CN114373331B - 一种车辆已学习停车场数据的云拼接方法 - Google Patents
一种车辆已学习停车场数据的云拼接方法 Download PDFInfo
- Publication number
- CN114373331B CN114373331B CN202210028092.9A CN202210028092A CN114373331B CN 114373331 B CN114373331 B CN 114373331B CN 202210028092 A CN202210028092 A CN 202210028092A CN 114373331 B CN114373331 B CN 114373331B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- map
- parking lot
- learned
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- 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
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/133—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops
- G08G1/137—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams within the vehicle ; Indicators inside the vehicles or at stops the indicator being in the form of a map
-
- 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
- G08G1/148—Management of a network of parking areas
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种车辆已学习停车场数据的云拼接方法,当车辆进入地下停车场时,将最后接收到的GNSS数据以循环方式存储到临时存储区;当车辆激活学习泊车功能后,学习停车地图绘制,并将接收到的最后的位置数据连同VIN与车辆检测到的物体数据一同发送至设于云端的服务器;服务器将学习过的停车场静止物体进行分类和拼接,拼接后的数据返回至地图,并捕获为图像;将捕获的图像和对应的VIN保存至服务器中的RDB中,并生成下载文件;在下一次与VIN匹配的OTA服务中,将生成的文件再次服务于其他车辆,实现异步重复用例。与现有技术相比,本发明可以重复使用车辆用户已经创建的地图,无需扫描服务即可创建新地图,降低了泊车过程的学习和扫描成本。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其是涉及一种车辆已学习停车场数据的云拼接方法。
背景技术
车载导航是利用车载定位系统(全球导航卫星系统,GNSS)配合电子地图来进行的,它能方便且准确地告诉驾驶者去往目的地的最短或者最快路径。随着交通工具的智能化,尤其是交通工具的智能泊车如记忆泊车、自动泊车技术的发展,对交通工具泊车过程中的地图显示要求越来越高。电子地图作为能够在显示屏上显示的地图数据,能够通过地理信息系统,即各类车载导航系统进行联网的数据显示,也可以通过离线的方式显示地图。然而,一般的车辆存储的离线地图并不会包括如停车场这样的室内区域,因此当车辆开进一个驾驶员本人并不熟悉的停车场时,因为没有停车场的地图,会对驾驶员停车和取车造成不便。
目前的自动泊车主要有三种方式:第一、通过车辆学习实现自动泊车;第二、采用来自基础设施的地图实现自动泊车;第三、通过基础设施与车辆通信,为车辆停车区提供服务。然而由于第二种和第三种方式需要扫描新设备和新地图,导致成本非常昂贵。
而对于第一种方式,常规的采集方法,制作周期较长。通过采用众包的方法建立多个局部地图,在进行合并,可以提高地下停车场的建图效率。众包地图为众包模式采集的地图数据构建的地图,通过将数据采集工作分配给各个车辆,由各个车辆来采集地图数据,避免了专人现场采集勘测的过程。现有的众包地图生成方法大都通过全球导航卫星系统来获取轨迹数据,尤其是GPS(Global Positioning System,全球定位系统)等,而在GNSS信号较弱或不稳定的区域,特别是地下停车场,可能会存在采集的地图数据不够完整和准确,导致生成的众包地图不够完整和准确。在此基础上,目前的智能驾驶汽车从地下停车场数据中学习到的众包地图数据仅限于个体车辆,无法对公众有用,即无法重复使用其他车辆已学习的停车场数据或通过学习已绘制的停车场地图。也就是说,对于一辆“新”车,即智能驾驶车辆开进一个驾驶员本人并不熟悉的停车场、或从未泊车过的停车场时,车载定位系统必须在同一个地方重复学习,无法将学习到的数据重复用于其他车辆,即已学习过的数据只被使用在一部车辆上,增加了学习和扫描成本,已学习的数据因无法重复使用造成了浪费。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种车辆已学习停车场数据的云拼接方法。
本发明的目的可以通过以下技术方案来实现:
一种车辆已学习停车场数据的云拼接方法,该方法包括:
当车辆进入地下停车场时,车辆记录最后的位置数据,即最后接收到的GNSS数据,并将最后接收到的GNSS数据以循环方式存储到临时存储区;
当车辆激活学习泊车功能后,学习停车地图绘制,并将接收到的最后的位置数据连同VIN与车辆检测到的物体数据一同发送至设于云端的数据基础服务器;
数据基础服务器将学习过的停车场静止物体进行分类和拼接,拼接后的数据返回至地图,并捕获为图像;
数据基础服务器将捕获的图像和对应的VIN保存至数据基础服务器中的RDB中,并生成用以远程下载的文件;
在下一次与VIN匹配的OTA服务中,将数据基础服务器生成的文件再次服务于其他车辆,其他车辆的用户采用更新的地图数据,并异步重复用例。
进一步地,当车辆进入地下停车场时,最后接收到的GNSS数据至少为三次。
进一步地,将最后接收到的GNSS数据以循环方式存储到临时存储区时,临时存储区限制为静态。
在本发明中,车辆利用AVP激活在车辆中的编写标记语言,进而激活学习泊车功能,并同时锁定识别到的最后的位置。
进一步地,车辆学习停车地图绘制的可优选采用以下方法:
首先采集周边环境信息,对周边环境信息进行周边物体种类的识别,周边物体种类包括固定物体、未知物体和可移动物体;
根据周边物体种类,设置周边物体标签;
获取不同种类周边物体的尺寸信息,根据周边物体标签,存储对应的周边物体的尺寸信息;
根据存储的不同种类周边物体的尺寸信息,绘制周边环境的地图。
进一步地,在进行车辆学习停车地图的绘制的过程中,将VIN作为关键标识进行发送,并检查锁定的识别到的最后的位置后,传送至数据基础服务器。
在本发明中,数据基础服务器将学习过的停车场静止物体进行分类和拼接,拼接后的数据返回至地图,并捕获为图像的具体内容为:
在数据基础服务器将学习过的停车场静止物体进行分类的过程中,若检测到学习到的停车地图已存储在数据基础服务器中,则寻找与之相同的且于最后记录的具有不同VIN号的GNSS数据,当寻找到匹配的数据时,创建双向链表,并开始搜索最佳匹配,当找到最佳匹配时,对匹配的GNSS数据中每个坐标进行显著标记;对不同VIN分别查找显著标记对应的图形并分发至每个地图上,然后将其与公共位置合并,合并后返回地图,返回地图后,多个地图将在标记中重叠,并捕获为图像。其中,所述最佳匹配通过采用双向链表生成匹配对照表获取,将匹配对照表中匹配比率最高的对应数据作为最佳匹配。
在本发明中,数据基础服务器生成用以远程下载的文件的具体内容为:
在数据基础服务器中的RDB中,将不同版本捕获得到的图像生成散列数据并命名后,将该数据及版本号与VIN号对应,创建更新后的组合模型,随后创建一个数据库日志。
进一步地,所述GNSS包括但不限于GPS、GLONASS、GALILEO和北斗卫星导航系统中的任意一种或多种的组合。
本发明提供的车辆已学习停车场数据的云拼接方法,相较于现有技术至少包括如下有益效果:
1)采用本发明方法可以重复使用车辆用户已经创建的地图,无需扫描服务即可创建新地图,当数据增长时,也可以直接为地图提供服务,而无需重新扫描停车场,大大降低了智能泊车过程中的学习和扫描成本。
2)本发明方法当车辆进入地下停车场时,将车辆最后接收到的GNSS数据以循环方式存储到临时存储区,且临时存储区限制为静态,可保证ECU的安全性。
附图说明
图1为实施例中两个停车场的位置示例图;
图2为实施例中车辆已学习停车场数据的云拼接方法的主要流程示意图;
图3为实施例中进入地下停车场前车辆接收GNSS数据的展示图;
图4为实施例中进入地下停车场时车辆接收GNSS数据的展示图;
图5为实施例中以循环方式存储到临时存储区的示意图;
图6为实施例中利用AVP激活在车辆中写入标记语言的原理示意图;
图7为实施例中两辆不同车辆扫描同一停车场的示例图;
图8为实施例中通过双向链表中制作的对比表;
图9为实施例中对照表示例图;
图10为实施例中查找关键位置的示例图;
图11为实施例中服务器制作新的可下载文件的示例图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
为了便于理解,首先对本领域常规术语进行陈述:
GNSS:Global Navigation Satellite System,全球导航卫星系统。
AVP:Automated Valet Parking,自主代客泊车。自主代客泊车是自动驾驶的第一步和最后一步,所谓“第一步”就是一键召唤功能,“最后一步”就是一键泊车功能。
VIN:Vehicle Identification Number,车辆识别信息号。车辆识别号(VIN)是在制造时分配给每辆机动车辆的唯一代码。VIN是17个字符的字母和数字串,中间没有空格或字母Q(q)、I(i)和O(o);省略这些是为了避免与数字0和1混淆。
RDB:Relational Data Base,关系数据库。关系数据库是数据项之间具有预定义关系的数据项的集合。这些项被组织为一组具有列和行的表。表用于保存有关要在数据库中表示的对象的信息。表中的每列都保存着特定类型的数据,字段存储着属性的实际值。表中的行表示一个对象或实体的相关值的集合。表中的每一行可标有一个称为主键的唯一标识符,并且可使用外键在多个表中的行之间建立关联。可以通过许多不同的方式访问此数据,而无需重新组织数据库表本身。
OTA:Over-the-Air Technology,空中下载技术。是通过移动通信的空中接口实现对移动终端设备及SIM卡数据进行远程管理的技术。经过公网多年的应用与发展,已十分成熟,网络运营商通过OTA技术实现SIM卡远程管理,还能提供移动化的新业务下载功能。
ECU:Electronic Control Unit,电子控制单元,又称“行车电脑”、“车载电脑”等。由微控制器(MCU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。
本发明提供了一种车辆已学习停车场数据的云拼接方法,用于针对停车场众包地图中已学习的停车场数据进行云拼接,来改善现有的智能驾驶汽车从地下停车场数据中学习到的众包地图数据仅限于个体车辆,无法对公众有用,即无法实现重复使用的技术问题。
请参阅图1,图1示例是设置在两个不同位置的停车场A和B,其中,第一张子图为n时刻下停车场A的位置示例图,第一张子图为n+t时刻下停车场A的位置示例图,第三张子图为n时刻下停车场B的位置示例图。停车场A和B具有相同的停车内容,即相同的停车位的设计,但车辆对二者最后接收到的GPS位置是不同的。
本发明方法意在解决如何重新使用单个车辆的学习数据的问题;主要设计思路在于将车辆最后接收到的GNSS数据和车辆识别信息(Vehicle Identification),使学习到的区域被标记将存储在数据基础服务器中,并在地图更新时分发给客户以供重复使用,进而实现可以重新使用用户已经创建的地图,无需扫描服务即可创建新地图,当数据增长时,还可以直接为地图提供服务,而无需扫描停车场。本发明的数据基础服务器为云服务器,可接收车辆发送的停车场数据并供其他车辆进行数据调用。
如图2所示,本发明车辆已学习停车场数据的云拼接方法的主要步骤如下:
步骤一、在车辆进入地下停车场前,车辆记录第一位置(即进入地下停车场之前的位置),将此位置接收到的GNSS数据以循环方式存储到临时存储区。
本步骤中,获取三次或更多次此位置接收到的GNSS数据,以减少误检测,即图3所示的A、B、C。本步骤中,在正常情况下,还应包括:车辆通过round-robin记忆方法对接收到的GNSS数据进行的噪声过滤操作。
步骤二、当车辆进入地下停车场时,车辆记录最后的位置(即进入地下停车场时的位置),将最后接收到的GNSS数据以循环方式存储到临时存储区。
本步骤中,在正常情况下,还应包括:车辆通过round-robin记忆方法对接收到的GNSS数据进行的噪声过滤操作。
此外,此步骤中,最后接收到的GNSS数据同样至少为3次,如图4所示的A、B、C,以减少误检测。
作为优选方案,临时存储区(内存)应限制为静态,如图5所示,可保证ECU的安全性。
在上述步骤一、二中,GNSS包括但不限于,现有的GPS、GLONASS、GALILEO和北斗卫星导航系统或者其之间的任意组合,还包括未来能提供定位服务任何GNSS。
步骤三、当车辆学习停车激活后,学习停车地图绘制,并将接收到的最后位置数据连同VIN(车辆识别号)和检测到的物体数据一起发送到数据基础服务器。
本步骤中,如图6所示,车辆学习停车通过用户启动AVP激活,即车辆利用AVP激活在车辆中的编写标记语言,并同时锁定最后识别位置。
车辆学习停车地图绘制可采用以下方法:
首先采集周边环境信息。对周边环境信息进行周边物体种类的识别,周边物体种类包括固定物体、未知物体和可移动物体。根据周边物体种类,设置周边物体标签。获得不同种类周边物体的尺寸信息,根据周边物体标签,存储对应的周边物体的尺寸信息。根据存储的不同种类周边物体的尺寸信息,绘制周边环境的地图。具体实现过程为专利CN109655073所提供的方法。利用此方法进行停车地图的绘制,可避免地下停车场这种无或弱信号区域出现绘图错误的问题,且内存使用情况能够得到优化和精益化。
在进行车辆学习停车地图的绘制的过程中,将VIN作为关键标识进行发送,如图6中的A所示。并检查锁定的最后的识别位置(如图6中的B)后,传送至数据基础服务器。
步骤四、数据基础服务器将学习过的停车场静止物体(标记线,立柱等)进行分类和拼接。具体地:
分类过程中,一旦检测到学习到的停车地图已存储在数据基础服务器中,则寻找相同的且于最后记录的具有不同VIN号的GNSS数据(即不同车辆得到的同一停车场的GNSS数据),如图7所示,图7中,LB3785220MS000516与L6T775226LU000277分别表示两个不同车辆的VIN号。当找到匹配的数据时,数据基础服务器将创建双向链表,并开始搜索最佳可能的匹配,如图8所示,图8中展示了在双向链表中制作的对比表示例。当找到最佳匹配时,对匹配的GNSS数据中每个坐标进行显著标记,并将标记后的数据返回到每个地图中,如图9、图10所示。图9中展示了匹配的对照表示例,并示出了匹配比率,通过选择匹配率最高的对应数据作为最佳匹配。图10中展示了图7中的两个不同VIN号对应的查找关键位置的示例,图10中,对两个不同VIN号分别查找关键图形(显著标记对应的图形)并分发到每个地图上,然后将它们与公共位置合并,合并后返回地图。返回地图后,两个地图将在标记中重叠,并捕获为图像。
步骤五、将不同的版本捕获的图像和对应的VIN保存到数据基础服务器中的RDB(关系数据库)中,并制作用于下载的新文件。数据基础服务器制作新的可下载文件的示例图如图11所示。
所述版本用于配置管理。一般来说,如果用户需要搜索关键值和最近更新的文件源,则表示最近的文件是版本化的,计算机可以查找最近的文件。在本发明中,如果数据基础服务器更新了新文件,则新文件会配置其对应的版本号,更新了新文件后,数据基础服务器可以删除旧文件或者将旧文件归档到未使用的数据库中。
具体地,可在数据基础服务器中的RDB中,将按照步骤四得到的图像制作成一个散列数据并命名,如dat格式的数据。然后将该数据及版本号与VIN号对应,创建更新后的组合模型,然后创建一个数据库日志。
在本发明中,关系数据库包括但不限于,现有的oracle、db2、sqlserver、sybase、mysql等中的任意一种,还包括未来能提供关系数据库功能的数据库。
步骤六、在下一次与VIN匹配的OTA服务中,将上述数据再次服务于其他个别车辆。其他个别车辆的用户即可使用更新的地图数据,并异步重复用例。
采用本发明方法可以重复使用车辆用户已经创建的地图,无需扫描服务即可创建新地图,当数据增长时,也可以直接为地图提供服务,而无需重新扫描停车场,大大降低了智能泊车过程中的学习和扫描成本。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种车辆已学习停车场数据的云拼接方法,其特征在于,包括:
当车辆进入地下停车场时,车辆记录最后的位置数据,即最后接收到的GNSS数据,并将最后接收到的GNSS数据以循环方式存储到临时存储区;
当车辆激活学习泊车功能后,学习停车地图绘制,并将接收到的最后的位置数据连同VIN与车辆检测到的物体数据一同发送至设于云端的数据基础服务器;
数据基础服务器将学习过的停车场静止物体进行分类和拼接,拼接后的数据返回至地图,并捕获为图像;
数据基础服务器将捕获的图像和对应的VIN保存至数据基础服务器中的RDB中,并生成用以远程下载的文件;
在下一次与VIN匹配的OTA服务中,将数据基础服务器生成的文件再次服务于其他车辆,其他车辆的用户采用更新的地图数据,并异步重复用例;
数据基础服务器将学习过的停车场静止物体进行分类和拼接,拼接后的数据返回至地图,并捕获为图像的具体内容为:
在数据基础服务器将学习过的停车场静止物体进行分类的过程中,若检测到学习到的停车地图已存储在数据基础服务器中,则寻找与之相同的且于最后记录的具有不同VIN号的GNSS数据,当寻找到匹配的数据时,创建双向链表,并开始搜索最佳匹配,当找到最佳匹配时,对匹配的GNSS数据中每个坐标进行显著标记;对不同VIN分别查找显著标记对应的图形并分发至每个地图上,然后将其与公共位置合并,合并后返回地图,返回地图后,多个地图将在标记中重叠,并捕获为图像。
2.根据权利要求1所述的车辆已学习停车场数据的云拼接方法,其特征在于,当车辆进入地下停车场时,最后接收到的GNSS数据至少为三次。
3.根据权利要求2所述的车辆已学习停车场数据的云拼接方法,其特征在于,将最后接收到的GNSS数据以循环方式存储到临时存储区时,临时存储区限制为静态。
4.根据权利要求1所述的车辆已学习停车场数据的云拼接方法,其特征在于,车辆利用AVP激活在车辆中的编写标记语言,进而激活学习泊车功能,并同时锁定识别到的最后的位置。
5.根据权利要求4所述的车辆已学习停车场数据的云拼接方法,其特征在于,车辆学习停车地图绘制的具体内容为:
首先采集周边环境信息,对周边环境信息进行周边物体种类的识别,周边物体种类包括固定物体、未知物体和可移动物体;
根据周边物体种类,设置周边物体标签;
获取不同种类周边物体的尺寸信息,根据周边物体标签,存储对应的周边物体的尺寸信息;
根据存储的不同种类周边物体的尺寸信息,绘制周边环境的地图。
6.根据权利要求5所述的车辆已学习停车场数据的云拼接方法,其特征在于,在进行车辆学习停车地图的绘制的过程中,将VIN作为关键标识进行发送,并检查锁定的识别到的最后的位置后,传送至数据基础服务器。
7.根据权利要求1所述的车辆已学习停车场数据的云拼接方法,其特征在于,所述最佳匹配通过采用双向链表生成匹配对照表获取,将匹配对照表中匹配比率最高的对应数据作为最佳匹配。
8.根据权利要求1所述的车辆已学习停车场数据的云拼接方法,其特征在于,数据基础服务器生成用以远程下载的文件的具体内容为:
在数据基础服务器中的RDB中,将不同版本捕获得到的图像生成散列数据并命名后,将该数据及版本号与VIN号对应,创建更新后的组合模型,随后创建一个数据库日志。
9.根据权利要求1所述的车辆已学习停车场数据的云拼接方法,其特征在于,所述GNSS包括但不限于GPS、GLONASS、GALILEO和北斗卫星导航系统中的任意一种或多种的组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028092.9A CN114373331B (zh) | 2022-01-11 | 2022-01-11 | 一种车辆已学习停车场数据的云拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028092.9A CN114373331B (zh) | 2022-01-11 | 2022-01-11 | 一种车辆已学习停车场数据的云拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114373331A CN114373331A (zh) | 2022-04-19 |
CN114373331B true CN114373331B (zh) | 2023-08-15 |
Family
ID=81144329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028092.9A Active CN114373331B (zh) | 2022-01-11 | 2022-01-11 | 一种车辆已学习停车场数据的云拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114373331B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116153083B (zh) * | 2023-04-20 | 2023-10-17 | 江铃汽车股份有限公司 | 一种应用于地下停车场的车辆召唤方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959321A (zh) * | 2017-05-25 | 2018-12-07 | 纵目科技(上海)股份有限公司 | 停车场地图构建方法、系统、移动终端及存储介质 |
CN109166347A (zh) * | 2018-10-22 | 2019-01-08 | 天津传世科技有限公司 | 一种地下停车场停车方法 |
CN112204349A (zh) * | 2018-04-03 | 2021-01-08 | 御眼视觉技术有限公司 | 用于车辆导航的系统和方法 |
EP3764335A1 (en) * | 2019-07-11 | 2021-01-13 | Volvo Car Corporation | Vehicle parking availability map systems and methods |
CN112836003A (zh) * | 2021-02-04 | 2021-05-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图处理方法和装置 |
CN112880696A (zh) * | 2021-01-13 | 2021-06-01 | 成都朴为科技有限公司 | 一种基于同时建图与定位的泊车系统及方法 |
CN112967522A (zh) * | 2021-01-29 | 2021-06-15 | 西藏宁算科技集团有限公司 | 基于深度学习和规划算法的智能车辆召唤方法及系统 |
CN113506456A (zh) * | 2021-06-01 | 2021-10-15 | 上海追势科技有限公司 | 一种基于停车场地图数据引导的自主泊车导航方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10127814B2 (en) * | 2017-02-03 | 2018-11-13 | Ford Global Technologies, Llc | Advanced V2X event dissemination |
US20210063162A1 (en) * | 2019-08-26 | 2021-03-04 | Mobileye Vision Technologies Ltd. | Systems and methods for vehicle navigation |
US20210108926A1 (en) * | 2019-10-12 | 2021-04-15 | Ha Q. Tran | Smart vehicle |
-
2022
- 2022-01-11 CN CN202210028092.9A patent/CN114373331B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959321A (zh) * | 2017-05-25 | 2018-12-07 | 纵目科技(上海)股份有限公司 | 停车场地图构建方法、系统、移动终端及存储介质 |
CN112204349A (zh) * | 2018-04-03 | 2021-01-08 | 御眼视觉技术有限公司 | 用于车辆导航的系统和方法 |
CN109166347A (zh) * | 2018-10-22 | 2019-01-08 | 天津传世科技有限公司 | 一种地下停车场停车方法 |
EP3764335A1 (en) * | 2019-07-11 | 2021-01-13 | Volvo Car Corporation | Vehicle parking availability map systems and methods |
CN112880696A (zh) * | 2021-01-13 | 2021-06-01 | 成都朴为科技有限公司 | 一种基于同时建图与定位的泊车系统及方法 |
CN112967522A (zh) * | 2021-01-29 | 2021-06-15 | 西藏宁算科技集团有限公司 | 基于深度学习和规划算法的智能车辆召唤方法及系统 |
CN112836003A (zh) * | 2021-02-04 | 2021-05-25 | 广州小鹏自动驾驶科技有限公司 | 一种地图处理方法和装置 |
CN113506456A (zh) * | 2021-06-01 | 2021-10-15 | 上海追势科技有限公司 | 一种基于停车场地图数据引导的自主泊车导航方法 |
Non-Patent Citations (1)
Title |
---|
基于3DSLAM移动扫描技术的地下空间测量方法研究;王孟和等;《城市勘测》;20170630(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114373331A (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2533484C (en) | Navigation system | |
CN100376871C (zh) | 地图信息检索设备和地图信息检索方法 | |
CN104269072B (zh) | 一种地下停车场寻车方法、装置以及系统 | |
CN1808178A (zh) | 使用移动终端检测运动体的位置的方法和系统 | |
CN103942973A (zh) | 用于在停车场寻找车位的方法 | |
WO2005069147A1 (ja) | 検索データの更新方法および更新システム | |
CN112880696A (zh) | 一种基于同时建图与定位的泊车系统及方法 | |
CN114373331B (zh) | 一种车辆已学习停车场数据的云拼接方法 | |
US7218246B2 (en) | Map display device and program therefor | |
CN111324679A (zh) | 地址信息的处理方法、装置和系统 | |
KR20140097805A (ko) | 좌표(x, y)위치 값을 이용한 체계적인 블록번호 생성 및 그 이용한 주소매칭 서비스 방법 | |
CN112533150A (zh) | 基于蓝牙定位寻车的方法、装置、设备及存储介质 | |
CN112699318A (zh) | 一种快速搜索停车场的人机交互系统和方法 | |
CN101482424A (zh) | 一种车辆导航方法 | |
CN1556481A (zh) | 面向海量空间信息的地图浏览器实现方法 | |
CN101326559B (zh) | 位置信息交换装置以及位置信息交换方法 | |
CN101004444A (zh) | Gps设备上地址簿信息存储及进行gps关联定位的方法 | |
CN109147374A (zh) | 停车场管理方法、系统、车载单元及后台服务器 | |
CN106886844A (zh) | 提高导航效率的方法、装置和移动终端 | |
US20060100999A1 (en) | System and method for data entry and search | |
CN104702670A (zh) | 一种基于移动gis的特种设备监管装置 | |
JP2001243251A (ja) | 電話番号リストデータ自動作成システム | |
CN108664984B (zh) | 一种数据检查的方法及装置 | |
CN118245518B (zh) | 基于三元组语义结构的位置信息检索方法、系统及终端 | |
CN105989732A (zh) | 停车位置搜寻装置及其方法 |
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 |