CN115503694B - 基于自主学习的记忆泊车路径生成方法、装置及电子设备 - Google Patents
基于自主学习的记忆泊车路径生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115503694B CN115503694B CN202211289666.4A CN202211289666A CN115503694B CN 115503694 B CN115503694 B CN 115503694B CN 202211289666 A CN202211289666 A CN 202211289666A CN 115503694 B CN115503694 B CN 115503694B
- Authority
- CN
- China
- Prior art keywords
- path
- parking
- vehicle
- travel path
- group
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000012795 verification Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 18
- 230000005484 gravity Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000013075 data extraction Methods 0.000 claims description 5
- 102000027426 receptor tyrosine kinases Human genes 0.000 description 24
- 108091008598 receptor tyrosine kinases Proteins 0.000 description 24
- 230000002776 aggregation Effects 0.000 description 12
- 238000004220 aggregation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本公开提供了基于自主学习的记忆泊车路径生成方法,包括:人工驾驶模式下,获取车辆行驶数据;非驾驶模式下,基于车辆行驶数据获取自主学习数据;基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;基于自主学习数据获取车辆熄火前预设长度行驶路径的道路标识信息;基于行驶路径信息及道路标识信息建立或更新熄火前预设长度行驶路径的路况模型地图;人工驾驶模式下,对路况模型地图中的行驶路径信息进行验证,以生成基于路况模型地图中的行驶路径信息的至少一条记忆泊车路径。本公开还提供了一种记忆泊车路径生成装置、电子设备、可读存储介质及程序产品。
Description
技术领域
本公开涉及自动泊车技术领域,本公开尤其涉及一种基于自主学习的记忆泊车路径生成方法、装置、电子设备、存储介质及程序产品。
背景技术
目前,记忆泊车因为无需停车场的高精地图,方便进行快速的推广。但记忆泊车需用户事先通过车辆HMI(人机界面)上的相关操作,同时需要用户显式地驾驶车辆来进行停车场的局部建图和轨迹学习,学习成功后,方可进行记忆泊车。该操作对于用户而言操作复杂,有时建图和轨迹学习也未必成功;成功后,图和轨迹是否可用于记忆泊车也未进行验证;仅能靠用户来验证和尝试,感受不佳。
为了解现有技术的发展状况,本公开对已有的专利和论文进行了检索、比较和分析,以下为现有技术中的一些技术方案。
技术方案1:公开号为CN107776570A,发明名称为《全自动泊车方法及全自动泊车系统》,涉及计算机视觉、自动驾驶、无线电通信等技术领域。具体实现方案为:接收用户发出的启动指令,根据所述启动指令激活自动泊车系统;控制车辆自动向前行进并且在行进过程中搜索车辆的两侧是否存在可用的停车位,当存在可用的停车位时,识别出目标车位的基本信息;根据识别出的目标车位的基本信息进行行驶路径规划,得到泊车起始点以及从泊车起始点到泊车终点的行驶路径;控制车辆自动行进至泊车起始点;控制车辆按照规划好的行驶路径进行自动泊车,将车辆泊入停车位内。该技术方案提供的全自动泊车方法及全自动泊车系统,车辆向前自动行驶并寻找和识别空闲的停车位,车辆自动泊入停车位中,整个寻找车位及泊车过程不需人为参与,可实现全自动泊车。
该技术方案通过计算机视觉、自动驾驶、无线电通信等技术领域的融合,实现了寻找车位及后续泊车过程的自动化,可以避免泊入较窄的垂直、斜列车位时出现驾驶员无法开门下车的情况,提升了用户使用体验。但该技术方案主要适用于车辆当前前进方向可观测到车位的情况,无法实现较远距离的自动泊车以及车辆自动召回。
技术方案2:公开号为CN108068800A,发明名称为《自动泊车控制系统、探头模块、车辆和自动泊车控制方法》,涉及计算机视觉、自动驾驶、无线电通信等技术领域。具体实现方案为:借助多个探头模块,每个探头模块包括:探头单元,用于发射超声信号,并接受对应所述超声信号的回波信号;和芯片单元,所述芯片单元包括处理子单元,所述处理子单元用于在寻位模式下,根据所述超声信号和所述回波信号计算泊车车辆与障碍物之间的距离,并根据所述距离识别泊车车位,以及,在自动泊车模式下,根据所述泊车车辆与邻近所述泊车车位的障碍物的距离和所述泊车车辆对于所述泊车车位的车身角度确定所述泊车车辆的起始位置,并计算泊车的轨迹路线,根据所述起始位置和所述轨迹路线生成泊车控制信号;泊车执行模块,用于根据所述泊车控制信号控制所述泊车车辆进行泊车。
该技术方案能够有效的缩短探测信号的传输时间,并以较低的信号受干扰程度,更好地优化整个自动泊车控制系统。但该技术方案需要驾驶员手动驾驶到可观测到车位的区域,无法实现较远距离的自动泊车以及车辆自动召回。
技术方案3:公开号为CN113223323A,发明名称为《自动泊车方法、自动泊车装置与系统及可读存储介质》,涉及计算机视觉、自动驾驶、无线电通信等技术领域。具体实现方案为:在待泊车辆进入停车场时,发送待泊车辆的标识信息至目标车位上的目标地锁,目标车位是为待泊车辆分配的空车位;待泊车辆根据行驶路径朝目标车位行驶;及当目标地锁从车辆处获取的待验证标识与标识信息匹配时,地锁解锁,以使待泊车辆能够进入目标车位。
该技术方案通过将待泊车辆的标识信息发送至分配给待泊车辆的目标车位的目标地锁上,当目标地锁从车辆处获得的待验证标识与待泊车辆的标识信息匹配时,目标地锁才解锁。该技术方案主要适用于流动车位的情况能够使待泊车辆在停车场内快速找到能够泊车的空车位,并且还能够避免其他车辆占用分配给待泊车辆的目标车位。但该技术方案需要借助停车场的车位状态信息,且需要用户自主选择停车范围,缺乏一定的适用性与自动性。
技术方案1、2融合了计算机视觉、自动驾驶、无线电通信等技术,在保证适应性范围广的前提下提高了自动泊车的精准度,但技术方案1、2更多的着力于车辆前进范围内可观测到的车位的自动泊车,无法实现较远距离的自动泊车以及车辆自动召回,且需要在用户的观察下进行;技术方案3具有较远距离自动泊车的能力,对于流动车位的情况能够快速有效的占用车位,但需要借助停车场的车位信息,具有一定的局限性,且需要用户自己进行车位选择。
发明内容
为了解决上述技术问题中的至少一个,本公开旨在提供一种无需用户指导车辆进行学习、车辆可以自主学习长轨迹和泊车的方法;自主学习后,车辆可多次自动验证;验证成功后,通知用户某个轨迹可用于记忆泊车。
本公开的基于自主学习的记忆泊车路径生成方法无需用户参与,记忆泊车成功率更高,用户体验更简洁。
根据本公开的一个方面,提供一种基于自主学习的记忆泊车路径生成方法,包括:
人工驾驶模式下,获取车辆行驶数据;
非驾驶模式下,基于所述车辆行驶数据获取自主学习数据,所述自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的道路标识信息;
基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图;
人工驾驶模式下,对所述路况模型地图中的行驶路径信息进行验证,以生成基于所述路况模型地图中的行驶路径信息的至少一条记忆泊车路径。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,还包括:
基于车辆当前位置,所述路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域(例如停车场A区)或位置(例如车位号)被输出以进行显示。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述行驶路径信息包括至少一个基于固定车位的行驶路径组和/或至少一个基于流动车位的行驶路径组;
所述更新行驶路径信息包括更新行驶路径在其所属行驶路径组的路径权重。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述道路标识信息包括但不限于车位标识(车位位置、车位类型、车位号)、地面标识(减速带、人行道、箭头、井盖、漏水篦子)、泊车区域标识(停车场A区、B区等)。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述车辆行驶数据包括导航数据、车辆位姿数据及车辆视觉数据;
其中,所述车辆视觉数据包括车载多相机采集数据。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述车辆视觉数据还包括车载激光雷达采集数据。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,当所述车辆熄火前预设长度行驶路径为基于固定停车点位置(即固定的停车位)的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
对所述车辆熄火前预设长度行驶路径进行编码处理,以获得包括停车点位置标识、行驶路径标识及路径权重的编码数据:
基于路径匹配程度(优选为聚合程度)判断车辆熄火前预设长度行驶路径是否与已存储的行驶路径为相同路径;
如果是,则更新(增加)所述已存储的行驶路径的路径权重,如果否,则新增所述车辆熄火前预设长度行驶路径的编码数据;
将经过同一停车点位置的车辆熄火前预设长度行驶路径作为同一个行驶路径组。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,当所述车辆熄火前预设长度行驶路径为基于流动停车点位置(即不固定的停车位)的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
在当前车辆熄火前预设长度行驶路径的起点(A点)之后,在行驶路径上获取距观测到的第一个已存储的流动车位(Pfirst)第一预设距离范围内的第一位置点(C点)由第一位置点(C点)沿行驶方向反方向在行驶路径的第二预设距离(例如10m)处获得第二位置点(B点),获取当前行驶路径的停车位置点(D点);
将第二位置点与第一位置点之间的行驶路径(BC段行驶路径)与含停车位置点(PL)存储信息的每组基于流动车位的行驶路径组进行路径组匹配(聚合程度的匹配);
基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配;
基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新(增加)组内与当前行驶路径匹配的已存储的行驶路径的路径权重及组内其他行驶路径的权重。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配,包括:
若在第二位置点与第一位置点之间的行驶路径中不存在第一预设百分比(90%,可调)的数据与已存在行驶路径组的匹配偏差在第一预设距离(例如3m)以内,则新增行驶路径组编号即新建行驶路径组;
若在第二位置点与第一位置点之间的行驶路径中存在第一预设百分比(90%)或以上的数据与已存在的行驶路径组的匹配偏差在第一预设距离(例如3m)以内,则将当前行驶路径并入匹配成功的行驶路径组中。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新(增加)组内与当前行驶路径匹配的已存储的行驶路径的路径权重,包括:
当已存在的组内行驶路径与当前车辆熄火前预设长度行驶路径的起点(A)与所述第二位置点(B)之间的路径(即AB段)的匹配偏差在第一预设距离(3m)以内的数据大于等于第一预设百分比(90%)时,判定为当前行驶路径已存在于组内并更新权重;否则,判定当前行驶路径为新路径,新增组内行驶路径编号并更新权重,同时对组内所有行驶路径的第一位置点(C)至停车位置点(D)(即CD段)之间的所有路径取并集,判断当前行驶路径的停车位置点(D)与并集后第一位置点(C点)的距离占并集路径总长度的比重,判断该比重是否超过已有比重的最大值,若超过则将并集中的停车位置点(D点)更新为当前行驶路径的停车位置点(D),若未超过则保留原已有比重的最大值对应的行驶路径的停车位置点(D点)。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,由相同停车场入口进入但路径不同的行驶路径作为同一行驶路径组。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述路径权重表达为ωn,为同组路径中经过第n条路径到达同一停车位置点的次数与同组路径中到达同一停车位置点的所有次数的比值。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于固定车位的行驶路径组,所述路径权重还包括停车车位号,当检测到新的行驶路径时路径组中的路径数量达到最大值(例如9条),用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,所述路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于流动车位的行驶路径组,当检测到新的行驶路径时路径组中的路径数量达到最大值,用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图,包括:
基于所述行驶路径信息生成路况模型地图的轨迹层;
基于所述道路标识信息生成路况模型地图的语义层。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,对于同一停车位置点尚未建立路况模型地图时:
车辆行驶预设次数以上(例如三次以上)后建立路况模型地图的固定车位地图模块;
对于同一停车位置点,车辆在同组路径中行驶预设次数以上(例如三次以上)建立路况模型地图的流动车位地图模块。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,人工驾驶模式下,对所述路况模型地图中的行驶路径信息进行验证,包括:
驾驶过程中,当车辆位置位于路况模型地图中某个行驶路径的预设偏移范围之内时,启动影子模式以进行该行驶路径的验证。
根据本公开的至少一个实施方式的记忆泊车路径生成方法,基于人工驾驶模式下当前行驶路径与路况模型地图中已存在的行驶路径进行匹配验证(聚合程度),基于匹配验证结果判断当前行驶路径是否为路况模型地图中已存在的行驶路径,如果是,则判定路况模型地图中已存在的行驶路径为有效路径,增加验证成功次数并更新权重,如果否,则将当前行驶路径作为新的行驶路径以更新所述行驶路径信息并更新权重。
根据本公开的另一个方面,提供一种基于自主学习的记忆泊车路径生成装置,包括:
行驶数据获取模块,人工驾驶模式下,所述行驶数据获取模块获取车辆行驶数据;
自主学习数据提取模块,非驾驶模式下,所述自主学习数据提取模块基于所述车辆行驶数据获取自主学习数据,所述自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
其中,所述行驶数据获取模块包括行驶路径信息获取子模块,所述行驶路径信息获取子模块基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;
其中,所述行驶数据获取模块还包括道路标识信息获取子模块,所述道路标识信息获取子模块基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的道路标识信息;
路况模型地图生成模块,所述路况模型地图生成模块基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图;
验证模块,人工驾驶模式下,所述验证模块对所述路况模型地图中的行驶路径信息进行验证,以生成基于所述路况模型地图中的行驶路径信息的至少一条记忆泊车路径。
根据本公开的至少一个实施方式的记忆泊车路径生成装置,还包括:
关联处理模块,所述关联处理模块基于车辆当前位置,将所述路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域(停车场A区)或位置(车位号)输出以用于显示。
根据本公开的又一个方面,提供一种电子设备,包括:
存储器,所述存储器存储执行指令;
处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行本公开任一个实施方式的记忆泊车路径生成方法。
根据本公开的又一个方面,提供一种可读存储介质,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现本公开任一个实施方式的记忆泊车路径生成方法。
根据本公开的再一个方面,提供一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现本公开任一个实施方式的记忆泊车路径生成方法。
附图说明
附图示出了本公开的示例性实施方式,并与其说明一起用于解释本公开的原理,其中包括了这些附图以提供对本公开的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分。
图1是本公开一个实施方式的基于自主学习的记忆泊车路径生成方法的流程图。
图2是本公开的又一个实施方式的记忆泊车路径生成方法的流程示意图。
图3示出了本公开的一些实施方式的行驶路径信息更新的流程示意图。
图4示出了本公开的一些实施方式的行驶路径信息更新的流程示意图。
图5是停车场、停车位及行驶路径的简单示意图。
图6是本公开的一个实施方式的采用处理系统的硬件实现方式的记忆泊车路径生成装置的结构示意框图。
附图标记说明
1000 记忆泊车路径生成装置
1002 行驶数据获取模块
1004 自主学习数据提取模块
1006 行驶路径信息获取模块
1008 道路标识信息获取模块
1010 路况模型地图生成模块
1012 验证模块
1014 关联处理模块
1100 总线
1200 处理器
1300 存储器
1400 其他电路。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
除非另有说明,否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此,除非另有说明,否则在不脱离本公开的技术构思的情况下,各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此,除非说明,否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外,在附图中,为了清楚和/或描述性的目的,可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时,可以以不同于所描述的顺序来执行具体的工艺顺序。例如,可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外,同样的附图标记表示同样的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时,该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件,或者可以存在中间部件。然而,当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时,不存在中间部件。为此,术语“连接”可以指物理连接、电气连接等,并且具有或不具有中间部件。
本文使用的术语是为了描述具体实施例的目的,而不意图是限制性的。如这里所使用的,除非上下文另外清楚地指出,否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外,当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时,说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组,但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是,如这里使用的,术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语,如此,它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
下文结合图1至图6对本公开的基于自主学习的记忆泊车路径生成方法/装置进行详细说明。
图1是本公开一个实施方式的基于自主学习的记忆泊车路径生成方法的流程图。
参考图1,本实施方式的基于自主学习的记忆泊车路径生成方法S100,包括:
S110、人工驾驶模式下,获取车辆行驶数据;
S120、非驾驶模式下,基于车辆行驶数据获取自主学习数据,自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
S130、基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;基于自主学习数据获取车辆熄火前预设长度行驶路径的道路标识信息;
S140、基于行驶路径信息及道路标识信息建立或更新熄火前预设长度行驶路径的路况模型地图;
S150、人工驾驶模式下,对路况模型地图中的行驶路径信息进行验证,以生成基于路况模型地图中的行驶路径信息的至少一条记忆泊车路径。
在本公开的一些实施方式中,车辆位姿数据优选地包括RTK数据(实时动态差分定位,Real Time Kinematic)、IMU数据(惯性测量单元,Inertial Measurement Unit)、轮速数据(包括档位数据、方向盘转角数据)。
在本公开的一些实施方式中,车辆行驶数据还包括导航数据,优选为人工驾驶模式下的全程导航数据,包括起点、终点、导航路径。
在本公开的一些实施方式中,车载多相机采集数据优选为多个鱼眼相机采集的图像数据。
在本公开的一些实施方式中,车辆行驶数据还包括车载激光雷达采集数据。
本公开中,可以同时获取鱼眼相机采集的图像数据、雷达传感器采集的雷达数据、轮式里程计采集的轮速数据以及IMU采集的IMU数据,也可以不同时获取这些数据。
在本公开中,车体坐标系以车辆后轴中心为原点,车辆前进方向为正前方,x轴指向正前方,y轴指向正左方,z轴指向正上方;相机坐标系以相机光心为原点,z轴指向相机前方,x轴指向相机右方,y轴指向相机下方;激光雷达坐标系以雷达的几何中心为原点,z轴指向雷达的前方,x轴指向雷达右方,y轴指向雷达下方;IMU坐标系与车体坐标系一致,以车辆后轴中心为原点,车辆前进方向为正前方,x轴指向正前方,y轴指向正左方,z轴指向正上方。
本公开中,鱼眼相机采集的图像数据可以为原始的RGB三通道图像数据,可以通过Image(r,g,b)来表征,雷达数据(优选为毫米波雷达数据)包括目标的距离、方向角度、俯仰角度和径向多普勒标量速度,可以通过MMRadar(distance,yaw_ang,pitch_ang,speed)来表征,轮速数据为车辆左右后轮的轮齿脉冲数及方向盘转角及挡位状态,可以通过Wheel(nl,nr,wheel_ang)来表征。
本公开中,IMU数据为三个方向的加速度及三个方向的角速度,可以通过IMU(acc_x,acc_y,acc_z,v_ang_x,v_ang_y,v_ang_z)来表示。本公开中,视觉数据(优选地包括鱼眼相机采集的图像数据、激光雷达采集的雷达数据)可以通过H.264或者265编码,且采集的视觉数据具有时间戳。
本公开中,为了减少车辆驾驶过程中不必要的数据计算,保证行驶过程的安全性,车辆初始的自动泊车学习过程在非驾驶时间中完成,即车辆行驶数据需在采集后先行储存。
在本公开的一些实施方式中,在某个时间变化段ΔT,以IMU坐标系y轴方向为初始方向,基于左右轮编码器Wheel(nl,nr)的变化,计算ΔT时间内里程的变化Sr和Sl,二者取均值即可得到车辆ΔT时间内里程变化S=(Sr+Sl)/2。借助轮速数据从车辆熄火时刻TEnd向前计算,获取S=1km时(即车辆停靠前最后1km)对应的时间戳TS,IMU,找到距该时间戳最近的RTK对应的时间戳,并以RTK对应的时间戳作为初始时刻TS,RTK,RTK采集的车辆位置作为当前世界坐标系原点。
若在最后1km的ΔT时间段内,车辆RTK的信号好(如室外停车场),则直接用RTK获取车辆从TS,RTK到TEnd时间段内的位姿信息。
若在最后1km的ΔT时间段内,车辆RTK的信号差(如室内停车场),则基于轮速数据以及IMU数据确定车辆在TS,IMU到TEnd时间段内的位姿信息,具体计算方式如下:
考虑到IMU低速状态下的噪声影响较大,仅使用IMU角速度数据IMU(v_ang_x,v_ang_y,v_ang_z)在ΔT时间内进行积分得到三个方向的角度变化量IMU(Roll,Pitch,Yaw)。车辆在地面2D空间内运动,可确定车辆的位置及姿态变化为Vehicle(S*sin(Yaw),S*cos(Yaw),Yaw)。
车辆任意一个时刻t的位姿:
Vehicle_t=Vehicle(S*sin(Yaw),S*cos(Yaw),Yaw)+Vehicle_t-1,即上一个时刻的位姿加上ΔT时间内的位姿变化。
具体地,轮速里程计在某个时间变化段ΔT,基于Wheel(nl,nr,wheel_ang)即左右轮编码器和方向盘转角变化,计算ΔT时间内的车辆位姿变化odometry(x,y,yaw)及其协方差odometry_cov;IMU在ΔT时间内,基于角速度数据积分得到三个方向的角度变化量IMU(Roll,Pitch,Yaw)及其协方差imu_cov;基于扩展卡尔曼滤波,采用松耦合方法融合轮式里程计和IMU的计算输出,得到变化的3D位置及3D姿态。
由于车辆RTK与IMU的坐标系原点均位于车辆后轴中心,因此使用RTK或IMU获取车辆世界坐标系下的位姿时不需进行RTK与IMU的坐标系间的对齐。
基于上述,可以得到车辆初始时刻TS,IMU或TS,RTK(后面用TS表示两种情况下的初始时刻)到熄火时刻TEnd间内任意时刻的经纬度和车辆位姿信息(精度、维度、高度)。
在车载视觉传感器的数据采集方面,若车辆不存在前视激光雷达,则不需进行多传感器数据的对齐;
若车辆存在前视激光雷达,则在使用获取的视觉数据之前,需先进行多传感器的数据对齐处理:
获取存储器中晚于且最接近初始时刻TS的相机、前视激光雷达的采集时刻TC、TL,到TEnd的采集时间段内的视觉采集数据(图像数据和雷达数据),并进行时间空间对齐;采集时间段内相机采集时刻为tC,激光雷达采集时刻为tL。因为不同的传感器有不同的传感器时间戳,且传感器频率也不尽相同。优选地,本公开中使用的相机可同时触发,相机的每秒传输帧数可以为30fps,但激光雷达每秒传输帧数一般仅有10fps。传感器的每个采样时刻记录在统一的时间序列上。由于激光雷达的采集速率较慢,因此在将多传感器数据借助PC/L=TC/L,BPB统一转换到车体坐标系之后(B代表车体坐标系,TC/L,B代表相机或激光雷达坐标与世界坐标系之间相对位置关系),将激光雷达的采样面向相机采样,通过寻找与激光雷达采集时刻最近邻时刻的相机采集图像,进行两种传感器数据间的时间空间对齐。具体对齐步骤如下:
针对于某一时刻tL的激光雷达采集样本,寻找与其刻最近邻时刻tC的相机采集图像,获取两时刻间的时间差Δt;
由于采集频率问题,RTK的采集时间不一定与相机或激光雷达的时间相同,因此本公开认为采集时间均未重合(若重合直接取对应的RTK位姿信息作为相机或激光雷达的位姿信息即可)。取包含tC与tL(假设tL晚于tC)的基于世界坐标系的RTK位姿序列这里tC应位于/>与/>对应的时刻之间,tL应位于/>与/>对应的时刻之间。根据线性插值法求相机在tC时刻所对应的位姿/>和激光点云在tL时刻所对应的位姿
图2是本公开的又一个实施方式的记忆泊车路径生成方法的流程示意图。
参考图2,本实施方式的记忆泊车路径生成方法S100,包括:
S110、人工驾驶模式下,获取车辆行驶数据;
S120、非驾驶模式下,基于车辆行驶数据获取自主学习数据,自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
S130、基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;基于自主学习数据获取车辆熄火前预设长度行驶路径的道路标识信息;
S140、基于行驶路径信息及道路标识信息建立或更新熄火前预设长度行驶路径的路况模型地图;
S150、人工驾驶模式下,对路况模型地图中的行驶路径信息进行验证,以生成基于路况模型地图中的行驶路径信息的至少一条记忆泊车路径;
S160、基于车辆当前位置,路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域(例如停车场A区)或位置(例如车位号)被输出以进行显示。
基于本公开的方法建立的路况模型地图能够生成含首次自动泊车地图引导的记忆泊车轨迹(即记忆泊车路径)、可泊车区域,并向人机交互界面推送,人机交互界面可以是车载显示屏或者用户的手机显示屏。
在达到触发自动泊车条件时,路况模型地图中的记忆泊车轨迹、可泊车区域等信息可以被推送至车载显示屏,借助引导帮助用户理解自动泊车交互中可选择的记忆泊车轨迹等。用户若不需要自动泊车可手动跳过推送、引导。
手机端推送借助车辆自身云端APP。车辆的路况模型地图会上传至车辆自身的云端系统,并实时更新。在第一次自动泊车开启后,云端APP自动向用户推送建图中生成的记忆泊车轨迹、可泊车区域,并在记忆泊车轨迹增加后再次推送。每次自动泊车完成后,手机端也会自行推送当前车辆停靠位置、车位号(若有)、停靠周围图像信息。用户也可随时自行登录APP查看记忆泊车轨迹、可泊车区域、当前车辆位置等信息。
对于上述各个实施方式的记忆泊车路径生成方法S100,优选地,行驶路径信息包括至少一个基于固定车位的行驶路径组和/或至少一个基于流动车位的行驶路径组;
上文描述的更新行驶路径信息包括更新行驶路径在其所属行驶路径组的路径权重。
本公开上文描述的道路标识信息包括但不限于车位标识(车位位置、车位类型、车位号)、地面标识(减速带、人行道、箭头、井盖、漏水篦子)、泊车区域标识(停车场A区、B区等)。
图3示出了本公开的一些实施方式的行驶路径信息更新的流程示意图。
在本公开的一些实施方式中,参考图3,当车辆熄火前预设长度行驶路径为基于固定停车点位置(即固定的停车位)的行驶路径时,基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
对车辆熄火前预设长度行驶路径进行编码处理,以获得包括停车点位置标识、行驶路径标识及路径权重的编码数据:
基于路径匹配程度(聚合程度)判断车辆熄火前预设长度行驶路径是否与已存储的行驶路径为相同路径;
如果是,则更新(增加)已存储的行驶路径的路径权重,如果否,则新增车辆熄火前预设长度行驶路径的编码数据;
将经过同一停车点位置的车辆熄火前预设长度行驶路径作为同一个行驶路径组。
图4示出了本公开的一些实施方式的行驶路径信息更新的流程示意图。
在本公开的另一些实施方式中,参考图4,当车辆熄火前预设长度行驶路径为基于流动停车点位置(即不固定的停车位)的行驶路径时,基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
在当前车辆熄火前预设长度行驶路径的起点(A点)之后,在行驶路径上获取距观测到的第一个已存储的流动车位(Pfirst)第一预设距离范围内的第一位置点(C点),由第一位置点(C点)沿行驶方向反方向在行驶路径的第二预设距离(10m)处获得第二位置点(B点),优选地,还获取当前行驶路径的停车位置点(D点);
将第二位置点与第一位置点之间的行驶路径(BC段行驶路径)与含停车位置点(PL)存储信息的每组基于流动车位的行驶路径组进行路径组匹配(聚合程度的匹配);
基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配;
基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新(增加)组内与当前行驶路径匹配的已存储的行驶路径的路径权重。
根据本公开的优选实施方式,基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配,包括:
若在第二位置点与第一位置点之间的行驶路径中不存在第一预设百分比(90%,可调)的数据与已存在行驶路径组的匹配偏差在第一预设距离(例如3m)以内,则新增行驶路径组编号即新建行驶路径组;
若在第二位置点与第一位置点之间的行驶路径中存在第一预设百分比(90%)或以上的数据与已存在的行驶路径组的匹配偏差在第一预设距离(3m)以内,则将当前行驶路径并入匹配成功的行驶路径组中。
根据本公开的优选实施方式,基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新(增加)组内与当前行驶路径匹配的已存储的行驶路径的路径权重,包括:
当已存在的组内行驶路径与当前车辆熄火前预设长度行驶路径的起点(A)与第二位置点(B)之间的路径(即AB段)的匹配偏差在第一预设距离(3m)以内的数据大于等于第一预设百分比(90%)时,判定为当前行驶路径已存在于组内并更新权重;否则,判定当前行驶路径为新路径,新增组内行驶路径编号,同时对组内所有行驶路径的第一位置点(C)至停车位置点(D)(即CD段)之间的所有路径取并集,判断当前行驶路径的停车位置点(D)与并集后第一位置点(C点)的距离占并集路径总长度的比重,判断该比重是否超过已有比重的最大值,若超过则将并集中的停车位置点(D点)更新为当前行驶路径的停车位置点(D),若未超过则保留原已有比重的最大值对应的行驶路径的停车位置点(D点)。
其中,由相同停车场入口进入但路径不同的行驶路径作为同一行驶路径组。
上文描述的路径权重表达为ωn,为同组路径中经过第n条路径到达同一停车位置点的次数与同组路径中到达同一停车位置点的所有次数的比值。
在本公开的一些实施方式中,路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于固定车位的行驶路径组,路径权重还包括停车车位号,当检测到新的行驶路径时路径组中的路径数量达到最大值(例如9条),用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。
在本公开的另一些实施方式中,路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于流动车位的行驶路径组,当检测到新的行驶路径时路径组中的路径数量达到最大值(会超过9条),用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。对于路径组间也做同样处理,若路径组的数量超过最大值,则替换掉时间戳最久未更新的路径组。
图5是停车场、停车位及行驶路径的简单示意图。
下文结合图5对图3和图4示出的处理流程进行示例性详细说明。
本公开为了减少驾驶模式下的计算工作,保证车辆驾驶模式下的安全,对驾驶区域及轨迹的分析在非驾驶模式下进行。
由于允许长距离泊车的情况通常是家、公司等有固定来往需求的场景。因此在分析与验证的过程中,本公开采用时间、距离结合的方式来支持更大的范围误差情况下的对当前地点的判断。
对于最新采集的最后1km(即上文描述的车辆熄火前预设长度行驶路径)的路途信息,若其停车点Pnew对应位置(由RTK或IMU+轮速获得)距记忆泊车系统(包括本公开上文描述的路况模型地图)中已存的停车点Psto的位置的距离不超过两百米,且其停车点Pnew对应的TEnd时刻与记忆泊车系统中已存停车点Psto所对应的停车时刻的时间长度在2小时(可调)内。则认为停车点Pnew与Psto在同一地点。
将最后1km的路径,形成一个5位数的编号‘00101’,前三位代表当前地点,对于车辆获取到的第1个地点信息,其编号为001,之后对于不同的地点以1为增量递增编号;后两位代表路径,对于地点相同的路线(即前三位相同),若为固定停车位(读取到车位号),则将获取到的第一个行驶路径编号为01,对于之后路径不同的行驶路线以01为增量递增编号;若为流动车位(未读取到车位号),则将获取到的第一个行驶路径编号为11,对于通过同停车场入口进入停车场但路径不同的行驶路线以01为增量递增编号(即11+01=12),对于通过不同停车场入口进入停车场的行驶路线,以10增量递增编号(即11+10=21),第四位编号相同的路径为一组。路径是否存在的判断方式如下:
1)对于固定车位:在确认当前停车的车位号已存在于记忆泊车系统后,与当前车位号对应的已存储的路径进行聚合程度的匹配。若当前路径与已存在的某条路径的匹配偏差均在3m以内,则认为当前路径已存在,不进行新增编号,增加经过某路径的次数;否则认为当前路径未存储,新增编号并更新存储相关信息。
2)对于流动车位:设当前行驶路径最后1km(即上文描述的车辆熄火前预设长度行驶路径)的起点为A点,行驶路径上距观测到的第一个已存储的流动车位Pfirst 5m范围内的点为C点(若不存在已存储车位则C等同D点位置),C点沿行驶方向反方向10m处的点为B点,当前行驶轨迹的最终停车点为D点。
将BC段行驶路径信息,与含车位PL存储信息的每组路径进行聚合程度的匹配。若在BC段中不存在90%的数据与现存路径组的匹配偏差在3m以内,则新增路径组编号(以10为增量)。若在BC段中存在90%或以上数据的匹配偏差在3m以内,则将当前路径并入到匹配成功的路径组中,并准备进行组内匹配。当存在组内路径信息与AB段路径的匹配偏差在3m以内的数据≥90%时,则认为当前路径已存在并更新权重;否则,则认为当前路径为新路径,新增组内路径编号(在当前组基础上以01为增量)。同时对组内所有CD段路径取并集(重合的路径合并为1条进行后续判定),计算D点,使从C点到D点的路线能最大化保留并集。即,判断当前停车点D与C点的距离占并集路径总长度的比重,是否超过现有比重的最大值,若超过则将并集中的D点更新为当前停车点D,若未超过则保留原D点。
(1)当车辆使用固定车位时
通常情况,对于固定车位情况下同一地点的最后1km行驶的路径不会超过9种,但为了增强适应性,在本公开中对于每个权重ωn都附有时间戳信息以及停车车位号信息,时间戳信息含义为该ωn最近一次更新的时间。对于检测到新的行驶路径时已经存在9条旧路径的情况,用新路径替换时间戳最久未更新的路径,根据替换情况重置当前终点下的所有ωn。
在记忆泊车系统开启后,若固定车位发生更换,允许用户通过手动驾驶车辆到新的停车位,在车辆自行经过数据采集与验证过后,车辆于完成验证次的熄火后主动询问驾驶员是否将固定车位更改为当前车位号:XXXXX。原有车位号仍进行保留,驾驶员可通过车载控制面板(人机交互面板)自行设定默认车位号。对于固定车位的情况,在车辆自动泊车时,行驶路径的选择以默认车位号对应的路径的最高权重为准,不仅受终点编号限制。
(2)当车辆使用流动车位时
通常情况,对于流动车位情况下同组路径同一地点的最后1km(即上文描述的车辆熄火前预设长度行驶路径)行驶的路径会超过9种,使用同样的用新路径替换时间戳最久未更新的路径的方法,并根据替换情况重置当前终点下的所有ωn。
特别地,由于流动车位的特性,在具体使用过程中可能会发现同组路径现存所有车位均处于关闭状态,而此时路径上还存在开启状态的停车位。因此为了提高适用性,本公开允许车辆借助已采集的车位区域、轨迹和车位的距离、大小、样式等自行判定当前距车辆最近的可停车位进行自动泊车。具体实施过程如下:
对于通过BC段验证判定为同组数据的当前路径,从C点沿并集路线向D点自动行驶,并从Pfirst开始观测路径两侧是否存在开启状态的停车位,若成功观测到开启停车位,则车辆通过自动泊车停入;若到达D点后仍未发现开启状态的停车位,则向驾驶员手机发送泊车失败信息,由驾驶员自行驾驶寻求其他停车位或停车场。特别地,自动泊车的CD段数据仅在驾驶员自行驾驶车辆时更新,自动泊车寻找流动车位时,不对CD段权重进行更新。
本公开中具体的路径分析内容如下:
1)解析车辆的CAN信息中的状态信息,包括,车辆停车与启动点、车辆停车与启动点对应车位号(若有)、车位是否关闭(主要用于判断车辆是否可停,关闭置为0,未关闭置为1,默认为0)(视觉传感器观测)、用户下车点(自动泊车使用后启用)、用户上车点(自动泊车使用后启用)。
并结合RTK与IMU+轮速信息,使用前面已述的方法获取车辆不同状态点的具体位置(即当前RTK采集位置):车辆停车与启动点位置PO、用户下车点Pout、用户上车点Pin。
对于同组(前四位相同)的编号,存储每一次新的PO,及每一次与PO位置不同时的Pout、Pin。并允许每次的PO、Pout或Pin间存在一定的偏移距离,不同的PO、Pout或Pin允许的最大偏移距离为3m,对于允许的偏移范围内的PO、Pout或Pin,以第一次采集的数据信息进行存储。
对于同组编号下的PO信息,内置了权重对于同一编号下的Pout、Pin信息,同样内置了权重/>其中m代表不同的停车与启动点位置PO、用户下车点Pout、用户上车点Pin,m=1,2,3,…,权重具体数值为:/> 基于同组路径进行计算,/> 基于同编号进行计算。对于/>当组别(group)相同时,所有不同m的权重之和为1;对于/>当编号(NO)相同时,所有不同m的权重之和为1。
对于上述各个实施方式的记忆泊车路径生成方法S100,优选地,基于行驶路径信息及道路标识信息建立或更新熄火前预设长度行驶路径的路况模型地图,包括:基于行驶路径信息生成路况模型地图的轨迹层;以及基于道路标识信息生成路况模型地图的语义层。
在本公开的一些实施方式中,对于同一停车位置点尚未建立路况模型地图时:
车辆行驶预设次数以上(例如三次以上)后建立路况模型地图的固定车位地图模块;
对于同一停车范围,车辆在同组路径中行驶预设次数以上(例如三次以上)建立路况模型地图的流动车位地图模块。
本公开中,对于流动车位,以时间、距离结合的方式来确定是不是同一停车位置,这里的位置指的是范围,例如同一个停车场。
长距离自动泊车启动的前提需要多次行驶建图、多次行驶验证,因此,支持长距离自动泊车的场景通常是有固定往返需求的,因此本公开用时间、距离结合的方式判断是不是同一停车位置。
例如,距离200米内,时间2小时内,认为是在同一停车位置,这里200米、2小时是用当前路径停车点与路径组对应的停车点去比较,一般而言代表路径组的停车点是路径组第一次建立时的停车点。
本公开的方法根据多传感器、视频解码提取的道路信息,建立的最后1km(可调)的路况模型地图,包括以下几个部分:
(1)轨迹层(trajectory layer):包含建图时车辆行驶的路径、轨迹起点、轨迹终点信息和权重,根据轨迹标签不同,轨迹起点和终点是轨迹上一点或一段轨迹;
(2)语义层(semantic layer):对于语义层,包含车位信息与路况信息。若停车点为固定车位,则车位信息中包含目标停车位的坐标、目标车位号、轨迹沿途的车位信息等。其中,目标车位号支持自动识别与用户确认,目标车位号可缺省;轨迹沿途的车位信息包括车位号,车位坐标,车位图像信息(包括尺寸、关闭状态等)等。对于流动车位,车位信息包括可停车区域、可停车区域中检测到的所有停车位坐标、轨迹沿途的车位信息。其中,可停车区域一般为一段轨迹或者一段轨迹加指定的偏离距离,偏移距离与获取的可停车区域大小有关;车位信息包括车位号,车位坐标,车位图像等。
在语义层中基于车辆多传感器数据进行车位范围、位置、尺寸、编号等的界定;基于周围其他车辆起停状态、位置进行车位是否有开启机会的粗检测;基于视觉的停车位检测来降低搜索范围及精确定位,来进行可停车位区域的确定。可泊车的车位区域由可以用特定颜色的框图表示。
语义层中的路况信息则包括视频解码与语义提取过程中所获的减速带、交通标识等信息。
对于同地点,该地图在不存在的情况下,固定车位地图的建立会在车辆行驶的三次(可调)后完成建立,流动车位地图的建立会在车辆在同组路径中行驶三次(可调)后完成。若地图建立完成后,增添了新的轨迹或车位情况,可使用一次手动驾驶的情况完成新轨迹的添加。
对于上述各个实施方式的记忆泊车路径生成方法S100,优选地,人工驾驶模式下,对路况模型地图中的行驶路径信息进行验证,包括:
驾驶过程中,当车辆位置位于路况模型地图中某个行驶路径的预设偏移范围之内时,启动影子模式以进行该行驶路径的验证。
优选地,基于人工驾驶模式下当前行驶路径与路况模型地图中已存在的行驶路径进行匹配验证(聚合程度),基于匹配验证结果判断当前行驶路径是否为路况模型地图中已存在的行驶路径,如果是,则判定路况模型地图中已存在的行驶路径为有效路径,如果否,则将当前行驶路径作为新的行驶路径以更新行驶路径信息。
对于建立完成的路况模型地图,在接下来的行驶过程中进行影子模式下的自定位及驾驶验证。
在本公开的一些实施方式中,对于某一地点的驾驶过程,当车前车辆RTK位于同地点现存轨迹任意最后1km的RTK允许偏移范围内时,影子模式开启。
在本公开的一些实施方式中,借助当前车辆行驶路径与现存存储路径(例如周围500m圆范围内所有最后1km的RTK对应的已存储路径)的聚合程度进行判断与验证。若根据聚合程度,当前路径属于现存的轨迹时,则认为轨迹有效并更新权重。若根据聚合程度,当前路径不属于现存的轨迹时,则验证失败并将此次轨迹作为新增轨迹存储。当累计三次(可调)验证成功时,则认为驾驶验证完成,可以进行自动泊车。
1)对于固定车位:
验证完成后用户驾驶车辆到达RTK允许偏移范围内时,记忆泊车系统自主询问“是否采取自动泊车,将车停到XXXXX车位号上”(可调)。若固定车位号不止一个,则车位号默认为同导航终点中权重最高路径所对应的车位号。用户在确认自动泊车前可以通过控制面板(人机交互界面)更改预计停车的车位号,记忆泊车系统将展示该车位号所对应的行驶轨迹,用户可默认为按权重最高的轨迹行驶,也可自主选择其他轨迹。在轨迹选择完成后,用户可以在轨迹允许范围内通过控制面板触摸屏选择方便的下车点,若不选择则车辆将直接驶入车位中途不停车。在第二次及以后到达该范围内时可自动按前一次选择自动泊车,也可使用控制面板更改车位、下车点、轨迹等信息。
2)对于流动车位:
验证完成后用户驾驶车辆到达RTK允许偏移范围内时,系统自主询问“是否采取自动泊车”(可调)。默认选择同导航终点中权重最高的路径组中权重最高的路径进行自动泊车。用户在确认自动泊车前可以通过控制面板(人机交互界面)更改预计自动泊车的轨迹。在轨迹选择完成后,用户可以在轨迹允许范围内通过控制面板触摸屏选择方便的下车点,若不选择则车辆将直接驶入车位中途不停车。在第二次及以后到达该范围内时可自动按前一次选择自动泊车,也可使用控制面板更改车位、下车点、轨迹等信息。
泊车成功后,自动更新相关轨迹、权重等信息;并向用户手机发送360度全景图片与车辆定位信息以便用户确认车辆停靠位置。
本公开还提供一种基于自主学习的记忆泊车路径生成装置1000,包括:
行驶数据获取模块1002,人工驾驶模式下,行驶数据获取模块1002获取车辆行驶数据;
自主学习数据提取模块1004,非驾驶模式下,自主学习数据提取模块1004基于车辆行驶数据获取自主学习数据,自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
其中,行驶数据获取模块1002包括行驶路径信息获取子模块1006,行驶路径信息获取子模块1006基于自主学习数据获取车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;
其中,行驶数据获取模块1002还包括道路标识信息获取子模块1008,道路标识信息获取子模块1008基于自主学习数据获取车辆熄火前预设长度行驶路径的道路标识信息;
路况模型地图生成模块1010,路况模型地图生成模块1010基于行驶路径信息及道路标识信息建立或更新熄火前预设长度行驶路径的路况模型地图;
验证模块1012,人工驾驶模式下,验证模块1012对路况模型地图中的行驶路径信息进行验证,以生成基于路况模型地图中的行驶路径信息的至少一条记忆泊车路径。
在本公开的一些实施方式的记忆泊车路径生成装置1000,还包括:
关联处理模块1014,关联处理模块1014基于车辆当前位置,将路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域(停车场A区)或位置(车位号)输出以用于显示。
本公开的记忆泊车路径生成装置1000可以通过计算机软件架构的方式实现。
在本公开的一些实施方式中,本公开的记忆泊车路径生成方法/装置实时获取车辆运行情况下的状态信息(时间、位置、车辆速度、档位状态等)及图像数据(基于鱼眼或者前视/侧视);数据进行实时存储及建立索引;基于车辆起停状态、位置及时间分布的停车区域的粗检测,或者基于车辆其他系统,辅助泊车系统,融合泊车系统的状态的停车位区域的粗检测;基于视觉的停车位检测来降低搜索方法及精确定位,或者基于场景空旷状态的停车位区域确定;基于确定的车位位置,推算车辆行驶轨迹,记录该轨迹并进行聚合程度的匹配,在地图轨迹层中存储优化后轨迹的具体信息,包括最后行驶时间、位置、对应停车位、权重等;车主驾驶模式下,多次验证该轨迹,满足误差控制要求的该轨迹及地图即为记忆轨迹和记忆地图;HMI显式提醒用户车辆已经具备记忆泊车能力,显示记忆泊车的轨迹和车位(支持固定车位和流动车位);用户驾驶车辆进入记忆泊车区域后,车辆自动进入记忆泊车状态。
本公开的记忆泊车路径生成方法/装置,无需高精度地图,无需车主显式的指导车辆进行泊车区域环境和地图的建立,能够基于影子模式自主学习车主的驾驶轨迹,能够基于车辆起停状态、位置及时间分布的停车位置检测进行自主泊车路线的学习。
本公开的记忆泊车路径生成方法/装置事先无需用户干预的记忆泊车学习:车辆借助多传感器数据进行自主的记忆泊车建图与轨迹学习,且无需停车场的高精地图。能够支持固定车位与流动车位的长距离自动泊车,对于流动车位的情况开放了一定的自动寻位功能,避免了因常用车位停满而直接泊车失败的情况。建图完成后,进行自动的记忆泊车影子模式的验证,无需车主进行验证尝试,仅在验证通过后向车主推送该路途的自动泊车功能。
图6是本公开的一个实施方式的采用处理系统的硬件实现方式的记忆泊车路径生成装置的结构示意框图。
该记忆泊车路径生成装置可以包括执行上述流程图中各个或几个步骤的相应模块。因此,可以由相应模块执行上述流程图中的每个步骤或几个步骤,并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器,这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其他电路1400连接。
总线1100可以是工业标准体系结构(ISA,Industry Standard Architecture)总线、外部设备互连(PCI,Peripheral Component)总线或扩展工业标准体系结构(EISA,Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,该图中仅用一条连接线表示,但并不表示仅有一根总线或一种类型的总线。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如,本公开中的方法实施方式可以被实现为软件程序,其被有形地包含于机器可读介质,例如存储器。在一些实施方式中,软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时,可以执行上文描述的方法中的一个或多个步骤。备选地,在其他实施方式中,处理器可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法之一。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,可以具体实现在任何可读存储介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
就本说明书而言,“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式只读存储器(CDROM)。另外,可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在存储器中。
应当理解,本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,程序可以存储于一种可读存储介质中,该程序在执行时,包括方法实施方式的步骤之一或其组合。
此外,在本公开各个实施方式中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读存储介质中。存储介质可以是只读存储器,磁盘或光盘等。
本公开的一个实施方式的电子设备,包括:存储器,存储器存储执行指令;以及处理器,处理器执行存储器存储的执行指令,使得处理器执行本公开任一个实施方式的记忆泊车路径生成方法。
本公开的一个实施方式的可读存储介质,可读存储介质中存储有执行指令,执行指令被处理器执行时用于实现本公开任一个实施方式的记忆泊车路径生成方法。
本公开的一个实施方式的计算机程序产品,包括计算机程序/指令,计算机程序/指令被处理器执行时实现本公开任一个实施方式的记忆泊车路径生成方法。
在本说明书的描述中,参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中,对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本公开,而并非是对本公开的范围进行限定。对于所属领域的技术人员而言,在上述公开的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本公开的范围内。
Claims (19)
1.一种基于自主学习的记忆泊车路径生成方法,其特征在于,包括:
人工驾驶模式下,获取车辆行驶数据;
非驾驶模式下,基于所述车辆行驶数据获取自主学习数据,所述自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置以获取或更新行驶路径信息;基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的道路标识信息;
基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图;以及
人工驾驶模式下,对所述路况模型地图中的行驶路径信息进行验证,以生成基于所述路况模型地图中的行驶路径信息的至少一条记忆泊车路径;
其中,所述行驶路径信息包括至少一个基于固定车位的行驶路径组和至少一个基于流动车位的行驶路径组;
所述更新行驶路径信息包括更新行驶路径在其所属行驶路径组的路径权重和时间戳;
其中,当所述车辆熄火前预设长度行驶路径为基于固定停车点位置的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
对所述车辆熄火前预设长度行驶路径进行编码处理,以获得包括停车点位置标识、行驶路径标识及路径权重的编码数据:
基于路径匹配程度判断车辆熄火前预设长度行驶路径是否与已存储的行驶路径为相同路径;
如果是,则更新所述已存储的行驶路径对应的路径组内全部路径的权重,如果否,则新增所述车辆熄火前预设长度行驶路径的编码数据;以及
将经过同一停车点位置的车辆熄火前预设长度行驶路径作为同一个行驶路径组;
当所述车辆熄火前预设长度行驶路径为基于流动停车点位置的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
在当前车辆熄火前预设长度行驶路径的起点之后,在行驶路径上获取距观测到的第一个已存储的流动车位第一预设距离范围内的第一位置点由第一位置点沿行驶方向反方向在行驶路径的第二预设距离处获得第二位置点;
将第二位置点与第一位置点之间的行驶路径与已存储的每组基于流动车位的行驶路径组进行路径组匹配;
基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配;以及
基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新组内与当前行驶路径匹配的已存储的行驶路径的路径权重及组内其他行驶路径的权重。
2.根据权利要求1所述的记忆泊车路径生成方法,其特征在于,还包括:
基于车辆当前位置,所述路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域或位置被输出以进行显示。
3.根据权利要求1或2所述的记忆泊车路径生成方法,其特征在于,所述道路标识信息包括车位标识、地面标识和泊车区域标识。
4.根据权利要求1所述的记忆泊车路径生成方法,其特征在于,所述车辆行驶数据包括导航数据、车辆位姿数据及车辆视觉数据;
其中,所述车辆视觉数据包括车载多相机采集数据。
5.根据权利要求4所述的记忆泊车路径生成方法,其特征在于,所述车辆视觉数据还包括车载激光雷达采集数据。
6.根据权利要求1所述的记忆泊车路径生成方法,其特征在于,基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配,包括:
若在第二位置点与第一位置点之间的行驶路径中不存在第一预设百分比的数据与已存在行驶路径组的匹配偏差在第一预设距离以内,则新增行驶路径组编号即新建行驶路径组;
若在第二位置点与第一位置点之间的行驶路径中存在第一预设百分比或以上的数据与已存在的行驶路径组的匹配偏差在第一预设距离以内,则将当前行驶路径并入匹配成功的行驶路径组中。
7.根据权利要求1所述的记忆泊车路径生成方法,其特征在于,基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号并更新路径组权重或者更新组内与当前行驶路径匹配的已存储的行驶路径的路径组权重,包括:
当已存在的组内行驶路径与当前车辆熄火前预设长度行驶路径的起点与所述第二位置点之间的路径的匹配偏差在第一预设距离以内的数据大于等于第一预设百分比时,判定为当前行驶路径已存在于组内并更新权重;否则,判定当前行驶路径为新路径,新增组内行驶路径编号并更新权重,同时对组内所有行驶路径的第一位置点至某次实际停车位置点之间的所有路径取并集,判断当前行驶路径的停车位置点与并集后第一位置点的距离占并集路径总长度的比重,判断该比重是否超过已有比重的最大值,若超过则将并集中的停车位置点更新为当前行驶路径的停车位置点,若未超过则保留原已有比重的最大值对应的行驶路径的停车位置点作为停车位置点。
8.根据权利要求7所述的记忆泊车路径生成方法,其特征在于,由相同停车场入口进入但路径不同的行驶路径作为同一行驶路径组。
9.根据权利要求1所述的记忆泊车路径生成方法,其特征在于,所述路径权重表达为ωn,为同组路径中经过第n条路径到达同一停车位置点的次数与同组路径中到达同一停车位置点的所有次数的比值。
10.根据权利要求9所述的记忆泊车路径生成方法,其特征在于,所述路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于固定车位的行驶路径组,所述路径权重还包括停车车位号,当检测到新的行驶路径时路径组中的路径数量达到最大值,用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。
11.根据权利要求9所述的记忆泊车路径生成方法,其特征在于,所述路径权重包括用于表征路径权重最近一次的更新时间的时间戳;
对于基于流动车位的行驶路径组,当检测到新的行驶路径时路径组中的路径数量达到最大值,用新的行驶路径替换时间戳最久未更新的路径,并更新路径组内所有路径的路径权重。
12.根据权利要求1或2所述的记忆泊车路径生成方法,其特征在于,基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图,包括:
基于所述行驶路径信息生成路况模型地图的轨迹层;以及
基于所述道路标识信息生成路况模型地图的语义层。
13.根据权利要求12所述的记忆泊车路径生成方法,其特征在于,对于同一停车位置点尚未建立路况模型地图时:
车辆行驶预设次数以上后建立路况模型地图的固定车位地图模块;
对于同一停车范围,车辆在同组路径中行驶预设次数以上建立路况模型地图的流动车位地图模块。
14.根据权利要求1或2所述的记忆泊车路径生成方法,其特征在于,人工驾驶模式下,对所述路况模型地图中的行驶路径信息进行验证,包括:
驾驶过程中,当车辆位置位于路况模型地图中某个行驶路径的预设偏移范围之内时,启动影子模式以进行该行驶路径的验证。
15.根据权利要求14所述的记忆泊车路径生成方法,其特征在于,基于人工驾驶模式下当前行驶路径与路况模型地图中已存在的行驶路径进行匹配验证,基于匹配验证结果判断当前行驶路径是否为路况模型地图中已存在的行驶路径,如果是,则判定路况模型地图中已存在的行驶路径为有效路径,增加验证成功次数并更新权重,如果否,则将当前行驶路径作为新的行驶路径以更新所述行驶路径信息,并更新权重。
16.一种基于自主学习的记忆泊车路径生成装置,其特征在于,包括:
行驶数据获取模块,人工驾驶模式下,所述行驶数据获取模块获取车辆行驶数据;
自主学习数据提取模块,非驾驶模式下,所述自主学习数据提取模块基于所述车辆行驶数据获取自主学习数据,所述自主学习数据包括车辆熄火前预设长度行驶路径的车辆位姿数据和车辆视觉数据;
其中,所述行驶数据获取模块包括行驶路径信息获取子模块,所述行驶路径信息获取子模块基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径以及停车点位置以获取或更新行驶路径信息;
其中,所述行驶数据获取模块还包括道路标识信息获取子模块,所述道路标识信息获取子模块基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的道路标识信息;
路况模型地图生成模块,所述路况模型地图生成模块基于所述行驶路径信息及所述道路标识信息建立或更新所述熄火前预设长度行驶路径的路况模型地图;以及
验证模块,人工驾驶模式下,所述验证模块对所述路况模型地图中的行驶路径信息进行验证,以生成基于所述路况模型地图中的行驶路径信息的至少一条记忆泊车路径;
其中,所述行驶路径信息包括至少一个基于固定车位的行驶路径组和至少一个基于流动车位的行驶路径组;
所述更新行驶路径信息包括更新行驶路径在其所属行驶路径组的路径权重和时间戳;
其中,当所述车辆熄火前预设长度行驶路径为基于固定停车点位置的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
对所述车辆熄火前预设长度行驶路径进行编码处理,以获得包括停车点位置标识、行驶路径标识及路径权重的编码数据:
基于路径匹配程度判断车辆熄火前预设长度行驶路径是否与已存储的行驶路径为相同路径;
如果是,则更新所述已存储的行驶路径对应的路径组内全部路径的权重,如果否,则新增所述车辆熄火前预设长度行驶路径的编码数据;以及
将经过同一停车点位置的车辆熄火前预设长度行驶路径作为同一个行驶路径组;
当所述车辆熄火前预设长度行驶路径为基于流动停车点位置的行驶路径时,基于所述自主学习数据获取所述车辆熄火前预设长度行驶路径的停车点位置获取或更新行驶路径信息,包括:
在当前车辆熄火前预设长度行驶路径的起点之后,在行驶路径上获取距观测到的第一个已存储的流动车位第一预设距离范围内的第一位置点由第一位置点沿行驶方向反方向在行驶路径的第二预设距离处获得第二位置点;
将第二位置点与第一位置点之间的行驶路径与已存储的每组基于流动车位的行驶路径组进行路径组匹配;
基于路径组匹配结果,为当前车辆熄火前预设长度行驶路径新建行驶路径组或者将其归属至已存在的行驶路径组以进行组内匹配;以及
基于组内匹配结果,在组内为当前车辆熄火前预设长度行驶路径新建路径编号或者更新组内与当前行驶路径匹配的已存储的行驶路径的路径权重及组内其他行驶路径的权重。
17.根据权利要求16所述的记忆泊车路径生成装置,其特征在于,还包括:
关联处理模块,所述关联处理模块基于车辆当前位置,将所述路况模型地图中的至少一条记忆泊车路径及与记忆泊车路径关联的可泊车区域或位置输出以用于显示。
18.一种电子设备,其特征在于,包括:
存储器,所述存储器存储执行指令;以及
处理器,所述处理器执行所述存储器存储的执行指令,使得所述处理器执行权利要求1至15中任一项所述的记忆泊车路径生成方法。
19.一种可读存储介质,其特征在于,所述可读存储介质中存储有执行指令,所述执行指令被处理器执行时用于实现权利要求1至15中任一项所述的记忆泊车路径生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289666.4A CN115503694B (zh) | 2022-10-20 | 2022-10-20 | 基于自主学习的记忆泊车路径生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289666.4A CN115503694B (zh) | 2022-10-20 | 2022-10-20 | 基于自主学习的记忆泊车路径生成方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115503694A CN115503694A (zh) | 2022-12-23 |
CN115503694B true CN115503694B (zh) | 2023-06-23 |
Family
ID=84509883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211289666.4A Active CN115503694B (zh) | 2022-10-20 | 2022-10-20 | 基于自主学习的记忆泊车路径生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115503694B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116052468B (zh) * | 2023-03-29 | 2023-06-13 | 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 |
CN116620330A (zh) * | 2023-06-28 | 2023-08-22 | 广州小鹏自动驾驶科技有限公司 | 用于通勤模式的车辆控制方法、车辆及存储介质 |
CN116804560B (zh) * | 2023-08-23 | 2023-11-03 | 四川交通职业技术学院 | 一种管制路段下无人驾驶汽车安全导航方法及装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11636375B2 (en) * | 2018-02-27 | 2023-04-25 | Toyota Research Institute, Inc. | Adversarial learning of driving behavior |
CN111319612B (zh) * | 2018-12-13 | 2021-09-28 | 北京初速度科技有限公司 | 一种自动驾驶车辆用地图的自建图方法和系统 |
CN109597317B (zh) * | 2018-12-26 | 2022-03-18 | 广州小鹏汽车科技有限公司 | 一种基于自学习的车辆自动驾驶方法、系统及电子设备 |
CN113442908B (zh) * | 2020-03-24 | 2022-04-22 | 广州汽车集团股份有限公司 | 自动泊车路径规划方法及系统、泊车控制设备 |
CN113492830B (zh) * | 2020-04-08 | 2023-01-06 | 华为技术有限公司 | 一种车辆泊车路径规划方法及相关设备 |
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 |
CN112802346B (zh) * | 2020-12-28 | 2022-04-15 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
CN112985442B (zh) * | 2021-03-03 | 2022-11-04 | 北京嘀嘀无限科技发展有限公司 | 行驶路径匹配方法、可读存储介质和电子设备 |
CN113071476A (zh) * | 2021-04-21 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 自主泊车的方法、装置、设备及自动驾驶车辆 |
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 |
CN114228700B (zh) * | 2021-09-30 | 2024-01-09 | 江铃汽车股份有限公司 | 一种泊车信息的共享方法、装置、电子设备及存储介质 |
CN113715811B (zh) * | 2021-10-15 | 2024-01-09 | 广州小鹏汽车科技有限公司 | 泊车方法、泊车装置、车辆和计算机可读存储介质 |
CN114394088B (zh) * | 2021-12-28 | 2022-10-18 | 北京易航远智科技有限公司 | 泊车循迹轨迹生成方法、装置、电子设备及存储介质 |
CN114435348A (zh) * | 2022-02-28 | 2022-05-06 | 重庆长安汽车股份有限公司 | 一种基于记忆式泊车的智能泊车方法 |
CN114734990A (zh) * | 2022-04-18 | 2022-07-12 | 岚图汽车科技有限公司 | 一种记忆自动泊车方法及泊车系统 |
-
2022
- 2022-10-20 CN CN202211289666.4A patent/CN115503694B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115503694A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115503694B (zh) | 基于自主学习的记忆泊车路径生成方法、装置及电子设备 | |
US10847032B2 (en) | Apparatus for informing parking position and method thereof | |
US10248116B2 (en) | Remote operation of autonomous vehicle in unexpected environment | |
EP3680876A1 (en) | Method for planning trajectory of vehicle | |
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
CN102889892B (zh) | 实景导航的方法及导航终端 | |
US20140172189A1 (en) | Method and control device for providing a course of a road ahead | |
WO2020232648A1 (zh) | 车道线的检测方法、电子设备与存储介质 | |
CN104574952A (zh) | 车辆导航用航摄数据 | |
US10921137B2 (en) | Data generation method for generating and updating a topological map for at least one room of at least one building | |
US11754415B2 (en) | Sensor localization from external source data | |
CN110329253B (zh) | 车道偏离预警系统、方法及车辆 | |
CN103608217A (zh) | 用于泊车引导的加装组件 | |
GB2510698A (en) | Driver assistance system | |
CN110907980A (zh) | V2x位置准确性增强 | |
CN116358515A (zh) | 一种低速无人驾驶系统的建图定位方法与装置 | |
CN113405555B (zh) | 一种自动驾驶的定位传感方法、系统及装置 | |
CN107449436A (zh) | 一种车队导航方法及系统 | |
CN113532435A (zh) | 一种车机地下停车场ar导航方法 | |
CN115905449B (zh) | 语义地图构建方法及具有熟路模式的自动驾驶系统 | |
CN117859041A (zh) | 用于在泊车空间中支持车辆功能的方法和辅助装置和机动车 | |
Chu et al. | Distributed system architecture of autonomous vehicles and real-time path planning based on the curvilinear coordinate system | |
WO2022185645A1 (ja) | 駐車支援装置、駐車支援方法及び駐車支援プログラム | |
Fuerstenberg et al. | Feature-level map building and object recognition for intersection safety applications | |
CN113340313B (zh) | 导航地图参数确定方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |