CN114194180A - 一种辅助泊车信息的确定方法、装置、设备及介质 - Google Patents
一种辅助泊车信息的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114194180A CN114194180A CN202111627014.2A CN202111627014A CN114194180A CN 114194180 A CN114194180 A CN 114194180A CN 202111627014 A CN202111627014 A CN 202111627014A CN 114194180 A CN114194180 A CN 114194180A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- image
- marker
- parking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000003550 marker Substances 0.000 claims abstract description 152
- 230000008447 perception Effects 0.000 claims abstract description 117
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 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
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research 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
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- 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
- B60W2420/403—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
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种辅助泊车信息的确定方法、装置、设备及介质，涉及自动驾驶技术领域，包括在车辆的行进过程中，实时获取车辆周围的环境感知信息；根据环境感知信息，在车辆的周围环境中进行标识物的识别；在识别到目标标识物时，生成从车辆的当前位置，到达目标标识物所在位置的方位提示信息；根据方位提示信息，生成记忆泊车引导提示，以将车辆引导至目标标识物所在位置进行记忆泊车。本实施例的技术方案，通过搜索标识物作为记忆泊车起点，可以在陌生车场环境中辅助用户决策记忆泊车起点，可以提升泊车路线学习的成功概率。
Description
技术领域
本公开涉及自动驾驶技术领域，尤其涉及一种辅助泊车信息的确定方法、装置、设备及介质。
背景技术
随着无人驾驶技术的不断发展，自动泊车(Automated Valet Parking，AVP)功能也应运而生。
自主学习泊车(Home Automated Valet Parking，HAVP)是一项记忆性自动泊车功能，当该HAVP功能被开启后，需要用户选定一个记忆泊车起点，之后车辆会相应学习从该记忆泊车起点开始的驾驶员泊车轨迹。进而，当车辆再次到达该记忆泊车起点附近时，车辆会按照之前学习的驾驶员泊车轨迹，实现自动泊车。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：上述记忆泊车起点完全由用户自主选定，可能会存在由所选记忆泊车起点不合理形成的驾驶员泊车轨迹过长而带来的泊车轨迹学习失败的情况，此外，当用户在一个完全陌生的停车场选择记忆泊车起点时，可能还会出现在陌生场景下的决策困难的问题。
发明内容
本公开提供了一种辅助泊车信息的确定方法、装置、设备及介质。
根据本公开的一方面，提供了一种辅助泊车信息的确定方法，所述方法包括：
在车辆的行进过程中，实时获取所述车辆周围的环境感知信息；
根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别；
在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息；
根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
根据本公开的另一方面，提供了一种辅助泊车信息的确定装置，所述装置包括：
环境感知信息获取模块，用于在车辆的行进过程中，实时获取所述车辆周围的环境感知信息；
标识物识别模块，用于根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别；
方位提示信息生成模块，用于在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息；
记忆泊车引导模块，用于根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
根据本公开的另一方面，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本公开中任一实施例所述的方法。
根据本公开的另一方面，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，所述计算机指令用于使所述计算机执行本公开中任一实施例所述的方法。
根据本公开的另一方面，提供了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本公开中任一实施例所述的方法。
本公开实施例的技术方案可以在陌生车场环境中辅助用户决策记忆泊车起点，可以提升泊车路线学习的成功概率。
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1A是根据本公开实施例的一种辅助泊车信息的确定方法的示意图；
图1B是根据本公开实施例的一种感知传感器在车辆上的位置示意图；
图1C是根据本公开实施例的一种智能车机的示意图；
图2A是根据本公开实施例的又一种辅助泊车信息的确定方法的示意图；
图2B是根据本公开实施例的一种车机设备显示提示信息的示意图；
图2C是根据本公开实施例的一种图像关键特征示意图；
图2D是根据本公开实施例的一种车机设备显示方位提示信息的示意图；
图2E是根据本公开实施例的一种辅助泊车信息的确定方法的流程示意图；
图3是根据本公开实施例的一种辅助泊车信息的确定装置的结构示意图；
图4是根据本公开实施例的辅助泊车信息的确定方法的电子设备的框图。
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。
图1A是根据本公开实施例的一种辅助泊车信息的确定方法的流程示意图，本实施例适用于用户进入停车场，并开启记忆泊车功能进行自动泊车的情形，该方法可以通过辅助泊车信息的确定装置来执行，该装置可以通过软件和/或硬件的方式实现，并一般可以集成在电子设备中，典型的，可以集成在计算机设备或者服务器中。具体的，参考图1A，该方法具体包括如下步骤：
S110、在车辆的行进过程中，实时获取所述车辆周围的环境感知信息。
其中，环境感知信息，可以包括车辆、车位以及标识物等的位置和图像信息。
在本实施例中，在车辆进入停车场后，可以引导车辆继续行驶，并通过车辆上预先部署的感知传感器，对车辆预设距离范围内的环境感知信息进行实时检测，进而在车机设备的显示界面对获取的环境感知信息进行实时显示。其中，感知传感器可以包括图像传感器、毫米波雷达和超声波雷达等。可以理解的是，传感器可以部署在车辆上的各个位置，以实现对车辆周围各个方向上的环境感知信息的获取。
S120、根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别。
其中，标识物可以包括安全出口标识、楼梯间标识、出入口标识以及出入口。标识物可以是文字形式也可以是图形形式，本实施例对此不作具体限定。
可以理解的是，在停车场中，在上述标识物的周围通常都会存在多个车位，故可以避免泊车轨迹过长导致的泊车路线学习失败，提升泊车路线学习的成功概率；此外，停车场中目前均已经包括这些标识，可以避免需要额外新增标识物，可以避免额外成本的投入。同时，将上述标识确定为标识物，可以方便用户后续出行或者返回实际停车位。
在本实施例中，在车辆的行驶过程中，软件后台可以根据采集的环境感知信息，实时进行标识物的识别，例如，可以将拍摄的环境图像输入至预先训练完成的标识物识别模型中，以实现对标识物的识别；或者，可以对拍摄的环境图像进行特征提取和标识物特征(例如，关键字)匹配，以实现对标识物的识别。
S130、在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
其中，当软件后台感知到预设的目标标识物(例如，安全出口标识或者楼梯间标识等)时，可以根据车载全球定位系统(Global Positioning System，GPS)确定当前车辆的位置，并根据检测到的该目标标识物与本车辆的距离和角度，获取该目标标识物在停车场中的位置。由此，可以确定本车辆与目标标识物之间的方位信息(例如，左、右、前或者后等信息)，进而可以根据该方位信息，生成从车辆的当前位置到达该目标标识物所在位置的方位提示信息，例如，“前方右侧有电梯间”，并在车机设备的显示屏幕中对该方位提示信息进行显示。
S140、根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
其中，记忆泊车引导提示，可以是引导车辆从当前位置，行驶至目标标识物所在位置的导航信息。可选的，方位提示信息和记忆泊车引导提示可以是文字形式或者语音形式。
在本实施例中，在生成方位提示信息后，还可以根据方位提示信息，生成对应的记忆泊车引导提示，以引导用户将车辆驾驶至目标标识物所在位置，以将该目标标识物所在位置作为记忆泊车起点，开始进行记忆泊车。
可选的，用户在根据记忆泊车引导提示行驶的过程中，也可以手动选择将目标标识物附近的任一位置作为记忆泊车起点；具体的，可以点击车机设备显示屏幕中的记忆泊车开启按钮，以进行后续的入库路线的学习。
需要说明的是，当用户在目标标识物附近未发现可用车位时，可以继续向前行驶，车机设备将在车辆行驶过程中，继续进行环境感知信息的检测，并在再次识别到目标标识物时，继续向用户提供对应的方位提示信息和记忆泊车引导提示。
本公开实施例的技术方案，通过在车辆的行进过程中，实时获取车辆周围的环境感知信息；并根据环境感知信息，在车辆的周围环境中进行标识物的识别；进而在识别到目标标识物时，生成从车辆的当前位置，到达目标标识物所在位置的方位提示信息；并根据方位提示信息，生成记忆泊车引导提示，以将车辆引导至目标标识物所在位置进行记忆泊车，提出了一种停车场选择记忆泊车起点的新方式，通过搜索标识物作为记忆泊车起点，可以在陌生车场环境中辅助用户决策记忆泊车起点，可以提升泊车路线学习的成功概率。
在本实施例的一个实施方式中，在车辆的行进过程中，实时获取所述车辆周围的环境感知信息，可以包括：在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启所述车辆上设置的感知传感器，实时采集所述车辆周围的环境感知图像。
其中，感知传感器可以包括：环视感知传感器、前向感知传感器以及后向感知传感器；环视感知传感器可以包括：设置在车辆的车身周边的超声波雷达以及鱼眼摄像机；前向感知传感器可以包括：设置在车辆的车顶前部的单目摄像头，后向感知传感器可以包括：设置在车辆的车顶后部的单目摄像头。需要说明的是，感知传感器的数量、类型以及安装位置均可以根据业务场景进行自适应调整。
其中，记忆泊车起点搜索条件，可以是车辆进入陌生的停车场，或者驾驶员手动开启记忆泊车起点搜索功能。
在一个具体的例子中，感知传感器在车辆上的位置可以如图1B所示；其中，车顶前部和车顶后部分别安装有一个单目摄像头；车辆前、后、左和右方分别安装有一个鱼眼(fish eye)摄像头，同时车辆前方和后方分别安装有4个超声波驻车辅助(UltrasonicParking Assistant，UPA)超声波雷达，车辆前侧和后侧分别安装有2个自动泊车辅助(Automatic Parking Assistant，APA)超声波雷达。车顶前部和车顶后部的单目摄像头可以分别对车辆前方和后方的扇形区域进行拍摄，而车身周边的超声波雷达和鱼眼摄像机可以对车身周边的环境进行拍摄。安装于车辆主控台的智能车机如图1C所示，可以对感知传感器拍摄的环境感知图像进行展示，并生成对应的语音提醒。
上述设置的好处在于：通过车辆不同位置上设置的多种类型的感知传感器，可以实现对车辆周边全部方向的环境感知图像的实时拍摄，可以避免感知盲区的出现，提升记忆泊车的安全性。
图2A是根据本公开实施例的又一种辅助泊车信息的确定方法的流程示意图，本实施例是对上述技术方案的进一步细化，本实施例中的技术方案可以与上述一个或者多个实施方式结合。具体的，参考图2A，该方法具体包括如下步骤：
S210、在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启所述车辆上设置的感知传感器，实时采集所述车辆周围的环境感知图像。
在本实施例的一个实施方式中，检测到满足记忆泊车起点搜索条件，可以包括：在检测到所述车辆进入目标停车场时，本地搜索是否存储与所述目标停车场匹配的泊车轨迹；若否，则确定检测到满足记忆泊车起点搜索条件。
在本实施例中，可以通过地图导航信息，或者根据感知传感器的停车场识别结果，以检测当前车辆是否进入目标停车场。进一步的，当确定当前车辆进入目标停车场之后，判断本地数据库是否存储有该目标停车场的泊车轨迹；其中，若确定未存储有该目标停车场的泊车轨迹，则表示该目标停车场为陌生停车场，可以确定满足记忆泊车起点搜索条件。
而若本地存储有该目标停车场的泊车轨迹，则表示用户此前已使用过该停车场，并已经进行过泊车轨迹学习，此时，可以直接读取存储的泊车轨迹，并引导用户行驶至该泊车轨迹的起点，开始根据获取的泊车轨迹进行自动泊车即可。
上述设置的好处在于：通过对目标停车场的泊车轨迹进行本地搜索，以判断是否开启感知传感器获取环境感知图像，可以避免感知传感器的无效开启，可以避免资源的浪费。
可选的，当检测到满足记忆泊车起点搜索条件时，可以在车机设备显示提示信息或者提示语音，例如，可以如图2B所示，在车机设备的人机界面(Human MachineInterface，HMI)显示“可以记忆路线了～～您可以继续往前开，系统发现最佳起点会通知您开始”的提示信息，以提示用户进行记忆泊车起点的搜索。
S220、提取各所述环境感知图像中的图像关键特征，将所述图像关键特征与预存的标识物特征库进行匹配。
在本实施例中，可以预先获取各种类型的标识物图像，并采用预设特征提取算法(例如，方向梯度直方图方法、局部二值模式方法以及Haar特征方法等)对标识物图像进行特征提取，以获取标识物特征，并将对应的标识物名称作为各标识物特征的标签共同存储至标识物特征库中。
因此，在获取到环境感知图像后，可以采用预设特征提取算法，提取各环境感知图像的图像关键特征，并将获取的图像关键特征与标识物特征库中存储的每个标识物特征逐个进行特征匹配。
S230、如果确定目标环境感知图像中目标图像关键特征与所述标识物特征库中目标标识物的特征相匹配，则确定所述目标环境感知图像中包括所述目标标识物。
S240、识别所述目标图像关键特征在所述目标环境感知图像中的图像位置。
在本实施例中，在将图像关键特征与预存的标识物特征库进行匹配之后，可以根据各环境感知图像的特征匹配结果，获取与目标标识物特征成功匹配的目标图像关键特征和对应的目标环境感知图像，并采用矩形框对目标图像关键特征进行标记。进一步的，可以根据矩形框在整个目标环境感知图像中的位置，获取目标图像关键特征在目标环境感知图像中的图像位置。
在一个具体的例子中，图像关键特征可以如图2C所示，在图中可以看到由矩形框标注的电梯间标识特征，根据矩形框在图像中的位置，可以确定电梯间标识在该环境感知图像中的图像位置。
可选的，可以建立目标环境感知图像对应的直角坐标系，并获取目标图像关键特征对应矩形框的一个角(例如，左下角或者左上角等)的坐标，作为该目标图像关键特征在目标环境感知图像中的图像位置；或者，可以同时使用对应矩形框的四个角的坐标以表示该目标图像关键特征在目标环境感知图像中的图像位置。
在本实施例中，通过提取环境感知图像中的图像关键特征，并通过与预存的标识物特征库进行特征匹配，以实现对目标标识物的识别，提升了目标标识物的识别准确度，进而提升了记忆泊车的起点的获取准确度。
S250、在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
其中，在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息，可以包括：
S251、在识别到目标标识物时，获取与所述目标标识物匹配的目标环境感知图像，以及采集得到所述目标环境感知图像的目标感知传感器；
S252、根据所述目标标识物在目标环境感知图像中的图像位置，以及目标感知传感器在所述车辆中的安装位置，计算所述目标标识物与所述车辆的车头之间的相对位置关系；
其中，相对位置关系，是指以车辆的车头为参考点，目标标识物相对于车头的位置关系，例如，相对位置关系可以表示为：目标标识物在车头的右前方。
在本实施例中，在成功识别到目标标识物之后，可以将目标标识物所在图像确定为目标环境感知图像，并将拍摄到该目标环境感知图像的感知传感器确定为目标环境感知传感。需要说明的是，由于各感知传感器的检测区域存在一定的重叠，故可能存在多个感知传感器同时识别到该目标标识物，此时，可以将上述多个感知传感器共同确定为目标感知传感器。
可以理解的是，各感知传感器在完成安装后，在车辆上的安装位置固定，故可以预先获取感知传感器的检测区域与车头朝向间的关系；进一步的，根据目标标识物在目标环境感知图像中的图像位置，可以确定目标标识物(例如，目标标识物中心)与目标感知传感器轴向方向间的角度，以及与目标感知传感器之间的距离；由此，结合目标感知传感器轴向方向与车头朝向间的角度，可以计算得到目标标识物相对于车辆的车头的位置关系。
S253、根据所述相对位置关系，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
其中，根据相对位置关系生成对应的方位提示信息，例如，目标标识物为电梯间，且电梯间与车辆的车头的相对位置关系为前方右侧，则可以生成如图2D所示的方位提示信息“已发现合适的起点，前方右侧有电梯间，您可以在此区域开始记忆路线”。同时，如图2D所示，还可以生成对应的图标形式的方位提示信息，例如，电梯间图标加箭头的形式，以引导用户驾驶车辆到达目标标识物所在位置。
在本实施例中，通过根据车辆的车头与目标标识物之间的相对位置关系，确定对应的方位提示信息，可以提升获取方位提示信息的准确性，提升用户的使用体验。
S260、根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
具体的，当用户到达目标标识物所在位置，并确定附近有可用车位时，可以点击图2D中的开始记录入库路线按钮，并开始进行泊车操作；此时，记忆泊车系统将以用户点击该开始记录入库路线按钮的位置为记忆泊车的起点，自动记录用户的泊车轨迹。
本公开实施例的技术方案，通过在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启车辆上设置的感知传感器，以实时采集车辆周围的环境感知图像；进而提取每个环境感知图像中的图像关键特征，并将图像关键特征与预存的标识物特征库进行匹配；如果确定目标环境感知图像中目标图像关键特征与标识物特征库中目标标识物的特征相匹配，则确定目标环境感知图像中包括目标标识物，进一步获取目标图像关键特征在目标环境感知图像中的图像位置；最终生成从车辆的当前位置，到达目标标识物所在位置的方位提示信息；并根据方位提示信息，生成记忆泊车引导提示，以将车辆引导至目标标识物所在位置进行记忆泊车；通过采用特征匹配的方式实现对目标标识物的识别，实现了对目标标识物的准确识别，进而提升了获取记忆泊车的起点的准确度，提升了用户的使用体验。
在本实施例的一个实施方式中，根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别，可以包括：将各所述环境感知图像输入至预先训练的标识物识别模型中，获取各所述环境感知图像中是否包括目标标识物的识别结果，以及识别到的目标标识物在环境感知图像中的图像位置。
其中，标识物识别模型，可以基于机器学习算法(例如，隐性马尔科夫算法或者贝叶斯算法等用于进行分类的机器学习算法)构建，可以包括输入层、隐藏层和输出层。
在本实施例中，首先基于机器学习算法，构建初始标识物识别模型，并获取预先标注有标识物类型的标识物图像作为训练样本，对初始标识物识别模型进行有监督训练，直至标识物识别模型对训练样本的识别结果与标注信息一致，获取训练完成的标识物识别模型。
此外，由于标识物的类型非常繁多，采用有监督训练方式需要对大量的标识物图像进行标注，以提升标识物识别模型的识别准确度；由此，可选的，可以采用无监督训练、半监督训练或者伪标签方法，对初始标识物识别模型进行训练，以获取训练完成的标识物识别模型，可以减少需要对大量标识物图像进行标注的工作量。
在本实施例中，通过预先训练的标识物识别模型，对目标标识物及其图像位置进行识别，可以进一步提升目标标识物的识别准确度，可以获取更加合理的记忆泊车的起点。
在本实施例的一个实施方式中，辅助泊车信息的确定方法流程如图2E所示。具体的，首先由车辆外部安装的感知传感器拍摄车辆周围的环境感知图像，并将拍摄的环境感知图像发送至软件后台(例如，云平台或者云服务器)。然后，由软件后台通过预先训练的标识物识别模型或者标识物特征库进行理想位置特征标识的识别，并在识别到理想位置特征标识时，生成对应的方位提示信息和记忆泊车引导提示下发至车机设备。最终，由车机设备的HMI对上述的方位提示信息和记忆泊车引导提示进行展示。
需要说明的是，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。
本公开实施例还提供了一种辅助泊车信息的确定装置，用于执行上述的辅助泊车信息的确定方法。
图3为本公开实施例提供的一种辅助泊车信息的确定装置300的结构图，该装置包括：环境感知信息获取模块310、标识物识别模块320、方位提示信息生成模块330和记忆泊车引导模块340。
环境感知信息获取模块310，用于在车辆的行进过程中，实时获取所述车辆周围的环境感知信息；
标识物识别模块320，用于根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别；
方位提示信息生成模块330，用于在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息；
记忆泊车引导模块340，用于根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
本公开实施例的技术方案，通过在车辆的行进过程中，实时获取车辆周围的环境感知信息；并根据环境感知信息，在车辆的周围环境中进行标识物的识别；进而在识别到目标标识物时，生成从车辆的当前位置，到达目标标识物所在位置的方位提示信息；并根据方位提示信息，生成记忆泊车引导提示，以将车辆引导至目标标识物所在位置进行记忆泊车，提出了一种停车场选择记忆泊车起点的新方式，通过搜索标识物作为记忆泊车起点，可以在陌生车场环境中辅助用户决策记忆泊车起点，可以提升泊车路线学习的成功概率。
在上述各实施例的基础上，所述环境感知信息获取模块310，包括：
环境感知图像采集单元，用于在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启所述车辆上设置的感知传感器，实时采集所述车辆周围的环境感知图像；
其中，所述感知传感器包括：环视感知传感器、前向感知传感器以及后向感知传感器；
所述环视感知传感器包括：设置在所述车辆的车身周边的超声波雷达以及鱼眼摄像机；所述前向感知传感器包括：设置在所述车辆的车顶前部的单目摄像头，所述后向感知传感器包括：设置在所述车辆的车顶后部的弹幕摄像头。
在上述各实施例的基础上，标识物识别模块320，包括：
第一标识物识别单元，用于将各所述环境感知图像输入至预先训练的标识物识别模型中，获取各所述环境感知图像中是否包括目标标识物的识别结果，以及识别到的目标标识物在环境感知图像中的图像位置。
在上述各实施例的基础上，标识物识别模块320，包括：
特征匹配单元，用于提取各所述环境感知图像中的图像关键特征，将所述图像关键特征与预存的标识物特征库进行匹配；
第二标识物识别单元，用于如果确定目标环境感知图像中目标图像关键特征与所述标识物特征库中目标标识物的特征相匹配，则确定所述目标环境感知图像中包括所述目标标识物；
图像位置识别单元，用于识别所述目标图像关键特征在所述目标环境感知图像中的图像位置。
在上述各实施例的基础上，所述标识物包括下述至少一项：安全出口标识、楼梯间标识、出入口标识以及出入口。
在上述各实施例的基础上，所述方位提示信息生成模块330，包括：
目标环境感知图像获取单元，用于在识别到目标标识物时，获取与所述目标标识物匹配的目标环境感知图像，以及采集得到所述目标环境感知图像的目标感知传感器；
相对位置关系计算单元，用于根据所述目标标识物在目标环境感知图像中的图像位置，以及目标感知传感器在所述车辆中的安装位置，计算所述目标标识物与所述车辆的车头之间的相对位置关系；
方位提示信息生成单元，用于根据所述相对位置关系，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
在上述各实施例的基础上，所述环境感知图像采集单元，包括：
泊车轨迹搜索子单元，用于在检测到所述车辆进入目标停车场时，本地搜索是否存储与所述目标停车场匹配的泊车轨迹；
记忆泊车起点搜索条件检测子单元，用于若否，则确定检测到满足记忆泊车起点搜索条件。
本公开实施例所提供的辅助泊车信息的确定装置可执行本公开任意实施例所提供的辅助泊车信息的确定方法，具备执行方法相应的功能模块和有益效果。
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。
图4示出了可以用来实施本公开的实施例的示例电子设备400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4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理，例如辅助泊车信息的确定方法。例如，在一些实施例中，辅助泊车信息的确定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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的辅助泊车信息的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行辅助泊车信息的确定方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)、区块链网络和互联网。
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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
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 (17)
1.一种辅助泊车信息的确定方法，所述方法包括：
在车辆的行进过程中，实时获取所述车辆周围的环境感知信息；
根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别；
在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息；
根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
2.根据权利要求1所述的方法，其中，在车辆的行进过程中，实时获取所述车辆周围的环境感知信息，包括：
在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启所述车辆上设置的感知传感器，实时采集所述车辆周围的环境感知图像；
其中，所述感知传感器包括：环视感知传感器、前向感知传感器以及后向感知传感器；
所述环视感知传感器包括：设置在所述车辆的车身周边的超声波雷达以及鱼眼摄像机；所述前向感知传感器包括：设置在所述车辆的车顶前部的单目摄像头，所述后向感知传感器包括：设置在所述车辆的车顶后部的单目摄像头。
3.根据权利要求2所述的方法，其中，根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别，包括：
将各所述环境感知图像输入至预先训练的标识物识别模型中，获取各所述环境感知图像中是否包括目标标识物的识别结果，以及识别到的目标标识物在环境感知图像中的图像位置。
4.根据权利要求2所述的方法，其中，根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别，包括：
提取各所述环境感知图像中的图像关键特征，将所述图像关键特征与预存的标识物特征库进行匹配；
如果确定目标环境感知图像中目标图像关键特征与所述标识物特征库中目标标识物的特征相匹配，则确定所述目标环境感知图像中包括所述目标标识物；
识别所述目标图像关键特征在所述目标环境感知图像中的图像位置。
5.根据权利要求1-4中任一所述的方法，其中，所述标识物包括下述至少一项：安全出口标识、楼梯间标识、出入口标识以及出入口。
6.根据权利要求1所述的方法，其中，在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息，包括：
在识别到目标标识物时，获取与所述目标标识物匹配的目标环境感知图像，以及采集得到所述目标环境感知图像的目标感知传感器；
根据所述目标标识物在目标环境感知图像中的图像位置，以及目标感知传感器在所述车辆中的安装位置，计算所述目标标识物与所述车辆的车头之间的相对位置关系；
根据所述相对位置关系，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
7.根据权利要求2所述的方法，其中，检测到满足记忆泊车起点搜索条件，包括：
在检测到所述车辆进入目标停车场时，本地搜索是否存储与所述目标停车场匹配的泊车轨迹；
若否，则确定检测到满足记忆泊车起点搜索条件。
8.一种辅助泊车信息的确定装置，所述装置包括：
环境感知信息获取模块，用于在车辆的行进过程中，实时获取所述车辆周围的环境感知信息；
标识物识别模块，用于根据所述环境感知信息，在所述车辆的周围环境中进行标识物的识别；
方位提示信息生成模块，用于在识别到目标标识物时，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息；
记忆泊车引导模块，用于根据所述方位提示信息，生成记忆泊车引导提示，以将所述车辆引导至所述目标标识物所在位置进行记忆泊车。
9.根据权利要求8所述的装置，其中，所述环境感知信息获取模块，包括：
环境感知图像采集单元，用于在车辆的行进过程中，当检测到满足记忆泊车起点搜索条件时，开启所述车辆上设置的感知传感器，实时采集所述车辆周围的环境感知图像；
其中，所述感知传感器包括：环视感知传感器、前向感知传感器以及后向感知传感器；
所述环视感知传感器包括：设置在所述车辆的车身周边的超声波雷达以及鱼眼摄像机；所述前向感知传感器包括：设置在所述车辆的车顶前部的单目摄像头，所述后向感知传感器包括：设置在所述车辆的车顶后部的单目摄像头。
10.根据权利要求9所述的装置，其中，标识物识别模块，包括：
第一标识物识别单元，用于将各所述环境感知图像输入至预先训练的标识物识别模型中，获取各所述环境感知图像中是否包括目标标识物的识别结果，以及识别到的目标标识物在环境感知图像中的图像位置。
11.根据权利要求9所述的装置，其中，标识物识别模块，包括：
特征匹配单元，用于提取各所述环境感知图像中的图像关键特征，将所述图像关键特征与预存的标识物特征库进行匹配；
第二标识物识别单元，用于如果确定目标环境感知图像中目标图像关键特征与所述标识物特征库中目标标识物的特征相匹配，则确定所述目标环境感知图像中包括所述目标标识物；
图像位置识别单元，用于识别所述目标图像关键特征在所述目标环境感知图像中的图像位置。
12.根据权利要求8-11中任一所述的装置，其中，所述标识物包括下述至少一项：安全出口标识、楼梯间标识、出入口标识以及出入口。
13.根据权利要求8所述的装置，其中，所述方位提示信息生成模块，包括：
目标环境感知图像获取单元，用于在识别到目标标识物时，获取与所述目标标识物匹配的目标环境感知图像，以及采集得到所述目标环境感知图像的目标感知传感器；
相对位置关系计算单元，用于根据所述目标标识物在目标环境感知图像中的图像位置，以及目标感知传感器在所述车辆中的安装位置，计算所述目标标识物与所述车辆的车头之间的相对位置关系；
方位提示信息生成单元，用于根据所述相对位置关系，生成从所述车辆的当前位置，到达所述目标标识物所在位置的方位提示信息。
14.根据权利要求9所述的装置，其中，所述环境感知图像采集单元，包括：
泊车轨迹搜索子单元，用于在检测到所述车辆进入目标停车场时，本地搜索是否存储与所述目标停车场匹配的泊车轨迹；
记忆泊车起点搜索条件检测子单元，用于若否，则确定检测到满足记忆泊车起点搜索条件。
15.一种电子设备，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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
17.一种计算机程序产品，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1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111627014.2A CN114194180A (zh) | 2021-12-28 | 2021-12-28 | 一种辅助泊车信息的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111627014.2A CN114194180A (zh) | 2021-12-28 | 2021-12-28 | 一种辅助泊车信息的确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114194180A true CN114194180A (zh) | 2022-03-18 |
Family
ID=80657075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111627014.2A Pending CN114194180A (zh) | 2021-12-28 | 2021-12-28 | 一种辅助泊车信息的确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114194180A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115848358A (zh) * | 2023-01-19 | 2023-03-28 | 禾多科技（北京）有限公司 | 车辆泊车方法、装置、电子设备和计算机可读介质 |
| CN116052468A (zh) * | 2023-03-29 | 2023-05-02 | 禾多科技（北京）有限公司 | 位置信息的确定方法及装置、存储介质及电子装置 |
| CN116331190A (zh) * | 2023-03-30 | 2023-06-27 | 阿波罗智联(北京)科技有限公司 | 记忆泊车的记忆路线的修正方法、装置、设备及车辆 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012086684A (ja) * | 2010-10-20 | 2012-05-10 | Aisin Seiki Co Ltd | 駐車支援装置 |
| US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
| US20180144622A1 (en) * | 2016-11-18 | 2018-05-24 | Toyota Motor Engineering & Manufacturing North America,Inc. | Parking Notification Systems And Methods For Identifying Locations Of Vehicles |
| CN110239524A (zh) * | 2019-05-23 | 2019-09-17 | 浙江吉利控股集团有限公司 | 自动泊车方法、装置、系统及终端 |
| CN110556022A (zh) * | 2019-09-29 | 2019-12-10 | 深圳市大拿科技有限公司 | 基于人工智能的停车场车位指示方法、装置及电子设备 |
| CN113264036A (zh) * | 2021-05-19 | 2021-08-17 | 广州小鹏汽车科技有限公司 | 一种基于自动驾驶中泊车功能的引导方法和装置 |
| CN113276845A (zh) * | 2021-07-02 | 2021-08-20 | 上海追势科技有限公司 | 一种带有显示增强功能的自动泊车方法 |
| CN113635890A (zh) * | 2021-07-29 | 2021-11-12 | 江铃汽车股份有限公司 | 一种自动泊车控制方法、系统、可读存储介质及车辆 |
| WO2021226912A1 (zh) * | 2020-05-14 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 泊车位确定方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-28 CN CN202111627014.2A patent/CN114194180A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012086684A (ja) * | 2010-10-20 | 2012-05-10 | Aisin Seiki Co Ltd | 駐車支援装置 |
| US20180068564A1 (en) * | 2016-09-05 | 2018-03-08 | Panasonic Intellectual Property Corporation Of America | Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program |
| US20180144622A1 (en) * | 2016-11-18 | 2018-05-24 | Toyota Motor Engineering & Manufacturing North America,Inc. | Parking Notification Systems And Methods For Identifying Locations Of Vehicles |
| CN110239524A (zh) * | 2019-05-23 | 2019-09-17 | 浙江吉利控股集团有限公司 | 自动泊车方法、装置、系统及终端 |
| CN110556022A (zh) * | 2019-09-29 | 2019-12-10 | 深圳市大拿科技有限公司 | 基于人工智能的停车场车位指示方法、装置及电子设备 |
| WO2021226912A1 (zh) * | 2020-05-14 | 2021-11-18 | 上海欧菲智能车联科技有限公司 | 泊车位确定方法、装置、计算机设备和存储介质 |
| CN113264036A (zh) * | 2021-05-19 | 2021-08-17 | 广州小鹏汽车科技有限公司 | 一种基于自动驾驶中泊车功能的引导方法和装置 |
| CN113276845A (zh) * | 2021-07-02 | 2021-08-20 | 上海追势科技有限公司 | 一种带有显示增强功能的自动泊车方法 |
| CN113635890A (zh) * | 2021-07-29 | 2021-11-12 | 江铃汽车股份有限公司 | 一种自动泊车控制方法、系统、可读存储介质及车辆 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115848358A (zh) * | 2023-01-19 | 2023-03-28 | 禾多科技（北京）有限公司 | 车辆泊车方法、装置、电子设备和计算机可读介质 |
| CN116052468A (zh) * | 2023-03-29 | 2023-05-02 | 禾多科技（北京）有限公司 | 位置信息的确定方法及装置、存储介质及电子装置 |
| CN116331190A (zh) * | 2023-03-30 | 2023-06-27 | 阿波罗智联(北京)科技有限公司 | 记忆泊车的记忆路线的修正方法、装置、设备及车辆 |
| CN116331190B (zh) * | 2023-03-30 | 2024-06-04 | 阿波罗智联(北京)科技有限公司 | 记忆泊车的记忆路线的修正方法、装置、设备及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109145680B (zh) | 一种获取障碍物信息的方法、装置、设备和计算机存储介质 | |
| CN108571974B (zh) | 使用摄像机的车辆定位 | |
| EP3627180B1 (en) | Sensor calibration method and device, computer device, medium, and vehicle | |
| US10977501B2 (en) | Object classification using extra-regional context | |
| CN106845412B (zh) | 障碍物识别方法及装置、计算机设备及可读介质 | |
| CN114194180A (zh) | 一种辅助泊车信息的确定方法、装置、设备及介质 | |
| CN112967283B (zh) | 基于双目摄像头的目标识别方法、系统、设备及存储介质 | |
| US11371851B2 (en) | Method and system for determining landmarks in an environment of a vehicle | |
| US20210247201A1 (en) | Method and System for Scene-Aware Interaction | |
| CN113052321B (zh) | 从短期意图和长期结果生成轨迹标记 | |
| US11755917B2 (en) | Generating depth from camera images and known depth data using neural networks | |
| CN111723724B (zh) | 一种路面障碍物识别方法和相关装置 | |
| CN111767831B (zh) | 用于处理图像的方法、装置、设备及存储介质 | |
| CN115205391A (zh) | 一种三维激光雷达和视觉融合的目标预测方法 | |
| CN112650300A (zh) | 一种无人机避障方法和装置 | |
| US20220348211A1 (en) | Method and Assistance Device for Assisting Driving Operation of a Motor Vehicle, and Motor Vehicle | |
| CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
| CN114694108A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN117131150B (zh) | 电子地图的生成方法、装置、车辆和存储介质 | |
| CN111959526B (zh) | 基于无人车的控制方法、装置、无人车和电子设备 | |
| US12067471B2 (en) | Searching an autonomous vehicle sensor data repository based on context embedding | |
| CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
| CN116823884A (zh) | 多目标跟踪方法、系统、计算机设备及存储介质 | |
| US20230059370A1 (en) | Gaze and awareness prediction using a neural network model | |
| CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |