CN115214629A - 自动泊车方法、装置、存储介质、车辆及芯片 - Google Patents
自动泊车方法、装置、存储介质、车辆及芯片 Download PDFInfo
- Publication number
- CN115214629A CN115214629A CN202210827445.1A CN202210827445A CN115214629A CN 115214629 A CN115214629 A CN 115214629A CN 202210827445 A CN202210827445 A CN 202210827445A CN 115214629 A CN115214629 A CN 115214629A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- data
- determining
- perception information
- 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 57
- 230000008447 perception Effects 0.000 claims abstract description 123
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000004927 fusion Effects 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 13
- 238000002604 ultrasonography Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000006748 scratching Methods 0.000 description 4
- 230000002393 scratching effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000010267 cellular communication Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000007726 management method 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
- 230000009471 action 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
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 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
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- B60W2420/54—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
本公开涉及一种自动泊车方法、装置、存储介质、车辆及芯片，属于自动驾驶领域，所述方法包括：获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；根据所述第一感知信息以及所述第二感知信息，确定泊车库位；根据所述泊车库位控制车辆进行泊车。能够准确地对泊车库位进行检测，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
Description
技术领域
本公开涉及自动驾驶领域，尤其涉及一种自动泊车方法、装置、存储介质、车辆及芯片。
背景技术
泊车是在自动驾驶领域中一种十分常见的功能，常见于在有库位的路边及一些停车场中，车辆不依靠驾驶员完成车辆的自主泊车任务。
然而，在相关技术中，一般仅采用环视库位检测的方式对库位进行检测，容易造成库位检测不准确或者漏检的问题，导致自动泊车存在风险等问题。
发明内容
为克服相关技术中存在的问题，本公开提供一种自动泊车方法、装置、存储介质、车辆及芯片。
根据本公开实施例的第一方面，提供一种自动泊车方法，其特征在于，所述方法包括：
获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
根据所述泊车库位控制车辆进行泊车；
所述根据所述多个图像数据，确定第一感知信息包括：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
可选地，所述库位信息包括候选库位信息，以及所述候选库位信息对应的候选库位附近库位的第一库位信息；
所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位包括：
根据所述候选库位信息、所述第一库位信息以及所述第二感知信息，确定所述候选库位是否为可泊库位；
在所述候选库位为可泊库位的情况下，将所述候选库位确定为所述泊车库位。
可选地，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位还包括：
在所述候选库位信息为空，或者，所述候选库位为不可泊库位的情况下，根据所述第一感知信息确定满足第一预设条件的第一假想库位；
将所述第一假想库位确定为所述泊车库位。
可选地，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位还包括：
在无法根据所述第一感知信息确定满足第一预设条件的第一假想库位的情况下，根据所述第二感知信息确定满足第二预设条件的第二假想库位；
将所述第二假想库位确定为所述泊车库位。
可选地，所述根据所述泊车库位控制车辆进行泊车包括：
在控制所述车辆进行泊车的过程中，实时获取所述第一感知信息以及所述第二感知信息；并，
根据所述第一感知信息以及第二感知信息，确定是否存在风险；
在确定存在风险的情况下，停止所述泊车的过程。
可选地，在所述根据所述多个图像数据，确定第一感知信息之前，所述方法还包括：
对所述超声波数据以及所述多个图像数据进行数据预处理，以消除所述超声波数据以及所述多个图像数据中的噪声。
根据本公开实施例的第二方面，提供一种自动泊车装置，包括：
获取模块，被配置为获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
第一确定模块，被配置为根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
第二确定模块，被配置为根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
第三确定模块，被配置为根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
控制模块，被配置为根据所述泊车库位控制车辆进行泊车；
所述第一确定模块，还被配置为：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
根据本公开实施例的第三方面，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中任一项所述方法的步骤。
根据本公开实施例的第四方面，提供一种车辆，所述车辆包括：
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：
获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
根据所述泊车库位控制车辆进行泊车；
所述根据所述多个图像数据，确定第一感知信息包括：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
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中任一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：通过超声波采集设备以及多个摄像设备，对车辆周围的超声波数据以及图像数据进行采集，并基于采集到的超声波数据以及图像数据对车辆周边的泊车库位进行检测得到泊车库位，并基于检测到的泊车库位控制车辆自动泊车。综合图像信息以及超声波信息，能够准确地对泊车库位进行检测，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
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自动泊车方法的流程图。
图2是根据一示例性实施例示出的一种自动泊车方法的另一流程图。
图3是根据一示例性实施例示出的一种自动泊车装置的框图。
图4是根据一示例性实施例示出的另一种自动泊车装置的框图。
图5是根据一示例性实施例示出的又一种自动泊车装置的框图。
图6是根据一示例性实施例示出的一种车辆的示意图。
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。
图1是根据一示例性实施例示出的一种自动泊车方法的流程图，该方法可以应用于车辆的整车控制器，或者其他任何具备信息处理能力的电子设备，例如终端或者服务器等，本公开对此不作具体限定，参照图1，所述方法包括：
S101、获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据。
其中，多个图像数据可以是基于设置于车辆不同位置的、用于拍摄车辆附近不同角度图像的多个摄像设备拍摄的，其中的各个摄像设备的类型也可以不同，例如可以是环视相机或者周视相机。示例地，摄像设备例如可以包括前环视相机、右环视相机、后环视相机、左环视相机、左周视相机以及右周视相机，即，对应不同摄像设备采集到的图像数据可以包括前环视图像、右环视图像、后环视图像、左环视图像、左周视图像以及右周视图像。
以该方法的执行主体为整车控制器为例，该整车控制器以及各个摄像设备以及超声波数据采集设备均与CAN总线连接，该整车控制器则可以通过CAN总线以获取超声波数据，以及多个图像数据。以该方法的执行主体为终端或服务器为例，则在各个摄像设备以及超声波数据采集设备在采集到超声波数据，以及多个图像数据后，通过车辆的具备信号发送能力的设备，将超声波数据以及图像数据发送至目标终端或者服务器，以使得目标终端或者服务器获取超声波数据以及多个图像数据，并，根据超声波数据以及多个图像数据向车辆发送控制信号，或者泊车库位等信息。
S102、根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息。
其中，该库位信息可以是基于图像数据中的库位线检测得到的，该库位信息可以包括基于图像数据检测到的具备库位线的多个库位，以及各个库位的宽度、长度等信息。
可以理解的是，该第一感知信息还可以包括行人信息，障碍物信息，道路信息等等，本公开对此不作具体限定。
S103、根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息。
其中，该障碍物信息可以包括车辆与障碍物的距离，障碍物的大小以及障碍物移动速度等信息，该障碍物例如可以是路肩、杂物、行人、其他车辆等，本公开对此不作限定。
S104、根据所述第一感知信息以及所述第二感知信息，确定泊车库位。
S105、根据所述泊车库位控制车辆进行泊车。
具体地，在确定泊车库位之后，可以根据预置的轨迹生成算法，根据车辆的当前位置以及其他各种数据，生成泊车轨迹，并控制车辆沿该泊车轨迹行驶，以将该车辆停入步骤S104确定得到的泊车库位。
在一种可能的实施方式中，所述根据所述泊车库位控制车辆进行泊车包括：在控制所述车辆进行泊车的过程中，实时获取所述第一感知信息以及所述第二感知信息；并，根据所述第一感知信息以及第二感知信息，确定是否存在风险；在确定存在风险的情况下，停止所述泊车的过程。
也就是说，在执行步骤S105的过程中，保持摄像设备以及超声波采集设备对图像数据以及超声波数据进行采集，并实时判断泊车过程中是否存在风险，以实时地对步骤S104确定得到的泊车库位进行验证，确保该车辆能够安全地泊入库中。其中，存在风险例如可以包括碰撞风险、擦挂风险等，例如，在泊车过程中检测到的之前未检测到的障碍物，而该障碍物处于车辆泊车的轨迹中则表征此时车辆泊车存在风险，即控制车辆停止泊车，或者，在泊车过程中，检测到当前的泊车库位的长度由于检测误差，实际是小于车辆的长度，则表征此时车辆存在风险，即控制车辆停止泊车。
其中，上述步骤S101至步骤S105可以是响应于接收到用户的开始自动泊车指令后开始执行的。并且，在步骤S105执行完成后，可以将步骤S105的执行结果发送至该用户，执行结果可以包括泊车完成以及泊车失败。
在本公开实施例中，通过超声波采集设备以及多个摄像设备，对车辆周围的超声波数据以及图像数据进行采集，并基于采集到的超声波数据以及图像数据对车辆周边的泊车库位进行检测得到泊车库位，并基于检测到的泊车库位控制车辆自动泊车。综合图像信息以及超声波信息，能够准确地对泊车库位进行检测，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
在一些可选地实施例中，所述根据所述多个图像数据，确定第一感知信息包括：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV(Bird’s Eye Views，鸟瞰视角)空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
其中，特征提取模块以及对应不同类型感知信息的图像检测模块可以是预先基于深度学习训练得到的模块。该特征提取模块可以用于提取上述多个图像数据中的低级图像语义信息(即图像特征数据)，该低级图像语义信息例如可以包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标等等。将图像特征数据映射到BEV空间可以是基于坐标转换实现的。
在一个可能的实施方式中，将多个图像特征数据映射到BEV空间之后，可以得到对应多个图像特征数据的多个BEV特征数据，进行特征融合可以是将该多个BEV特征数据输入预先训练得到的特征融合模型，并获取该特征融合模型的输出结果以实现特征融合得到融合图像特征。
此外，图像检测模块可以包括用于检测库位信息的第一检测模块、用于检测行人信息的第二检测模块以及用于检测障碍物信息的第三检测模块，等等。将上述融合图像特征分别输入该第一检测模块、第二检测模块、第三检测模块，既可以得到不同类型的感知信息，并基于不同类型的感知信息进一步进行库位检测。
采用上述方案，通过将图像数据提取到的特征数据映射至BEV空间，并在BEV空间中实现特征融合，并基于融合特征得到不同类型的感知信息，能够在BEV空间上完成图像的感知信息输出，能够使得该第一感知信息更加准确并丰富，进而使得基于第一感知信息确定得到的泊车库位更加准确，进而避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
在一些可选地实施例中，所述库位信息包括候选库位信息，以及所述候选库位信息对应的候选库位附近库位的第一库位信息；
所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位包括：根据所述候选库位信息、所述第一库位信息以及所述第二感知信息，确定所述候选库位是否为可泊库位；在所述候选库位为可泊库位的情况下，将所述候选库位确定为所述泊车库位。
其中，候选库位可以是基于图像数据检测到的多个库位中无车停放的库位。在一种可能的实施方式中，若检测到多个库位未停放车辆，则将距离当前车辆最近的无车库位作为候选库位。附近库位可以是与该候选车位相邻的一个或多个库位。该候选库位以及附近库位可以均为具备清晰库位线的库位。
具体地，确定候选库位是否为可泊库位可以基于当前检测得到的候选库位与周围库位是否有接触、与障碍物是否有接触、库位大小是否符合当前车身大小等确定的。例如，若候选库位信息表征候选库位的长度小于车辆的长度，并且第一库位信息表征附近库位均停放有车辆，则该候选库位为不可泊库位；若候选库位信息表征候选库位的大小与当前车辆的长宽匹配，且第二感知信息表征候选库位中无障碍物，则该候选库位为可泊库位。
在一种可能的实施方式中，若检测到多个库位未停放车辆，则将距离当前车辆最近的无车库位作为候选库位，并且，基于候选库位信息、第一库位信息以及第二感知信息确定该候选库位不可泊，则可以将距离当前车辆第二近的无车库位作为新的候选库位，并进一步判断该新的候选库位是否可泊，直至基于图像数据无法检测到车辆附近存在无车库位。
采用上述方案，通过库位信息中的候选库位信息，结合周围库位的库位信息以及第二感知信息，对候选库位进行可泊性验证，能够有效地对候选库位是否可泊进行判断，并在候选库位可泊的情况下，将该候选库位作为泊车库位，能够准确地对泊车库位进行检测，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
在又一些可选的实施例中，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位包括：
在所述候选库位信息为空，或者，所述候选库位为不可泊库位的情况下，根据所述第一感知信息确定满足第一预设条件的第一假想库位；将所述第一假想库位确定为所述泊车库位。
可以理解的是，在候选库位信息为空的情况下，则表征基于图像数据未检测到车辆周围存在无车的库位。并且，候选库位为不可泊库位，可以表征基于图像数据检测到车辆周围的所有无车库位，均不可泊。
示例地，若第一感知信息中基于库位线检测到的库位信息表征车辆周围存在第一库位以及第二库位，而在第一库位的库位线以及第二库位的库位线之间，存在第一区域，该第一区域的长宽与当前车辆的长宽匹配，则可以确定该第一区域是满足第一预设条件的第一假想库位。即根据第一感知信息，确定在第一库位的库位线以及第二库位的库位线之间，存在第一区域的长宽与车辆长宽匹配的情况下，满足第一预设条件。在一个示例中，在将该第一假想库位确定为泊车库位之前，可以先向用户发送确认信息，并在用户确认将该第一假想库位确定为泊车库位的情况下，再将该第一假想库位确定为泊车库位。此外，第一预设条件还可以包括第一区域无行人、第一区域不处于行车道路中等等，本公开对此不作具体限定。
采用本方案，在基于库位线检测得到的库位信息表征不存在可泊的候选库位的情况下，通过第一感知信息对假想库位(即能够实现泊车的库位)进行构建，并将构建得到的假想库位作为泊车库位，能够在库位线不清晰或者无库位线的情况下，仍然能够有效地对泊车库位进行检测，能够避免因库位线不清晰导致库位漏检进而无法实现自动泊车的问题。
在一些可选地实施例中，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位包括：
在无法根据所述第一感知信息确定满足第一预设条件的第一假想库位的情况下，根据所述第二感知信息确定满足第二预设条件的第二假想库位；将所述第二假想库位确定为所述泊车库位。
其中，在无法根据第一感知信息确定满足第一预设条件的第一假想库位的情况下，则表征车辆当前无法基于视觉信息构建假想库位，此时，则可以根据超声波数据得到的第二感知信息，对库位进行推理，对假想库位进行构建。示例地，在确定在第一库位的库位线以及第二库位的库位线之间，不存在第一区域的长宽与车辆长宽匹配的情况下，则根据第二感知信息，确定第一库位中停放的车辆与第二库位中停放的车辆之间的距离，是否与当前车辆的长宽匹配，若匹配，则可以确定满足第二预设条件，则可以将该第一库位与第二库位之间的第二区域构建为第二假想库位。此外，第二预设条件还可以包括第二区域无行人、第二区域不处于行车道路中等等，本公开对此不作具体限定。
采用本方案，在基于第一感知信息无法对假想库位进行构建的情况下，再基于第二感知信息进行假想库位的构建，并将构建得到的假想库位作为泊车库位，能够在库位线不清晰或者无库位线，以及库位线之间的距离过短的情况下，仍然能够有效地对泊车库位进行检测，能够避免因库位线不清晰或者库位线的间距过短导致库位漏检进而无法实现自动泊车的问题。
可选地，在所述根据所述多个图像数据，确定第一感知信息之前，所述方法还包括：对所述超声波数据以及所述多个图像数据进行数据预处理，以消除所述超声波数据以及所述多个图像数据中的噪声。
具体地，数据预处理可以包括图像数据平衡操作、图像数据标定转化，以及超声波多尺度分析等操作。可以理解的是，现实中的数字图像以及超声波数据在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，采用上述方案，通过在基于图像数据以及超声波数据确定感知信息之前，对超声波数据以及图像数据进行预处理，能够有效地除去初始数据中的噪声，进而使得确定得到的感知信息更加准确，令泊车库位的检测更加准确，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
为了使得本领域技术人员更加理解本公开提供的整体技术方案，本公开还提供如图2所示的根据一示例性实施例示出的一种自动泊车方法的流程图，在该实施例中，该方法的执行主体为整车控制器，如图2所示，该方法包括：
S201、响应于接收到自动泊车指令，获取超声波数据，以及多个图像数据。
S202、对超声波数据，以及多个图像数据进行预处理，得到预处理后的超声波数据，以及多个图像数据。
S203、根据该超声波数据确定第二感知信息。
S204、将多个图像数据输入特征提取模块，得到多个图像特征数据。
其中，在步骤S203以及步骤S204中的超声波数据以及图像数据是经过步骤S202预处理后的超声波数据以及图像数据。
S205、将多个图像特征数据映射到BEV空间，并进行特征融合得到融合图像特征。
S206、将融合图像特征输入对应不同类型感知信息的图像检测模块，确定第一感知信息。
S207、判断第一感知信息中的候选库位信息是否为空。
在确定为不空的情况下，执行步骤S208；在确定为空的情况下，执行步骤S210。
S208、根据第一感知信息中的候选库位信息、第一库位信息以及第二感知信息，确定候选库位是否为可泊库位。
在候选库位为可泊库位的情况下，执行步骤S209及步骤S214、S215。
S209、将该候选库位确定为泊车库位。
S210、根据第一感知信息确定是否存在满足第一预设条件的第一假想库位。
在存在满足第一预设条件的第一假想库位的情况下，执行步骤S211及步骤S214、S215；在不存在满足第一预设条件的第一假想库位的情况下，执行步骤S212。
S211、将第一假想库位确定为泊车库位。
S212、根据第二感知信息确定是否存在满足第二预设条件的第二假想库位。
在确定存在满足第二预设条件的第二假想库位的情况下，执行步骤S213以及步骤S214、S215。
S213、将第二假想库位确定为泊车库位。
S214、根据泊车库位控制车辆进行泊车，并实时获取第一感知信息以及第二感知信息。
S215、根据该第一感知信息以及第二感知信息确定是否存在风险。
在不存在风险的情况下，执行步骤S216；在存在风险的情况下，执行步骤S217。
S216、判断是否泊车完成。
在确定泊车完成的情况下，执行步骤S217。
S217、停止控制车辆泊车。
在本公开实施例中，通过超声波采集设备以及多个摄像设备，对车辆周围的超声波数据以及图像数据进行采集，并基于采集到的超声波数据以及图像数据对车辆周边的泊车库位进行检测得到泊车库位，并基于检测到的泊车库位控制车辆自动泊车。综合图像信息以及超声波信息，能够准确地对泊车库位进行检测，避免库位误检导致车辆碰撞或擦挂的问题，还能够避免库位漏检导致无法实现自动泊车的问题。
图3是根据一示例性实施例示出的一种自动泊车装置30的框图，如图3所示，所述装置30包括：
获取模块31，被配置为获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
第一确定模块32，被配置为根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
第二确定模块33，被配置为根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
第三确定模块34，被配置为根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
控制模块35，被配置为根据所述泊车库位控制车辆进行泊车。
可选地，所述第一确定模块32还被配置为：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
可选地，所述库位信息包括候选库位信息，以及所述候选库位信息对应的候选库位附近库位的第一库位信息；
所述第三确定模块34还被配置为：
根据所述候选库位信息、所述第一库位信息以及所述第二感知信息，确定所述候选库位是否为可泊库位；
在所述候选库位为可泊库位的情况下，将所述候选库位确定为所述泊车库位。
可选地，所述第三确定模块34还被配置为：
在所述候选库位信息为空，或者，所述候选库位为不可泊库位的情况下，根据所述第一感知信息确定满足第一预设条件的第一假想库位；
将所述第一假想库位确定为所述泊车库位。
可选地，所述第三确定模块34还被配置为：
在无法根据所述第一感知信息确定满足第一预设条件的第一假想库位的情况下，根据所述第二感知信息确定满足第二预设条件的第二假想库位；
将所述第二假想库位确定为所述泊车库位。
可选地，所述控制模块35被配置为：
在控制所述车辆进行泊车的过程中，实时获取所述第一感知信息以及所述第二感知信息；并，
根据所述第一感知信息以及第二感知信息，确定是否存在风险；
在确定存在风险的情况下，停止所述泊车的过程。
可选地，所述装置30还包括：
预处理模块，被配置为对所述超声波数据以及所述多个图像数据进行数据预处理，以消除所述超声波数据以及所述多个图像数据中的噪声。
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自动泊车方法的步骤。
图4是根据一示例性实施例示出的一种自动泊车装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置400可以包括以下一个或多个组件：第一处理组件402，第一存储器404，第一电源组件406，多媒体组件408，音频组件410，第一输入/输出接口412，传感器组件414，以及通信组件416。
第一处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。第一处理组件402可以包括一个或多个第一处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，第一处理组件402可以包括一个或多个模块，便于第一处理组件402和其他组件之间的交互。例如，第一处理组件402可以包括多媒体模块，以方便多媒体组件408和第一处理组件402之间的交互。
第一存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。第一存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读第一存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
第一电源组件406为装置400的各种组件提供电力。第一电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在第一存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
第一输入/输出接口412为第一处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述自动泊车方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的第一存储器404，上述指令可由装置400的第一处理器420执行以完成上述自动泊车方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
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)，以实现上述的自动泊车方法。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存储器中，当该可执行指令被处理器执行时实现上述的自动泊车方法；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，以实现上述的自动泊车方法。
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自动泊车方法的代码部分。
图5是根据一示例性实施例示出的一种自动驾驶装置500的框图。例如，装置500可以被提供为一服务器。参照图5，装置500包括第二处理组件522，其进一步包括一个或多个处理器，以及由第二存储器532所代表的存储器资源，用于存储可由第二处理组件522的执行的指令，例如应用程序。第二存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，第二处理组件522被配置为执行指令，以执行上述自动泊车方法。
装置500还可以包括一个第二电源组件526被配置为执行装置500的电源管理，一个有线或无线网络接口550被配置为将装置500连接到网络，和一个第二输入/输出接口558。装置500可以操作基于存储在第二存储器532的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
参阅图6，图6是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可包括至少一个第三处理器651，第三处理器651可以执行存储在例如第三存储器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。
第三处理器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，第三处理器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(Sysem on Chip，SOC)、专用集成芯片(Application Specific Integrated Circuit，ASIC)或它们的组合。尽管图6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，第三处理器651可以执行上述的自动泊车方法。
在此处所描述的各个方面中，第三处理器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，第三存储器652可包含指令653(例如，程序逻辑)，指令653可被第三处理器651执行来执行车辆600的各种功能。第三存储器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，第三存储器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，第三存储器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6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。
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)
1.一种自动泊车方法，其特征在于，所述方法包括：
获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
根据所述泊车库位控制车辆进行泊车；
所述根据所述多个图像数据，确定第一感知信息包括：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
2.根据权利要求1所述的方法，其特征在于，所述库位信息包括候选库位信息，以及所述候选库位信息对应的候选库位附近库位的第一库位信息；
所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位包括：
根据所述候选库位信息、所述第一库位信息以及所述第二感知信息，确定所述候选库位是否为可泊库位；
在所述候选库位为可泊库位的情况下，将所述候选库位确定为所述泊车库位。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位还包括：
在所述候选库位信息为空，或者，所述候选库位为不可泊库位的情况下，根据所述第一感知信息确定满足第一预设条件的第一假想库位；
将所述第一假想库位确定为所述泊车库位。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一感知信息以及所述第二感知信息，确定泊车库位还包括：
在无法根据所述第一感知信息确定满足第一预设条件的第一假想库位的情况下，根据所述第二感知信息确定满足第二预设条件的第二假想库位；
将所述第二假想库位确定为所述泊车库位。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述泊车库位控制车辆进行泊车包括：
在控制所述车辆进行泊车的过程中，实时获取所述第一感知信息以及所述第二感知信息；并，
根据所述第一感知信息以及第二感知信息，确定是否存在风险；
在确定存在风险的情况下，停止所述泊车的过程。
6.根据权利要求1-4任一项所述的方法，其特征在于，在所述根据所述多个图像数据，确定第一感知信息之前，所述方法还包括：
对所述超声波数据以及所述多个图像数据进行数据预处理，以消除所述超声波数据以及所述多个图像数据中的噪声。
7.一种自动泊车装置，其特征在于，包括：
获取模块，被配置为获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
第一确定模块，被配置为根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
第二确定模块，被配置为根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
第三确定模块，被配置为根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
控制模块，被配置为根据所述泊车库位控制车辆进行泊车；
所述第一确定模块，还被配置为：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
8.一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。
9.一种车辆，其特征在于，所述车辆包括：
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：
获取超声波数据，以及多个图像数据，所述多个图像数据包括不同的摄像设备采集到的图像数据；
根据所述多个图像数据，确定第一感知信息，所述第一感知信息包括库位信息；
根据所述超声波数据，确定第二感知信息，所述第二感知信息包括障碍物信息；
根据所述第一感知信息以及所述第二感知信息，确定泊车库位；
根据所述泊车库位控制车辆进行泊车；
所述根据所述多个图像数据，确定第一感知信息包括：
将所述多个图像数据输入特征提取模块，得到多个图像特征数据，所述图像特征数据包括所述图像数据的中的低级图像语义信息，所述低级图像语义信息包括库位线对应的坐标、道路线对应的坐标、行人对应的坐标、障碍物对应的坐标中的一者或多者；
将所述多个图像特征数据映射到BEV空间，并将对应所述多个图像特征数据的多个BEV特征数据输入预先训练得到的特征融合模型得到融合图像特征；
将所述融合图像特征输入对应不同类型感知信息的图像检测模块，确定所述第一感知信息。
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 |
|---|---|---|---|
| CN202210827445.1A CN115214629B (zh) | 2022-07-13 | 2022-07-13 | 自动泊车方法、装置、存储介质、车辆及芯片 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210827445.1A CN115214629B (zh) | 2022-07-13 | 2022-07-13 | 自动泊车方法、装置、存储介质、车辆及芯片 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115214629A true CN115214629A (zh) | 2022-10-21 |
| CN115214629B CN115214629B (zh) | 2024-06-04 |
Family
ID=83612431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210827445.1A Active CN115214629B (zh) | 2022-07-13 | 2022-07-13 | 自动泊车方法、装置、存储介质、车辆及芯片 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115214629B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009205191A (ja) * | 2008-02-26 | 2009-09-10 | Hitachi Ltd | 駐車スペース認識装置 |
| CN105301585A (zh) * | 2015-11-02 | 2016-02-03 | 小米科技有限责任公司 | 信息展示方法及装置 |
| CN109131317A (zh) * | 2018-07-23 | 2019-01-04 | 同济大学 | 基于多段式规划与机器学习的自动垂直泊车系统及方法 |
| CN110415550A (zh) * | 2019-07-31 | 2019-11-05 | 北京智行者科技有限公司 | 基于视觉的自动泊车方法 |
| CN110696822A (zh) * | 2019-11-25 | 2020-01-17 | 安徽江淮汽车集团股份有限公司 | 自动泊车控制方法、装置、设备及存储介质 |
| CN110867092A (zh) * | 2018-08-28 | 2020-03-06 | 上海为森车载传感技术有限公司 | 一种基于雷达系统和环视系统的库位生成方法 |
| CN111038493A (zh) * | 2019-12-12 | 2020-04-21 | 恒大新能源汽车科技(广东)有限公司 | 自动泊车方法、系统、车辆和存储介质 |
| CN111098850A (zh) * | 2018-10-25 | 2020-05-05 | 北京初速度科技有限公司 | 一种自动停车辅助系统及自动泊车方法 |
| CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
-
2022
- 2022-07-13 CN CN202210827445.1A patent/CN115214629B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009205191A (ja) * | 2008-02-26 | 2009-09-10 | Hitachi Ltd | 駐車スペース認識装置 |
| CN105301585A (zh) * | 2015-11-02 | 2016-02-03 | 小米科技有限责任公司 | 信息展示方法及装置 |
| CN109131317A (zh) * | 2018-07-23 | 2019-01-04 | 同济大学 | 基于多段式规划与机器学习的自动垂直泊车系统及方法 |
| CN110867092A (zh) * | 2018-08-28 | 2020-03-06 | 上海为森车载传感技术有限公司 | 一种基于雷达系统和环视系统的库位生成方法 |
| CN111098850A (zh) * | 2018-10-25 | 2020-05-05 | 北京初速度科技有限公司 | 一种自动停车辅助系统及自动泊车方法 |
| CN110415550A (zh) * | 2019-07-31 | 2019-11-05 | 北京智行者科技有限公司 | 基于视觉的自动泊车方法 |
| CN110696822A (zh) * | 2019-11-25 | 2020-01-17 | 安徽江淮汽车集团股份有限公司 | 自动泊车控制方法、装置、设备及存储介质 |
| CN111038493A (zh) * | 2019-12-12 | 2020-04-21 | 恒大新能源汽车科技(广东)有限公司 | 自动泊车方法、系统、车辆和存储介质 |
| CN112216136A (zh) * | 2020-09-15 | 2021-01-12 | 华人运通(上海)自动驾驶科技有限公司 | 泊车位检测方法、装置、车辆及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115214629B (zh) | 2024-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114882464B (zh) | 多任务模型训练方法、多任务处理方法、装置及车辆 | |
| US20240017719A1 (en) | Mapping method and apparatus, vehicle, readable storage medium, and chip | |
| CN114935334A (zh) | 车道拓扑关系的构建方法、装置、车辆、介质及芯片 | |
| CN114537450A (zh) | 车辆控制方法、装置、介质、芯片、电子设备及车辆 | |
| CN114842455B (zh) | 障碍物检测方法、装置、设备、介质、芯片及车辆 | |
| CN115164910B (zh) | 行驶路径生成方法、装置、车辆、存储介质及芯片 | |
| CN115170630B (zh) | 地图生成方法、装置、电子设备、车辆和存储介质 | |
| CN114771539B (zh) | 车辆变道决策方法、装置、存储介质及车辆 | |
| CN114863717B (zh) | 车位推荐方法、装置、存储介质及车辆 | |
| CN115223122A (zh) | 物体的三维信息确定方法、装置、车辆与存储介质 | |
| CN114880408A (zh) | 场景构建方法、装置、介质以及芯片 | |
| CN114987549A (zh) | 车辆控制方法、装置、存储介质及车辆 | |
| CN115100630A (zh) | 障碍物检测方法、装置、车辆、介质及芯片 | |
| CN114862931A (zh) | 深度距离确定方法、装置、车辆、存储介质与芯片 | |
| CN115214629B (zh) | 自动泊车方法、装置、存储介质、车辆及芯片 | |
| CN115115822B (zh) | 车端图像处理方法、装置、车辆、存储介质及芯片 | |
| CN114789723B (zh) | 车辆行驶控制方法、装置、车辆、存储介质及芯片 | |
| CN115221260B (zh) | 数据处理方法、装置、车辆及存储介质 | |
| CN114802435B (zh) | 车辆控制方法、装置、车辆、存储介质及芯片 | |
| CN114842454B (zh) | 障碍物检测方法、装置、设备、存储介质、芯片及车辆 | |
| CN114771514B (zh) | 车辆行驶控制方法、装置、设备、介质、芯片及车辆 | |
| CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
| CN114572219B (zh) | 自动超车方法、装置、车辆、存储介质及芯片 | |
| CN115535004B (zh) | 距离生成方法、装置、存储介质及车辆 | |
| CN115205804A (zh) | 图像处理方法、装置、车辆、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 |