CN115574804A - 停车场地图的构建方法、装置及设备 - Google Patents
停车场地图的构建方法、装置及设备 Download PDFInfo
- Publication number
- CN115574804A CN115574804A CN202211444221.9A CN202211444221A CN115574804A CN 115574804 A CN115574804 A CN 115574804A CN 202211444221 A CN202211444221 A CN 202211444221A CN 115574804 A CN115574804 A CN 115574804A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- parking lot
- vehicle
- map
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
-
- 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
Abstract
本申请实施例提供一种停车场地图的构建方法、装置及设备。在本申请实施例中,该方法可包括:获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据;基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
Description
技术领域
本申请涉及汽车技术领域,尤其涉及一种停车场地图的构建方法、装置及设备。
背景技术
近年来,随着经济的快速发展,私家车保有量的迅速增加,各大商场及小区对大型停车场的需求也越来越大。但随着停车场的规模越来越大,也给用户带来找车位难,以及由于找车位带来的停车拥堵问题。为了应对这一问题,现有技术通过车辆对停车路线进行记忆,由车辆根据历史停车路线,泊入至指定车位中,实现代客泊车。
但这种停车方式需在指定车位未有其他车辆占用的前提下才能用,而且通常只适用于车辆有固定停车位的停车场。而对于车站或商场提供的公共停车场,由于供车辆使用的停车位并不固定,因此,无法适用上述停车方式实现代客泊车。而且,对于公共停车场而言,很多车辆是第一次进入停车场,在这种情况下,由于车辆对停车场路线并不熟悉,往往只能盲目地在停车场内行驶来查找可用的停车位,这也使得车辆的停车难度变得更大。
因此,如何为在大型停车场有停车需求的车辆提供一种停车场地图的建设方法,以提高车辆的停车效率和准确率,仍然需要提供进一步的解决方案。
发明内容
本申请的多个方面提供一种停车场地图的构建方法、装置及设备,用以提高在大型停车场有停车需求的车辆的停车效率和准确率。
第一方面,本申请实施例提供一种停车场地图的构建方法,包括:
获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;
基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;
基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
第二方面,本申请实施例还提供一种停车场地图的构建装置,包括:
数据获取模块,用于获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;
模型训练模块,用于基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;
地图构建模块,用于基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
第三方面,本申请实施例还提供一种车辆,所述车辆包括如第一方面中所述的停车场地图的构建装置。
第四方面,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序被执行时实现如第一方面所述的方法中的步骤。
第五方面,本申请实施例还提供一种计算机设备,包括:存储器和处理器;其中,所述存储器,用于存储计算机程序;所述处理器耦合至所述存储器,用于执行所述计算机程序以用于执行如第一方面所述方法中的步骤。
由以上本申请实施例提供的技术方案可见,本申请实施例方案至少具备如下一种技术效果:
本申请提供的一个或多个实施例,能够由车辆以目标停车场的指定位置为起点,并在按照指定路线行驶过程中采集目标停车场中的地图相关数据,以及基于地图相关数据中的信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,语义识别模型用于识别车辆采集的信息指示牌,信息指示牌用于指示对应的可泊车区域的剩余车位信息,最后基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,便可构建得到目标停车场的地图。这样在车辆进入到目标停车场后,即便没有预先构建有完整的目标停车场的地图,也可由车辆按照指定路线行驶采集目标停车场中的地图相关数据,从而依据所采集的数据构建目标停车场的地图,而且构建的地图包含的语义识别模型还能够对途经的信息指示牌指示的对应可泊车区域中的剩余车位信息进行识别,为车辆停车提供了有利依据。这样,在车辆在遇到多个可行驶的路线时,可依据语义识别模型确定的各道路转向口可泊车区域中的剩余车位信息,准确地进行停车决策,进而提高停车效率和准确率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一示例性实施例提供的一种停车场地图的构建方法的实现流程示意图;
图2为本申请一示例性实施例提供的一种停车场地图的构建方法中的几种信息指示牌示意图,其中,图2(a)为信息指示牌只包含有指示箭头和数字的示意图,图2(b)为信息指示牌包含有指示箭头、数字、中英文以及间隔符的示意图,图2(c)为信息指示牌包含有指示箭头、数字和文字的示意图,图2(d)为信息指示牌包含有文字和数字的示意图;
图3为本申请一示例性实施例提供的停车场地图的构建方法应用于一种实际场景中的流程示意图;
图4为本申请一示例性实施例提供的一种停车场地图的构建装置的结构示意图;
图5为本申请一示例性实施例提供的一种车辆的结构示意图;
图6为本申请一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如背景技术所述,现有的大型停车场由于规模较大,对于有停车需求的用户来说,存在找车位难进而使得停车难的问题。尽管有现有技术能够通过车辆对停车路线进行记忆,使得车辆根据历史停车路线,顺利泊入历史停车位中。但这种停车方式在历史停车位被占用的情况下,仍然无法实现顺利的停车。
针对此,为提高车辆在大型停车场中的停车效率和准确率,本申请实施例提供一种解决方案,基本思路是:由车辆以目标停车场的指定位置为起点,并在按照指定路线行驶过程中采集目标停车场中的地图相关数据,以及基于地图相关数据中的信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,语义识别模型用于识别车辆采集的信息指示牌,信息指示牌用于指示对应的可泊车区域的剩余车位信息,最后基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,便可构建得到目标停车场的地图。这样在车辆进入到目标停车场后,即便没有预先构建有完整的目标停车场的地图,也可由车辆按照指定路线行驶采集目标停车场中的地图相关数据,从而依据所采集的数据构建目标停车场的地图,而且构建的地图包含的语义识别模型还能够对途经的信息指示牌指示的对应可泊车区域中的剩余车位信息进行识别,为车辆停车提供了有利依据。这样,在车辆在遇到多个可行驶的路线时,可依据语义识别模型确定的各道路转向口可泊车区域中的剩余车位信息,准确地进行停车决策,进而提高停车效率和准确率。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例提供的一种停车场地图的构建方法的实施流程示意图。图1的方法可包括:
步骤110,获取目标停车场内的地图相关数据,地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,地图相关数据包括目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及车辆的位姿数据。
可选地,本申请实施例中的可设置有摄像头、距离传感器、图像识别模块以及定位模块等用于辅助车辆泊车的功能模块。其中,摄像头可用于采集车辆周围的图像,图像识别模块可用于基于摄像头采集的图像识别车辆周边的设施,比如减速带、信息指示牌、停车位、车辆、道路指示线等停车场内可能存在的设施或物品。距离传感器用于探测车辆与通过图像识别模块识别到的设施或物品之间的距离。距离传感器可通过激光雷达或者红外传感器来实现。定位模块可用于确定车辆当前的位姿,即车辆当前的位置和姿态。
其中,指定位置可以是车辆在目标停车场中的起点位置,即车辆通过目标停车场的固定入口进入到目标停车场后的起点位置。指定路线可以是根据多个车辆在目标停车场中的历史停车轨迹确定的在目标停车场停车的必经路线,也可以说是多个车辆在目标停车场中停车路线的最大重合路线,或者,为了避免车辆拥堵,指定路线还可以是目标停车场内车辆使用频率最少的停车路线。
其中,目标停车场内设置有多个信息指示牌,该多个信息指示牌可设置在各道路转向口的位置处,用于指示各道路转向口对应的可泊车区域的剩余车位信息。为了有利于车辆做出准确的停车决策,可使得车辆基于指定路线行驶时能够经过尽可能多的信息指示牌,比如,车辆按照指定路线行驶时可途经预设数量的信息指示牌,预设数量与多个信息指示牌的数量之间的比值不小于预设数值。其中,预设数值可以为70%-90%之间的一个数值,用于表征待停车车辆按照默认行驶路线行驶能够途经目标停车场内大部分的信息指示牌,进而能够基于这些信息指示牌指示的剩余车位信息,准确做出停车决策。
为了得到目标停车场的地图,在车辆以指定位置为起点按照指定路线行驶过程中,车辆可通过车辆中的摄像头、距离传感器、图像识别模块以及定位模块不断地采集目标停车场内的地图相关数据。该地图相关数据可包括车辆的摄像头范围内的停车位数据、可行驶的道路相关数据、与停车相关的停车设施数据、与停车位相关的信息指示牌的数据以及车辆行驶过程中的位姿数据。
其中,停车位数据具体可包括可用停车位的数量和位置以及被占用停车位的数量和位置。道路相关数据可包括可行驶的道路的位置和数量以及道路转向口等数据。停车设施数据可包括减速带、人行通道、停车位挡车器、停车位指示线等数据。信息指示牌的数据可包括用于指示各道路转向口对应的可泊车区域的剩余车位信息、以及出入口的指示牌信息。车辆的位姿数据可包括车辆在行驶过程中的位姿数据,在车辆检测到各类设施或物品时,可结合距离传感器探测到的距离和该位姿数据来确定车辆检测到的各类设施或物品在目标停车场中的实际位置。
步骤120,基于信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,语义识别模型用于识别车辆采集的信息指示牌,信息指示牌用于指示对应的可泊车区域的剩余车位信息。
如上所述,信息指示牌可包括用于指示各道路转向口对应的可泊车区域的剩余车位信息的信息指示牌、以及出入口的信息指示牌等信息指示牌。应理解,为了提高车辆的停车效率和准确率,减少车辆的停车试错成本,避免车辆误选无剩余车位的道路行驶。本申请实施例中的目标停车场可在各道路转向口设置用于指示各道路转向口对应的可泊车区域的剩余车位信息的信息指示牌。
同时,为了提高车辆确定各道路转向口对应的可泊车区域的剩余车位数量的效率,该用于指示各道路转向口对应的可泊车区域的剩余车位信息的信息指示牌可包括指示箭头和数字的组合。其中,指示箭头用于指引道路的前进方向,比如用于指示向前、向左或者向右等方向前进的指示箭头。而紧挨指示箭头的数字可用于指示该指示箭头所指引的道路前进方向上对应的可泊车区域的剩余车位的数量。由此,车辆在行驶到各道路转向口时,可根据用于指示各道路转向口对应的可泊车区域的剩余车位信息的信息指示牌,快速准确地确定各道路转向口对应的剩余车位的具体数量,从而有助于车辆基于该信息指示牌准确地做出停车决策,提高停车效率。
具体地,信息指示牌包括指示箭头和数字的组合,基于信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,包括:
基于信息指示牌的数据,获取信息指示牌中的指示箭头和数字;
基于信息指示牌中的指示箭头和数字之间的像素距离,建立信息指示牌中的指示箭头和数字之间的关联关系;
将建立了关联关系的指示箭头和数字作为对应的信息指示牌的语义标签,以及将多个信息指示牌作为训练样本集,训练得到语义识别模型。
其中,信息指示牌的数据可包括由车辆通过摄像头采集的信息指示牌的图像数据、以及通过距离传感器探测的车辆与信息指示牌之间的距离等数据。基于信息指示牌的数据,获取信息指示牌中的指示箭头和数字,具体可基于信息指示牌图像数据,通过光学字符识别(Optical Character Recognition,OCR)技术来获取信息指示牌图像数据中的指示箭头和数字。
可选地,一个信息指示牌中包括多个指示箭头和多个数字的组合,基于信息指示牌的数据,获取信息指示牌中的指示箭头和数字,包括:
基于信息指示牌的数据,获取彼此之间距离相等的多组数字;
分别获取距离多组数字中的各组数字小于预设距离的指示箭头。
以图2(a)所示信息指示牌中的指示箭头和数字的组合为例,该信息指示牌中包含有三组指示箭头和数字的组合,分别为指示箭头“←”和数字“028”的组合,指示箭头“↑”和数字“009”的组合以及指示箭头“→”和数字“003”。由于该信息指示牌中有多组数字,为避免只获取箭头和数字导致的语义解读错误,本申请实施例可获取彼此之间距离相等的数字作为一组数字,直至获取到信息指示牌中的多组数字。在实际应用中,还可通过不同颜色来区分不同组的数字,比如可将图2(a)所示的数字“028”的颜色显示为红色,将数字“009”的颜色显示为蓝色,将数字“003”的颜色显示为绿色。
应理解,当一个信息指示牌中包括多个指示箭头和多个数字的组合时,同一组合的指示箭头应紧挨着同组的数字,即同一组合的指示箭头与同组数字之间的距离通常在预设距离范围内。本申请实施例基于此,可分别获取距离多组数字中的各组数字小于预设距离的指示箭头,作为与多组数字中的各组数字相关联的指示箭头。
应理解,信息指示牌中除了用于指示各道路转向口的剩余停车位的信息外,可能还会包括其他信息,比如出入口的方向和距离、收费处的方向和距离等信息。显然,这类信息对于将要进行停车操作的车辆而言,用处并不大,因此,为了减少这类信息的干扰,以减少图像识别的工作量,本申请实施例在对信息指示牌的数据进行分析和处理时,可对这类信息进行剔除,即可以只获取信息指示牌中的指示箭头和数字。
图2为本申请一示例性实施例提供的一种停车场地图的构建方法中的几种信息指示牌示意图。图2(a)中的信息指示牌只包含有指示箭头和数字,该信息指示牌可设置在一个三叉路口处,当车辆行驶到该路口时,可选择向前、向左或者向右行驶来进行停车操作。图2(b)中的信息指示牌除了包含有指示箭头和数字外,还包括有中文“剩余车位”和英文“Available Lots”的文字以及间隔符“|”,在对图2(b)中的信息指示牌进行OCR识别时,可只获取图2(b)中的信息指示牌中的指示箭头“↑”和数字“567”。图2(b)中的信息指示牌可设置在直行道路上,当车辆行驶到该道路上时,仅可选择向前行驶来进行停车操作。
图2(c)中的信息指示牌除了包含有指示箭头和数字外,还包括有文字“剩余车位”和“收费处”的文字,在对图2(c)中的信息指示牌进行OCR识别时,可只获取图2(c)中的信息指示牌中的指示箭头和数字。图2(c)中的信息指示牌可设置在T型道路上,当车辆行驶到该道路口时,可选择向前行驶或向左行驶来进行停车操作。图2(d)中的信息指示牌则只含有文字和数字,该信息指示牌可设置在停车场的入口处,用于对停车场的各层停车区域的剩余停车车位进行指示,由于该信息指示牌只对入口处的车辆有指引作用,而对车辆实际要停车的具体停车位没有指示作用,因此,在对该信息指示牌进行识别时,可省去对该信息指示牌的信息提取。
其中,基于信息指示牌中的指示箭头和数字之间的像素距离,建立信息指示牌中的指示箭头和数字之间的关联关系,具体可将像素距离在预设距离范围内的指示箭头和数字进行配对,即建立像素距离在预设距离范围内的指示箭头和数字之间的关联关系。可选地,信息指示牌中的指示箭头和数字之间的像素距离可通过车辆中的激光雷达测得的距离与点云数据聚类,再与图像像素相融合来确定得到。
作为一种实施方式,语义识别模型在检测到摄像头拍摄了信息指示牌的图像时,可触发对信息指示牌的图像的识别。
可选地,多个信息指示牌由多个车辆采集得到;或者,多个信息指示牌由小样本学习模型基于信息指示牌生成得到,其中,小样本学习模型用于基于信息指示牌生成多个与信息指示牌同类且存在区别的信息指示牌。
应理解,为了保证人工智能模型语义识别模型的识别准确率,用于训练语义识别模型的样本数据的数量级往往较大。为了保证语义识别模型的样本数据的数量级,多个信息指示牌可由多个车辆在多个不同的停车场中采集得到。而且该多个样板信息指示牌可预先由多个车辆在多个不同的停车场中采集并保存在云端服务器中。
应理解,多个车辆在多个不同的停车场中采集得到足够数量的信息指示牌,往往需要一定的时间来完成。为了提高语义识别模型的训练效率,减少搜集训练样本数据所需要的等待时间,该多个信息指示牌也可直接由小样本学习模型基于信息指示牌生成得到。其中,小样本学习模型可预先基于信息指示牌和对应的标签训练得到,用于基于少量的信息指示牌生成多个与信息指示牌同类且存在一定区别的信息指示牌。
其中,将建立了关联关系的指示箭头和数字作为训练语义识别模型的标签,以及将多个信息指示牌作为训练样本集,训练得到的语义识别模型可对该模型的输入图像进行识别,识别得到其中具备关联关系的指示箭头和数字组合,该输入图像为信息指示牌的图像。
应理解,训练得到的语义识别模型除了需要识别存在关联关系的指示箭头和数字,还需要识别存在关联关系的指示箭头和数字的含义,从而能够为车辆确定停车方向提供有效依据。具体地,将建立了关联关系的指示箭头和数字作为对应的信息指示牌的语义标签,以及将多个信息指示牌作为训练样本集,训练得到语义识别模型,包括:
确定建立了关联关系的指示箭头和数字的语义;
将建立了关联关系的指示箭头和数字以及对应的语义作为对应的信息指示牌的语义标签,以及将多个信息指示牌作为训练样本集,训练得到语义识别模型。
其中,确定建立了关联关系的指示箭头和数字的语义,具体可通过人工标注来确定。将建立了关联关系的指示箭头和数字以及对应的语义作为对应的信息指示牌的语义标签,以及将多个信息指示牌作为训练样本集,训练得到的语义识别模型,能够对模型的输入图像进行识别,确定输入图像中的指示箭头和数字的组合,以及确定输入图像中的指示箭头和数字的组合对应的语义。以图2(b)所示信息指示牌中的指示箭头和数字的组合为例,该指示箭头和数字的组合对应的语义为向前行驶还有567个剩余车位。该语义以及“↑568”的指示箭头和数字的组合可作为图2(b)所示信息指示牌的图像数据的标签,其他信息指示牌的标签与之类似。
步骤130,基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,构建目标停车场的地图。
为提高车辆的停车效率和准确率,该目标停车场的地图在构建完成之后直接由车辆基于该目标停车场的地图进行停车决策。其中,目标停车场的地图具体可通过即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术,基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据构建得到。
可选地,在车辆行驶至道路转向口时,为了提高车辆进行停车决策,本申请实施例可将信息指示牌与道路相关数据中对应的道路转向口进行关联,以使得在车辆行驶至道路转向口时,能够通过摄像头拍摄的信息指示牌的图像数据,确定各道路转向口的剩余停车位,进而做出最优的停车决策。具体地,基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,构建目标停车场的地图,包括:
基于目标停车场的点云数据以及车辆的位姿数据,将信息指示牌与道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据;
基于目标停车场的点云数据、车辆的位姿数据、停车位数据、关联后的道路相关数据、停车设施数据以及语义识别模型,构建目标停车场的地图。
可选地,在将信息指示牌与道路相关数据中对应的道路转向口进行关联时,可依据目标停车场的点云数据、车辆的位姿数据以及车辆与信息指示牌之间的距离,来确定信息指示牌的位置,进而将同一位置的信息指示牌和道路转向口进行关联。具体地,基于目标停车场的点云数据以及车辆的位姿数据,将信息指示牌与道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据,包括:
当车辆检测到信息指示牌时,确定车辆的位姿数据以及车辆与信息指示牌之间的距离;
基于目标停车场的点云数据、车辆的位姿数据以及车辆与信息指示牌之间的距离,确定信息指示牌在世界坐标系中的坐标;
基于信息指示牌在世界坐标系中的坐标,从道路相关数据中确定对应的道路转向口;
将信息指示牌与道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据。
其中,车辆的位姿数据可通过车辆中的定位模块来获取,车辆与信息指示牌之间的距离可通过车辆的距离传感器探测得到。在确定了车辆的位姿数据以及车辆与信息指示牌之间的距离之后,便可依据目标停车场的点云数据,确定信息指示牌在世界坐标系中的坐标。同时,也可依据目标停车场的点云数据,确定道路相关数据中的各道路转向口在世界坐标系中的坐标。最后,便可确定出在世界坐标系中坐标距离小于预设距离的信息指示牌和道路转向口,并将在世界坐标系中坐标距离小于预设距离的信息指示牌和道路转向口进行关联。
这样在车辆行驶至各道路转向口时,车辆能够基于关联有信息指示牌的各道路转向口的目标停车场的地图,开启摄像头采集信息指示牌的图像数据,并通过语义识别模型识别信息指示牌中指示的各个道路方向对应的可泊车区域的剩余车位数量,从而能够基于各个道路方向对应的可泊车区域的剩余车位数量,准确做出停车决策。
可选地,在某一时间段内,首次进入目标停车场内车辆的数量可能有多个,基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,构建目标停车场的地图,包括:
获取在同一时间段内首次进入至目标停车场内的多个车辆;
获取多个车辆构建得到的多个目标停车场的SLAM地图,其中,各车辆可基于目标停车场的点云数据、车辆的位姿数据、车辆检测到的停车位数据、车辆检测到的道路相关数据、车辆检测到的停车设施数据,利用SLAM技术构建得到目标停车场的SLAM地图;
利用地图相似度算法对多个目标停车场的SLAM地图进行融合,得到目标停车场的地图,同时将语义识别模型添加至目标停车场的地图中,用于识别各道路转向口的信息指示牌。
图3为本申请一示例性实施例提供的停车场地图的构建方法应用于一种实际场景中的流程示意图,如图3所示,该停车场地图的构建过程可由云端服务器进行,该方法可包括:
S31,基于车辆采集的目标停车场内的地图相关数据以及目标停车场的点云数据,建立目标停车场的地图。
其中,基于车辆采集的目标停车场内的地图相关数据以及目标停车场的点云数据,建立目标停车场的地图,具体可通过SLAM技术来实现。
S32,基于信息指示牌的数据,获取信息指示牌中的指示箭头和数字。
S33,确定信息指示牌中的指示箭头和数字之间的像素距离。
S34,基于信息指示牌中的指示箭头和数字之间的像素距离,确定信息指示牌中的指示箭头和数字组合。
S35,确定信息指示牌中的指示箭头和数字组合对应的语义。
S36,将指示箭头和数字组合以及对应的语义作为训练所述语义识别模型的标签,以及将多个信息指示牌作为训练样本集,训练得到语义识别模型。
S37,将语义识别模型作为目标停车场的地图的语义识别模型,并将目标停车场的地图下发至车辆中。
需要说明的是,本申请实施例提供的停车场地图的构建方法可由车辆来执行,或者,该停车场地图的构建方法还可由云端服务器来执行,本申请实施例对此不作具体限定。
本申请提供的一个或多个实施例提供的停车场地图的构建方法,能够由车辆以目标停车场的指定位置为起点,并在按照指定路线行驶过程中采集目标停车场中的地图相关数据,以及基于地图相关数据中的信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,语义识别模型用于识别车辆采集的信息指示牌,信息指示牌用于指示对应的可泊车区域的剩余车位信息,最后基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,便可构建得到目标停车场的地图。这样在车辆进入到目标停车场后,即便没有预先构建有完整的目标停车场的地图,也可由车辆按照指定路线行驶采集目标停车场中的地图相关数据,从而依据所采集的数据构建目标停车场的地图,而且构建的地图包含的语义识别模型还能够对途经的信息指示牌指示的对应可泊车区域中的剩余车位信息进行识别,为车辆停车提供了有利依据。这样,在车辆在遇到多个可行驶的路线时,可依据语义识别模型确定的各道路转向口可泊车区域中的剩余车位信息,准确地进行停车决策,进而提高停车效率和准确率。
需要说明的是,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如110、120等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图4为本申请又一示例性实施例提供的一种停车场地图的构建装置的结构示意图。如图4所示,该停车场地图的构建装置包括:
数据获取模块41,用于获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;
模型训练模块42,用于基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;
地图构建模块43,用于基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
本申请提供的一个或多个实施例提供的停车场地图的构建装置,能够由车辆以目标停车场的指定位置为起点,并在按照指定路线行驶过程中采集目标停车场中的地图相关数据,以及基于地图相关数据中的信息指示牌的数据,训练得到目标停车场的地图的语义识别模型,语义识别模型用于识别车辆采集的信息指示牌,信息指示牌用于指示对应的可泊车区域的剩余车位信息,最后基于目标停车场的点云数据、车辆的位姿数据、停车位数据、道路相关数据、停车设施数据以及语义识别模型,便可构建得到目标停车场的地图。这样在车辆进入到目标停车场后,即便没有预先构建有完整的目标停车场的地图,也可由车辆按照指定路线行驶采集目标停车场中的地图相关数据,从而依据所采集的数据构建目标停车场的地图,而且构建的地图包含的语义识别模型还能够对途经的信息指示牌指示的对应可泊车区域中的剩余车位信息进行识别,为车辆停车提供了有利依据。这样,在车辆在遇到多个可行驶的路线时,可依据语义识别模型确定的各道路转向口可泊车区域中的剩余车位信息,准确地进行停车决策,进而提高停车效率和准确率。
关于图4所示的停车场地图的构建装置的具体实现方式已经在停车场地图的构建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。
图5是本申请的一个实施例提供的一种车辆的结构示意图。图5的车辆可包括图4所示的停车场地图的构建装置400。
关于图5所示的车辆的具体实现方式已经在停车场地图的构建装置和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。
图6为本申请一示例性实施例提供的一种电子设备的结构示意图。参见图6,该电子设备包括:存储器61和处理器62。
存储器61,用于存储计算机程序,并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台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。
存储器61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。
处理器62,与存储器61耦合,用于执行存储器61中的计算机程序,以用于:获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
进一步,如图6所示,该电子设备还包括:通信组件63、显示器64、电源组件65、音频组件66等其它组件。图6中仅示意性给出部分组件,并不意味着电子设备只包括图6所示组件。另外,图6中虚线框内的组件为可选组件,而非必选组件,具体可视电子设备的产品形态而定。本实施例的电子设备可以实现为常规服务器、云服务器或服务器阵列等服务端设备。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G、3G、4G/LTE、5G等移动通信网络,或它们的组合。在一个示例性实施例中,通信组件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,通信组件还包括近场通信(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。
上述显示器包括屏幕,其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。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
上述电源组件,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述音频组件,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(MIC),当音频组件所在设备处于操作模式,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存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例还提供一种计算机设备,包括:存储器和处理器;其中,所述存储器,用于存储计算机程序;所述处理器耦合至所述存储器,用于执行所述计算机程序以用于执行如停车场地图的构建方法中的步骤。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种停车场地图的构建方法,其特征在于,所述方法包括:
获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;
基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;
基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
2.如权利要求1所述的方法,其特征在于,所述信息指示牌包括指示箭头和数字的组合,基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,包括:
基于所述信息指示牌的数据,获取所述信息指示牌中的指示箭头和数字;
基于所述信息指示牌中的指示箭头和数字之间的像素距离,建立所述信息指示牌中的指示箭头和数字之间的关联关系;
将建立了所述关联关系的指示箭头和数字作为对应的信息指示牌的语义标签,以及将多个所述信息指示牌作为训练样本集,训练得到所述语义识别模型。
3.如权利要求2所述的方法,其特征在于,将建立了所述关联关系的指示箭头和数字作为对应的信息指示牌的语义标签,以及将多个所述信息指示牌作为训练样本集,训练得到所述语义识别模型,包括:
确定建立了所述关联关系的指示箭头和数字的语义;
将建立了所述关联关系的指示箭头和数字以及对应的语义作为对应的信息指示牌的语义标签,以及将多个所述信息指示牌作为训练样本集,训练得到所述语义识别模型。
4.如权利要求2所述的方法,其特征在于,一个所述信息指示牌中包括多个指示箭头和多个数字的组合,所述基于所述信息指示牌的数据,获取所述信息指示牌中的指示箭头和数字,包括:
基于所述信息指示牌的数据,获取彼此之间距离相等的多组数字;
分别获取距离所述多组数字中的各组数字小于预设距离的指示箭头。
5.如权利要求2-4中任一所述的方法,其特征在于,多个所述信息指示牌由多个所述车辆采集得到;或者,多个所述信息指示牌由小样本学习模型基于所述信息指示牌生成得到,其中,所述小样本学习模型用于基于所述信息指示牌生成多个与所述信息指示牌同类且存在区别的信息指示牌。
6.如权利要求1所述的方法,其特征在于,所述基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图,包括:
基于所述目标停车场的点云数据以及所述车辆的位姿数据,将所述信息指示牌与所述道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据;
基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述关联后的道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
7.如权利要求6所述的方法,其特征在于,所述基于所述目标停车场的点云数据以及所述车辆的位姿数据,将所述信息指示牌与所述道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据,包括:
当所述车辆检测到所述信息指示牌时,确定所述车辆的位姿数据以及所述车辆与所述信息指示牌之间的距离;
基于所述目标停车场的点云数据、所述车辆的位姿数据以及所述车辆与所述信息指示牌之间的距离,确定所述信息指示牌在世界坐标系中的坐标;
基于所述信息指示牌在世界坐标系中的坐标,从所述道路相关数据中确定对应的道路转向口;
将所述信息指示牌与所述道路相关数据中对应的道路转向口进行关联,得到关联后的道路相关数据。
8.一种停车场地图的构建装置,其特征在于,包括:
数据获取模块,用于获取目标停车场内的地图相关数据,所述地图相关数据为车辆以指定位置为起点按照指定路线行驶过程中所采集的数据,所述地图相关数据包括所述目标停车场的停车位数据、道路相关数据、停车设施数据、信息指示牌的数据以及所述车辆的位姿数据;
模型训练模块,用于基于所述信息指示牌的数据,训练得到所述目标停车场的地图的语义识别模型,所述语义识别模型用于识别所述车辆采集的信息指示牌,所述信息指示牌用于指示对应的可泊车区域的剩余车位信息;
地图构建模块,用于基于所述目标停车场的点云数据、所述车辆的位姿数据、所述停车位数据、所述道路相关数据、所述停车设施数据以及所述语义识别模型,构建所述目标停车场的地图。
9.一种车辆,其特征在于,所述车辆包括如权利要求8中所述的停车场地图的构建装置。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被执行时实现如权利要求1-7任一所述的方法中的步骤。
11.一种计算机设备,其特征在于,包括:存储器和处理器;其中,所述存储器,用于存储计算机程序;所述处理器耦合至所述存储器,用于执行所述计算机程序以用于执行权利要求1-7中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211444221.9A CN115574804B (zh) | 2022-11-18 | 2022-11-18 | 停车场地图的构建方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211444221.9A CN115574804B (zh) | 2022-11-18 | 2022-11-18 | 停车场地图的构建方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115574804A true CN115574804A (zh) | 2023-01-06 |
CN115574804B CN115574804B (zh) | 2023-04-28 |
Family
ID=84589071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211444221.9A Active CN115574804B (zh) | 2022-11-18 | 2022-11-18 | 停车场地图的构建方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115574804B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409611A (zh) * | 2023-10-25 | 2024-01-16 | 武汉理工大学 | 一种基于大型地下停车场的智慧泊车引导系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3333049A1 (de) * | 2016-12-12 | 2018-06-13 | Valeo Schalter und Sensoren GmbH | Verfahren zum autonomen manövrieren eines kraftfahrzeugs auf einer parkfläche mit bestimmung eines fahrschlauchs anhand einer digitalen karte, infrastukturvorrichtung, fahrerassistenzsystemen, kraftfahrzeugs sowie kommunikationssystemen |
CN112179371A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 基于物联网架构的智能交通地图更新系统 |
CN113450591A (zh) * | 2020-03-25 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 停车场找车方法、停车位置确定方法、系统和相关设备 |
CN113744560A (zh) * | 2021-09-15 | 2021-12-03 | 厦门科拓通讯技术股份有限公司 | 停车场自动泊车方法、装置、服务器和机器可读存储介质 |
CN114141051A (zh) * | 2021-11-25 | 2022-03-04 | 浙江吉利控股集团有限公司 | 辅助停车方法、辅助停车系统和计算机可读存储介质 |
CN114202958A (zh) * | 2021-11-30 | 2022-03-18 | 湖南湘江智芯云途科技有限公司 | 停车场地图显示方法、装置及相关设备 |
US20220189305A1 (en) * | 2020-12-15 | 2022-06-16 | Charter Communications Operating, Llc | Automated parking lot digital map generation and use thereof |
CN114743405A (zh) * | 2022-03-29 | 2022-07-12 | 广州小鹏自动驾驶科技有限公司 | 车位数据的处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-18 CN CN202211444221.9A patent/CN115574804B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3333049A1 (de) * | 2016-12-12 | 2018-06-13 | Valeo Schalter und Sensoren GmbH | Verfahren zum autonomen manövrieren eines kraftfahrzeugs auf einer parkfläche mit bestimmung eines fahrschlauchs anhand einer digitalen karte, infrastukturvorrichtung, fahrerassistenzsystemen, kraftfahrzeugs sowie kommunikationssystemen |
CN112179371A (zh) * | 2019-07-01 | 2021-01-05 | 大陆泰密克汽车系统(上海)有限公司 | 基于物联网架构的智能交通地图更新系统 |
CN113450591A (zh) * | 2020-03-25 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 停车场找车方法、停车位置确定方法、系统和相关设备 |
US20220189305A1 (en) * | 2020-12-15 | 2022-06-16 | Charter Communications Operating, Llc | Automated parking lot digital map generation and use thereof |
CN113744560A (zh) * | 2021-09-15 | 2021-12-03 | 厦门科拓通讯技术股份有限公司 | 停车场自动泊车方法、装置、服务器和机器可读存储介质 |
CN114141051A (zh) * | 2021-11-25 | 2022-03-04 | 浙江吉利控股集团有限公司 | 辅助停车方法、辅助停车系统和计算机可读存储介质 |
CN114202958A (zh) * | 2021-11-30 | 2022-03-18 | 湖南湘江智芯云途科技有限公司 | 停车场地图显示方法、装置及相关设备 |
CN114743405A (zh) * | 2022-03-29 | 2022-07-12 | 广州小鹏自动驾驶科技有限公司 | 车位数据的处理方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409611A (zh) * | 2023-10-25 | 2024-01-16 | 武汉理工大学 | 一种基于大型地下停车场的智慧泊车引导系统 |
CN117409611B (zh) * | 2023-10-25 | 2024-04-26 | 武汉理工大学 | 一种基于大型地下停车场的智慧泊车引导系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115574804B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400490B (zh) | 轨迹预测方法和装置 | |
CN107644542B (zh) | 一种基于车位信息的导航方法及远程信息处理装置 | |
CN103198693B (zh) | 基于多级诱导的行车指引系统 | |
CN101334287B (zh) | 本车位置识别装置和本车位置识别方法 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
US11501104B2 (en) | Method, apparatus, and system for providing image labeling for cross view alignment | |
WO2016159171A1 (ja) | 自動運転支援システム、自動運転支援方法及びコンピュータプログラム | |
CN109767646A (zh) | 泊车方法及装置 | |
CN106092121A (zh) | 车辆导航方法和装置 | |
CN104537837B (zh) | 确定交通路线的方法、装置及系统 | |
JPWO2007105499A1 (ja) | 位置登録装置、ナビゲーション装置、経路探索装置、位置登録方法、位置登録プログラムおよび記録媒体 | |
CN110470311A (zh) | 一种地图生成方法、装置及计算机存储介质 | |
JPWO2007105518A1 (ja) | 位置登録装置、経路探索装置、位置登録方法、位置登録プログラムおよび記録媒体 | |
CN102930740A (zh) | 停车场空位导航装置 | |
CN103148861A (zh) | 使用地理标注图像的道路引导显示方法和系统 | |
US10515293B2 (en) | Method, apparatus, and system for providing skip areas for machine learning | |
CN112650772B (zh) | 数据处理方法、装置、存储介质及计算机设备 | |
CN115574804B (zh) | 停车场地图的构建方法、装置及设备 | |
CN114620072A (zh) | 车辆控制方法、装置、存储介质、电子设备及车辆 | |
US20220012518A1 (en) | Method and apparatus for presenting object annotation tasks | |
CN113792428A (zh) | 虚拟场景下车辆的测试方法、装置及电子设备 | |
CN115497331B (zh) | 一种泊车方法、装置、设备及车辆 | |
CN111401255A (zh) | 用于识别分歧路口的方法和装置 | |
CN116137109B (zh) | 一种基于云计算的机械停车设备控制系统及方法 | |
CN204791557U (zh) | 一种汽车导航检测重定位系统 |
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 |