CN114648890B - 一种停车位状态检测方法、装置及智能车 - Google Patents
一种停车位状态检测方法、装置及智能车 Download PDFInfo
- Publication number
- CN114648890B CN114648890B CN202210292301.0A CN202210292301A CN114648890B CN 114648890 B CN114648890 B CN 114648890B CN 202210292301 A CN202210292301 A CN 202210292301A CN 114648890 B CN114648890 B CN 114648890B
- Authority
- CN
- China
- Prior art keywords
- parking space
- target
- point cloud
- frame
- 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.)
- Active
Links
Images
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
-
- 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
- G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及自动驾驶技术领域,主要提供一种停车位状态检测方法、装置及智能车,通过获取同一时刻车辆的定位信息、点云数据及停车位地图,然后根据所述车辆的定位信息和所述停车位地图确定目标停车框,接着根据所述点云数据、所述定位信息及所述停车位地图确定目标聚类框,最后根据所述目标停车框和所述目标聚类框确定所述同一时刻的停车位状态。本发明通过车辆的定位信息、点云数据及停车位地图确定车辆的停车位状态,提高了停车位状态检测的检测效率,节省了人工成本。
Description
技术领域
本发明涉及自动驾驶技术领域,特别涉及一种停车位状态检测方法、装置及智能车。
背景技术
目前,在露天停车场、室内停车场等场景中,对停车位上是否有车辆停靠的判断主要依赖于两种方法,一是在停车位地面埋入传感器装置,二是利用监控摄像装置。当有车辆停入停车位时,传感器装置和监控摄像装置会向外发出停车位的停车状态信息。现在的停车位状态检测仍然依赖于现场人工运营,并且需要持续维护地面的传感器设施和监控设施,运营成本较高。
发明内容
本发明实施方式提供一种停车位状态检测方法、装置及智能车,以提高停车位状态检测的检测效率,节省人工成本。
为解决上述技术问题,本发明实施方式采用的一个技术方案是:提供一种停车位状态检测方法,包括:
获取同一时刻车辆的定位信息、点云数据及停车位地图;
根据所述车辆的定位信息和所述停车位地图,确定目标停车框;
根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框;
根据所述目标停车框和所述目标聚类框,确定所述同一时刻的停车位状态。
在一些实施例中,所述根据所述车辆的定位信息和所述停车位地图确定目标停车框包括:
根据所述车辆的定位信息和所述停车位地图,获取所述车辆在所述停车位地图中的位置;
根据所述车辆在所述停车位地图中的位置,确定在所述停车位地图中以所述车辆为中心的预设范围内的目标停车框。
在一些实施例中,所述根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框包括:
将所述点云数据映射至所述停车位地图,获取映射关系;
根据所述映射关系处理所述点云数据,获取目标点云数据;
聚类所述目标点云数据,确定目标聚类框。
在一些实施例中,所述根据所述映射关系处理所述点云数据,获取目标点云数据包括:
根据所述映射关系,去除所述点云数据中的停车框外点云、感知范围外点云、车辆自身点云及地面点云,获取所述目标点云数据。
在一些实施例中,所述聚类所述目标点云数据确定目标聚类框包括:
基于欧式距离聚类所述目标点云数据,获取聚类框;
去除小于预设尺寸的所述聚类框,确定所述目标聚类框。
在一些实施例中,所述根据所述目标停车框和所述目标聚类框确定所述同一时刻的停车位状态包括:
计算所述目标停车框和所述目标聚类框的重合度;
当所述重合度大于或等于预设值时,确定所述同一时刻的停车位状态为占据状态;
当所述重合度小于所述预设值时,确定所述同一时刻的停车位状态为空闲状态。
在一些实施例中,所述方法还包括:
在预设时间内,获取多个同一时刻的停车位状态;
根据所述多个同一时刻的停车位状态,确定目标停车位状态。
在一些实施例中,所述方法还包括:
获取所述目标停车框对应停车位的停车位编号和停车位类型;
根据所述停车位编号、所述停车位类型、所述点云数据、所述定位信息及所述停车位地图,确定所述目标聚类框。
为解决上述技术问题,本发明实施方式采用的另一个技术方案是:提供一种停车位状态检测装置,包括:
获取模块,用于获取同一时刻车辆的定位信息、点云数据及停车位地图;
第一确定模块,用于根据所述车辆的定位信息和所述停车位地图,确定目标停车框;
第二确定模块,用于根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框;
第三确定模块,用于根据所述目标停车框和所述目标聚类框,确定所述同一时刻的停车位状态。
为解决上述技术问题,本发明实施方式采用的又一个技术方案是:提供一种智能车,包括:
激光雷达;
定位装置;
控制器,所述控制器分别与所述激光雷达和所述定位装置通信连接,所述控制器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如上所述的停车位状态检测方法。
区别于相关技术的情况,本发明实施例提供一种停车位状态检测方法、装置及智能车,主要通过首先获取同一时刻车辆的定位信息、点云数据及停车位地图,然后根据所述车辆的定位信息和所述停车位地图确定目标停车框,接着根据所述点云数据、所述定位信息及所述停车位地图确定目标聚类框,最后根据所述目标停车框和所述目标聚类框确定所述同一时刻的停车位状态。通过上述步骤,本发明实施例通过车辆的定位信息、点云数据及停车位地图确定车辆的停车位状态,提高了停车位状态检测的检测效率,节省了人工成本。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种停车位状态检测方法的流程示意图;
图2是本发明实施例提供的一种确定目标停车框的流程示意图;
图3是本发明实施例提供的一种确定目标聚类框的流程示意图;
图4是本发明实施例提供的一种聚类目标点云数据确定目标聚类框的流程示意图;
图5是本发明实施例提供的一种确定同一时刻的停车框状态的流程示意图;
图6是本发明实施例提供的另一种停车框状态检测方法的流程示意图;
图7是本发明实施例提供的另一种确定目标聚类框的流程示意图;
图8是本发明实施例提供的一种停车位状态检测装置的结构框图;
图9是本发明实施例提供的一种智能车的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互组合,均在本发明的保护范围之内。另外,虽然在装置示意图中进行了功能模块的划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置示意图中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明实施例提供的停车位状态检测方法、装置及智能车,主要通过激光雷达获取的点云数据、定位装置获取的定位信息及停车位地图,确定停车位状态。本发明实施例不依赖于地面预埋传感器设施和监控设施,节省了大量硬件开销和后期维护成本,提高了停车位状态检测的检测效率。
请参阅图1,图1是本发明实施例提供的一种停车位状态检测方法的流程示意图。如图1所示,该停车位状态检测方法包括如下步骤:
步骤S1、获取同一时刻车辆的定位信息、点云数据及停车位地图。
本发明实施例中,车辆的定位信息通过车辆上安装的定位装置实时获得,从该定位信息中可获得车辆的位置等。车辆的定位装置可以为GPS定位装置(Global PositioningSystem,全球定位系统)或其它的定位装置。点云数据通过车辆上安装的激光雷达(LaserRadar)实时获得。激光雷达可以为十六线激光雷达。停车位地图可为预存在车辆中的地图,或是网上下载的地图等。
步骤S2、根据车辆的定位信息和停车位地图,确定目标停车框。
一个停车位表示一个由一组点(通常是4个)组成的凸多边形,每个点的坐标唯一。
目标停车框是车辆需要检测的停车位的轮廓。从停车位地图中能够获取到目标停车框的位置。
步骤S3、根据点云数据、定位信息及停车位地图,确定目标聚类框。
在本发明实施例中,目标聚类框为目标停车框中车辆的点云组成的轮廓。
步骤S4、根据目标停车框和目标聚类框,确定同一时刻的停车位状态。
停车位状态表示停车位的占据情况,停车位状态可分为占据状态和空闲状态。停车位的停车位状态为占据状态,表示该停车位被车辆占据。停车位的停车位状态为空闲状态,表示该停车位没有被车辆占据。
具体的,判断目标停车框中是否有目标聚类框即可确定同一时刻的停车位状态。当目标停车框中有目标聚类框时,确定该停车位为占据状态。当目标停车框中没有目标聚类框时,确定该停车位为空闲状态。
本发明实施例提供一种停车位状态检测方法,该方法通过首先获取同一时刻车辆的定位信息、点云数据及停车位地图,然后根据车辆的定位信息和停车位地图确定目标停车框,接着根据点云数据、定位信息及停车位地图确定目标聚类框,最后根据目标停车框和目标聚类框确定同一时刻的停车位状态。通过上述步骤,本发明实施例通过车辆的定位信息、点云数据及停车位地图确定车辆的停车位状态,提高了停车位状态检测的检测效率,节省了人工成本。
请参阅图2,图2是本发明实施例提供的一种确定目标停车框的流程示意图。在一些实施例中,根据车辆的定位信息和停车位地图确定目标停车框包括:
步骤S21、根据车辆的定位信息和停车位地图,获取车辆在停车位地图中的位置。
具体的,从车辆的定位信息中获取车辆的位置,并从停车位地图中获取车辆所在停车场中所有停车位的位置。结合车辆的定位信息和停车位地图获取车辆在停车位地图中的位置。
步骤S22、根据车辆在所述停车位地图中的位置,确定在停车位地图中以车辆为中心的预设范围内的目标停车框。
预设范围可以根据实际情况设置,例如50米、100米等。目标停车框可以为一个,也可以为多个。
请参阅图3,图3是本发明实施例提供的一种确定目标聚类框的流程示意图。在一些实施例中,根据点云数据、定位信息及停车位地图,确定目标聚类框包括:
步骤S31、将点云数据映射至停车位地图,获取映射关系。
具体的,点云数据中包括点云的三维坐标,停车位地图中包括停车位的二维坐标。将点云数据中点云的三维坐标映射至停车位地图中停车位的二维坐标,可获取点云数据和停车位地图的映射关系。
步骤S32、根据映射关系处理点云数据,获取目标点云数据。
通过点云数据和停车位地图的映射关系获取停车框内的点云,停车框内点云即为目标点云数据。
步骤S33、聚类目标点云数据,确定目标聚类框。
在一些实施例中,根据映射关系处理点云数据,获取目标点云数据包括:根据映射关系,去除点云数据中的停车框外点云、感知范围外点云、车辆自身点云及地面点云,获取目标点云数据。
其中,首先通过设置点云的坐标范围,然后去除在该坐标范围外的点云,从而去除点云数据中的感知范围外点云,可将以车辆为中心的过高的、过低的、过远的点云去除,避免影响后续步骤。然后,去除点云数据中的地面点云,避免后续影响到停车位状态的判断。最后,在去除地面点云之后,去除停车框外点云即剩下的点云中位于停车框以外的点云,避免影响停车框内部状态的判断。
请参阅图4,图4是本发明实施例提供的一种聚类目标点云数据确定目标聚类框的流程示意图。在一些实施例中,聚类目标点云数据确定目标聚类框包括:
步骤S331、基于欧式距离聚类目标点云数据,获取聚类框。
步骤S332、去除小于预设尺寸的聚类框,确定目标聚类框。
欧式距离聚类依据欧式距离作为判定准则,对于空间内的一点P,通过KD-Tree(K-Dimensional树)在领域搜索k(任意实数)个距离P点最近的点,其中距离小于距离阈值的便放入集合Q中,如果Q中元素不在增加,则聚类过程结束;否则在集合Q中选取P点以外的点,重复以上步骤。
通过欧式距离聚类目标点云数据,将一个物体的点云归为一类,获去聚类点云团,聚类点云团的轮廓即为聚类框。然后去除小于预设尺寸的聚类框,预设尺寸可以为0.1米、0.2米等,从而排除一些小物体例如石头等在停车位的情况,最终确定目标聚类框。目标聚类框为目标停车框内的车辆的点云组成的轮廓。
请参阅图5,图5是本发明实施例提供的一种确定同一时刻的停车框状态的流程示意图。在一些实施例中,根据目标停车框和目标聚类框确定同一时刻的停车位状态包括:
步骤S41、计算目标停车框和目标聚类框的重合度。
步骤S42、当重合度大于或等于预设值时,确定同一时刻的停车位状态为占据状态。
步骤S43、当重合度小于预设值时,确定同一时刻的停车位状态为空闲状态。
具体的,在同一时刻中,目标停车框和目标聚类框可能有一个或多个。根据映射关系,将目标停车框和目标聚类框分组,一个停车框与一个目标聚类框标记为一组。一个停车框可与多个不同的目标聚类框标记为一组。
遍历所有的目标停车框和目标聚类框,计算每一组目标停车框和目标聚类框的重合度。当某个目标停车框和与之一组的目标聚类框的重合度的总和,大于或等于预设值时,确定这一时刻的停车位状态为占据状态。当某个目标停车框和与之一组的目标聚类框的重合度的总和,小于预设值时,确定这一时刻的停车位状态为空闲状态。
重合度可为交并比(Intersection-over-Union,IoU),即目标停车框和目标聚类框相交的面积除以目标停车框和目标聚类框相并的面积。
请参阅图6,图6是本发明实施例提供的另一种停车框状态检测方法的流程示意图。
在一些实施例中,还包括:
步骤S5、在预设时间内,获取多个同一时刻的停车位状态;
步骤S6、根据多个同一时刻的停车位状态,确定目标停车位状态。
由于本方法的实际运营场景较为复杂,停车位状态仅依靠一个时刻的数据来判断较不可靠,所以可以设计停车位状态检测的缓存机制,在时序状态即时间先后的状态下,来判断停车位是否被占据。
具体的,在预设时间例如20秒内,每隔预设时长例如1秒获取同一时刻的停车位状态,按照时间先后将每一时刻的停车位状态保存下来。根据所有时刻的停车位状态,按照判定规则判断,确定目标停车位状态。判定规则可为,当获取所有时刻的停车位状态中超过三个时刻的停车位状态为占据状态时,则确定当前车位的目标停车位状态为占据状态,否则确定当前车位的目标停车位状态为空闲状态。通过该方法可以避免出现一些车辆暂时停留在停车位上的情况,使得目标停车位状态的结果更准确。
需要说明的是,在时序状态下,每个停车位状态的缓存长度一般设为20,根据实际场景情况可以调整目标停车位状态的判定规则以及输出延时。
请参阅图7,图7是本发明实施例提供的另一种确定目标聚类框的流程示意图。在一些实施例中,确定目标聚类框的方法包括:
步骤S35、获取目标停车框对应停车位的停车位编号和停车位类型。
步骤S36、根据停车位编号、停车位类型、点云数据、定位信息及停车位地图,确定目标聚类框。
在本发明实施例中,目标停车框对应的停车位拥有停车位编号和停车位类型。在一个停车场中,每一个停车位的停车位编号不相同,用户可以根据停车位编号找到与该停车位编号对应的停车位。停车位编号的设置规则可以根据实际应用场景确定。在某些大型停车场中,可能存在不同类型的停车位,例如宽2.5米、长5米、高3米的小型停车位,宽4米、长7米、高4米的中型停车位,宽4米、长12米、高5米的大型停车位等。停车位的类型和尺寸可根据实际需求设置。
根据停车位类型,可以确定目标聚类框的长、宽、高对应的最小尺寸,从而筛选出长、宽、高均大于其对应最小尺寸的目标聚类框,从而有针对性的获得目标聚类框,使得停车位状态的检测更精准。该目标聚类框的长、宽、高对应的最小尺寸可根据实际需求设置,例如小型停车位的目标聚类框的长的最小尺寸为1.5米,小型停车位的目标聚类框的宽的最小尺寸为1米,小型停车位的目标聚类框的高的最小尺寸为1米,等。
本发明实施例提供一种停车位状态检测方法,该停车位状态检测方法主要通过首先获取同一时刻车辆的定位信息、点云数据及停车位地图,然后根据所述车辆的定位信息和所述停车位地图确定目标停车框,接着根据所述点云数据、所述定位信息及所述停车位地图确定目标聚类框,最后根据所述目标停车框和所述目标聚类框确定所述同一时刻的停车位状态。通过上述步骤,本发明实施例通过车辆的定位信息、点云数据及停车位地图确定车辆的停车位状态,提高了停车位状态检测的检测效率,节省了人工成本。
请参阅图8,图8是本发明实施例提供的一种停车位状态检测装置的结构框。如图8所示,该停车位状态检测装置10包括获取模块101、第一确定模块102、第二确定模块103及第三确定模块104。
获取模块101用于获取同一时刻车辆的定位信息、点云数据及停车位地图。第一确定模块102用于根据车辆的定位信息和停车位地图,确定目标停车框。第二确定模块103用于根据点云数据、定位信息及停车位地图,确定目标聚类框。第三确定模块104用于根据目标停车框和目标聚类框,确定同一时刻的停车位状态。
第一确定模块102还用于根据所述车辆的定位信息和所述停车位地图,获取所述车辆在所述停车位地图中的位置;根据所述车辆在所述停车位地图中的位置,确定在所述停车位地图中以所述车辆为中心的预设范围内的目标停车框。
第二确定模块103还用于将所述点云数据映射至所述停车位地图,获取映射关系。根据所述映射关系处理所述点云数据,获取目标点云数据。聚类所述目标点云数据,确定目标聚类框。
第二确定模块103还用于根据映射关系,去除点云数据中的停车框外点云、感知范围外点云、车辆自身点云及地面点云,获取所述目标点云数据。
第二确定模块103还用于基于欧式距离聚类目标点云数据,获取聚类框。去除小于预设尺寸的聚类框,确定目标聚类框。
第三确定模块104还用于,根据映射关系,计算目标停车框和目标聚类框的重合度;当重合度大于或等于预设值时,确定同一时刻的停车位状态为占据状态;当重合度小于预设值时,确定同一时刻的停车位状态为空闲状态。
停车位状态检测装置10还包括第四确定模块105,第四确定模块105用于在预设时间内,获取多个同一时刻的停车位状态;根据所述多个同一时刻的停车位状态,确定目标停车位状态。
获取模块101还用于:获取目标停车框对应停车位的停车位编号和停车位类型;根据停车位编号、停车位类型、点云数据、定位信息及停车位地图,确定目标聚类框。
需要说明的是,上述停车位状态检测装置可执行本发明实施例所提供的停车位状态检测方法,具备执行方法相应的功能模块和有益效果。未在停车位状态检测装置实施例中详尽描述的技术细节,可参见本发明实施例所提供的停车位状态检测方法。
请参阅图9,图9是本发明实施例提供的一种智能车20的结构示意图。该20智能车包括激光雷达21、定位装置22及控制器23。控制器23分别与激光雷达21和定位装置22通信连接。激光雷达21用于获取点云数据。定位装置22用于获取该智能车的定位信息。
智能车辆20的控制器23包括:至少一个处理器231;以及,与至少一个处理器231通信连接的存储器232,图9中以其中一个处理器231为例。存储器232存储有可被至少一个处理器231执行的指令,该指令被至少一个处理器231执行,以使至少一个处理器231能够执行上述图1至图7的停车位状态检测方法,以及,执行上述图8的停车位状态检测装置。处理器231和存储器232可以通过总线或者其他方式连接,图9中以通过总线连接为例。
存储器232作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的停车位状态检测方法对应的程序指令/模块,例如,附图8所示的各个模块。处理器231通过运行存储在存储器232中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例停车位状态检测方法。
存储器232可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据停车位状态检测装置的使用所创建的数据等。此外,存储器232可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器232可选包括相对于处理器231远程设置的存储器,这些远程存储器可以通过网络连接至停车位状态检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器232中,当被一个或者多个处理器231执行时,执行上述任意方法实施例中的停车位状态检测方法,例如,执行以上描述的图1至图7的方法步骤,以及,执行上述图8的停车位状态检测装置。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (9)
1.一种停车位状态检测方法,其特征在于,所述停车位状态检测方法包括:
获取同一时刻车辆的定位信息、点云数据及停车位地图;
根据所述车辆的定位信息和所述停车位地图,确定目标停车框;
根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框;所述目标聚类框为所述目标停车框中车辆的点云组成的轮廓;
根据所述目标停车框和所述目标聚类框,确定所述同一时刻的停车位状态;
其中,所述根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框包括:
将所述点云数据映射至所述停车位地图,获取映射关系;
根据所述映射关系处理所述点云数据,获取目标点云数据;
聚类所述目标点云数据,确定目标聚类框。
2.根据权利要求1所述的停车位状态检测方法,其特征在于,所述根据所述车辆的定位信息和所述停车位地图确定目标停车框包括:
根据所述车辆的定位信息和所述停车位地图,获取所述车辆在所述停车位地图中的位置;
根据所述车辆在所述停车位地图中的位置,确定在所述停车位地图中以所述车辆为中心的预设范围内的目标停车框。
3.根据权利要求1所述的停车位状态检测方法,其特征在于,所述根据所述映射关系处理所述点云数据,获取目标点云数据包括:
根据所述映射关系,去除所述点云数据中的停车框外点云、感知范围外点云、车辆自身点云及地面点云,获取所述目标点云数据。
4.根据权利要求1所述的停车位状态检测方法,其特征在于,所述聚类所述目标点云数据确定目标聚类框包括:
基于欧式距离聚类所述目标点云数据,获取聚类框;
去除小于预设尺寸的所述聚类框,确定所述目标聚类框。
5.根据权利要求1所述的停车位状态检测方法,其特征在于,所述根据所述目标停车框和所述目标聚类框确定所述同一时刻的停车位状态包括:
计算所述目标停车框和所述目标聚类框的重合度;
当所述重合度大于或等于预设值时,确定所述同一时刻的停车位状态为占据状态;
当所述重合度小于所述预设值时,确定所述同一时刻的停车位状态为空闲状态。
6.根据权利要求1-5任一项所述的停车位状态检测方法,其特征在于,所述停车位状态检测方法还包括:
在预设时间内,获取多个同一时刻的停车位状态;
根据所述多个同一时刻的停车位状态,确定目标停车位状态。
7.根据权利要求6所述的停车位状态检测方法,其特征在于,所述停车位状态检测方法还包括:
获取所述目标停车框对应停车位的停车位编号和停车位类型;
根据所述停车位编号、所述停车位类型、所述点云数据、所述定位信息及所述停车位地图,确定所述目标聚类框。
8.一种停车位状态检测装置,其特征在于,包括:
获取模块,用于获取同一时刻车辆的定位信息、点云数据及停车位地图;
第一确定模块,用于根据所述车辆的定位信息和所述停车位地图,确定目标停车框;
第二确定模块,用于根据所述点云数据、所述定位信息及所述停车位地图,确定目标聚类框;所述目标聚类框为所述目标停车框中车辆的点云组成的轮廓;
第三确定模块,用于根据所述目标停车框和所述目标聚类框,确定所述同一时刻的停车位状态;
其中,所述第二确定模块具体用于:
将所述点云数据映射至所述停车位地图,获取映射关系;
根据所述映射关系处理所述点云数据,获取目标点云数据;
聚类所述目标点云数据,确定目标聚类框。
9.一种智能车,其特征在于,包括:
激光雷达;
定位装置;
控制器,所述控制器分别与所述激光雷达和所述定位装置通信连接,所述控制器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如权利要求1-7任一项所述的停车位状态检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292301.0A CN114648890B (zh) | 2022-03-23 | 2022-03-23 | 一种停车位状态检测方法、装置及智能车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210292301.0A CN114648890B (zh) | 2022-03-23 | 2022-03-23 | 一种停车位状态检测方法、装置及智能车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114648890A CN114648890A (zh) | 2022-06-21 |
CN114648890B true CN114648890B (zh) | 2023-02-28 |
Family
ID=81994962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210292301.0A Active CN114648890B (zh) | 2022-03-23 | 2022-03-23 | 一种停车位状态检测方法、装置及智能车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648890B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019242832A1 (en) * | 2018-06-18 | 2019-12-26 | Bayerische Motoren Werke Aktiengesellschaft | Method, device, cloud service, system, and computer program for smart parking a connected vehicle |
CN111047901A (zh) * | 2019-11-05 | 2020-04-21 | 珠海格力电器股份有限公司 | 停车管理方法、装置、存储介质、计算机设备 |
CN113593293A (zh) * | 2021-07-16 | 2021-11-02 | 青岛海尔科技有限公司 | 停车场车辆导航方法、装置、存储介质及电子装置 |
CN113673288A (zh) * | 2020-05-15 | 2021-11-19 | 深圳市航盛电子股份有限公司 | 空闲车位检测方法、装置、计算机设备及存储介质 |
CN113947892A (zh) * | 2021-08-26 | 2022-01-18 | 北京万集科技股份有限公司 | 异常停车的监测方法、装置、服务器及可读存储介质 |
CN114179788A (zh) * | 2021-12-29 | 2022-03-15 | 纵目科技(上海)股份有限公司 | 自动泊车方法、系统、计算机可读存储介质及车机端 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101188588B1 (ko) * | 2008-03-27 | 2012-10-08 | 주식회사 만도 | 모노큘러 모션 스테레오 기반의 주차 공간 검출 장치 및방법 |
US10304335B2 (en) * | 2016-04-12 | 2019-05-28 | Ford Global Technologies, Llc | Detecting available parking spaces |
DE102018104243B3 (de) * | 2018-02-26 | 2019-05-16 | Autoliv Development Ab | Verfahren und System zur Erkennung von für ein Fahrzeug geeigneten Parklücken |
CN110211420B (zh) * | 2019-06-25 | 2021-11-30 | 重庆长安汽车股份有限公司 | 判断当前场景是否为停车场的方法、系统及计算机可读存储介质 |
CN111754806A (zh) * | 2020-05-09 | 2020-10-09 | 深圳市天鼎微波科技有限公司 | 基于雷达监测的车位管理方法、装置及系统 |
CN111797734B (zh) * | 2020-06-22 | 2024-05-24 | 广州视源电子科技股份有限公司 | 车辆点云数据处理方法、装置、设备和存储介质 |
-
2022
- 2022-03-23 CN CN202210292301.0A patent/CN114648890B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019242832A1 (en) * | 2018-06-18 | 2019-12-26 | Bayerische Motoren Werke Aktiengesellschaft | Method, device, cloud service, system, and computer program for smart parking a connected vehicle |
CN111047901A (zh) * | 2019-11-05 | 2020-04-21 | 珠海格力电器股份有限公司 | 停车管理方法、装置、存储介质、计算机设备 |
CN113673288A (zh) * | 2020-05-15 | 2021-11-19 | 深圳市航盛电子股份有限公司 | 空闲车位检测方法、装置、计算机设备及存储介质 |
CN113593293A (zh) * | 2021-07-16 | 2021-11-02 | 青岛海尔科技有限公司 | 停车场车辆导航方法、装置、存储介质及电子装置 |
CN113947892A (zh) * | 2021-08-26 | 2022-01-18 | 北京万集科技股份有限公司 | 异常停车的监测方法、装置、服务器及可读存储介质 |
CN114179788A (zh) * | 2021-12-29 | 2022-03-15 | 纵目科技(上海)股份有限公司 | 自动泊车方法、系统、计算机可读存储介质及车机端 |
Non-Patent Citations (4)
Title |
---|
《Scanning la-ser radar- based target position designation for parking aid System》;JUNG H G,CHO Y H,Yoon P J,et al.;《IEEE transactions on intelligent transportation systems》;20081231;全文 * |
《基于激光雷达边界框的自动泊车车位识别方法》;朱冰,王志伟,赵健,陶晓文;《2021中国汽车工程学会会议论文集》;20211031;全文 * |
基于GPS的停车位信息服务软件的探索;单丰等;《滁州职业技术学院学报》;20180315(第01期);全文 * |
基于多线激光雷达的非结构化道路感知技术研究;李宁等;《车辆与动力技术》;20170915(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114648890A (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190086923A1 (en) | Method and apparatus for generating obstacle motion information for autonomous vehicle | |
CN105701478B (zh) | 杆状地物提取的方法和装置 | |
CN104517275A (zh) | 对象检测方法和系统 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN111179274B (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
CN112348848A (zh) | 一种交通参与者的信息生成方法及系统 | |
CN111897906A (zh) | 处理地图数据的方法、装置、设备和存储介质 | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN111381585B (zh) | 一种构建占据栅格地图的方法及其装置、相关设备 | |
CN114694123B (zh) | 交通信号灯感知方法、装置、设备及存储介质 | |
CN112465868A (zh) | 一种目标检测跟踪方法、装置、存储介质及电子装置 | |
CN113345015A (zh) | 一种包裹位置检测方法、装置、设备及可读存储介质 | |
CN116222539A (zh) | 高精度地图数据差异化更新方法及系统 | |
CN112149471A (zh) | 一种基于语义点云的回环检测方法及装置 | |
CN114648890B (zh) | 一种停车位状态检测方法、装置及智能车 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
CN115170679A (zh) | 路侧相机的标定方法、装置及电子设备、存储介质 | |
CN115995075A (zh) | 一种车辆自适应导航方法、装置、电子设备及存储介质 | |
CN112258881B (zh) | 基于智慧交通的车辆管理方法 | |
Lee et al. | Fast point cloud feature extraction for real-time slam | |
CN114638848A (zh) | 车道边缘线变化的检测方法、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 | |
CN111353483B (zh) | 一种杆状设施结构特征提取方法及相关设备 | |
CN112258880B (zh) | 基于智慧交通的车辆管理系统 | |
CN113030934B (zh) | 一种基于平均距离最近原理的车检雷达数据预处理方法 |
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 |