CN115995161A - 基于投影确定停车位置的方法和电子设备 - Google Patents
基于投影确定停车位置的方法和电子设备 Download PDFInfo
- Publication number
- CN115995161A CN115995161A CN202310050416.3A CN202310050416A CN115995161A CN 115995161 A CN115995161 A CN 115995161A CN 202310050416 A CN202310050416 A CN 202310050416A CN 115995161 A CN115995161 A CN 115995161A
- Authority
- CN
- China
- Prior art keywords
- parking space
- parking
- space line
- virtual
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000001788 irregular Effects 0.000 claims abstract description 23
- 230000015654 memory Effects 0.000 claims description 24
- 230000008447 perception Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 22
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002411 adverse Effects 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种基于投影确定停车位置的方法和电子设备,涉及泊车及自动泊车技术领域。具体实现方案包括:根据车辆传感器对实际车位线的识别结果,投影虚拟车位线;根据虚拟车位线与实际车位线的重叠度,调整虚拟车位线;根据调整后的虚拟车位线,确定目标停车位置。根据本公开的技术方案,可以在车路面坡度、车位形状不规则或车位线不规范的情况下,将数字投影灯应用于泊车入库过程中停车位置的识别,并根据投影的虚拟车位线的实际呈现结果,进一步对虚拟车位线进行调整,以弱化路面坡度和障碍物等对于确定理想停车位置的不良影响,从而基于调整后的虚拟车位线,输出较为理想化的目标停车位置。
Description
技术领域
本公开涉及泊车及自动泊车技术领域,尤其涉及一种基于投影确定停车位置的方法和电子设备。
背景技术
对于自动驾驶的自动泊车功能,需要依靠车辆对车位的检测结果实现泊车入库。而对于手动泊车而言,现在也往往会利用车辆对车位的检测结果辅助泊车。因此,车辆对于车位的识别精度将直接影响车辆泊车的效果。但实际的车位识别过程中,会遇到路面坡度、车位形状不规则、车位线不规范等问题,给泊车精准停车功能带来严重挑战。
发明内容
本公开提供了一种基于投影确定停车位置的方法和电子设备。
根据本公开的一方面,提供了一种基于投影确定停车位置的方法,包括以下步骤:
根据车辆传感器对实际车位线的识别结果,投影虚拟车位线;
根据虚拟车位线与实际车位线的重叠度,调整虚拟车位线;
根据调整后的虚拟车位线,确定目标停车位置。
根据本公开的另一方面,提供了一种基于投影确定停车位置的电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开任一实施例中的方法。
根据本公开的技术,可以在车路面坡度、车位形状不规则或车位线不规范的情况下,将数字投影灯应用于泊车入库过程中停车位置的识别,并根据投影的虚拟车位线的实际呈现结果,进一步对虚拟车位线进行调整,以弱化路面坡度和障碍物等对于确定理想停车位置的不良影响,从而基于调整后的虚拟车位线,输出较为理想化的目标停车位置。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例的基于投影确定停车位置的方法的流程示意图一;
图2是根据本公开一实施例的规则车位示意图;
图3是根据本公开一实施例的不规则车位示意图;
图4是根据本公开一实施例的基于投影确定停车位置的方法的流程示意图二;
图5是根据本公开一实施例的泊车入库过程中确定目标停车位置的系统架构示意图;
图6是用来实现本公开实施例的基于投影确定停车位置的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开一实施例的基于投影确定停车位置的方法的流程示意图,包括:
S1,根据车辆传感器对实际车位线的识别结果,投影虚拟车位线;
S2,根据虚拟车位线与实际车位线的重叠度,调整虚拟车位线;
S3,根据调整后的虚拟车位线,确定目标停车位置。
示例性地,在泊车入库的过程中,往往利用车载摄像头、超声波雷达等车辆传感器识别空间车位并在泊车过程中规避障碍物。然而在实际的泊车过程中,由于路面坡度、车位形状不规则或车位线不规范(如车位线褪色或被部分遮挡的情况)的影响,仅靠车载摄像头、超声波雷达无法满足精准泊车的需求。
而数字投影灯在车辆上的使用越来越广泛,不仅可以起到夜间寻车和照亮车前路面的作用,并且可以支持投影视频、投影游戏等车载娱乐活动。
鉴于此,本公开实施例将数字投影灯应用于泊车入库过程中停车位置的识别。其中,车载摄像头等车辆传感器对实际车位线的识别结果可以以轮廓点的形式表现,车辆可以根据识别出的实际车位线的轮廓点,计算虚拟车位线的轮廓点,并利用投影灯进行虚拟车位线的投影,并根据投影的虚拟车位线的实际呈现结果,进一步对虚拟车位线进行调整,以弱化路面坡度和障碍物等对于确定理想停车位置的不良影响,从而基于调整后的虚拟车位线,输出较为理想化的目标停车位置。
在一种实施方式中,步骤S2可以包括:
在虚拟车位线与实际车位线的重叠度小于重叠度阈值的情况下,调整投影角度以调整虚拟车位线直至虚拟车位线与实际车位线的重叠度不小于重叠度阈值。
示例性地,由于地面坡度以及车载摄像头识别精度等因素的影响,虚拟车位线的投影结果可能与实际的车位线之间存在一定偏差。可以比较计算出的虚拟车位线的轮廓点与识别出的实际车位线的轮廓点的重叠度,若两者之间的重叠度小于重叠度阈值,则说明目前的投影结果并不理想,需要根据实际车位线的轮廓点,进行虚拟车位线的轮廓点的计算校正,并基于校正后的虚拟车位线的轮廓点,调整投影角度直至两者的重叠度满足要求。
在一种实施方式中,上述基于投影确定停车位置的方法还包括:
根据车辆传感器对投影区域的识别结果,确定投影区域内的障碍物的位置;
在投影区域内的障碍物上存在虚拟车位线的投影的情况下,调整投影角度以调整虚拟车位线直至障碍物上不存在虚拟车位线的投影。
可以理解的是,虚拟车位线投影区域内的障碍物可以为停车位锁、石块或其他不规范停车的车辆等,虚拟车位线的投影结果一定程度上也表示了车辆泊车过程中的可行驶区域以及理想停车区域,若投影区域内的障碍物上存在虚拟车位线的投影,则表明车辆按照虚拟车位线泊车的过程中与障碍物存在碰撞风险。
在此情况下,若导致存在碰撞风险的障碍物为停车位锁等路面固定障碍物,由于路面固定障碍物与实际车位线理论上是不存在碰撞风险的,因此出现碰撞风险的原因很大可能是虚拟车位线的投影精度所致,需要根据实际车位线的轮廓点,进行虚拟车位线的轮廓点的计算校正,并基于校正后的虚拟车位线的轮廓点,调整投影角度直至不存在碰撞风险。
若导致存在碰撞风险的障碍物为其他车辆,则可能是由于车位线本身褪色或地面坡度原因导致的实际车位线识别偏差,从而导致虚拟车位线的投影结果与其他车辆间存在碰撞可能。此时,可以重新进行实际车位线的识别或适应性调整投影角度以使得碰撞风险消除。
采用上述实施例的方法,可以通过检测虚拟车位线投影结果与实际车位线的重叠度以及通过虚拟车位线与障碍物的投影关系确定的碰撞风险,进一步调整虚拟车位线,提高了对于理想停车位置的识别精度,可以克服车位形状不规则、车位线不清晰不规范等问题。
在一种实施方式中,步骤S3包括:
根据调整后的虚拟车位线,确定车位类型;其中,车位类型包括规则车位和不规则车位;
基于车位类型和调整后的虚拟车位线,确定目标停车位置。
可以理解的是,由于车位类型的不同,因而对于规则车位和不规则车位而言,理想的停车位置也必然有所不同。
进一步地,根据调整后的虚拟车位线,确定车位类型,包括:
获取调整后的虚拟车位线与预设基准线的夹角,其中,夹角包括第一夹角和第二夹角,分别为车位两侧的虚拟车位线与预设基准线的夹角;
确定第一夹角和第二夹角的角度差的绝对值;
在绝对值小于预设角度的情况下,确定车位类型为规则车位,反之则为不规则车位。
示例性地,图2和图3分别示出了规则车位和不规则车位的示意图,如图2和图3所示,获取调整后的虚拟车位线与预设基准线的第一夹角βleft和第二夹角βright,其中,预设基准线可以为停车区域内的水平线,图2中由于调整后的虚拟车位线与预设基准线的两个夹角度数都为0,因此未曾在图中显示夹角。
若预设角度为βthres,第一夹角βleft和第二夹角βright的角度差的绝对值abs(βleft-βright)满足条件:abs(βleft-βright)<βthres,则可以确定车位为规则车位,反之,则车位为不规则车位。
在一种实施方式中,基于车位类型和调整后的虚拟车位线,确定目标停车位置,包括:
基于车位类型和调整后的虚拟车位线,确定停车角度;
根据停车角度和调整后的虚拟车位线,确定目标停车位置。
示例性地,如图2所示,对于规则车位,相对于预设基准线,理想的停车角度βcal的计算方式具体为:
βcal=min(βleft,βright)
由于图2中,第一夹角βleft和第二夹角βright都为0,因此相对于预设基准线,图2中车位的理想停车角度为0。
如图3所示,对于不规则车位,相对于预设基准线,理想的停车角度βcal的计算方式具体为:
βcal=(βleft+βright)/2
进一步地,若以泊车完成情况下车辆后轴中心点的位置表示泊车终点,如图2和图3所示,泊车终点(xrear,yrear)的计算方式具体为:
xrear=xmid-lrsinβcal
yrear=ymid-lrcosβcal
其中,lr为车辆后轴中心点到车辆末端的绝对距离,(xmid,ymid)为调整后的虚拟车位线中代表车位末端部分的中心点位置,其计算方式具体为:
xmid=(xleft+xright)/2
ymid=(yleft+yright)/2
其中,(xleft,yleft)和(xright,yright)分别为虚拟车位线末端调整后的虚拟车位线中代表车位末端部分的两侧的位置。
本实施例中,以泊车完成情况下车辆后轴中心点的位置表示泊车终点,以泊车终点表示理想泊车位置。而在实际执行过程中,也可以根据设计或规范的需求,以其他形式表示和计算理想泊车位置,本申请并不以此为限。
采用上述实施例的方法,利用投影的虚拟车位线进一步区分规则车位和不规则车位,以根据不同类型车位确定理想停车角度,进一步确定理想的目标停车位置,可以使得计算出的目标停车位置适应不同的车位类型,提高了对于理想停车位置的识别精度,进一步弱化了车位形状不规则、车位线不清晰不规范等问题对于泊车的影响。
更优地,在一种实施方式中,如图4所示,在车辆通过上述步骤S1-S3计算出的目标停车位置进行泊车入库的过程中,上述基于投影确定停车位置的方法还包括:
S4,基于车辆传感器的感知信息,确定第一预测停车位置;
S5,基于车载传感器的感知信息和车辆的定位信息,确定第二预测停车位置;
S6,获取目标停车位置与第一预测停车位置的第一比对结果以及目标停车位置与第二预测停车位置的第二比对结果;
S7,在第一比对结果满足第一预设条件且第二比对结果满足第二预设条件的情况下,将目标停车位置确定为校正后的目标停车位置;
S8,在第一比对结果不满足第一预设条件和/或第二比对结果不满足第二预设条件的情况下,重新投影虚拟车位线以重新确定目标停车位置;
其中,第一预设条件具体为:
第一比对结果中第一预测停车位置和目标停车位置的误差不大于第一阈值且大于第二阈值的持续时间小于预设时间阈值,第一阈值大于第二阈值;
第二预设条件具体为:
第二比对结果中第二预测停车位置和目标停车位置的误差不大于第三阈值且大于第四阈值的持续时间小于预设时间阈值,第三阈值大于第四阈值。
示例性地,第一预测停车位置为车辆利用车载摄像头、超声波雷达等车载传感器进行感知融合,所确定的理想停车位置,第二预测停车位置为车辆在车载传感器感知融合的基础上,进一步结合定位系统的定位信息所确定的理想停车位置。
可以理解的是,在车辆基于前述步骤S1-S3计算出的目标停车位置进行泊车入库的过程中,由于车辆移动带动投影灯的投影角度变化,需要在泊车过程中实时调整投影角度以使得所投影出的虚拟车位线始终可以指导车辆的泊车入库过程。而前述的第一预测停车位置和第二预测停车位置可以作为投影输出的目标停车位置的校正更新标准。
由于一般而言,结合定位信息所确定的第二预测停车位置相比于第一预测停车位置,准确性要高,因此先通过第一预测停车位置对目标停车位置进行校正,校正通过后,再通过第二预测停车位置进行校正,最终输出校正后的目标停车位置。
具体地,关于第一预测停车位置和目标停车位置的第一比对结果,由于泊车入库是一个动态的过程,因此比对的标准包含时间和误差值两个维度,当第一预测停车位置和目标停车位置的误差大于第一阈值的情况下,直接确定第一比对结果不满足第一预设条件,需要退回步骤S1,重新根据车辆传感器的识别结果计算并投影虚拟车位线;而当第一预测停车位置和目标停车位置的误差不大于第一阈值,但大于第二阈值的持续时间大于预设时间阈值的情况下,仍然表示虚拟车位线的投影结果不满足需求,需要回步骤S1,重新根据车辆传感器的识别结果计算并投影虚拟车位线。
关于第二预测停车位置和目标停车位置的第二比对结果,其中第二预设条件中关于第三阈值、第四阈值以及预设时间阈值的作用描述可以参考第一预设条件,与之同理,此处不再重复赘述。而无论第一比对结果不满足第一预设条件或是第二比对结果不满足第二预设条件,均表明此前根据投影的虚拟车位线进而计算出的目标停车位置,与常规的感知融合识别的理想停车位置或定位信息确定的理想停车位置存在较大偏差。在此情况下,可能是对于虚拟车位线的投影出现了问题,也可能是在虚拟车位线的基础上计算目标停车位置的过程出错。因此,需要重新根据车辆传感器识别的实际车位线投影虚拟车位线,重新进行目标停车位置的计算,而后进一步利用第一预测停车位置和第二预测停车位置进行目标停车位置的校正。
采用上述实施例的方法,可以在泊车入库的过程中,借鉴车辆通过车辆传感器的感知融合输出的理想停车位置,以及车辆结合感知融合和定位信息输出的理想停车位置,对虚拟车位线的投影角度进行实时校正,使得虚拟车位线始终可以指导车辆的泊车入库过程。最终输出的目标停车位置结合了不同维度的信息,且是在自动泊车过程中实时检测校正,提高了车位的识别精度以及自动泊车的准确性。
图5是根据本公开一实施例的泊车入库过程中确定目标停车位置的系统架构示意图。
如图5所示,通过车辆传感器、定位系统以及投影灯的投影结果,获取如可行驶区域信息、停车位地锁信息、停车位线和边界线、超声波信息以及智能投影信息等,输出感知融合目标停车位置、定位输出目标停车位置以及投影输出目标停车位置。其中,感知融合目标停车位置、定位输出目标停车位置分别代表前述实施例中的第一预测停车位置和第二预测停车位置。
将感知融合目标停车位置、定位输出目标停车位置以及投影输出目标停车位置通过算法程序处理,可以得到最终校正后的目标停车位置,并将目标停车位置输出至泊车控制器和智能投影控制器,以使得调整虚拟车位线的投影角度以支持泊车。其中,算法程序可以为前述实施例中步骤S1-S9的相关内容,此处不再赘述。
以上从不同角度描述了本申请实施例的具体设置和实现方式。利用上述实施例提供的方法,可以在车路面坡度、车位形状不规则或车位线不规范的情况下,将数字投影灯应用于泊车入库过程中停车位置的识别,并根据投影的虚拟车位线的实际呈现结果,对虚拟车位线进行调整。而后利用投影的虚拟车位线进一步区分规则车位和不规则车位,以根据不同类型车位确定理想停车角度,进一步确定理想的目标停车位置。提高了对于理想停车位置的识别精度,弱化了车位形状不规则、车位线不清晰不规范等问题对于泊车的影响。
进一步地,还可以在泊车入库过程中借鉴车辆通过车辆传感器的感知融合输出的理想停车位置,以及车辆结合感知融合和定位信息输出的理想停车位置,对虚拟车位线的投影角度进行实时校正,使得虚拟车位线始终可以指导车辆的泊车入库过程。使得最终输出的目标停车位置结合了不同维度的信息,并且在自动泊车过程中实时检测校正,提高了车位的识别精度以及自动泊车的准确性。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
图6示出根据本申请一实施例的电子设备的结构框图。如图6所示,该电子设备包括:存储器610和处理器620,存储器610内存储有可在处理器620上运行的指令。处理器620执行该指令时实现上述实施例中的方法。存储器610和处理器620的数量可以为一个或多个。该电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
该电子设备还可以包括通信接口630,用于与外界设备进行通信,进行数据交互传输。各个设备利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器620可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器610、处理器620及通信接口630集成在一块芯片上,则存储器610、处理器620及通信接口630可以通过内部接口完成相互间的通信。
应理解的是,上述处理器可以是中央处理器(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processing,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是,处理器可以是支持进阶精简指令集机器(AdvancedRISCMachines,ARM)架构的处理器。
本申请实施例提供了一种计算机可读存储介质(如上述的存储器610),其存储有计算机指令,该程序被处理器执行时实现本申请实施例中提供的方法。
可选的,存储器610可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据识别车道边沿的电子设备的使用所创建的数据等。此外,存储器610可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器610可选包括相对于处理器620远程生成的存储器,这些远程存储器可以通过网络连接至识别车道边沿的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
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)、其他实体类别的随机存取存储器(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、磁盒式磁待,磁待磁磁盘存储或其他磁性存储介质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非暂存电脑可读媒体(TransitoryMedia),如调制的数据信号和载波。
示例性地,控制器或电子设备中的处理器包括自动驾驶域控制模块(Automated-drivingDomainControlModule,ADCM)。
示例性地,本实施例中的车辆可以燃油车、电动车、太阳能车等任何动力驱动的车辆。示例性地,本实施例中的车辆可以为自动驾驶车辆。
本实施例的车辆的其他构成,如车架和车轮的具体结构以及连接紧固部件等,可以采用于本领域普通技术人员现在和未来知悉的各种技术方案,这里不再详细描述。
在本说明书的描述中,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”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到其各种变化或替换,这些都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种基于投影确定停车位置的方法,其特征在于,包括:
根据车辆传感器对实际车位线的识别结果,投影虚拟车位线;
根据所述虚拟车位线与所述实际车位线的重叠度,调整所述虚拟车位线;
根据调整后的虚拟车位线,确定目标停车位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述虚拟车位线与所述实际车位线的重叠度,调整所述虚拟车位线,包括:
在所述虚拟车位线与所述实际车位线的重叠度小于重叠度阈值的情况下,调整投影角度以调整所述虚拟车位线直至所述虚拟车位线与所述实际车位线的重叠度不小于所述重叠度阈值。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述车辆传感器对投影区域的识别结果,确定所述投影区域内的障碍物的位置;
在所述投影区域内的障碍物上存在所述虚拟车位线的投影的情况下,调整投影角度以调整所述虚拟车位线直至所述障碍物上不存在所述虚拟车位线的投影。
4.根据权利要求1所述的方法,其特征在于,所述根据调整后的虚拟车位线,确定目标停车位置,包括:
根据调整后的虚拟车位线,确定车位类型;其中,所述车位类型包括规则车位和不规则车位;
基于所述车位类型和调整后的虚拟车位线,确定所述目标停车位置。
5.根据权利要求4所述的方法,其特征在于,所述根据调整后的虚拟车位线,确定车位类型,包括:
获取调整后的虚拟车位线与预设基准线的夹角,其中,所述夹角包括第一夹角和第二夹角,分别为车位两侧的虚拟车位线与预设基准线的夹角;
确定所述第一夹角和所述第二夹角的角度差的绝对值;
在所述绝对值小于预设角度的情况下,确定所述车位类型为规则车位,反之则为不规则车位。
6.根据权利要求4所述的方法,其特征在于,所述基于所述车位类型和调整后的虚拟车位线,确定所述目标停车位置,包括:
基于所述车位类型和所述调整后的虚拟车位线,确定停车角度;
根据所述停车角度和所述调整后的虚拟车位线,确定所述目标停车位置。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述车辆传感器的感知信息,确定第一预测停车位置;
基于所述车载传感器的感知信息和所述车辆的定位信息,确定第二预测停车位置;
获取所述目标停车位置与所述第一预测停车位置的第一比对结果以及所述目标停车位置与所述第二预测停车位置的第二比对结果;
在所述第一比对结果满足第一预设条件且第二比对结果满足第二预设条件的情况下,将所述目标停车位置确定为校正后的目标停车位置;
在所述第一比对结果不满足第一预设条件和/或第二比对结果不满足第二预设条件的情况下,重新投影虚拟车位线以重新确定目标停车位置;
其中,所述第一预设条件具体为:
所述第一比对结果中所述第一预测停车位置和所述目标停车位置的误差不大于第一阈值且大于第二阈值的持续时间小于预设时间阈值,所述第一阈值大于所述第二阈值;
所述第二预设条件具体为:
所述第二比对结果中所述第二预测停车位置和所述目标停车位置的误差不大于第三阈值且大于第四阈值的持续时间小于预设时间阈值,所述第三阈值大于所述第四阈值。
8.一种基于投影确定停车位置的电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
9.根据权利要求8所述的电子设备,其特征在于,所述处理器包括自动驾驶域控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310050416.3A CN115995161A (zh) | 2023-02-01 | 2023-02-01 | 基于投影确定停车位置的方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310050416.3A CN115995161A (zh) | 2023-02-01 | 2023-02-01 | 基于投影确定停车位置的方法和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115995161A true CN115995161A (zh) | 2023-04-21 |
Family
ID=85993379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310050416.3A Pending CN115995161A (zh) | 2023-02-01 | 2023-02-01 | 基于投影确定停车位置的方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115995161A (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968634A (zh) * | 2012-11-23 | 2013-03-13 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
CN103177246A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 基于动态区域划分的双模型车道线识别方法 |
CN105682973A (zh) * | 2013-10-22 | 2016-06-15 | 日本精机株式会社 | 车辆信息投影系统和投影装置 |
CN109005394A (zh) * | 2018-09-19 | 2018-12-14 | 青岛海信激光显示股份有限公司 | 一种投影图像的校正方法及投影机 |
CN109693666A (zh) * | 2019-02-02 | 2019-04-30 | 中国第一汽车股份有限公司 | 一种用于泊车的人机交互系统及泊车方法 |
CN110085052A (zh) * | 2019-05-10 | 2019-08-02 | 华侨大学 | 一种停车状况显示方法及为停车车辆投放广告方法 |
CN110298924A (zh) * | 2019-05-13 | 2019-10-01 | 西安电子科技大学 | 一种ar系统中用于显示检测信息的坐标变换方法 |
CN110392251A (zh) * | 2018-04-18 | 2019-10-29 | 广景视睿科技(深圳)有限公司 | 一种基于虚拟现实的动态投影方法及系统 |
CN110654375A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 自动泊车方法、装置、系统及车辆 |
CN111829549A (zh) * | 2020-07-30 | 2020-10-27 | 吉林大学 | 一种基于高精度地图的积雪路面虚拟车道线投影方法 |
CN112766216A (zh) * | 2021-01-29 | 2021-05-07 | 深圳市捷顺科技实业股份有限公司 | 车辆驶入停车位检测方法、装置、电子设备及存储介质 |
CN112824183A (zh) * | 2019-11-20 | 2021-05-21 | 华为技术有限公司 | 一种自动泊车交互方法及装置 |
CN113255405A (zh) * | 2020-02-12 | 2021-08-13 | 广州汽车集团股份有限公司 | 车位线识别方法及其系统、车位线识别设备、存储介质 |
CN113895429A (zh) * | 2021-10-29 | 2022-01-07 | 集度汽车有限公司 | 一种自动泊车方法、系统、终端及存储介质 |
CN114077306A (zh) * | 2020-08-18 | 2022-02-22 | 三星电子株式会社 | 实现内容可视化的装置和方法 |
CN114708571A (zh) * | 2022-03-07 | 2022-07-05 | 深圳市德驰微视技术有限公司 | 基于域控制器平台的自动泊车的停车位标注方法及装置 |
CN114742914A (zh) * | 2022-04-15 | 2022-07-12 | 苏州挚途科技有限公司 | 车道线生成的方法、装置及电子设备 |
CN115273525A (zh) * | 2022-05-17 | 2022-11-01 | 岚图汽车科技有限公司 | 一种停车位映射显示方法和系统 |
CN115376355A (zh) * | 2021-05-18 | 2022-11-22 | 福特全球技术公司 | 投影虚拟停车线的系统和方法 |
CN115909271A (zh) * | 2022-11-10 | 2023-04-04 | 芜湖雄狮汽车科技有限公司 | 停车位识别方法、装置、车辆及存储介质 |
CN117576652A (zh) * | 2024-01-19 | 2024-02-20 | 福思(杭州)智能科技有限公司 | 道路对象的识别方法、装置和存储介质及电子设备 |
CN117611438A (zh) * | 2023-12-06 | 2024-02-27 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 一种基于单目图像的2d车道线到3d车道线的重构方法 |
-
2023
- 2023-02-01 CN CN202310050416.3A patent/CN115995161A/zh active Pending
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968634A (zh) * | 2012-11-23 | 2013-03-13 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
CN103177246A (zh) * | 2013-03-26 | 2013-06-26 | 北京理工大学 | 基于动态区域划分的双模型车道线识别方法 |
CN105682973A (zh) * | 2013-10-22 | 2016-06-15 | 日本精机株式会社 | 车辆信息投影系统和投影装置 |
CN110392251A (zh) * | 2018-04-18 | 2019-10-29 | 广景视睿科技(深圳)有限公司 | 一种基于虚拟现实的动态投影方法及系统 |
CN110654375A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 自动泊车方法、装置、系统及车辆 |
CN109005394A (zh) * | 2018-09-19 | 2018-12-14 | 青岛海信激光显示股份有限公司 | 一种投影图像的校正方法及投影机 |
CN109693666A (zh) * | 2019-02-02 | 2019-04-30 | 中国第一汽车股份有限公司 | 一种用于泊车的人机交互系统及泊车方法 |
CN110085052A (zh) * | 2019-05-10 | 2019-08-02 | 华侨大学 | 一种停车状况显示方法及为停车车辆投放广告方法 |
CN110298924A (zh) * | 2019-05-13 | 2019-10-01 | 西安电子科技大学 | 一种ar系统中用于显示检测信息的坐标变换方法 |
CN112824183A (zh) * | 2019-11-20 | 2021-05-21 | 华为技术有限公司 | 一种自动泊车交互方法及装置 |
CN113255405A (zh) * | 2020-02-12 | 2021-08-13 | 广州汽车集团股份有限公司 | 车位线识别方法及其系统、车位线识别设备、存储介质 |
CN111829549A (zh) * | 2020-07-30 | 2020-10-27 | 吉林大学 | 一种基于高精度地图的积雪路面虚拟车道线投影方法 |
CN114077306A (zh) * | 2020-08-18 | 2022-02-22 | 三星电子株式会社 | 实现内容可视化的装置和方法 |
CN112766216A (zh) * | 2021-01-29 | 2021-05-07 | 深圳市捷顺科技实业股份有限公司 | 车辆驶入停车位检测方法、装置、电子设备及存储介质 |
CN115376355A (zh) * | 2021-05-18 | 2022-11-22 | 福特全球技术公司 | 投影虚拟停车线的系统和方法 |
CN113895429A (zh) * | 2021-10-29 | 2022-01-07 | 集度汽车有限公司 | 一种自动泊车方法、系统、终端及存储介质 |
CN114708571A (zh) * | 2022-03-07 | 2022-07-05 | 深圳市德驰微视技术有限公司 | 基于域控制器平台的自动泊车的停车位标注方法及装置 |
CN114742914A (zh) * | 2022-04-15 | 2022-07-12 | 苏州挚途科技有限公司 | 车道线生成的方法、装置及电子设备 |
CN115273525A (zh) * | 2022-05-17 | 2022-11-01 | 岚图汽车科技有限公司 | 一种停车位映射显示方法和系统 |
CN115909271A (zh) * | 2022-11-10 | 2023-04-04 | 芜湖雄狮汽车科技有限公司 | 停车位识别方法、装置、车辆及存储介质 |
CN117611438A (zh) * | 2023-12-06 | 2024-02-27 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 一种基于单目图像的2d车道线到3d车道线的重构方法 |
CN117576652A (zh) * | 2024-01-19 | 2024-02-20 | 福思(杭州)智能科技有限公司 | 道路对象的识别方法、装置和存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11210534B2 (en) | Method for position detection, device, and storage medium | |
US11415994B2 (en) | Method and apparatus for planning travelling path, and vehicle | |
US11506769B2 (en) | Method and device for detecting precision of internal parameter of laser radar | |
EP3819194B1 (en) | Automatic parking method and apparatus, and electronic device | |
US10789719B2 (en) | Method and apparatus for detection of false alarm obstacle | |
US20220371602A1 (en) | Vehicle positioning method, apparatus, and controller, intelligent vehicle, and system | |
US11474243B2 (en) | Self-calibrating sensor system for a wheeled vehicle | |
CN110176038B (zh) | 校准车辆的摄像头的方法、系统和存储介质 | |
CN110867132A (zh) | 环境感知的方法、装置、电子设备和计算机可读存储介质 | |
EP4006486A1 (en) | Monocular vision distance measurement method, storage medium, and monocular camera | |
CN113771839B (zh) | 一种自动泊车决策规划方法及系统 | |
CN115995161A (zh) | 基于投影确定停车位置的方法和电子设备 | |
US20180060671A1 (en) | Image processing device, imaging device, equipment control system, equipment, image processing method, and recording medium storing program | |
EP3957548B1 (en) | System and mehtod for avoiding collision based on vision | |
CN112733697B (zh) | 一种车辆偏航角确定方法和装置 | |
US20220326343A1 (en) | Detection or correction for multipath reflection | |
CN116559899A (zh) | 自动驾驶车辆的融合定位方法、装置和电子设备 | |
CN116823931A (zh) | 车辆的初始航向角计算方法、装置及电子设备 | |
CN115649178A (zh) | 道路边界检测方法和电子设备 | |
CN117765496A (zh) | 一种路面坡度计算方法、装置、终端及介质 | |
CN114274948A (zh) | 一种基于360度全景的自动泊车方法及装置 | |
CN117841984A (zh) | 泊车方法、装置、设备和存储介质 | |
CN117657166A (zh) | 车辆可行驶区域的识别方法和电子设备 | |
CN116757918A (zh) | 一种基于双目立体视觉的车辆剐蹭识别方法和装置 | |
CN115511975A (zh) | 一种单目相机的测距方法及计算机程序产品 |
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 |