CN114822216A - 生成车位地图的方法、装置、车辆、存储介质及芯片 - Google Patents
生成车位地图的方法、装置、车辆、存储介质及芯片 Download PDFInfo
- Publication number
- CN114822216A CN114822216A CN202210718090.2A CN202210718090A CN114822216A CN 114822216 A CN114822216 A CN 114822216A CN 202210718090 A CN202210718090 A CN 202210718090A CN 114822216 A CN114822216 A CN 114822216A
- Authority
- CN
- China
- Prior art keywords
- target
- parking space
- parameter information
- coordinate system
- transformation matrix
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 102
- 230000009466 transformation Effects 0.000 claims abstract description 89
- 230000001131 transforming effect Effects 0.000 claims abstract description 10
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 241001300198 Caperonia palustris Species 0.000 claims 1
- 235000000384 Veronica chamaedrys Nutrition 0.000 claims 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 12
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000010267 cellular communication Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
Abstract
本公开涉及一种生成车位地图的方法、装置、车辆、存储介质及芯片,该方法应用于车辆,包括:采集车辆周围的多帧全景环境图像;确定每帧全景环境图像对应的目标参数信息,该目标参数信息包括每个像素点的类型和该全景环境图像中的目标车位的角点位置信息;根据多个目标参数信息,确定该目标车位的车位参数信息和目标坐标系变换矩阵,该目标坐标系变换矩阵用于将该目标车位从车位坐标系变换至世界坐标系;根据该车位参数信息和该目标坐标系变换矩阵,生成该目标车位对应的车位地图。这样,在该全景环境图像出现图像形变或者该目标车位所在地面不平整的情况下,也能够对该目标车位的位置、形状进行准确映射,从而使得生成的车位地图更加准确。
Description
技术领域
本公开涉及车辆技术领域,尤其涉及一种生成车位地图的方法、装置、车辆、存储介质及芯片。
背景技术
随着电子地图技术的不断发展,自主泊车功能的需求量不断增加,同时对自主泊车的精度要求也越来越高。构建车位地图是自主泊车过程中不可或缺的一环,该车位地图可以嵌入到车辆的电子导航等应用中,以辅助车辆根据该车位地图来实现自主泊车。
相关技术中,使用超声波雷达等传感器,通过检测车辆周围是否存在障碍物(如其他汽车),以达到构建泊车地图的目的。但是,这种方法构建的车位地图的准确率比较低,因此,如何生成准确的车位地图成为亟待解决的问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种生成车位地图的方法、装置、车辆、存储介质及芯片。
根据本公开实施例的第一方面,提供一种生成车位地图的方法,应用于车辆,包括:
采集所述车辆周围的多帧全景环境图像;
确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;
根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;
根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
可选地,在所述确定每帧所述全景环境图像对应的目标参数信息前,所述方法还包括:
确定每帧所述全景环境图像对应的鸟瞰环境图像;
所述确定每帧所述全景环境图像对应的目标参数信息包括:
确定每帧所述鸟瞰环境图像对应的目标参数信息。
可选地,所述确定每帧所述鸟瞰环境图像对应的目标参数信息包括:
针对每帧所述全景环境图像,将所述全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取所述语义分割模型输出的每个所述像素点的类型和所述角点位置信息。
可选地,在所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵前,所述方法还包括:
确定多个所述目标参数信息之间的相似度;
所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵包括:
在所述相似度大于或等于预设相似度阈值的情况下,根据多个所述目标参数信息,确定所述目标车位的车位参数信息和所述目标坐标系变换矩阵。
可选地,所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和所述目标坐标系变换矩阵包括:
针对每个所述目标参数信息,根据所述目标参数信息、所述车位参数信息、所述目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程;
通过所述目标方程,计算得到所述车位参数信息和所述目标坐标系变换矩阵。
可选地,所述车位参数信息包括所述目标车位的宽度和深度,所述根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图包括:
根据所述车位参数信息、所述目标坐标系变换矩阵以及所述预设车位齐次坐标,确定所述目标车位在世界坐标系中的目标角点位置信息;
根据所述目标角点位置信息,确定所述目标车位的形状;
根据所述宽度、所述深度、所述目标角点位置信息以及所述形状,生成所述目标车位对应的车位地图。
根据本公开实施例的第二方面,提供一种生成车位地图的装置,应用于车辆,包括:
图像采集模块,被配置为采集所述车辆周围的多帧全景环境图像;
参数确定模块,被配置为确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;
矩阵确定模块,被配置为根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;
地图生成模块,被配置为根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
可选地,所述装置还包括:
图像确定模块,被配置为确定每帧所述全景环境图像对应的鸟瞰环境图像;
所述参数确定模块,还被配置为:
确定每帧所述鸟瞰环境图像对应的目标参数信息。
可选地,所述参数确定模块,还被配置为:
针对每帧所述全景环境图像,将所述全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取所述语义分割模型输出的每个所述像素点的类型和所述角点位置信息。
可选地,所述装置还包括:
相似度确定模块,被配置为确定多个所述目标参数信息之间的相似度;
所述矩阵确定模块,还被配置为:
在所述相似度大于或等于预设相似度阈值的情况下,根据多个所述目标参数信息,确定所述目标车位的车位参数信息和所述目标坐标系变换矩阵。
可选地,所述矩阵确定模块,还被配置为:
针对每个所述目标参数信息,根据所述目标参数信息、所述车位参数信息、所述目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程;
通过所述目标方程,计算得到所述车位参数信息和所述目标坐标系变换矩阵。
可选地,所述车位参数信息包括所述目标车位的宽度和深度,所述地图生成模块,还被配置为:
根据所述车位参数信息、所述目标坐标系变换矩阵以及所述预设车位齐次坐标,确定所述目标车位在世界坐标系中的目标角点位置信息;
根据所述目标角点位置信息,确定所述目标车位的形状;
根据所述宽度、所述深度、所述目标角点位置信息以及所述形状,生成所述目标车位对应的车位地图。
根据本公开实施例的第三方面,提供一种车辆,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:采集所述车辆周围的多帧全景环境图像;
确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的生成车位地图的方法的步骤。
根据本公开实施例的第五方面,提供一种芯片,包括处理器和接口;所述处理器用于读取指令以执行本公开第一方面所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:通过采集所述车辆周围的多帧全景环境图像;确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。也就是说,本公开结合目标车位的角点位置信息和该目标坐标系变换矩阵,将该目标车位从该全景环境图像中的车位坐标系转换至世界坐标系,这样,在该全景环境图像出现图像形变或者该目标车位所在地面不平整的情况下,也能够对该目标车位的位置、形状进行准确映射,从而使得生成的车位地图更加准确。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种生成车位地图的方法的流程图;
图2是根据一示例性实施例示出的另一种生成车位地图的方法的流程图;
图3是根据一示例性实施例示出的另一种生成车位地图的方法的流程图;
图4是根据一示例性实施例示出的一种平面示意图;
图5是根据一示例性实施例示出的一种矩阵示意图;
图6是根据一示例性实施例示出的一种车位示意图;
图7是根据一示例性实施例示出的另一种生成车位地图的方法的流程图;
图8是根据一示例性实施例示出的另一种生成车位地图的方法的流程图;
图9是根据一示例性实施例示出的一种生成车位地图的装置的框图;
图10是根据一示例性实施例示出的另一种生成车位地图的装置的框图;
图11是根据一示例性实施例示出的另一种生成车位地图的装置的框图;
图12是根据一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
下面结合具体实施例对本公开进行说明。
图1是根据一示例性实施例示出的一种生成车位地图的方法的流程图,如图1所示,该方法用于车辆,可以包括:
S101、采集车辆周围的多帧全景环境图像。
在本步骤中,在该车辆接收到驾驶员触发的自动泊车指令后,可以启动该车辆的车载摄像头,通过该车载摄像头周期性采集该全景环境图像,其中,采集周期可以是100ms。
该车载摄像头可以包括四个鱼眼摄像头,该四个鱼眼摄像头分别安装在该车辆的前侧、后侧、左侧、右侧,不同方向的鱼眼摄像头拍摄的角度可以不同,例如,左侧和右侧的鱼眼摄像头拍摄的角度可以比较大,前侧和后侧的鱼眼摄像头拍摄的角度可以比较小,将四个鱼眼摄像头拍摄的四个图像融合后,可以得到该车辆周围360度的全景环境图像。
示例地,可以控制该车载摄像头每隔100ms采集一次环境图像,将每次采集的不同方位的多个环境图像作为一帧全景环境图像。
S102、确定每帧该全景环境图像对应的目标参数信息。
其中,该目标参数信息可以包括每个像素点的类型和该全景环境图像中的目标车位的角点位置信息,该类型可以包括车道线、停止线、车位线等,该角点位置信息可以包括该目标车位的四个内角点的位置信息。
在本步骤中,在采集到多帧全景环境图像后,示例地,在采集到3帧全景环境图像后,针对每帧全景环境图像,可以对该全景环境图像进行语义分割,以确定该全景环境图像中每个像素点的类型和该目标车位的角点位置信息。
S103、根据多个该目标参数信息,确定该目标车位的车位参数信息和目标坐标系变换矩阵。
其中,该目标坐标系变换矩阵可以用于将该目标车位从车位坐标系变换至世界坐标系。该车位参数信息可以包括该目标车位的宽度和深度。
在本步骤中,由于采集该全景环境图像的周期比较短,多帧全景环境图像的变化也比较小,基于此,多个目标参数信息由于表示的是同一个目标车位,差异也比较小。在这种情况下,可以根据多个目标参数信息,通过现有技术的方法创建一个非线性最小二乘化问题,并通过高斯-牛顿方法计算得到该车位参数信息和该目标坐标系变换矩阵。
S104、根据该车位参数信息和该目标坐标系变换矩阵,生成该目标车位对应的车位地图。
在本步骤中,在确定该车位参数信息和该目标坐标系变换矩阵后,可以根据该车位参数信息确定该目标车位的尺寸、形状,通过该目标坐标系变换矩阵确定该目标车位在世界坐标系的目标位置信息,之后,再根据该目标车位的尺寸、形状以及目标位置信息,通过现有技术的方法,生成该目标车位对应的车位地图,此处不再赘述。
采用上述方法,结合目标车位的角点位置信息和该目标坐标系变换矩阵,将该目标车位从该全景环境图像中的车位坐标系转换至世界坐标系,这样,在该全景环境图像出现图像形变或者该目标车位所在地面不平整的情况下,也能够对该目标车位的位置、形状进行准确映射,从而使得生成的车位地图更加准确。
图2是根据一示例性实施例示出的另一种生成车位地图的方法的流程图,如图2所示,该方法还可以包括:
S105、确定每帧该全景环境图像对应的鸟瞰环境图像。
相应的,步骤S102可以为:
确定每帧该鸟瞰环境图像对应的目标参数信息。
示例地,在采集到多帧全景环境图像后,针对每帧全景环境图像,可以通过预设相机模型,对该全景环境图像进行重建,得到该全景环境图像对应的鸟瞰环境图像。例如,可以将每帧全景环境图像包含的不同方位的四个环境图像输入该预设相机模型,以获取该预设相机模型输出的该全景环境图像对应的鸟瞰环境图像。该预设相机模型可以根据该车载摄像头的类型确定,例如,若该车载摄像头为鱼眼摄像头,则该预设相机模型可以是现有技术的鱼眼相机模型。
在确定每帧全景环境图像对应的鸟瞰环境图像后,针对每帧该全景环境图像,可以将该全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取该语义分割模型输出的每个像素点的类型和角点位置信息。其中,该语义分割模型可以是现有技术中成熟的模型,也可以是通过现有技术的模型训练方法训练得到的模型,本公开对此不作限定。
图3是根据一示例性实施例示出的另一种生成车位地图的方法的流程图,如图3所示,该方法还可以包括:
S106、确定多个该目标参数信息之间的相似度。
相应的,步骤S103可以为:
在该相似度大于或等于预设相似度阈值的情况下,根据多个该目标参数信息,确定该目标车位的车位参数信息和该目标坐标系变换矩阵。
需要说明的是,虽然每一帧全景环境图像采集的间隔时间比较短,通常情况下,多帧全景环境图像之间的差异比较小,但是,车辆周围光线或者周围障碍物的变化,可能会导致多帧全景环境图像之间的差异比较大。在这种情况下,基于多帧全景环境图像生成的车位地图的准确率也会比较低。
在一些实施例中,在确定每帧全景环境图像对应的目标参数信息后,可以先确定多个目标参数信息之间的相似度。示例地,可以先确定多个目标参数信息中类型相同的像素点的数量比例,例如,若像素点的总数量为1000,类型相同的像素点的数量为950,则该数量比例为95%。之后,可以先确定每个内角点的位置信息之间的待定差值,将多个待定差值的平均值作为该差值,最后,根据该数量比例和该差值,通过预先创建的相似度关联关系,确定该相似度,该相似度关联关系可以包括不同的数量比例和差值,与相似度之间的对应关系。
在确定多个目标参数信息之间的相似度后,可以获取该预设相似度阈值,若该相似度大于或等于该预设相似度阈值,则表示多帧全景环境图像之间的差异比较小,可以根据多个目标参数信息,确定该目标车位的车位参数信息和该目标坐标系变换矩阵;若该相似度小于该预设相似度阈值,则表示多帧全景环境图像之间的差异比较大,可以重新获取多帧全景环境图像。
在一种可能的实现方式中,针对每个该目标参数信息,根据该目标参数信息、该车位参数信息、该目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程,并通过该目标方程,计算得到该车位参数信息和该目标坐标系变换矩阵。
图4是根据一示例性实施例示出的一种平面示意图,如图4所示,本公开将该目标车位所处的平面作为车位平面,该车位平面与实际地面不同。图5是根据一示例性实施例示出的一种矩阵示意图,如图5所示,k0、k1、k2、k3构成的矩形表示该实际地面上的单位长度矩阵,图6是根据一示例性实施例示出的一种车位示意图,如图6所示,图5中的单位长度矩阵经过矩阵变换后,k0、k1、k2、k3的位置发生了变化,可以得到实际车位尺寸的变化。基于此,可以通过和D表示该目标车位对应的目标参数信息,为该目标坐标系变换矩阵,D为该参数矩阵,D可以表示为公式(1):
示例地,针对每个目标参数信息,可以通过以下公式构建该目标参数信息对应的目标方程:
(公式2)
其中,i表示该全景环境图像对应的序号,r表示第r个内角点,为第i帧全景环境图像中第r个内角点在该鸟瞰环境图像中的坐标,为第i帧全景环境图像中第j个车位边线分割点在该鸟瞰环境图像中的坐标,该车位边线包括用于表征该目标车位的区域范围的四条线,表示所在的车位边线,即包括所在的车位边线上所有的车位边线分割点,该车位边线分割点可以是该车位边线上的像素点,f()为该预设重投影函数,该预设重投影函数可以是现有技术的重投影函数,本公开对此不作限定,为该目标车位的车位坐标系到该鸟瞰环境图像的图像坐标系的变换矩阵,为该世界坐标系到该车位坐标系的变换矩阵,为该预设齐次坐标,,,,,d()表示分割点与车位边线之间的距离,n为多帧全景环境图像的帧数,m为该车位边线分割点的数量。
通过公式(2)可以看出,除了和D为未知参数外,在确定该目标参数信息后,其余参数均为已知参数,将每个目标参数代入公式(2)后,可以得到目标方程。之后,可以通过最小化重投影误差方法,结合高斯-牛顿方法计算和D,以得到该车位参数信息和该目标坐标系变换矩阵。上述公式(2)中包含了不同坐标系之间的转换,这样,在该全景环境图像出现形变或者地面不平整的情况下,也能够得到准确的参数信息,从而进一步提高了生成的车位地图的准确率。
图7是根据一示例性实施例示出的另一种生成车位地图的方法的流程图,如图7所示,步骤S104的实现方式可以包括:
S1041、根据该车位参数信息、该目标坐标系变换矩阵以及该预设车位齐次坐标,确定该目标车位在世界坐标系中的目标角点位置信息。
S1042、根据该目标角点位置信息,确定该目标车位的形状。
在确定该目标角点位置信息后,可以根据该目标车位的四个内角点在该世界坐标系中的位置信息,确定该目标车位的形状。
S1043、根据该宽度、该深度、该目标位置信息以及该形状,生成该目标车位对应的车位地图。
在计算得到D后,可以确定该目标车位的宽度和深度,之后,可以通过现有技术的方法,根据该宽度、该深度、该目标位置信息以及该形状,生成该目标车位对应的车位地图,此处不再赘述。
图8是根据一示例性实施例示出的另一种生成车位地图的方法的流程图,如图8所示,该方法可以包括:
S801、采集车辆周围的多帧全景环境图像。
S802、确定每帧该全景环境图像对应的鸟瞰环境图像。
S803、确定每帧该鸟瞰环境图像对应的目标参数信息。
其中,该目标参数信息可以包括每个像素点的类型和该全景环境图像中的目标车位的角点位置信息。
在本步骤中,针对每帧该全景环境图像,将该全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取该语义分割模型输出的每个该像素点的类型和该角点位置信息。
S804、确定多个该目标参数信息之间的相似度。
S805、在该相似度大于或等于预设相似度阈值的情况下,根据多个该目标参数信息,确定该目标车位的车位参数信息和目标坐标系变换矩阵。
其中,该目标坐标系变换矩阵用于将该目标车位从车位坐标系变换至世界坐标系。
在本步骤中,针对每个该目标参数信息,根据该目标参数信息、该车位参数信息、该目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程;通过该目标方程,计算得到该车位参数信息和该目标坐标系变换矩阵。
S806、根据该车位参数信息、该目标坐标系变换矩阵以及该预设车位齐次坐标,确定该目标车位在世界坐标系中的目标角点位置信息。
S807、根据该目标角点位置信息,确定该目标车位的形状。
S808、根据该宽度、该深度、该目标角点位置信息以及该形状,生成该目标车位对应的车位地图。
采用上述方法,通过该车辆周围不同方位的车载摄像头采集全景环境图像,对该全景环境图像进行语义分割处理,能够充分挖掘车辆周围的结构化元素,对该全景环境图像对应的鸟瞰环境图像进行语义分割,得到更加精确的目标车位的目标参数信息,从而使得根据该目标参数信息生成的车位地图的准确率更高。
图9是根据一示例性实施例示出的一种生成车位地图的装置的框图,如图9所示,该装置应用于车辆,包括:
图像采集模块901,被配置为采集该车辆周围的多帧全景环境图像;
参数确定模块902,被配置为确定每帧该全景环境图像对应的目标参数信息,该目标参数信息包括每个像素点的类型和该全景环境图像中的目标车位的角点位置信息;
矩阵确定模块903,被配置为根据多个该目标参数信息,确定该目标车位的车位参数信息和目标坐标系变换矩阵,该目标坐标系变换矩阵用于将该目标车位从车位坐标系变换至世界坐标系;
地图生成模块904,被配置为根据该车位参数信息和该目标坐标系变换矩阵,生成该目标车位对应的车位地图。
可选地,图10是根据一示例性实施例示出的另一种生成车位地图的装置的框图,如图10所示,该装置还包括:
图像确定模块905,被配置为确定每帧该全景环境图像对应的鸟瞰环境图像;
该参数确定模块902,还被配置为:
确定每帧该鸟瞰环境图像对应的目标参数信息。
可选地,该参数确定模块902,还被配置为:
针对每帧该全景环境图像,将该全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取该语义分割模型输出的每个该像素点的类型和该角点位置信息。
可选地,图11是根据一示例性实施例示出的另一种生成车位地图的装置的框图,如图11所示,该装置还包括:
相似度确定模块906,被配置为确定多个该目标参数信息之间的相似度;
该矩阵确定模块903,还被配置为:
在该相似度大于或等于预设相似度阈值的情况下,根据多个该目标参数信息,确定该目标车位的车位参数信息和该目标坐标系变换矩阵。
可选地,该矩阵确定模块903,还被配置为:
针对每个该目标参数信息,根据该目标参数信息、该车位参数信息、该目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程;
通过该目标方程,计算得到该车位参数信息和该目标坐标系变换矩阵。
可选地,该车位参数信息包括该目标车位的宽度和深度,该地图生成模块904,还被配置为:
根据该车位参数信息、该目标坐标系变换矩阵以及该预设车位齐次坐标,确定该目标车位在世界坐标系中的目标角点位置信息;
根据该目标角点位置信息,确定该目标车位的形状;
根据该宽度、该深度、该目标角点位置信息以及该形状,生成该目标车位对应的车位地图。
通过上述装置,结合目标车位的角点位置信息和该目标坐标系变换矩阵,将该目标车位从该全景环境图像中的车位坐标系转换至世界坐标系,这样,在该全景环境图像出现图像形变或者该目标车位所在地面不平整的情况下,也能够对该目标车位的位置、形状进行准确映射,从而使得生成的车位地图更加准确。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的生成车位地图的方法的步骤。
上述装置除了可以是独立的电子设备外,也可是独立电子设备的一部分,例如在一种实施例中,该装置可以是集成电路(Integrated Circuit,IC)或芯片,其中该集成电路可以是一个IC,也可以是多个IC的集合;该芯片可以包括但不限于以下种类:GPU(GraphicsProcessing Unit,图形处理器)、CPU(Central Processing Unit,中央处理器)、FPGA(Field Programmable Gate Array,可编程逻辑阵列)、DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、SOC(System on Chip,SoC,片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码),以实现上述的生成车位地图的方法。其中该可执行指令可以存储在该集成电路或芯片中,也可以从其他的装置或设备获取,例如该集成电路或芯片中包括处理器、存储器,以及用于与其他的装置通信的接口。该可执行指令可以存储于该处理器中,当该可执行指令被处理器执行时实现上述的生成车位地图的方法;或者,该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行,以实现上述的生成车位地图的方法。
参阅图12,图12是根据一示例性实施例示出的一种车辆600的功能框图示意图。车辆600可以被配置为完全或部分自动驾驶模式。例如,车辆600可以通过感知系统620获取其周围的环境信息,并基于对周边环境信息的分析得到自动驾驶策略以实现完全自动驾驶,或者将分析结果呈现给用户以实现部分自动驾驶。
车辆600可包括各种子系统,例如,信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640以及计算平台650。可选的,车辆600可包括更多或更少的子系统,并且每个子系统都可包括多个部件。另外,车辆600的每个子系统和部件可以通过有线或者无线的方式实现互连。
在一些实施例中,信息娱乐系统610可以包括通信系统611,娱乐系统612以及导航系统613。
通信系统611可以包括无线通信系统,无线通信系统可以直接地或者经由通信网络来与一个或多个设备无线通信。例如,无线通信系统可使用3G蜂窝通信,例如CDMA、EVD0、GSM/GPRS,或者4G蜂窝通信,例如LTE。或者5G蜂窝通信。无线通信系统可利用WiFi与无线局域网(wireless local area network,WLAN)通信。在一些实施例中,无线通信系统可利用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议,例如各种车辆通信系统,例如,无线通信系统可包括一个或多个专用短程通信(dedicated short range communications,DSRC)设备,这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。
娱乐系统612可以包括显示设备,麦克风和音响,用户可以基于娱乐系统在车内收听广播,播放音乐;或者将手机和车辆联通,在显示设备上实现手机的投屏,显示设备可以为触控式,用户可以通过触摸屏幕进行操作。
在一些情况下,可以通过麦克风获取用户的语音信号,并依据对用户的语音信号的分析实现用户对车辆600的某些控制,例如调节车内温度等。在另一些情况下,可以通过音响向用户播放音乐。
导航系统613可以包括由地图供应商所提供的地图服务,从而为车辆600提供行驶路线的导航,导航系统613可以和车辆的全球定位系统621、惯性测量单元622配合使用。地图供应商所提供的地图服务可以为二维地图,也可以是高精地图。
感知系统620可包括感测关于车辆600周边的环境的信息的若干种传感器。例如,感知系统620可包括全球定位系统621(全球定位系统可以是GPS系统,也可以是北斗系统或者其他定位系统)、惯性测量单元(inertial measurement unit,IMU)622、激光雷达623、毫米波雷达624、超声雷达625以及摄像装置626。感知系统620还可包括被监视车辆600的内部系统的传感器(例如,车内空气质量监测器、燃油量表、机油温度表等)。来自这些传感器中的一个或多个的传感器数据可用于检测对象及其相应特性(位置、形状、方向、速度等)。这种检测和识别是车辆600的安全操作的关键功能。
全球定位系统621用于估计车辆600的地理位置。
惯性测量单元622用于基于惯性加速度来感测车辆600的位姿变化。在一些实施例中,惯性测量单元622可以是加速度计和陀螺仪的组合。
激光雷达623利用激光来感测车辆600所位于的环境中的物体。在一些实施例中,激光雷达623可包括一个或多个激光源、激光扫描器以及一个或多个检测器,以及其他系统组件。
毫米波雷达624利用无线电信号来感测车辆600的周边环境内的物体。在一些实施例中,除了感测物体以外,毫米波雷达624还可用于感测物体的速度和/或前进方向。
超声雷达625可以利用超声波信号来感测车辆600周围的物体。
摄像装置626用于捕捉车辆600的周边环境的图像信息。摄像装置626可以包括单目相机、双目相机、结构光相机以及全景相机等,摄像装置626获取的图像信息可以包括静态图像,也可以包括视频流信息。
决策控制系统630包括基于感知系统620所获取的信息进行分析决策的计算系统631,决策控制系统630还包括对车辆600的动力系统进行控制的整车控制器632,以及用于控制车辆600的转向系统633、油门634和制动系统635。
计算系统631可以操作来处理和分析由感知系统620所获取的各种信息以便识别车辆600周边环境中的目标、物体和/或特征。目标可以包括行人或者动物,物体和/或特征可包括交通信号、道路边界和障碍物。计算系统631可使用物体识别算法、运动中恢复结构(Structure from Motion,SFM)算法、视频跟踪等技术。在一些实施例中,计算系统631可以用于为环境绘制地图、跟踪物体、估计物体的速度等等。计算系统631可以将所获取的各种信息进行分析并得出对车辆的控制策略。
整车控制器632可以用于对车辆的动力电池和引擎641进行协调控制,以提升车辆600的动力性能。
转向系统633可操作来调整车辆600的前进方向。例如在一个实施例中可以为方向盘系统。
油门634用于控制引擎641的操作速度并进而控制车辆600的速度。
制动系统635用于控制车辆600减速。制动系统635可使用摩擦力来减慢车轮644。在一些实施例中,制动系统635可将车轮644的动能转换为电流。制动系统635也可采取其他形式来减慢车轮644转速从而控制车辆600的速度。
驱动系统640可包括为车辆600提供动力运动的组件。在一个实施例中,驱动系统640可包括引擎641、能量源642、传动系统643和车轮644。引擎641可以是内燃机、电动机、空气压缩引擎或其他类型的引擎组合,例如汽油发动机和电动机组成的混动引擎,内燃引擎和空气压缩引擎组成的混动引擎。引擎641将能量源642转换成机械能量。
能量源642的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。能量源642也可以为车辆600的其他系统提供能量。
传动系统643可以将来自引擎641的机械动力传送到车轮644。传动系统643可包括变速箱、差速器和驱动轴。在一个实施例中,传动系统643还可以包括其他器件,比如离合器。其中,驱动轴可包括可耦合到一个或多个车轮644的一个或多个轴。
车辆600的部分或所有功能受计算平台650控制。计算平台650可包括至少一个处理器651,处理器651可以执行存储在例如存储器652这样的非暂态计算机可读介质中的指令653。在一些实施例中,计算平台650还可以是采用分布式方式控制车辆600的个体组件或子系统的多个计算设备。
处理器651可以是任何常规的处理器,诸如商业可获得的CPU。可替换地,处理器651还可以包括诸如图像处理器(Graphic Process Unit,GPU),现场可编程门阵列(FieldProgrammable Gate Array,FPGA)、片上系统(System on Chip,SOC)、专用集成芯片(Application Specific Integrated Circuit,ASIC)或它们的组合。尽管图12功能性地图示了处理器、存储器、和在相同块中的计算机的其它元件,但是本领域的普通技术人员应该理解该处理器、计算机、或存储器实际上可以包括可以或者可以不存储在相同的物理外壳内的多个处理器、计算机、或存储器。例如,存储器可以是硬盘驱动器或位于不同于计算机的外壳内的其它存储介质。因此,对处理器或计算机的引用将被理解为包括对可以或者可以不并行操作的处理器或计算机或存储器的集合的引用。不同于使用单一的处理器来执行此处所描述的步骤,诸如转向组件和减速组件的一些组件每个都可以具有其自己的处理器,处理器只执行与特定于组件的功能相关的计算。
在本公开实施方式中,处理器651可以执行上述的生成车位地图的方法。
在此处所描述的各个方面中,处理器651可以位于远离该车辆并且与该车辆进行无线通信。在其它方面中,此处所描述的过程中的一些在布置于车辆内的处理器上执行而其它则由远程处理器执行,包括采取执行单一操纵的必要步骤。
在一些实施例中,存储器652可包含指令653(例如,程序逻辑),指令653可被处理器651执行来执行车辆600的各种功能。存储器652也可包含额外的指令,包括向信息娱乐系统610、感知系统620、决策控制系统630、驱动系统640中的一个或多个发送数据、从其接收数据、与其交互和/或对其进行控制的指令。
除了指令653以外,存储器652还可存储数据,例如道路地图、路线信息,车辆的位置、方向、速度以及其它这样的车辆数据,以及其他信息。这种信息可在车辆600在自主、半自主和/或手动模式中操作期间被车辆600和计算平台650使用。
计算平台650可基于从各种子系统(例如,驱动系统640、感知系统620和决策控制系统630)接收的输入来控制车辆600的功能。例如,计算平台650可利用来自决策控制系统630的输入以便控制转向系统633来避免由感知系统620检测到的障碍物。在一些实施例中,计算平台650可操作来对车辆600及其子系统的许多方面提供控制。
可选地,上述这些组件中的一个或多个可与车辆600分开安装或关联。例如,存储器652可以部分或完全地与车辆600分开存在。上述组件可以按有线和/或无线方式来通信地耦合在一起。
可选地,上述组件只是一个示例,实际应用中,上述各个模块中的组件有可能根据实际需要增添或者删除,图12不应理解为对本公开实施例的限制。
在道路行进的自动驾驶汽车,如上面的车辆600,可以识别其周围环境内的物体以确定对当前速度的调整。物体可以是其它车辆、交通控制设备、或者其它类型的物体。在一些示例中,可以独立地考虑每个识别的物体,并且基于物体的各自的特性,诸如它的当前速度、加速度、与车辆的间距等,可以用来确定自动驾驶汽车所要调整的速度。
可选地,车辆600或者与车辆600相关联的感知和计算设备(例如计算系统631、计算平台650)可以基于所识别的物体的特性和周围环境的状态(例如,交通、雨、道路上的冰、等等)来预测识别的物体的行为。可选地,每一个所识别的物体都依赖于彼此的行为,因此还可以将所识别的所有物体全部一起考虑来预测单个识别的物体的行为。车辆600能够基于预测的识别的物体的行为来调整它的速度。换句话说,自动驾驶汽车能够基于所预测的物体的行为来确定车辆将需要调整到(例如,加速、减速、或者停止)何种稳定状态。在这个过程中,也可以考虑其它因素来确定车辆600的速度,诸如,车辆600在行驶的道路中的横向位置、道路的曲率、静态和动态物体的接近度等等。
除了提供调整自动驾驶汽车的速度的指令之外,计算设备还可以提供修改车辆600的转向角的指令,以使得自动驾驶汽车遵循给定的轨迹和/或维持与自动驾驶汽车附近的物体(例如,道路上的相邻车道中的车辆)的安全横向和纵向距离。
上述车辆600可以为各种类型的行驶工具,例如,轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、娱乐车、火车等等,本公开实施例不做特别的限定。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的生成车位地图的方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种生成车位地图的方法,其特征在于,应用于车辆,包括:
采集所述车辆周围的多帧全景环境图像;
确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;
根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;
根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
2.根据权利要求1所述的方法,其特征在于,在所述确定每帧所述全景环境图像对应的目标参数信息前,所述方法还包括:
确定每帧所述全景环境图像对应的鸟瞰环境图像;
所述确定每帧所述全景环境图像对应的目标参数信息包括:
确定每帧所述鸟瞰环境图像对应的目标参数信息。
3.根据权利要求2所述的方法,其特征在于,所述确定每帧所述鸟瞰环境图像对应的目标参数信息包括:
针对每帧所述全景环境图像,将所述全景环境图像对应的鸟瞰环境图像输入预先训练的语义分割模型,以获取所述语义分割模型输出的每个所述像素点的类型和所述角点位置信息。
4.根据权利要求1所述的方法,其特征在于,在所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵前,所述方法还包括:
确定多个所述目标参数信息之间的相似度;
所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵包括:
在所述相似度大于或等于预设相似度阈值的情况下,根据多个所述目标参数信息,确定所述目标车位的车位参数信息和所述目标坐标系变换矩阵。
5.根据权利要求4所述的方法,其特征在于,所述根据多个所述目标参数信息,确定所述目标车位的车位参数信息和所述目标坐标系变换矩阵包括:
针对每个所述目标参数信息,根据所述目标参数信息、所述车位参数信息、所述目标坐标系变换矩阵、第一预设坐标系变换矩阵、第二预设坐标系变换矩阵、预设车位齐次坐标以及预设重投影函数,构建目标方程;
通过所述目标方程,计算得到所述车位参数信息和所述目标坐标系变换矩阵。
6.根据权利要求5所述的方法,其特征在于,所述车位参数信息包括所述目标车位的宽度和深度,所述根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图包括:
根据所述车位参数信息、所述目标坐标系变换矩阵以及所述预设车位齐次坐标,确定所述目标车位在世界坐标系中的目标角点位置信息;
根据所述目标角点位置信息,确定所述目标车位的形状;
根据所述宽度、所述深度、所述目标角点位置信息以及所述形状,生成所述目标车位对应的车位地图。
7.一种生成车位地图的装置,其特征在于,应用于车辆,包括:
图像采集模块,被配置为采集所述车辆周围的多帧全景环境图像;
参数确定模块,被配置为确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;
矩阵确定模块,被配置为根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;
地图生成模块,被配置为根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
8.一种车辆,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:采集所述车辆周围的多帧全景环境图像;
确定每帧所述全景环境图像对应的目标参数信息,所述目标参数信息包括每个像素点的类型和所述全景环境图像中的目标车位的角点位置信息;根据多个所述目标参数信息,确定所述目标车位的车位参数信息和目标坐标系变换矩阵,所述目标坐标系变换矩阵用于将所述目标车位从车位坐标系变换至世界坐标系;根据所述车位参数信息和所述目标坐标系变换矩阵,生成所述目标车位对应的车位地图。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种芯片,其特征在于,包括处理器和接口;所述处理器用于读取指令以执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210718090.2A CN114822216B (zh) | 2022-06-23 | 2022-06-23 | 生成车位地图的方法、装置、车辆、存储介质及芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210718090.2A CN114822216B (zh) | 2022-06-23 | 2022-06-23 | 生成车位地图的方法、装置、车辆、存储介质及芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114822216A true CN114822216A (zh) | 2022-07-29 |
CN114822216B CN114822216B (zh) | 2022-09-16 |
Family
ID=82521196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210718090.2A Active CN114822216B (zh) | 2022-06-23 | 2022-06-23 | 生成车位地图的方法、装置、车辆、存储介质及芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114822216B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180068759A (ko) * | 2016-12-14 | 2018-06-22 | 현대자동차주식회사 | 오토 파킹 제어방법 및 시프트 바이 와이어 시스템 |
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 |
CN111862672A (zh) * | 2020-06-24 | 2020-10-30 | 北京易航远智科技有限公司 | 基于顶视图的停车场车辆自定位及地图构建方法 |
CN112766136A (zh) * | 2021-01-14 | 2021-05-07 | 华南理工大学 | 一种基于深度学习的空间车位检测方法 |
CN112793564A (zh) * | 2021-02-07 | 2021-05-14 | 杨东杰 | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 |
CN113705474A (zh) * | 2021-08-30 | 2021-11-26 | 北京易航远智科技有限公司 | 车位检测方法和装置 |
CN114219850A (zh) * | 2021-11-16 | 2022-03-22 | 英博超算(南京)科技有限公司 | 一种应用360全景环视技术的车辆测距系统 |
CN114511632A (zh) * | 2022-01-10 | 2022-05-17 | 北京经纬恒润科技股份有限公司 | 车位地图的构建方法及装置 |
-
2022
- 2022-06-23 CN CN202210718090.2A patent/CN114822216B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180068759A (ko) * | 2016-12-14 | 2018-06-22 | 현대자동차주식회사 | 오토 파킹 제어방법 및 시프트 바이 와이어 시스템 |
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 |
CN111862672A (zh) * | 2020-06-24 | 2020-10-30 | 北京易航远智科技有限公司 | 基于顶视图的停车场车辆自定位及地图构建方法 |
CN112766136A (zh) * | 2021-01-14 | 2021-05-07 | 华南理工大学 | 一种基于深度学习的空间车位检测方法 |
CN112793564A (zh) * | 2021-02-07 | 2021-05-14 | 杨东杰 | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 |
CN113705474A (zh) * | 2021-08-30 | 2021-11-26 | 北京易航远智科技有限公司 | 车位检测方法和装置 |
CN114219850A (zh) * | 2021-11-16 | 2022-03-22 | 英博超算(南京)科技有限公司 | 一种应用360全景环视技术的车辆测距系统 |
CN114511632A (zh) * | 2022-01-10 | 2022-05-17 | 北京经纬恒润科技股份有限公司 | 车位地图的构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114822216B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115042821B (zh) | 车辆控制方法、装置、车辆及存储介质 | |
CN114842075B (zh) | 数据标注方法、装置、存储介质及车辆 | |
US20240017719A1 (en) | Mapping method and apparatus, vehicle, readable storage medium, and chip | |
CN115265561A (zh) | 车辆定位方法、装置、车辆及介质 | |
CN115205365A (zh) | 车辆距离检测方法、装置、车辆、可读存储介质及芯片 | |
CN115123257A (zh) | 路面减速带位置识别方法、装置、车辆、存储介质及芯片 | |
CN115330923A (zh) | 点云数据渲染方法、装置、车辆、可读存储介质及芯片 | |
CN115035494A (zh) | 图像处理方法、装置、车辆、存储介质及芯片 | |
CN114782638B (zh) | 生成车道线的方法、装置、车辆、存储介质及芯片 | |
CN114842455B (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
CN115205311B (zh) | 图像处理方法、装置、车辆、介质及芯片 | |
CN114842440B (zh) | 自动驾驶环境感知方法、装置、车辆及可读存储介质 | |
CN115100630B (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
CN115170630B (zh) | 地图生成方法、装置、电子设备、车辆和存储介质 | |
CN115205848A (zh) | 目标检测方法、装置、车辆、存储介质及芯片 | |
CN115221151A (zh) | 车辆数据的传输方法、装置、车辆、存储介质及芯片 | |
CN115056784A (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
CN115042814A (zh) | 交通灯状态识别方法、装置、车辆及存储介质 | |
CN115205179A (zh) | 图像融合的方法、装置、车辆及存储介质 | |
CN114822216B (zh) | 生成车位地图的方法、装置、车辆、存储介质及芯片 | |
CN115082573B (zh) | 参数标定方法、装置、车辆及存储介质 | |
CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
CN115205461B (zh) | 场景重建方法、装置、可读存储介质及车辆 | |
CN115082772B (zh) | 地点识别方法、装置、车辆、存储介质及芯片 | |
CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 |
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 |