CN116048067A - 停车路径规划方法、装置、车辆以及存储介质 - Google Patents
停车路径规划方法、装置、车辆以及存储介质 Download PDFInfo
- Publication number
- CN116048067A CN116048067A CN202211616860.9A CN202211616860A CN116048067A CN 116048067 A CN116048067 A CN 116048067A CN 202211616860 A CN202211616860 A CN 202211616860A CN 116048067 A CN116048067 A CN 116048067A
- Authority
- CN
- China
- Prior art keywords
- slope
- point
- vehicle
- target
- path
- 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 48
- 230000008447 perception Effects 0.000 claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 description 28
- 230000004927 fusion Effects 0.000 description 15
- 238000013507 mapping Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000007704 transition Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000016776 visual perception Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种停车路径规划方法、装置、车辆以及存储介质。该方法包括:在确定车辆驶入目标停车场后,获取车辆的环境数据,车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息;基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图,以及,基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图;基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。本申请实施例提供的技术方案,可以实现在存在坡道区域的目标停车场的自主导航与自动泊车,提高了自动驾驶的智能性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种停车路径规划方法、装置、车辆以及存储介质。
背景技术
目前,车辆在室内停车场行驶时,需要依赖准确的电子地图,才能实现在室内停车场的自主导航与自动泊车。
相关技术提供的停车路径规划方法通常如下:获取室内停车场内的感知目标的位置信息,然后基于上述位置信息生成电子地图,最后依赖生成的电子地图完成停车路径规划。
然而,上述停车路径规划方案不适用于多层停车场,也即无法生成多层停车场的电子地图,使得后续的停车路径规划无法顺利完成。
发明内容
本申请提出了一种停车路径规划方法、装置、车辆以及存储介质。
第一方面,本申请实施例提供一种停车路径规划方法,方法包括:在确定车辆驶入目标停车场后,获取车辆的环境数据,车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息;基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图,以及,基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图;基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
第二方面,本申请实施例提供一种停车路径规划装置,该装置包括:数据获取模块,用于在确定车辆驶入目标停车场后,获取车辆的环境数据,车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息;第一地图获取模块,用于基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图;第二地图获取模块,用于基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图;路径规划模块,用于基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
第三方面,本申请实施例提供一种车辆,包括:一个或多个处理器;存储器;一个或多个应用程序,其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于执行如第一方面所述的停车路径规划方法。
第四方面,本申请实施例提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序指令,计算机程序指令可被处理器调用执行如第一方面的停车路径规划方法。
第五方面,本申请实施例提供一种计算机程序产品,当该计算机程序产品被执行时,器用于实现如第一方面所述的停车路径规划方法。
相较于现有技术,本申请实施例提供的停车路径规划方法,车辆在进入目标停车场后,通过融合感知模块感知车辆的环境数据,上述环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息,车辆通过上述感知目标的空间位置信息分别生成目标停车场中坡道区域的电子地图以及平地区域的电子地图,最后车辆可以基于上述坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置数据进行停车路径规划,从而实现在存在坡道区域的目标停车场的自主导航与自动泊车,提高了自动驾驶的智能性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的实施环境的示意图。
图2是本申请一个实施例提供的一种停车路径规划方法的流程图。
图3是本申请一个实施例提供的另一种停车路径规划方法的流程图。
图4是本申请一个实施例提供的路径点划分的示意图。
图5是本申请一个实施例提供的另一种停车路径规划方法的流程图。
图6是本申请一个实施例提供的一种停车路径规划装置的结构框图。
图7是本申请一个实施例提供的一种车辆的结构框图。
图8是本申请一个实施例提供的计算机存储介质的结构框图。
具体实施方式
下面详细描述本申请的实施方式,实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地,仅用于解释本申请,而不能理解为对本申请的限制。
为了使本技术领域的人员更好地理解本申请的方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅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。
请参阅图1,其示出本申请一个实施例提供的实施环境的示意图。该实施环境包括车辆100,车辆100是指以动力装置驱动或者牵引,供人员乘用或者用于运送物品的交通工具,其包括但不限于小轿车、运动型多用途汽车(Suburban Utility Vehicle,SUV)、多用途汽车(Multi-Purpose Vehicle,MPV)等等。
在本申请实施例中,车辆100包括融合感知模块,融合感知模块用于感知车辆100的环境数据,包括且不限于:车辆100所行驶的道路信息(比如道路边界、交通信号灯、交通指示牌、交通锥、减速带)、车辆100周侧的障碍物(比如车辆、行人、树木、动物等等)信息。在一些实施例中,车辆100包括视觉感知子模块、雷达感知子模块。
视觉感知子模块用于拍摄车辆100的环境图像,视觉感知子模块可以是设置在车辆100上的行车记录仪,也可以是环视摄像头。雷达感知子模块用于探测车辆100周侧的障碍物的与车辆100之间的距离、障碍物的形状、障碍物相对于车辆100的角度、障碍物的速度等参数。雷达感知子模块可以包括以下一项或多项:激光雷达、毫米波雷达、超声波雷达等等。上述雷达感知子模块使车辆100具备三维感知能力,车辆100在起伏地面(比如上下坡)也能准确判断障碍物的位置。
在本申请实施例中,车辆100还包括建图模块,建图模块用于基于融合感知模块获取的环境数据生成电子地图。可选地,建图模块通过同步定位与建图(SimultaneousLocalization and Mapping,SLAM)技术建立电子地图。在本申请实施例中,车辆100还包括存储模块,存储模块用于存储生成的电子地图,还可以存储已经使用过的电子地图。
在本申请实施例中,车辆100还包括路径规划模块,路径规划模块用于基于融合感知模块获取的环境数据对车辆的行驶路径进行规划。在一些实施例中,车辆100包括多个路径规划子模块,不同路径规划子模块用于基于车辆100的不同行驶场景进行路径规划。上述行驶场景可以包括:长直道场景、转弯场景、路口场景、窄路会车场景等等。不同路径规划子模块采用的路径规划算法可以相同,也可以不相同。路径规划算法包括以下至少一项:线性二次型调节器(Linear Quadratic Regulator,LQR)算法、模型预测控制(ModelPredictive Control,MPC)算法、迭代线性-二次型调节器(Iterative LQR)算法等等、受约束迭代线性二次调价器(Constrainer Iterative Linear Quadratic Regulator,CILQR)算法等等。
在本申请实施例中,车辆100在进入目标停车场后,会基于融合感知模块感知到的环境数据分别生成目标停车场中坡道区域的电子地图,以及平地区域的电子地图,从而得到整个目标停车场的电子地图,之后车辆100可以基于该电子地图以及融合感知模块感知到的环境数据进行停车路径规划,从而实现在目标停车场中的自主导航与自动泊车。
在一些实施例中,车辆100还包括定位模块,通过定位模块来定位车辆100当前所处的位置,也即经纬度信息。上述定位模块可以是全球定位系统(Global PositioningSystem,GPS)模块。在一些实施例中,车辆100还包括传感器感知模块,传感器感知子模块用于感知车辆100的行驶参数。传感器感知模块包括且不限于:速度传感器、加速度传感器、轮速传感器、温度传感器等等。
图2是本申请实施例提供的停车路径规划方法的流程图。该方法包括如下步骤S201-S204。
步骤S201,在确定车辆驶入目标停车场后,获取车辆的环境数据。
目标停车场可以是多层停车场,其包括多个坡道区域和多个平地区域,其中,坡道区域用于承接相邻两个平地区域,比如,多层停车场的一层和二层之间存在一个坡道区域,二层和三层之间存在一个坡道区域。目标停车场也可以是一层停车场,该一层停车场的平地区域(也即停车区域)与车辆驶入目标停车场前的高度不相同,因此需要一个坡道区域来承接目标停车场的停车区域与车辆的外界行驶位置。比如,目标停车场为地下停车场,则目标停车场的入口处存在坡道区域。车辆可以通过如下几种实现方式来检测自身是否驶入目标停车场。
在一些实施例中,车辆获取当前的定位信号,在当前的定位信号的信号强度小于预设强度后,确定车辆进入目标停车场。预设强度根据实验或经验设定,本申请实施例对此不作限定。目标停车场通常为半封闭环境,其内的定位信号受限于墙壁的阻挡,通常信号较弱,因此可以基于定位信号的信号强弱来确定车辆是否进入目标停车场。
在另一些实施例中,车辆通过视觉传感器采集环境图像,对环境图像进行图像识别,在识别出环境图像中包括预设停车场标识的情况下,确定车辆进入停车场。上述预设停车场标识可以是约定俗成的符号、文字、图像标识等等,比如上述预设停车场标识为“P”,再比如,上述预设停车场标识为“xx停车场”,本申请实施例对图像识别所采用的算法不作限定。在该实施例中,车辆可以进一步检测是否存在入坡点,在确定存在入坡点的情况下,确定车辆驶入目标停车场。其中,车辆检测入坡点的方式具体如下:获取行驶路径上多个路径点的高度信息,基于上述多个路径点的高度信息分别计算多个路径点的斜率,在存在路径点的斜率处于预设斜率区间的情况下,确定存在入坡点,入坡点也即是上述斜率处于预设斜率区间的路径点。行驶路径可以是车辆默认确定的。
在一些实施例中,车辆检测自身的行驶方向上是否存在闸机,在检测出闸机的情况下,确定车辆进入停车场。车辆可以通过如下方式检测是否存在闸机:第一种,车辆拍摄环境图像,然后识别环境图像中是否包括闸机。第二种,车辆通过激光雷达探测是否存在闸机。在该实施例中,车辆可以进一步检测是否存在入坡点,在确定存在入坡点的情况下,确定车辆驶入目标停车场。
车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息。感知目标包括且不限于:墙壁、墙柱、车位线、交通锥、减速带、默认路径上的路径点。感知目标的空间位置信息包括第一感知目标的位置信息以及高度信息,该位置信息可以通过经纬度信息来表示,也可以基于指定坐标系来表示,比如,上述指定坐标系是以车辆的当前位置为原点建立的空间直角坐标系。在本申请实施例中,车辆包括融合感知模块,车辆通过融合感知模块获取第一感知目标相对于车辆的角度、与车辆之间的距离,然后基于车辆的当前位置、上述感知目标相对于车辆的角度、感知目标与车辆之间的距离计算感知目标的空间位置信息。障碍物包括行人、其他车辆以及动物。障碍物的空间位置信息包括障碍物的位置信息以及高度信息。同样地,车辆通过融合感知模块获取障碍物相对于车辆的角度、与车辆之间的距离,然后基于车辆的当前位置、上述障碍物相对于车辆的角度、障碍物与车辆之间的距离计算障碍物的空间位置信息。
在一些实施例中,车辆在行驶过程中,每隔预定周期通过融合感知模块获取车辆的环境数据,上述预定周期与自动驾驶等级之间为负相关关系,比如自动驾驶等级越高(比如L4、L5)时,上述预定周期可以较短。再比如,自动驾驶等级较低(比如L1、L2)时,上述预定周期可以较长。
步骤S202,基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图。
车辆进入目标停车场后,会基于感知目标的空间位置信息生成坡道区域的电子地图。坡道区域的电子地图的生成方式将在下文实施例进行阐述。需要说明的是,由于融合感知模块的感知范围存在局限性,上述坡道区域的电子地图可以不是一次性生成的,而是随着车辆的行驶逐步生成的。
在一些实施例中,目标停车场中坡道区域的电子地图可以为栅格形式的,该栅格形式的电子地图标注有车辆的可通行区域,以及其他导航元素的图像标识。导航元素是指影响车辆的行驶路径的元素,包括且不限于:墙体、墙柱、减速带、闸机、车位线、交通锥以及其他固定设施等等。上述导航元素的图像标识可以是预先确定的。导航元素的图像标识在栅格形式的电子地图上的尺寸,可以根据导航元素的实际尺寸与栅格形式的电子地图的比例尺实际确定。
在另一些实施例中,目标停车场中坡道区域的电子地图可以为矢量地图,矢量地图包括上述导航元素对应的矢量图形,矢量图形的尺寸导航元素的实际尺寸与栅格形式的电子地图的比例尺实际确定。矢量地图具有轻量化的优点,从而支持车辆生成覆盖范围更广的电子地图。
在一些实施例中,在执行步骤S202之前,车辆可以向服务器发送地图获取请求,地图获取请求用于请求获取目标停车场的电子地图,地图获取请求携带目标停车场的兴趣点标签,服务器可以基于该地图获取请求查询是否存在目标停车场的电子地图,在查询到存在目标停车场的电子地图后,向车辆发送上述目标停车场的电子地图,在未查询到目标停车场的电子地图的情况下,向车辆发送建图提醒,车辆基于该建图提醒从步骤S202开始执行。其中,车辆可以基于第一映射关系确定目标停车场的兴趣点标签,第一映射关系是不同位置信息与不同停车场的兴趣点的标签之间的映射关系,上述位置信息是指车辆的当前位置,其可以近似认为是目标停车场的位置信息。服务器可以基于第二映射关系检测是否存在目标停车场的电子地图,第二映射关系包括不同兴趣点标签与不同电子地图之间的映射关系。
可选地,车辆存储有指定停车场的电子地图,指定停车场可以是停车频次大于预设频次的停车场,比如小区内停车场,公司写字楼对应的停车场,车辆先检测目标停车场是否为指定停车场,若目标停车场不为指定停车场,则向服务器发送地图获取请求,若目标停车场为指定停车场,则直接从本地读取目标停车场的电子地图。
步骤S203,基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图。
车辆进入目标停车场后,会基于平地区域中的第二感知目标的空间位置信息生成平地区域的电子地图。平地区域的电子地图的生成方式将在下文实施例进行阐述。同样地,由于融合感知模块的感知范围存在局限性,上述平地区域的电子地图可以不是一次性生成的,而是随着车辆的行驶逐步生成的。
在本申请实施例中,平地区域的电子地图的类型与坡道区域的电子地图的类型相同。在坡道区域的电子地图为栅格形式的电子地图的情况下,平地区域的电子地图也为栅格形式的电子地图。在坡道区域的电子地图为矢量地图的情况下,上述平地区域的电子地图也为矢量地图。
需要说明的是,步骤S202和步骤S203的执行顺序是根据车辆的行驶情况实际确定的。比如,车辆行驶先经过坡道区域再经过平地区域,则先执行步骤S202,再执行步骤S203。具体地,车辆行驶先经过平地区域再经过坡道区域,则先执行步骤S203,再执行步骤S202。
步骤S204,基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
车辆的规划路径是指车辆的当前位置到指定停车位置(目标车位的附近)之间的路径,其包括多个停车路径点的空间位置信息,以及车辆行驶在每个停车路径点的期望行驶参数,上述行驶参数包括:车辆的期望行驶速度、期望行驶加速度、期望方向盘转角等等。车辆按照多个停车路径点的期望行驶参数行驶,即可顺利行驶至指定停车位置,之后车辆进入自动泊车模式,将车辆驶入目标车位。
综上所述,本申请实施例提供的技术方案,车辆在进入目标停车场后,通过融合感知模块感知车辆的环境数据,上述环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息,车辆通过上述感知目标的空间位置信息分别生成目标停车场中坡道区域的电子地图以及平地区域的电子地图,最后车辆可以基于上述坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置数据进行停车路径规划,从而实现在存在坡道区域的目标停车场的自主导航与自动泊车,提高了自动驾驶的智能性。
下面对坡道区域的电子地图的生成过程和平地区域的电子地图的生成过程分别进行阐述。在基于图2实施例提供的可选实施例中,图2中的步骤S202可以替换实现为步骤S302-S305,图2中的步骤S203可以替换实现为步骤S306。
请参考图3,其示出本申请一个实施例提供的停车路径规划方法的流程图。该方法包括如下步骤S301-S307。
步骤S301,在确定车辆驶入目标停车场后,获取车辆的环境数据。
车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息。在本申请实施例中,感知目标包括多个路径点,该路径点可以是默认路径中的路径点。默认路径可以是一条,比如上述默认路径可以是垂直于车辆的前轴的行驶路径,也可以是车辆当前行驶的道路的中心线(可以是道路上直接标记的,也可以是计算得到的)。默认路径也可以是多条,比如基于车辆当前行驶的道路的宽度划分(比如均分)的多条路径,每条路径均平行于上述道路的道路边界。路径点的空间位置信息包括路径点的位置信息以及高度信息。
步骤S302,基于多个路径点的高度信息将多个路径点划分为平地点和坡道点。
平地点是指平地区域的路径点。坡道点是指坡道区域的路径点。车辆对多个路径点的高度信息进行聚类处理,根据聚类处理结果将多个路径点划分为平地点和坡道点。聚类处理是按照某个特定标准把一个数据集分割成不同的类或簇的过程。
在一些实施例中,车辆将路径点的高度信息属于指定高度区间的路径点确定为坡道点,将指定高度区间之外的点确定为平地点。上述指定高度区间的边界值可以根据实际经验设定,本申请实施例对此不作限定。
在另一些实施例中,车辆将多个路径点的高度信息按照由小到大的顺序依次排序,然后将多个路径点划分为n组,n小于路径点的数量,每组包括高度信息相邻的至少两个路径点,然后分别计算每组的方差,将方差小于预定数值的组中的路径点确定为平地点,将方差大于预定数值的组中的路径点确定为坡道点。预定数值根据实验或经验设定,本申请实施例对此不作限定。
结合参考图4,其示出本申请一个实施例提供的确定坡道区域的示意图。在图4中的(a)部分,车辆基于各个路径点的高度信息划分坡道点和路径点,其中,两条虚线之间的路径点为坡道点,两条虚线之外的路径点为坡道点。
步骤S303,基于多个路径点的高度信息在坡道点中确定入坡点。
入坡点是指第一平地区域与坡道区域之间的第一过渡区域中的路径点。在一些实施例中,步骤S303可以实现为如下子步骤。
步骤S303a,基于多个路径点的高度信息在坡道点中确定候选入坡点。
在一些实施例中,候选入坡点可以根据车辆的当前高度以及上述坡道点的高度信息确定。比如,在车辆的当前高度大于每一坡道点的高度信息的情况下(也即车辆的前方为下坡区域),将高度信息最大的坡道点确定为候选入坡点。再比如,在车辆的当前高度小于每一坡道点的高度信息的情况下(也即车辆的前方为上坡区域),将高度信息最小的坡道点确定为候选入坡点。
请再次参阅图4,在图4中的(b)部分,车辆的前方为下坡区域,车辆将高度信息最大的坡道点A确定为候选入坡点。
步骤S303b,获取候选入坡点的斜率。
在一些实施例中,车辆基于多个路径点的高度信息进行拟合,得到拟合函数,然后确定拟合函数的导函数,然后将候选入坡点的高度信息依次代入上述导函数,即可求得候选入坡点的斜率。
步骤S303c,在候选入坡点的斜率属于第一斜率区间的情况下,将候选入坡点确定为入坡点。
在本申请实施例中,上述第一斜率区间的下边界值可以是根据平地区域的路径点的斜率统计得到的,比如,该下边界值是指平地区域的路径点的斜率的最大值或者均值。第一斜率区间的上边界值可以是根据坡道区域的路径点的斜率统计得到的,比如,该上边界值是指坡道区域的路径点的斜率的最小值或者均值。
在候选入坡点的斜率属于上述第一斜率区间的情况下,则说明候选入坡点有较大概率是第一平地区域与坡道区域之间的第一过渡区域的点,可以近似认为是入坡点。
步骤S303d,在候选入坡点的斜率不属于第一斜率区间的情况下,基于候选入坡点以及多个路径点的斜率,以候选入坡点为起点搜索入坡点。
在候选入坡点的斜率小于上述第一斜率区间的下边界值的情况下,说明候选入坡点大概率是平地区域中的路径点,此时需要继续搜索入坡点。具体地,当车辆的前方为上坡区域的情况下,可以将与候选入坡点的高度相邻,且高度信息大于候选入坡点的高度信息的路径点重新确定为候选入坡点,然后继续基于第一斜率区间来确定更新后的候选入坡点是否为入坡点,直至确定出入坡点。当车辆的前方为下坡区域的情况下,可以将与候选入坡点的高度相邻,且高度信息小于候选入坡点的高度信息的路径点重新确定为候选入坡点,然后继续基于第一斜率区间来确定更新后的候选入坡点是否为入坡点,直至确定出入坡点。
在候选入坡点的斜率大于上述第一斜率区间的上边界值的情况下,说明候选入坡点大概率是坡道区域中的路径点,此时需要继续搜索入坡点。具体地,当车辆的前方为上坡区域的情况下,可以将与候选入坡点的高度相邻,且高度信息小于候选入坡点的高度信息的路径点重新确定为候选入坡点,然后继续基于第一斜率区间来确定更新后的候选入坡点是否为入坡点,直至确定出入坡点。当车辆的前方为下坡区域的情况下,可以将与候选入坡点的高度相邻,且高度信息大于候选入坡点的高度信息的路径点重新确定为候选入坡点,然后继续基于第一斜率区间来确定更新后的候选入坡点是否为入坡点,直至确定出入坡点。
请再次参阅图4,在图4中的(c)部分,车辆基于候选入坡点A进行搜索,最终确定出入坡点C。
步骤S304,基于多个路径点的高度信息在坡道点中确定出坡点。
出坡点是指第二平地区域与坡道区域之间的第二过渡区域中的路径点。第一平地区域和第二平地区域不相同。在一些实施例中,步骤S304可以实现为如下子步骤。
步骤S304a,基于多个路径点的高度信息在坡道点中确定候选出坡点。
在一些实施例中,候选出坡点可以根据车辆的当前高度以及上述坡道点的高度信息确定。比如,在车辆的当前高度大于每一坡道点的高度信息的情况下(也即车辆的前方为下坡区域),将高度信息最小的坡道点确定为候选出坡点。再比如,在车辆的当前高度小于每一坡道点的高度信息的情况下(也即车辆的前方为上坡区域),将高度信息最大的坡道点确定为候选出坡点。
请再次参阅图4,在图4中的(b)部分,车辆将高度信息最小的坡道点B确定为候选出坡点。
步骤S304b,获取候选出坡点的斜率。
步骤S304c,在候选出坡点的斜率属于第二斜率区间的情况下,将候选出坡点确定为出坡点。
在本申请实施例中,上述第二斜率区间的下边界值可以是根据平地区域的路径点的斜率统计得到的,比如,该下边界值是指平地区域的路径点的斜率的最大值或者均值。第二斜率区间的上边界值可以是根据坡道区域的路径点的斜率统计得到的,比如,该上边界值是指坡道区域的路径点的斜率的最小值或者均值。第一斜率区间和第二斜率区间可以相同,也可以不相同。
在候选出坡点的斜率属于上述第一斜率区间的情况下,则说明候选出坡点有较大概率是第二平地区域与坡道区域之间的第二过渡区域的点,可以近似认为是出坡点。
步骤S304d,在候选出坡点的斜率不属于第二斜率区间的情况下,基于候选出坡点以及路径点的斜率,以候选出坡点为起点搜索出坡点。
在候选出坡点的斜率小于上述第二斜率区间的下边界值的情况下,说明候选出坡点大概率是平地区域中的路径点,此时需要继续搜索出坡点。具体地,当车辆的前方为上坡区域的情况下,可以将与候选出坡点的高度相邻,且高度信息小于候选出坡点的高度信息的路径点重新确定为候选出坡点,然后继续基于第二斜率区间来确定更新后的候选出坡点是否为出坡点,直至确定出出坡点。当车辆的前方为下坡区域的情况下,可以将与候选出坡点的高度相邻,且高度信息大于候选出坡点的高度信息的路径点重新确定为候选出坡点,然后继续基于第二斜率区间来确定更新后的候选出坡点是否为出坡点,直至确定出出坡点。
在候选出坡点的斜率大于上述第二斜率区间的上边界值的情况下,说明候选出坡点大概率是坡道区域中的路径点,此时需要继续搜索出坡点。具体地,当车辆的前方为上坡区域的情况下,可以将与候选出坡点的高度相邻,且高度信息大于候选出坡点的高度信息的路径点重新确定为候选出坡点,然后继续基于第二斜率区间来确定更新后的候选出坡点是否为出坡点,直至确定出出坡点。当车辆的前方为下坡区域的情况下,可以将与候选出坡点的高度相邻,且高度信息小于候选出坡点的高度信息的路径点重新确定为候选出坡点,然后继续基于第二斜率区间来确定更新后的候选出坡点是否为出坡点,直至确定出出坡点。
请再次参阅图4,在图4中的(b)部分,车辆基于候选出坡点B进行搜索,最终确定出出坡点D。入坡点C和出坡点D之间的区域也即坡道区域。
步骤S305,基于入坡点、出坡点以及第一指定感知目标的空间位置信息,生成坡道区域的电子地图。
第一指定感知目标是指基于入坡点和出坡点确定的坡道区域内的感知目标。需要说明的是,在默认路径为一条的情况下,车辆获取第一直线和第二直线,将上述第一直线和第二直线之间的区域确定为坡道区域。该第一直线为经过入坡点且垂直于车辆所行驶的道路的道路边界的直线,第二直线为经过出坡点且垂直于车辆所行驶的道路的道路边界的直线。在默认路径为多条的情况下,车辆通过上述步骤S302-S304计算每条默认路径的出坡点以及入坡点,然后获取第一曲线和第二曲线,将上述第一曲线和第二曲线之间的区域确定为坡道区域。第一曲线是指经过多条默认路径分别对应的出坡点的曲线,第二曲线是指经过多条默认路径分别对应的入坡点的曲线。
在本申请实施例中,车辆通过同步定位与建图技术,并基于入坡点、出坡点以及第一指定感知目标的空间位置信息,生成坡道区域的电子地图。
步骤S306,基于入坡点、出坡点以及第二指定感知目标的空间位置信息,生成平地区域的电子地图。
第二指定感知目标是指基于入坡点和出坡点确定的平地区域内的感知目标。上述平地区域是指坡道区域之外的区域。在本申请实施例中,车辆通过同步定位与建图技术,并基于入坡点、出坡点以及第二指定感知目标的空间位置信息,生成平地区域的电子地图。
步骤S307,基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
综上所述,本申请实施例提供的技术方案,通过路径点的高度信息可以精确确定目标停车场中的坡道区域和平地区域,从而使生成的电子地图更准确。
下面对坡道区域的电子地图的生成过程和平地区域的电子地图的生成过程分别进行阐述。在基于图2或图3实施例提供的可选实施例中,图2中的步骤S204或者图3实施例中的步骤S307可以替换实现为步骤S504-S505。
请参考图5,其示出本申请一个实施例提供的停车路径规划方法的流程图。该方法包括如下步骤S501-S505。
步骤S501,在确定车辆驶入目标停车场后,获取所述车辆的环境数据。
车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息。
步骤S502,基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图。
步骤S503,基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图。
步骤S504,确定目标车位。
目标车位是指未停放车辆的车位。车辆可以通过如下一种或几种方式来确定目标车位。
在一些实施例中,上述目标车位是车辆预先存储的车位,比如,车辆可以记录驾驶员租赁或购买的车位,并将上述车位的车位标识以及位置信息对应存储,此时,车辆可以直接从本地读取目标车位以及目标车位的位置信息。
在另一些实施例中,上述目标车位是车辆根据历史停车记录确定的。比如,车辆获取历史停车记录,将历史停车记录中停车次数最多的车位确定为目标车位。
在另一些实施例中,目标停车场的入口处的电子显示屏显示有未停放车辆的一个或多个车位,车辆在目标停车场的入口处拍摄第一环境图像,然后基于第一环境图像进行识别,从而在上述一个或多个车位中确定目标车位。
在另一些实施例中,车辆在目标停车场拍摄第二环境图像,然后基于第二环境图像进行识别,从而确定未停放车辆的车位,然后车辆进一步基于融合感知模块感知到的环境数据检测上述未停放车辆的车位是否满足无碰撞停放条件,在确定满足无碰撞停放条件的情况下,将上述未停放车辆的车位确定为目标车位。
步骤S505,基于坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
规划停车路径是指车辆的当前位置到目标车位之间的路径。在一些实施例中,规划停车路径是指车辆的当前位置到目标车位的指定位置之间的路径,上述指定位置可以是目标车位的正前方。
在一些实施例中,步骤S505可以替换实现为如下子步骤:
步骤S505a,基于坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置信息确定车辆的行驶场景。
车辆的行驶场景包括以下至少一项:直行场景、会车场景、避障场景、转弯场景、路口场景。其中,直行场景是指车辆的规划停车路径中存在长直道,该长直道平行于车辆的行驶方向。会车场景是指存在其他车辆与车辆相向而行。避障场景是指车辆的行驶方向上存在障碍物。转弯场景是指车辆的规划停车路径中存在转弯。路口场景是指车辆的规划停车路径中存在路口。
步骤S505b,获取车辆的行驶场景对应的目标路径规划子模块。
在本申请实施例中,通过不同的路径规划子模块对车辆的不同行驶场景进行路径规划,从而使得路径规划更为灵活,更能适应场景变化。不同行驶场景对应的目标路径规划子模块所采用的路径规划算法可以相同,也可以不相同。
步骤S505c,基于目标路径规划子模块进行路径规划,得到车辆的规划停车路径。
在一些实施例中,车辆在直行场景下,直行场景对应的路径规划子模块可以获取限速值,然后基于限速值确定目标速度,该目标速度小于上述限速值,之后车辆可以按照该目标速度在长直道上匀速行驶。
在一些实施例中,车辆在会车场景下,会车场景对应的路径规划子模块通过如下方式进行路径规划:基于车辆自身的行驶参数、其他车辆的行驶参数、道路信息确定会车位置,之后车辆基于当前位置、会车位置、当前行驶参数以及行驶在会车位置的第一期望行驶参数进行路径规划。车辆行驶在该会车位置的情况下,车辆远离第一道路边界的一侧与第二道路边界之间的距离大于预设横向距离,以使得其他车辆能在无碰撞的情况下顺利通过,会车位置可以在车辆的行驶方向的前方,也可以在车辆的行驶方向的后方。
在一些实施例中,车辆在路口场景下,可以确定自身存在直行需求还是转弯需求,在存在直行需求的情况下,基于探测到的障碍物信息(比如与车辆的行驶方向垂直的道路中的车辆)进行路径规划,在存在转弯需求的情况下,可以先确定第一目标位置(转弯至另一道路的起点位置),然后基于当前位置和第一目标位置确定第一行驶曲线(比如贝塞尔曲线),最后基于该第一行驶曲线进行路径规划。
在一些实施例中,车辆在避障场景下,可以先基于障碍物的位置信息以及形状信息拟合绕行区域,然后基于该绕行区域确定第二目标位置,然后基于当前位置和第二目标位置确定第二行驶曲线(比如贝塞尔曲线),最后基于该第二行驶曲线进行路径规划。
综上所述,本申请实施例提供的技术方案,针对不同的行驶场景采用不同的路径规划方案,使得路径规划更灵活,更能适应场景变化。
请参考图6,其示出本申请一个实施例提供的停车路径规划装置的框图。该停车路径规划装置包括:数据获取模块610、第一地图获取模块620、第二地图获取模块630以及路径规划模块640。
数据获取模块610,用于在确定车辆驶入目标停车场后,获取车辆的环境数据,车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息。
第一地图获取模块620,用于基于感知目标的空间位置信息获取目标停车场中坡道区域的电子地图。
第二地图获取模块630,用于基于感知目标的空间位置信息获取目标停车场中平地区域的电子地图。
路径规划模块640,用于基于坡道区域的电子地图、平地区域的电子地图和障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径。
在一些实施例中,感知目标包括多个路径点,路径点的空间位置信息包括多个路径点的高度信息;第一地图获取模块620,用于基于多个路径点的高度信息将多个路径点划分为平地点和坡道点;基于多个路径点的高度信息在坡道点中确定入坡点;以及,基于多个路径点的高度信息在坡道点中确定出坡点;基于入坡点、出坡点以及第一指定感知目标的空间位置信息,生成坡道区域的电子地图,第一指定感知目标是指基于入坡点和出坡点确定的坡道区域内的感知目标。
在一些实施例中,第一地图获取模块620,用于基于多个路径点的高度信息在坡道点中确定候选入坡点;获取候选入坡点的斜率;在候选入坡点的斜率属于第一斜率区间的情况下,将候选入坡点确定为入坡点;在候选入坡点的斜率不属于第一斜率区间的情况下,基于候选入坡点以及多个路径点的斜率,以候选入坡点为起点搜索入坡点。
在一些实施例中,第一地图获取模块620,用于基于多个路径点的高度信息在坡道点中确定候选出坡点;获取候选出坡点的斜率;在候选出坡点的斜率属于第二斜率区间的情况下,将候选出坡点确定为出坡点;在候选出坡点的斜率不属于第二斜率区间的情况下,基于候选出坡点以及路径点的斜率,以候选出坡点为起点搜索出坡点。
在一些实施例中,第二地图获取模块630,用于基于入坡点、出坡点以及第二指定感知目标的空间位置信息,生成平地区域的电子地图,第二指定感知目标是指基于入坡点和出坡点确定的平地区域内的感知目标。
在一些实施例中,路径规划模块640,用于确定目标车位,目标车位是指未停放车辆的车位;基于坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置信息进行路径规划,得到车辆的规划停车路径,规划停车路径是指车辆的当前位置到目标车位之间的路径。
在一些实施例中,路径规划模块640,用于基于坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置信息确定车辆的行驶场景,车辆的行驶场景包括以下至少一项:直行场景、会车场景、避障场景、转弯场景、路口场景;获取车辆的行驶场景对应的目标路径规划子模块;基于目标路径规划子模块进行路径规划,得到车辆的规划停车路径。
综上所述,本申请实施例提供的技术方案,车辆在进入目标停车场后,通过融合感知模块感知车辆的环境数据,上述环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息,车辆通过上述感知目标的空间位置信息分别生成目标停车场中坡道区域的电子地图以及平地区域的电子地图,最后车辆可以基于上述坡道区域的电子地图、平地区域的电子地图以及障碍物的空间位置数据进行停车路径规划,从而实现在存在坡道区域的目标停车场的自主导航与自动泊车,提高了自动驾驶的智能性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。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。
请参阅图7,其示出了本申请实施例还提供一种车辆700,该车辆700包括:一个或多个处理器710、存储器720以及一个或多个应用程序。其中,一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个应用程序配置用于执行上述实施例中所描述的方法。
处理器710可以包括一个或者多个处理核。处理器710利用各种接口和线路连接整个电池管理系统内的各种部分,通过运行或执行存储在存储器720内的指令、程序、代码集或指令集,以及调用存储在存储器720内的数据,执行电池管理系统的各种功能和处理数据。可选地,处理器710可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogic Array,PLA)中的至少一种硬件形式来实现。处理器710可集成中央处理器710(Central Processing Unit,CPU)、图像处理器710(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器710中,单独通过一块通信芯片进行实现。
存储器720可以包括随机存储器720(Random Access Memory,RAM),也可以包括只读存储器720(Read-Only Memory,ROM)。存储器720可用于存储指令、程序、代码、代码集或指令集。存储器720可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(例如,触控功能、声音播放功能、图像播放功能等)、用于实现上述各种方法实施例的指令等。存储数据区还可以存储车辆图在使用中所创建的数据(例如,电话本、音视频数据、聊天记录数据)等。
请参阅图8,其示出了本申请实施例还提供一种计算机可读存储介质800,该计算机可读存储介质800中存储有计算机程序指令810,计算机程序指令810可被处理器调用以执行上述实施例中所描述的方法。
计算机可读存储介质800可以是诸如闪存、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、电动程控只读存储器(Electrical Programmable Read Only Memory,EPROM)、硬盘或者只读存储器(Read-Only Memory,ROM)。可选地,计算机可读存储介质包括非易失性计算机可读存储介质(Non-transitory Computer-readable Storage Medium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的计算机程序指令810的存储空间。这些计算机程序指令810可以从一个或者多个计算机程序产品中读出或者可以写入到这一个或者多个计算机程序产品中。
以上,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭示如上,然而并非用以限定本申请,任何本领域技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简介修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (10)
1.一种停车路径规划方法,其特征在于,所述方法包括:
在确定车辆驶入目标停车场后,获取所述车辆的环境数据,所述车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息;
基于所述感知目标的空间位置信息获取所述目标停车场中坡道区域的电子地图,以及,基于所述感知目标的空间位置信息获取所述目标停车场中平地区域的电子地图;
基于所述坡道区域的电子地图、所述平地区域的电子地图和所述障碍物的空间位置信息进行路径规划,得到所述车辆的规划停车路径。
2.根据权利要求1所述的方法,其特征在于,所述感知目标包括多个路径点,所述路径点的空间位置信息包括多个所述路径点的高度信息;所述基于所述感知目标的空间位置信息获取所述目标停车场中坡道区域的电子地图,包括:
基于多个所述路径点的高度信息将多个所述路径点划分为平地点和坡道点;
基于多个所述路径点的高度信息在所述坡道点中确定入坡点;以及,基于多个所述路径点的高度信息在所述坡道点中确定出坡点;
基于所述入坡点、所述出坡点以及第一指定感知目标的空间位置信息,生成所述坡道区域的电子地图,所述第一指定感知目标是指基于所述入坡点和所述出坡点确定的坡道区域内的感知目标。
3.根据权利要求2所述的方法,其特征在于,所述基于多个所述路径点的高度信息在所述坡道点中确定入坡点,包括:
基于多个所述路径点的高度信息在所述坡道点中确定候选入坡点;
获取所述候选入坡点的斜率;
在所述候选入坡点的斜率属于第一斜率区间的情况下,将所述候选入坡点确定为所述入坡点;
在所述候选入坡点的斜率不属于所述第一斜率区间的情况下,基于所述候选入坡点以及多个所述路径点的斜率,以所述候选入坡点为起点搜索所述入坡点。
4.根据权利要求2所述的方法,其特征在于,所述基于多个所述路径点的高度信息在所述坡道点中确定出坡点,包括:
基于多个所述路径点的高度信息在所述坡道点中确定候选出坡点;
获取所述候选出坡点的斜率;
在所述候选出坡点的斜率属于第二斜率区间的情况下,将所述候选出坡点确定为所述出坡点;
在所述候选出坡点的斜率不属于所述第二斜率区间的情况下,基于所述候选出坡点以及所述路径点的斜率,以所述候选出坡点为起点搜索所述出坡点。
5.根据权利要求2所述的方法,其特征在于,所述基于所述感知目标的空间位置信息获取所述目标停车场中平地区域的电子地图,包括:
基于所述平地点、所述入坡点、所述出坡点以及第二指定感知目标的空间位置信息,生成所述平地区域的电子地图,所述第二指定感知目标是指基于所述入坡点和所述出坡点确定的平地区域内的感知目标。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,所述基于所述坡道区域的电子地图、所述平地区域的电子地图和所述障碍物的空间位置信息进行路径规划,得到所述车辆的规划停车路径,包括:
确定目标车位,所述目标车位是指未停放车辆的车位;
基于所述坡道区域的电子地图、所述平地区域的电子地图以及所述障碍物的空间位置信息进行路径规划,得到所述车辆的规划停车路径,所述规划停车路径是指所述车辆的当前位置到所述目标车位之间的路径。
7.根据权利要求6所述的方法,其特征在于,所述基于所述坡道区域的电子地图、所述平地区域的电子地图以及所述障碍物的空间位置信息进行路径规划,得到所述车辆的规划停车路径,包括:
基于所述坡道区域的电子地图、所述平地区域的电子地图以及所述障碍物的空间位置信息确定所述车辆的行驶场景,所述车辆的行驶场景包括以下至少一项:直行场景、会车场景、避障场景、转弯场景、路口场景;
获取所述车辆的行驶场景对应的目标路径规划子模块;
基于所述目标路径规划子模块进行路径规划,得到所述车辆的规划停车路径。
8.一种停车路径规划装置,其特征在于,所述装置包括:
数据获取模块,用于在确定车辆驶入目标停车场后,获取所述车辆的环境数据,所述车辆的环境数据包括感知目标的空间位置信息以及障碍物的空间位置信息;
第一地图获取模块,用于基于所述感知目标的空间位置信息获取所述目标停车场中坡道区域的电子地图;
第二地图获取模块,用于基于所述感知目标的空间位置信息获取所述目标停车场中平地区域的电子地图;
路径规划模块,用于基于所述坡道区域的电子地图、所述平地区域的电子地图和所述障碍物的空间位置信息进行路径规划,得到所述车辆的规划停车路径。
9.一种车辆,其特征在于,所述车辆包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序指令,所述计算机程序指令可被处理器调用执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616860.9A CN116048067A (zh) | 2022-12-15 | 2022-12-15 | 停车路径规划方法、装置、车辆以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616860.9A CN116048067A (zh) | 2022-12-15 | 2022-12-15 | 停车路径规划方法、装置、车辆以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116048067A true CN116048067A (zh) | 2023-05-02 |
Family
ID=86120047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211616860.9A Pending CN116048067A (zh) | 2022-12-15 | 2022-12-15 | 停车路径规划方法、装置、车辆以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116048067A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116797004A (zh) * | 2023-08-25 | 2023-09-22 | 深圳市金泰谊电子有限公司 | 基于5g通讯的工业通行管理方法、装置、设备及介质 |
-
2022
- 2022-12-15 CN CN202211616860.9A patent/CN116048067A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116797004A (zh) * | 2023-08-25 | 2023-09-22 | 深圳市金泰谊电子有限公司 | 基于5g通讯的工业通行管理方法、装置、设备及介质 |
CN116797004B (zh) * | 2023-08-25 | 2023-12-08 | 深圳市金泰谊电子有限公司 | 基于5g通讯的工业通行管理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949590B (zh) | 交通信号灯状态评估 | |
US11885910B2 (en) | Hybrid-view LIDAR-based object detection | |
US11427225B2 (en) | All mover priors | |
US11874119B2 (en) | Traffic boundary mapping | |
US11216004B2 (en) | Map automation—lane classification | |
US20220081002A1 (en) | Autonomous driving vehicle and dynamic planning method of drivable area | |
US20200209857A1 (en) | Multimodal control system for self driving vehicle | |
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
US11971274B2 (en) | Method, apparatus, computer program, and computer-readable recording medium for producing high-definition map | |
US20170206426A1 (en) | Pedestrian Detection With Saliency Maps | |
US9373255B2 (en) | Method and system for producing an up-to-date situation depiction | |
US11294387B2 (en) | Systems and methods for training a vehicle to autonomously drive a route | |
US20190094858A1 (en) | Parking Location Prediction | |
US11782439B2 (en) | Determining routes for autonomous vehicles | |
US20220402521A1 (en) | Autonomous path generation with path optimization | |
RU2744012C1 (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
US11970185B2 (en) | Data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
CN110203192A (zh) | 定位技术选择 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
WO2018090661A1 (en) | Path planning for autonomous vehicle using bidirectional search | |
CN116048067A (zh) | 停车路径规划方法、装置、车辆以及存储介质 | |
US20230382368A1 (en) | System, Method, and Computer Program Product for Identification of Intention and Prediction for Parallel Parking Vehicles | |
US20230298356A1 (en) | Instance segmentation in a pseudo-image | |
CN113753038B (zh) | 一种轨迹预测方法、装置、电子设备和存储介质 | |
CN114722931A (zh) | 车载数据处理方法、装置、数据采集设备和存储介质 |
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 |