车位，第四判别条件为：
②将初始第二斜式车位P[5]与初始第四斜式车位P[8]进行融合识别，当第五判别条件满足时，将初始第二斜式车位P[5]确定为斜式车位，第五判别条件为：
本实施例在获取到所有疑似车位的第一初始车位、第二初始车位后，直接将相同类型的第一初始车位、第二初始车位的参数数据进行数据融合后，与预设车位类型参数进行对比，判定满足参数要求则判断为有效车位，并确定车位类型，否则判断为无效车位，即通过相同类型车位数据融合完成初始车位之间的第一次尺寸校验，通过与预设车位类型参数的数据对比完成第二次尺寸校验，通过遵循泊车车位的尺寸要求，进而最大程度的利用可用空间完成车辆泊车。
本发明实施例采用超声波雷达、激光雷达对泊车环境进行探测，结合预先设置的第一识别策略、第二识别策略进行数据识别、分析，进而根据泊车环境中的障碍物规划出空闲区域作为初始车位，最后根据预设车位类型参数对初始车位进行融合识别，即可快速判断其是否存在有效车位，并确定有效车位的车位类型，从而能够精准识别目标车位相邻车位的车辆位姿识别，进而车位识别；即通过超声波雷达和激光雷达的数据融合，可以有效的提升车位识别的准确率，有利于后期APA路径规划、提高用户泊车效率。
实施例2
本发明还提供一种车位识别系统，应用于上述的一种基于实车的语音唤醒率测试方法，包括微控制器及与其连接的激光雷达、LIN模块，以及和LIN模块连接的超声波探测组；超声波探测组包括至少2颗超声波雷达。
在本实施例中，安装了4颗APA超声波雷达，分别安装在车辆的左前方、左后方、右前方和右后方；分设前、后两组的超声波雷达，应用于对探测到的车位进行二次确认；激光雷达通过安装支架安装在车顶中心位置；激光雷达优选为Velodyne-16。
本实施例所提供的识别系统采用各个模块实现识别方法中的各个步骤，为识别方法提供硬件基础，便于方法实施。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于数据融合的车位识别方法，其特征在于，包括步骤：
S1、采用超声波雷达探测泊车环境获取第一环境探测数据，根据第一识别策略识别所述第一环境探测数据得到至少一个第一初始车位；
S2、采用激光雷达探测泊车环境获取第二环境探测数据，根据第二识别策略识别所述第二环境探测数据得到至少一个第二初始车位；
S3、根据预设车位类型参数对所述第一初始车位、第一初始车位进行融合识别，判断其是否为有效车位，并确定所述有效车位的车位类型；
所述步骤S1包括：
S11、获取超声波雷达在探测泊车环境中反馈的至少3个跳变点、及相邻跳变点之间的水平距离，作为第一环境探测数据；其中3个跳变点依次记为第一跳变点、第二跳变点、第三跳变点；
S12、根据所述第一环境探测数据，以起始时刻的超声波雷达中心为原点、以跳变点之间的水平方向为横轴、以各跳变点的探测距离方向为纵轴建立车位检测坐标系建立车位检测坐标系，所述起始时刻为超声波雷达发射第一个探测波的时间；
S13、计算第一斜率、第二斜率，并根据所述第一斜率、第二斜率和斜率临界值规划出至少一个目标车位区域，所述第一斜率为第一跳变点、第二跳变点之间线段的斜率，所述第二斜率为第一跳变点、第三跳变点之间的线段的斜率；
S14、获取所述目标车位区域的尺寸数据，得到第一初始车位；
所述步骤S2包括：
S21、获取激光雷达在探测泊车环境中的点云数据，作为第二环境探测数据；
S22、建立激光雷达坐标系，并绘制所述点云数据形成障碍物轮廓图；
S23、计算所述障碍物轮廓图中每一线段的斜率绝对值，并根据预设筛选规则，确定泊车环境中的可泊车区域，作为特征识别空间；
S24、根据所述特征识别空间规划出至少一个目标车位区域；
S25、计算所述目标车位区域的尺寸数据，得到第二初始车位。
2.如权利要求1所述的一种基于数据融合的车位识别方法，其特征在于，在所述步骤S13中，所述根据所述第一斜率、第二斜率和斜率临界值规划出目标车位区域具体为：
当判断到所述第一斜率大于或等于所述斜率临界值时，预设当前车位类型为垂直车位；参考所述跳变点之间的水平距离方向，在所述车位检测坐标系上规划出空闲的矩形区域作为目标车位区域；
或者，当判断到所述第一斜率小于所述斜率临界值且大于所述第二斜率时，预设当前车位类型为斜式车位；参考所述跳变点之间的水平距离方向，在所述车位检测坐标系上规划出空闲的平行四边形区域作为目标车位区域；
所述目标车位区域的底边与所述车位检测坐标系的横轴重合。
3.如权利要求1所述的一种基于数据融合的车位识别方法，其特征在于，所述步骤S22具体为：以本车水平方向行驶的时间为X轴、以激光雷达探测到的障碍物距离为Y轴、以激光雷达提取的障碍物轮廓第一个特征点的时刻为原点建立激光雷达坐标系；根据所述点云数据绘制所述激光雷达坐标系，得到折线图作为障碍物轮廓图。
4.如权利要求1所述的一种基于数据融合的车位识别方法，其特征在于，所述步骤S23包括：
A、分别计算所述障碍物轮廓图中每一线段的斜率绝对值；
B、筛选出斜率绝对值符合预设筛选规则的线段作为特征线段；
C、根据所述特征线段，规划出封闭的梯形区域确定为泊车环境中的可泊车区域，作为特征识别空间；
所述梯形区域的底边与所述激光雷达坐标系的X轴重合。
5.如权利要求1所述的一种基于数据融合的车位识别方法，其特征在于，所述步骤S24具体为：沿着所述特征识别空间的顶边和/或斜边规划出内包络矩形和/或平行四边形，作为目标车位区域；所述目标车位区域的底边与所述激光雷达坐标系的横轴重合。
6.如权利要求1所述的一种基于数据融合的车位识别方法，其特征在于，所述步骤S3包括：
S31、根据不同类型车位特征设置预设车位类型参数；
S32、将相同类型的所述第一初始车位、所述第二初始车位的参数数据进行数据融合，并与对应的所述预设车位类型参数进行对比，若满足参数要求则判断为有效车位，并确定车位类型，否则判断为无效车位。
7.一种基于数据融合的车位识别系统，应用于权利要求1-6中任一项所述的一种基于实车的语音唤醒率测试方法，其特征在于：包括微控制器及与其连接的激光雷达、LIN模块，以及和所述LIN模块连接的超声波探测组；所述超声波探测组包括至少2颗超声波雷达。
CN202111276107.5A 2021-10-29 2021-10-29 一种基于数据融合的车位识别方法及系统 Active CN114056324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111276107.5A CN114056324B (zh) 2021-10-29 2021-10-29 一种基于数据融合的车位识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111276107.5A CN114056324B (zh) 2021-10-29 2021-10-29 一种基于数据融合的车位识别方法及系统

Publications (2)

Publication Number Publication Date
CN114056324A CN114056324A (zh) 2022-02-18
CN114056324B true CN114056324B (zh) 2024-05-07

Family

ID=80236116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111276107.5A Active CN114056324B (zh) 2021-10-29 2021-10-29 一种基于数据融合的车位识别方法及系统

Country Status (1)

Country Link
CN (1) CN114056324B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114572223B (zh) * 2022-02-25 2024-07-05 智己汽车科技有限公司 一种超声波雷达障碍物车位感知系统和方法
CN114779257A (zh) * 2022-04-12 2022-07-22 中国第一汽车股份有限公司 一种车位检测方法、装置、存储介质和车辆
CN115158298B (zh) * 2022-08-12 2023-03-24 北京流马锐驰科技有限公司 一种基于视觉和超声波融合的车位识别方法
CN115195708B (zh) * 2022-08-12 2024-08-09 杭州流马锐驰科技有限公司 一种基于融合的车位识别与周边环境信息处理方法
CN115494504A (zh) * 2022-08-30 2022-12-20 重庆长安汽车股份有限公司 车辆的停车位检测方法、装置、车辆及存储介质
CN115447570A (zh) * 2022-09-13 2022-12-09 北斗星通智联科技有限责任公司 基于超声波传感器的自动泊车方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104228830A (zh) * 2014-09-01 2014-12-24 江苏大学 一种集成自动泊车车位探测和行车安全车距预警装置及其方法
CN106394551A (zh) * 2016-03-28 2017-02-15 江苏大学 一种泊车路径规划方法
CN108037515A (zh) * 2017-12-27 2018-05-15 清华大学苏州汽车研究院（吴江） 一种激光雷达和超声波雷达信息融合系统及方法
CN109581389A (zh) * 2017-09-28 2019-04-05 上海汽车集团股份有限公司 一种识别泊车车位边界的方法和装置
CN109941274A (zh) * 2019-03-01 2019-06-28 武汉光庭科技有限公司 基于雷达测距识别岸桥的停车方法及系统、服务器及介质
CN110606071A (zh) * 2019-09-06 2019-12-24 中国第一汽车股份有限公司 一种泊车方法、装置、车辆和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104228830A (zh) * 2014-09-01 2014-12-24 江苏大学 一种集成自动泊车车位探测和行车安全车距预警装置及其方法
CN106394551A (zh) * 2016-03-28 2017-02-15 江苏大学 一种泊车路径规划方法
CN109581389A (zh) * 2017-09-28 2019-04-05 上海汽车集团股份有限公司 一种识别泊车车位边界的方法和装置
CN108037515A (zh) * 2017-12-27 2018-05-15 清华大学苏州汽车研究院（吴江） 一种激光雷达和超声波雷达信息融合系统及方法
CN109941274A (zh) * 2019-03-01 2019-06-28 武汉光庭科技有限公司 基于雷达测距识别岸桥的停车方法及系统、服务器及介质
CN110606071A (zh) * 2019-09-06 2019-12-24 中国第一汽车股份有限公司 一种泊车方法、装置、车辆和存储介质

Also Published As

Publication number Publication date
CN114056324A (zh) 2022-02-18

Similar Documents

Publication Publication Date Title
CN114056324B (zh) 一种基于数据融合的车位识别方法及系统
CN109800658B (zh) 基于神经网络的泊车位类型在线识别与定位系统及方法
US8615109B2 (en) Moving object trajectory estimating device
JP3427809B2 (ja) 車両用道路形状認識方法及び装置、記録媒体
CN112455430B (zh) 无车位线的斜列车位的检测方法、泊车方法及泊车系统
CN105825185A (zh) 车辆防碰撞预警方法及装置
US20140204209A1 (en) Traffic light detection
US20140324325A1 (en) Method and Device for Estimating the Number of Lanes and/or the Lane Width on a Roadway
CN111796286B (zh) 一种制动等级的评估方法、装置、车辆和存储介质
JP2003084064A (ja) 前方車両の認識装置及び認識方法
CN111899562A (zh) 一种用于弯道盲区的会车提示方法
CN104417550A (zh) 车辆的后侧向警报系统及其警报控制方法
CN113650607B (zh) 一种低速场景自动驾驶方法、系统及汽车
JPH10221451A (ja) 車両用レーダ装置
JP4544698B2 (ja) 車種判別方法および装置
JP3341186B2 (ja) 対象判別装置および方法，ならびに対象判別装置を搭載した車両
CN113253278B (zh) 车位的识别方法、装置及计算机存储介质
JP3201128B2 (ja) 車間距離計測装置およびこれを搭載した車両
CN113702983A (zh) 一种用于自动泊车中的车位融合识别方法及系统
CN113591725B (zh) 一种鸣笛车辆提取方法、装置、设备及介质
JP5682302B2 (ja) 走行道路推定装置、方法およびプログラム
CN114779257A (zh) 一种车位检测方法、装置、存储介质和车辆
CN113869432A (zh) 一种超声波传感器自动泊车的轮廓点距离相似度计算方法
CN113655486A (zh) 基于单后视相机及多雷达的自动泊车方法
CN113561964A (zh) 一种泊车控制方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240716

Address after: 516005 No. 2, A District, Huayang Industrial Park, 1 North Road, Dongjiang hi tech Industrial Park, Huizhou, Guangdong

Patentee after: Huizhou Foryou General Electronics Co. Ltd.

Country or region after: China

Address before: 516005 No.2 workshop, area a, Huayang Industrial Park, No.1 SHANGXIA North Road, Dongjiang high tech Industrial Park, Huizhou City, Guangdong Province

Patentee before: Huizhou Huayang General Intelligence Vehicle System Development Co.,Ltd.

Country or region before: China